A Comparative Review of Material Properties for Current and Future Dental Filling Nanomaterials
Notice bibliographique
Résumé
ABSTRACT
 Nanomaterials observe specialized properties relative to gross materials. Due to their small size, specialized nanomaterial properties include decreased reactivity, an increased surface area to volume ratio, heightened structural properties, and in some cases, antimicrobial and antibacterial effects. Current researchers are looking to use nanoparticle/nanomaterial properties to solve prevalent dental issues that cannot be addressed with traditionally used materials. This paper will serve as an extensive review of current nanomaterial applications as they pertain to dental fillings and dental filling processes. Comparative assessments of traditional materials used in dental fillings will be made as well as comparative assessments of currently used nanomaterials in dental fillings. Material comparisons are based on criteria pertaining to biocompatibility, toxicity, reactivity, cost, and antimicrobial/antibacterial properties. When comparing the three most currently used dental filling nanomaterials – Carbon-Based Nanotubes, Silica Nanoparticles and Silver-Coated Nanoparticles – it was observed that Silica Nanoparticles demonstrated the greatest material advantage and should be recommended for continued use. Issues regarding future developmental dental filling applications of graphene nanoparticles, organic nanoparticles and gold nanoparticles will also be discussed.
 Keywords: Nanomaterials, antibacterial, dental fillings, silica resins, biocompatibility.
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) | 0,002 | 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 ».