Post-fatigue fracture load, stress concentration and mechanical properties of feldspathic, leucite- and lithium disilicate-reinforced glass ceramics
Notice bibliographique
Résumé
Objective: To evaluate the mechanical properties of different CAD/CAM ceramic systems and the post-fatigue fracture and stress distribution when used as cemented crowns. Materials and methods: Sixty (60) CAD/CAM monolithic crowns were milled using three different ceramic materials (FD - Feldspathic [Vita Mark II]), LE - Leucite-based ceramic [IPS Empress CAD] and LD - Lithium Disilicate [IPS e.max CAD]) and adhesively cemented on resin composite dyes. Specimens were stored in distillated water (37 °C) for 7 days. After, half of the crowns were submitted to immediate fracture load test while the other half was submitted to fatigue cycling. The average cement layer of approximately 80 μm was assessed using scanning electron microscopy (SEM). The average thickness was used in the three-dimensional (3D) Finite Element Analysis (FEA). For each ceramic material, the density, Poisson ratio, shear modulus, Young modulus, fracture toughness, and true hardness were assessed (n = 3). The data was used to assess the Maximum Principal Stress throughout 3D-FEA according to each material during load to fail and post-fatigue. Data were submitted to two-way ANOVA and Tukey test (α = 0.05). Results: LD showed the highest compression load, density, shear modulus, Young modulus, fracture toughness and true hardness values. While LE presented the lowest mechanical properties values. There is no difference in the Poisson ratio between the evaluated ceramics. Conclusion: LD was susceptible to aging process but presented stronger physicomechanical properties, showing the highest post-fatigue fracture load and highest stress magnitude.
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 ».