Protective effect of a nanofilled resin-based coating on wear resistance of glass ionomer cement restorative materials
Notice bibliographique
Résumé
BACKGROUND: The effect of nanofilled resin-based coating on the wear resistance of glass ionomer cements (GICs) is still controversial. This study aims to compare the wear resistance of four encapsulated GICs including two conventional and two resin-modified, and to evaluate the effect of G-Coat Plus on the wear resistance of GICs. METHODS: A total of 80 disk-shaped specimens were prepared from two CGICs (riva self cure (SDI) and Equia Forte Fil (GC) and two RM- GICs (Ketac Nano (3 M/ESPE) and Fuji II LC (GC). The specimens of each material were divided into two groups (n = 10) based on the surface protection: no coating (NC), and coating with G-Coat Plus (GCP). All specimens were then placed in distilled water for 24 h at 37 °C. The specimens were subjected to thermocycling for 120,000 cycles using a chewing simulator. Wear resistance was measured using a specific formula. Data was analyzed using Kruskal-Wallis test. RESULTS: ) between coated and uncoated groups for all materials (P > 0.05). Ketac Nano showed significantly lower volume loss (0.65 ± 0.12) compared to all other groups (P < 0.05) among uncoated specimen, and significantly lower than Fuji II LC (P = 0.035) and Equia Forte Fil (P = 0.040) among coated groups. However, no statically significant difference was observed between volume loss of coated Ketac Nano with that of riva self cure (P = 0.087). CONCLUSIONS: Coating with GCP did not affect the wear depth of GICs, and Ketac Nano showed significantly lower volume loss regardless of coating.
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) | 0,001 | 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 ».