MétaCan
Menu
Retour à la cohorte
Enregistrement W2774109880 · doi:10.1111/jerd.12350

Effect of tooth brushing on gloss retention and surface roughness of five bulk‐fill resin composites

2017· article· en· W2774109880 sur OpenAlexaff
Catherine O’Neill, Laurent Kreplak, Frederick A. Rueggeberg, D. Labrie, Carlos Alberto Kenji Shimokawa, Richard Bengt Price

Notice bibliographique

RevueJournal of Esthetic and Restorative Dentistry · 2017
Typearticle
Langueen
DomaineDentistry
ThématiqueDental materials and restorations
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésGloss (optics)ToothbrushMaterials scienceSurface roughnessSurface finishComposite materialScanning electron microscopeTooth brushingProfilometerDentifriceDentistryChemistryMedicine

Résumé

récupéré en direct d'OpenAlex

Abstract Objectives To determine the effects of tooth brushing on five bulk‐fill resin based composites (RBCs). Method Ten samples of Filtek Supreme Enamel (control), Filtek One Bulk Fill, Tetric EvoCeram Bulk Fill, SonicFill 2, SDR flow+, and Admira Fusion X‐tra were light cured for 20 seconds using the Valo Grand curing light. After 24 hours storage in air at 37°C, specimens were brushed in a random order using Colgate OpticWhite dentifrice and a soft toothbrush. Surface gloss was measured prior to brushing, after 5,000, 10,000 and 15,000 back and forth brushing cycles. Surface roughness was measured after 15,000 brushing cycles using atomic force microscopy (AFM) and selected scanning electron microscope (SEM) images were taken. The data was examined using ANOVA and pair‐wise comparisons using Scheffe's post‐hoc multiple comparison tests (α = 0.05). Results Surface gloss decreased and the surface roughness increased after brushing. Two‐way ANOVA showed that both the RBC and the number of brushing cycles had a significant negative effect on the gloss. One‐way ANOVA showed that the RBC had a significant effect on the roughness after 15,000 brushing cycles. For both gloss and roughness, brushing had the least effect on the nano‐filled control and nano‐filled bulk‐fill RBC, and the greatest negative effect on Admira Fusion X‐tra. The SEM images provided visual agreement. There was an excellent linear correlation (R2 = 0.98) between the logarithm of the gloss and roughness. Conclusion After brushing, the bulk‐fill RBCs were all rougher than the control nano‐filled RBC. The nano‐filled bulk‐fill RBC was the least affected by brushing. Clinical Significance Bulk‐fill RBCs lose their gloss faster and become rougher than the nanofilled conventional RBC, Filtek Supreme Ultra. The nanofilled bulk‐fill RBC was the least affected by tooth brushing.

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)0,000
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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,017
Tête enseignante GPT0,311
Écart entre enseignants0,294 · 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

Citations94
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Esthetic and Restorative DentistryMême sujetDental materials and restorationsTravaux en français237 207