Influence of the Amount of Toothpaste on Cleaning Efficacy: An In Vitro Study
Notice bibliographique
Résumé
OBJECTIVES: study was to test the influence of the amount of toothpaste on enamel cleaning efficacy. MATERIALS AND METHODS: The hydrated silica-based test toothpaste (radioactive dentin abrasion: 60.19 ± 1.35) contained all ingredients of a regular fluoride toothpaste. The cleaning efficacy of four different toothpaste amounts (1.00 g, 0.50 g [both "full length of brush"], 0.25 g ["pea-size"], and 0.125 g ["grain of rice-size"]) diluted in 1.00 mL water were each tested for different brushing times (10, 30, 60, 120, 180, and 300 seconds) using a standardized staining model on human molars with a brushing machine. Photographic documentation and colorimetric measurements were conducted, respectively, initially, after staining and after each brushing step. Colorimetric measurements were used to calculate the stain removal (in %). STATISTICAL ANALYSIS: was set at ≤ 0.05. RESULTS: The cleaning efficacy decreased significantly when using smaller toothpaste amounts. Stain removal after 120 seconds brushing time was: 77.4 ± 5.0% (1.00 g toothpaste), 75.7 ± 3.4% (0.50 g toothpaste), 54.1 ± 6.7% (0.25 g toothpaste), and 48.2 ± 7.1% (0.125 g toothpaste), respectively. CONCLUSION: study the cleaning efficacy of a medium-abrasive, hydrated silica-based toothpaste was analyzed. Note that 1.00 g toothpaste showed for all brushing times a significantly higher cleaning efficacy than 0.25 g toothpaste and 0.125 g toothpaste.
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 | 0,001 | 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 | 0,001 | 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 ».