Effectiveness of Six Irrigation Techniques With Sodium Hypochlorite in Tissue Dissolution
Notice bibliographique
Résumé
Introduction: Complete removal of pulp tissue by mechanical instrumentation remains a challenge. The study aimed to assess the efficacy of six irrigation techniques using 3% sodium hypochlorite (NaOCl) in dissolving tissue. Materials and methods: Seventy standardized fragments of bovine muscle tissue were divided into seven groups and exposed to different irrigation devices, with a maximum of 10 minutes of irrigation at room temperature. The devices included erbium-doped yttrium-aluminum-garnet (Er:YAG) laser (LightWalker® ST-E; Fotona d.o.o., Ljubljana, Slovenia), erbium, chromium-doped yttrium, scandium, gallium and garnet (Er,Cr:YSGG) laser A (EdgePRO™; Biolase Technology Inc., San Clemente, California, United States), Er,Cr:YSGG laser B (WaterLase iPlus®; Biolase, California, United States), multisonic ultracleaning system (MUS) GentleWave® system with CleanFlow™ handpiece (Sonendo, Inc., Laguna Hills, California, United States), passive ultrasonic irrigation (PUI), EndoUltra ultrasonic activator (Vista Apex Dental Products, Racine, Wisconsin, United States), and conventional needle irrigation (CNI), a 29G NaviTip irrigation needle at a flow rate of 5 mL/min (Ultradent Products, Inc., Utah, United States), with 3% NaOCl without agitation as the control. For samples that dissolved completely within 10 minutes, the dissolution time was recorded, and for other samples, the tissue weight was measured after the 10-minute irrigation experiment. The tissue dissolution rate (%/s) was calculated for all experiments. Results: MUS had the fastest tissue dissolution rate (P < 0.01), at 2.986% ± 0.395% per second. The laser systems had dissolution rates of 0.388% ± 0.062% per second for Er:YAG laser, 0.316% ± 0.042% for Er,Cr:YSGG laser A, and 0.258% ± 0.018% for Er,Cr:YSGG laser B. CNI and PUI showed the slowest tissue dissolution rates. Conclusions: MUS with CleanFlow, followed by Er:YAG and Er,Cr:YSGG lasers, achieved a significantly faster tissue dissolution rate than conventional irrigation methods of PUI and CNI tested. MUS with CleanFlow can greatly improve the effectiveness of NaOCl in tissue dissolution.
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 ».