MétaCan
Menu
Retour à la cohorte
Enregistrement W2734587921 · doi:10.4012/dmj.2016-383

The effect of five kinds of surface treatment agents on the bond strength to various ceramics with thermocycle aging

2017· article· en· W2734587921 sur OpenAlexaff
Yukari Noda, Masatoshi Nakajima, Masahiro Takahashi, Teerapong Mamanee, Keiichi Hosaka, Tomohiro Takagaki, Masaomi Ikeda, Richard M. FOXTON, Junji Tagami

Notice bibliographique

RevueDental Materials Journal · 2017
Typearticle
Langueen
DomaineDentistry
ThématiqueDental materials and restorations
Établissements canadiensSt. Thomas Hospital
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceCeramicBond strengthComposite materialCubic zirconiaLithium disilicatePrimer (cosmetics)AdhesiveLayer (electronics)

Résumé

récupéré en direct d'OpenAlex

This study evaluated the effects of ceramic surface treatment agents on shear bond strengths to ceramic materials with and without thermocycling. Ceramic plates were prepared from feldspathic ceramic; AAA, lithium disilicate ceramic material; IPS e.max Press, zirconia ceramic; Lava. Ceramic surfaces were pretreated with one of five surface treatment agents (Clearfil PhotoBond mixed with Porcelainbond activator (PB), Clearfil SE One mixed with Porcelainbond activator (SO), Ceramic Primer (CP), Universal Primer (UP), Scotchbond Universal (SU)), and then a resin cement (Clapearl DC) was filled. After 0, 5,000, and 10,000 thermocycles, micro-shear bond strengths between ceramic-cement interfaces were determined. SU exhibited significantly lower initial bond strength to AAA and e.max than PB, SO, CP, and UP. For Lava, PB, SO, CP and SU exhibited higher initial bond strengths than UP. Thermocycles reduced bond strengths to all the ceramic materials with any surface treatment.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,013
Tête enseignante GPT0,285
Écart entre enseignants0,273 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations39
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDental Materials JournalMême sujetDental materials and restorationsTravaux en français237 207