Comparison between the dual-exponential and autocatalytic models to examine rapid photopolymerization kinetics of dental resins
Notice bibliographique
Résumé
Objectives 1) To investigate two empirical models used to characterize the polymerization kinetics of six resin-based composites (RBCs) and 2) the impact of the sampling rate on the time-varying degree of conversion (DC). Methods The DC of three sculptable and three flowable RBCs was recorded using attenuated total internal reflectance Fourier transform infrared spectroscopy at a collection rate of 13 DC/s. A multiple-diode light-curing unit delivered either an irradiance of 1.2 or 3 W/cm 2 . The RBC specimens were either 0.2 mm or 4 mm thick and were photocured at 32 ºC. Sampling rates as low as 0.2 DC/s were simulated by numerically interpolating the measured DC( t ). The DC( t ) obtained at different sampling rates was fitted to the dual-exponential and autocatalytic models. Results For all six RBCs, the fit of the autocatalytic model to the data resulted in the smallest mean squared errors. The lower simulated sampling rates did not represent the highly time-resolved DC collected at an irradiance of 3 W/cm 2 and specimen thickness of 0.2 mm. For the DC simulated at a sampling rate of 0.2 DC/s using PowerFill and analyzed with the autocatalytic model, the maximum DC rate was 3.7 %/s, occurring at a time of 5 s after the start of photocuring. However, using a sampling rate of 13 DC/s, they were 64.5 %/s and 116 ms, respectively. Significance The autocatalytic model was found to better characterize the kinetics of RBC photopolymerization than the dual-exponential model. The data collection rate has a strong influence on the results.
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 ».