Assessment of Bond Integrity, Durability, and Degree of Conversion of a Calcium Fluoride Reinforced Dentin Adhesive
Notice bibliographique
Résumé
Our study aimed to synthesize and compare the mechanical properties and dentin interaction of two adhesives; experimental adhesive (EA) and EA containing 5 wt.% calcium fluoride (CaF2) nano-crystals (CaF2 adhesive-CAFA). CaF2 nano-crystals were synthesized by reacting two solutions (containing calcium and fluoride) in a glass chamber using a heated air system. The EA was produced using a mix of monomers, photo-initiators, camphorquinone, and electron initiators. The synthesized CaF2 nano-crystals were centrifuged to guarantee that inside the adhesive there is homogenized dispersion of the filler particles. Their integration in the EA yielded two groups; Gp-1: EA (without CaF2, control) and Gp-2: (5 wt.% CaF2 containing adhesive, CAFA). Sixty teeth were prepared and set to form bonded specimens using the two adhesives. The CaF2 nano-crystals were irregularly shaped with an average particle size of 30–200 nm. The highest μTBS values were obtained for CAFA-non-thermocycled (NTC) samples (32.63 ± 3.15), followed by EA-NTC (31.80 ± 3.75) specimens. On thermocycling (TC), both adhesive groups presented lower μTBS values (CAFA-TC: 29.47 ± 3.33 and EA-TC: 24.04 ± 3.69). Hybrid layer (HL) formation and resin tags of varying depths were perceived for both adhesive groups. The EDX analysis demonstrated the presence of carbon (C), silica (Si), calcium (Ca), and fluoride (F) for CAFA group. Micro-Raman spectroscopy revealed distinct peaks for CaF2 nano-crystals. The CAFA group presented the greatest DC. The addition of CaF2 nano-crystals in the adhesive caused improved bond μTBS and DC. The incorporation also demonstrated suitable dentin interaction, depicted by appropriate HL and resin tag development.
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 ».