Dentin Bond Integrity of Filled and Unfilled Resin Adhesive Enhanced with Silica Nanoparticles—An SEM, EDX, Micro-Raman, FTIR and Micro-Tensile Bond Strength Study
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
The objective of this study was to synthesize and assess unfilled and filled (silica nanoparticles) dentin adhesive polymer. Methods encompassing scanning electron microscopy (SEM)—namely, energy dispersive X-ray spectroscopy (EDX), micro-tensile bond strength (µTBS) test, Fourier transform infrared (FTIR), and micro-Raman spectroscopy—were utilized to investigate Si particles’ shape and incorporation, dentin bond toughness, degree of conversion (DC), and adhesive–dentin interaction. The Si particles were incorporated in the experimental adhesive (EA) at 0, 5, 10, and 15 wt. % to yield Si-EA-0% (negative control group), Si-EA-5%, Si-EA-10%, and Si-EA-15% groups, respectively. Teeth were set to form bonded samples using adhesives in four groups for µTBS testing, with and without aging. Si particles were spherical shaped and resin tags having standard penetrations were detected on SEM micrographs. The EDX analysis confirmed the occurrence of Si in the adhesive groups (maximum in the Si-EA-15% group). Micro-Raman spectroscopy revealed the presence of characteristic peaks at 638, 802, and 1300 cm−1 for the Si particles. The µTBS test revealed the highest mean values for Si-EA-15% followed by Si-EA-10%. The greatest DC was appreciated for the control group trailed by the Si-EA-5% group. The addition of Si particles of 15 and 10 wt. % in dentin adhesive showed improved bond strength. The addition of 15 wt. % resulted in a bond strength that was superior to all other groups. The Si-EA-15% group demonstrated acceptable DC, suitable dentin interaction, and resin tag formation.
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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