MétaCan
Menu
Retour à la cohorte
Enregistrement W4404829538 · doi:10.70921/medev.v28i3.1072

Comparative analysis of zirconia and lithium disilicate all-ceramic crowns manufactured using digital versus digital-conventional technique

2022· article· en· W4404829538 sur OpenAlexaff
A. Berar, Smaranda Buduru, C. Breban, Adina-Mădălina Gherman, Loredana Mițariu, Manuela Tăut, Roxana Buzatu

Notice bibliographique

RevueMedicine in Evolution · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing and 3D Printing Technologies
Établissements canadiensScience North
Organismes subventionnairesnon disponible
Mots-clésLithium disilicateCubic zirconiaCeramicMaterials scienceComposite materialLithium (medication)

Résumé

récupéré en direct d'OpenAlex

Case presentation: This study aimed at presenting and evaluating two manufacturing technologies and two types of restorative materials (3rd generation zirconia oxide and lithium disilicate glass ceramic) for the rehabilitation of the upper anterior teeth. The outcomes were evaluated in terms of aesthetics, marginal adaptation, technologies and materials used, working protocol, time and costs. Materials and method: A model with ideal preparations for the six upper anteriors was used in order to manufacture three zirconia oxide single units (Zirtooth Multi A2, Hass Corp) using the full digital protocol (1st hemiarch) and three lithium disilicate single units (Amber Press, LT, A2, Hass Corp) using the combined digital-analog protocol (2nd hemiarch). After fabrication, final layers of stains and glaze were applied for a better individualisation of the final restorations. The six restorations were evaluated on a printed model in order to asses the marginal fit, the final aesthetics, the optical characteristics and the elements of macro and microtexture. Discussions/Conclusions: The two materials used together with the two different manufacturing techniques have produced very similar results, in accordance with the naturalness of teeth.

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)0,001
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,028
Tête enseignante GPT0,275
Écart entre enseignants0,248 · 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
GenreEmpirique

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

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedicine in EvolutionMême sujetAdditive Manufacturing and 3D Printing TechnologiesTravaux en français237 207