Effects of TiO2, Ag-TiO2, and Cu-TiO2 nanoparticles on mechanical and anticariogenic properties of conventional pit and fissure sealants
Notice bibliographique
Résumé
The objective of this study was to determine the effects of TiO2, Ag-TiO2, and Cu-TiO2 nanoparticles (NPs) addition on the mechanical and antibacterial properties of resin-based sealants. TiO2, Ag-TiO2, and Cu-TiO2 NPs were characterized with FTIR, Raman, SEM-EDX, TEM, XPS, and XRD, and evaluated for cytotoxicity study. After characterization, the nanoparticles were mixed with commercial pit and fissure sealants (PAFS) in ratios of 1% and 2%. A total of 7 groups were made, control group (PAFS only) and experimental groups (1%-2% TiO2, 1%-2% Ag-TiO2, and 1%-2% Cu-TiO2). ISO standards were adopted to prepare samples for mechanical properties, i.e., compressive strength (CS), flexural strength (FS), and Vickers hardness evaluation. Samples were tested against Streptococcus mutans through an agar well diffusion test. The CS, FS, and Vickers hardness were increased for the Cu-TiO2 group with respect to Ag-TiO2 but values were less compared to TiO2 groups. The highest flow rate was measured in the control group which was 8.16±0.06 mm and 9.17±0.1 mm after 3 and 10 mins respectively. In the agar well diffusion test, the control group showed no zone of inhibition, and the lowest zone of bacterial inhibition was found in PAFS with 1% TiO2 NPs group (13.3±1.5 mm) while the highest was found in PAFS with 2% Ag-TiO2 NPs (21.8±1.7 mm). Cu-doped TiO2 NPs showed more biocompatibility as compared to Ag-doped TiO2. The outcomes were statistically significant for all the mechanical tests and agar well diffusion antibacterial test as the p-value ≤0.05 while for the cytotoxicity test, the p-value >0.05. The TiO2 addition generally improved both the mechanical and antibacterial properties of pit and fissure sealant.
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 ».