MétaCan
Menu
Retour à la cohorte
Enregistrement W4409558878 · doi:10.1002/cnm.70041

Comparative Analysis of Various Cavosurface Margins in Class <scp>II</scp> Restorations Using <scp>3D</scp> Finite Element Method

2025· article· en· W4409558878 sur OpenAlexaff
Zuzanna Apel, Behzad Vafaeian, Joanna Zarzecka, Jenna Wuzinski, Derek B. Apel

Notice bibliographique

RevueInternational Journal for Numerical Methods in Biomedical Engineering · 2025
Typearticle
Langueen
DomaineDentistry
ThématiqueDental materials and restorations
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésBevelMaterials scienceFinite element methodAdhesiveUltimate tensile strengthComposite materialShear (geology)Shear stressStructural engineeringLayer (electronics)Engineering

Résumé

récupéré en direct d'OpenAlex

The primary aim of these analyses was to evaluate the mechanical characteristics of the restored proximal surface of the lower first molar by comparing four different preparation designs: (a) slot preparation, (b) slot preparation with bevel, (c) slot preparation with bevel and rounded proximal box corners (RPBC), and (d) slot preparation with bevel, rounded proximal box corners, and gingival bevel (GB). The finite element method was utilized to assess various load scenarios applied to slot and bevelled restorations prepared using adhesive restorative materials. The numerical analysis revealed higher tensile stresses by up to 15 MPa when normal traction was applied at the interface between enamel and slot preparations than at the interface between enamel and bevelled preparations. However, the beveled restorations showed increased shear stresses in their thin beveled regions. The results imply a risk of separation for slot restorations. Conversely, incorporating a bevel (with or without RPBC and GB) significantly decreased normal stresses on the restoration edge and shifted it predominantly to compressive stresses. Thus, bevelled restorations may be less prone to debonding at their edges under occlusal loads. However, they may still be susceptible to shear debonding when locally loaded on their thin-beveled regions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,108
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,428
Écart entre enseignants0,390 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Numerical Methods in Biomedical EngineeringMême sujetDental materials and restorationsTravaux en français237 207