MétaCan
Menu
Retour à la cohorte
Enregistrement W4286433376 · doi:10.3390/ma15145075

Exploring the Physicochemical, Mechanical, and Photocatalytic Antibacterial Properties of a Methacrylate-Based Dental Material Loaded with ZnO Nanoparticles

2022· article· en· W4286433376 sur OpenAlexaff
Patricia Comeau, Julia Burgess, Niknaz Malekafzali, Maria Luísa Leite, Aidan Lee, Adriana Pigozzo Manso

Notice bibliographique

RevueMaterials · 2022
Typearticle
Langueen
DomaineDentistry
ThématiqueDental Anxiety and Anesthesia Techniques
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPhotocatalysisMaterials scienceNanoparticleMethacrylateComposite materialChemical engineeringPolymerNanotechnologyChemistryOrganic chemistryPolymerizationCatalysis

Résumé

récupéré en direct d'OpenAlex

While resin-based materials meet the many requirements of a restorative material, they lack adequate, long-lasting antimicrobial power. This study investigated a zinc oxide nanoparticle (ZnO NP)-loaded resin-blend (RB) toward a new antimicrobial photodynamic therapy (aPDT)-based approach for managing dental caries. The results confirmed that up to 20 wt% ZnO NPs could be added without compromising the degree of conversion (DC) of the original blend. The DC achieved for the 20 wt% ZnO NP blend has been the highest reported. The effects on flexural strength (FS), shear bond strength to dentin (SBS), water sorption (WS), solubility (SL), and viability of Streptococcus mutans under 1.35 J/cm2 blue light or dark conditions were limited to ≤20 wt% ZnO NP loading. The addition of up to 20 wt% ZnO NPs had a minimal impact on FS or SBS, while a reduction in the bacteria count was observed. The maximum loading resulted in an increase in SL. Furthermore, 28-day aging in 37 °C water increased the FS for all groups, while it sustained the reduction in bacteria count for the 20 wt% resin blends. Overall, the ZnO NP-loaded resin-based restorative material presents significant potential for use in aPDT.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,532

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,048
Tête enseignante GPT0,230
Écart entre enseignants0,182 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterialsMême sujetDental Anxiety and Anesthesia TechniquesTravaux en français237 207