MétaCan
Menu
Retour à la cohorte
Enregistrement W4306856062 · doi:10.1016/j.bioactmat.2022.10.006

Advances in orthodontic clear aligner materials

2022· article· en· W4306856062 sur OpenAlexaff
Yashodhan M. Bichu, Abdulraheem Alwafi, Xiaomo Liu, James Andrews, Björn Ludwig, Aditi Y. Bichu, Bingshuang Zou

Notice bibliographique

RevueBioactive Materials · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueBone Tissue Engineering Materials
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésComputer scienceFabricationNarrative reviewNanotechnologyMaterials sciencePsychologyMedicine

Résumé

récupéré en direct d'OpenAlex

Rapid technological improvements in biomaterials, computer-aided design (CAD) and manufacturing (CAM) have endorsed clear aligner therapy (CAT) as a mainstay of orthodontic treatment, and the materials employed for aligner fabrication play an all-important role in determining the clinical performance of clear aligners. This narrative review has attempted to comprehensively encompass the entire gamut of materials currently used for the fabrication of clear aligners and elucidate their characteristics that are crucial in determining their performance in an oral environment. Historical developments and current protocols in aligner fabrication, features of contemporary bioactive materials, and emerging trends related to CAT are discussed. Advances in aligner material chemistry and engineering possess the potential to bring about radical transformations in the therapeutic applications of CAT; in the absence of which, clear aligners would continue to underperform clinically, due to their inherent biomechanical constraints. Finally, while innovations in aligner materials such as shape memory polymers, direct three-dimensional (3D) printed clear aligners and bioactive materials combined with clear aligner materials are essential to further advance the applications of CAT; increased awareness of environmental responsibilities among aligner manufacturers, aligner prescribing clinicians and aligner users is essential for better alignment of our climate change goals towards a sustainable planet.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,003

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 Opus0,008
Tête enseignante GPT0,216
Écart entre enseignants0,208 · 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 source (Gemma direct ou Codex distillé), 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
GenreSynthèse

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

En bref

Citations254
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioactive MaterialsMême sujetBone Tissue Engineering MaterialsTravaux en français237 207