Influence of ER-CR-YSGG Laser and Photodynamic Therapy on the Dentin Bond Integrity of Nano-Hydroxyapatite Containing Resin Dentin Adhesive: SEM-EDX, Micro-Raman, Micro-Tensile, and FTIR Evaluation
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 study aimed to analyze the effect of the addition of nano-hydroxyapatite (nano-HA) particles on the mechanical properties of experimental adhesive (EA). Furthermore, dentin interaction of EA (without nano-HA) and EA with nano-HA (hereon referred to as HA-10%) were also investigated and equated. Methods consisting of scanning electron microscopy (SEM)–energy-dispersive X-ray spectroscopy (EDX), micro-Raman spectroscopy, micro-tensile bond strength (µTBS) test, and Fourier transform infrared (FTIR) spectroscopy were employed to study nano-HA particles shape, dentin bond strength, degree of conversion (DC), and adhesive–dentin interaction. Ninety teeth (N = 90) were collected, and pre-bonding, conditioning of dentin was performed utilizing phosphoric acid (H3PO4) etching, photodynamic therapy (PDT), and ER-CR-YSGG (ECY) laser. The teeth were set to form bonded specimens using two adhesives. Nano-HA particles were spherical-shaped, and EDX confirmed the presence of oxygen, calcium, and phosphorus. Micro-Raman spectroscopy revealed distinct phosphate and carbonate peaks for nano-HA. The µTBS test demonstrated highest values for HA-10% group on the H3PO4 conditioned dentin. The greatest DC was observed for the EA group. The addition of nano-HA-10 wt.% particles in dentin adhesive resulted in improved bond strength. The incorporation also demonstrated acceptable DC (although lower than EA group), 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 | 0,001 | 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