In Vitro Detection of Caries Around Amalgam Restorations Using Four Different Modalities
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: . METHODS: Seventeen extracted human molars and premolars, consisting of visually healthy (n=5) and natural cavitated (n=12) teeth were selected. For the carious teeth, caries was removed leaving some decayed tissue on the floor and or wall of the preparation. For sound teeth, 3 mm. deep cavity preparations were made and teeth were restored with bonded-amalgam restorations. Thirty-six sites (13 sound sites; 23 carious sites) were selected. CS and DD scans were performed in triplicate at 2, 1.5, 0.5, and 0 mm away from the margin of the restoration (MOR). Spectra images were captured for the entire surface, and dentists blinded to the samples provided ICDAS II scoring. RESULTS: Canary Numbers (Mean±SE) for healthy and carious sites at 2, 1.5, 0.5, and 0 mm from the MOR ranged from 12.9±0.9 to 15.4±0.9 and 56.1±4.0 to 56.3±2.0, respectively. DD peak values for healthy and carious sites ranged from 4.7±0.5 to 13.5±2.99, and 16.7±3.7 to 24.5±4.4, respectively. For CS and DD, sensitivity/specificity for sites at 2.0, 1.5, 0.5, 0 mm ranged from 0.95-1.0/0.85-1.0, and 0.45-0.74/0.54-1.0, respectively. For ICDAS II, sensitivity and specificity were 1.0 and 0.17, respectively. For Spectra, data and images were inconclusive due to signal intereference from the amalgam restoration. CONCLUSIONS: model, CS and DD were able to differentiate between sound and carious tissue at the MOR, but larger variation, less reliability, and poorer accuracy was observed for DD. Therefore, CS has the potential to detect secondary caries around amalgam restorations more accurately than the other investigated modalities.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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