Influence of Different Immersion Solutions and Polishing Protocols on the Roughness of Conventional and CAD/CAM Restorative Materials
Notice bibliographique
Résumé
ABSTRACT Objective: To evaluate the effects of immersion solutions and polishing protocols on the surface roughness of different restorative materials. Material and Methods: Specimens from composite resin (CR) (Filtek Z350 XT) and CAD-CAM blocks of resin nanoceramic (NC) (Lava Ultimate Restorative), hybrid ceramic (HC) (Enamic), and zirconia-reinforced lithium silicate (ZL) (Celtra Duo) were assigned to two protocols: only polishing rubbers (PR) (Ceramisté rubbers®) or PR + paste (Porcelize®) (PR+P). Surface roughness was measured before (T0), after 30 days (T1), and 60 days (T2) of immersion in solutions of artificial saliva (SA), coffee (CF), and Coca-Cola® (CO). Roughness changes were compared using ANOVA and Tukey test (α=0.05). Results: Time (p≤0.003) and the interaction of time and immersion solution (p≤0.03) significantly affected all materials. The interaction of time, immersion solution, and polishing significantly affected ZL (p=0.003) and NC (p=0.013). The highest surface roughness values were observed with CF solution at T2. Conclusion: Different polishing protocols did not significantly affect the restorative materials tested. The CF solution affected the surface roughness of composite resin and feldspathic-composite hybrid ceramic after 60 days, regardless of the polishing protocol. The effects of immersion solutions and polishing protocols vary and depend on the properties of each restorative material.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».