Shrinkage Stress and Temperature Variation in Resin Composites Cured via Different Photoactivation Methods: Insights for Standardisation of the Photopolymerisation
Notice bibliographique
Résumé
The literature has shown that there is no consensus regarding the best resin composite photoactivation protocol. This study evaluated the efficiency of the conventional, soft-start, pulse-delay and exponential protocols for photoactivation of resin composites in reducing the shrinkage stress and temperature variation during the photopolymerisation. The photoactivation processes were performed using a photocuring unit and a smartphone app developed to control the irradiance according each photoactivation protocol. These photoactivation methods were evaluated applying photoactivation energies recommended by the resins manufactures. Three brands of resin composites were analysed: Z-250, Charisma and Ultrafill. The cure effectiveness was evaluated through depth of cure experiments. All results were statistically evaluated using one-way and multi-factor analysis of variance (ANOVA). The use of exponential and pulse-delay methods resulted in a significant reduction of the shrinkage stress for all evaluated resins; however, the pulse-delay method required too long a photoactivation time. The increases on the temperature were lower when the exponential photoactivation was applied; however, the temperature variation for all photoactivation protocols was not enough to cause damage in the restoration area. The evaluation of the depth of cure showed that all photoactivation protocols resulted in cured resins with equivalent hardness, indicating that the choice of an alternative photoactivation protocol did not harm the polymerisation. In this way, the results showed the exponential protocol as the best photoactivation technique for practical applications.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».