Physicochemical, Mechanical, and Esthetic Properties of the Composite Resin Manipulated with Glove Powder and Adhesive as a Modeling Liquid
Notice bibliographique
Résumé
Composite resins with low flowability are usually handled and manipulated before insertion into the tooth preparation with gloved hands and/or using an instrument covered with a little amount of adhesive to facilitate modeling. We investigated if the modeling techniques (combined or not) affected physicochemical and esthetic properties of a composite resin. Specimens were fabricated and divided into groups according to the handling/modeling technique: Gloved-hands (composite was hand-manipulated with powdered latex gloves); Adhesive (adhesive was used in between the composite layers); Gloved-hands + Adhesive; Control (no adhesive and no touch with gloved-hands). The highest values for flexural strength (MPa), modulus of elasticity (GPa), and fracture toughness (MPa.m0.5) were obtained for Adhesive and Gloved-hands + Adhesive (p < 0.05); the lowest values were obtained for Control and Gloved-hands (p < 0.05). The Control group had the highest sorption. The Gloved-hands (p < 0.05) group had the highest solubility. Adhesive and Gloved-hands + Adhesive had a similar solubility (p > 0.05). The Control group (p < 0.05) had the lowest solubility. There was no statistical interaction between translucency vs. handling/modeling techniques and color stability vs. handling/modeling techniques. Adhesive as a modeling liquid protected the composite against sorption and solubility (if powdered gloves were used) and improved its physical/mechanical properties. Translucency and color stability were not correlated with modeling techniques.
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 | 0,000 | 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 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 ».