Assessment of the Physical Properties of an Experimental Adhesive Dentin Bonding Agent with Carbon Nanoparticles
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The present study was aimed at reinforcing the control adhesive (CA) with two concentrations (2.5% & 5%) of carbon nanoparticles (CNPs) and evaluating the impact of these additions on the adhesive’s properties. Scanning electron microscopy (SEM) and energy dispersive X-Ray (EDX) spectroscopy were utilized to examine the morphological characteristics and elemental mapping of the filler CNPs. To investigate the adhesive’s properties, rheological assessment, shear bond strength (SBS) testing, analysis of the adhesive–dentin interface, degree of conversion (DC) analysis, and failure mode investigations were carried out. The SEM micrographs of CNPs verified roughly hexagonal-shaped cylindrical particles. The EDX plotting established the presence of carbon (C), oxygen (O), and zirconia (Zr). Upon rheological assessment, a gradual reduction in the viscosity was observed for all the adhesives at higher angular frequencies. The SBS testing revealed the highest values for 2.5% CNP adhesive group (25.15 ± 3.08 MPa) followed by 5% CNP adhesive group (24.25 ± 3.05 MPa). Adhesive type interfacial failures were most commonly found in this study. The 5% CNP containing adhesive revealed thicker resin tags and a uniform hybrid layer without any gaps (compared with 2.5% CNP adhesive and CA). The reinforcement of the CA with 2.5% and 5% CNPs augmented the adhesive’s bond strength. Nevertheless, a diminished viscosity (at higher angular frequencies) and reduced DC were observed for the two CNP reinforced adhesives. CNP reinforced dentin adhesives are effective in enhancing the adhesive bond integrity of resin to dentin.
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.
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 découle