Protez temizleme solüsyonlarının hassas bağlantılı protezlerde matris tutuculuğuna etkisinin değerlendirilmesi
Bibliographic record
Abstract
Amaç: Bu çalışmanın amacı, hareketli protezlerin temizlenmesinde kullanılan ağız gargarasının ve üç değişik protez temizleme ajanının, plastik hassas bağlantı matrislerinin tutuculuğuna etkisini incelemektir. Gereç ve Yöntemler: Çalışmamızda bir kontrol ve dört test grubunda (n=10) olmak üzere örnekler toplam 6 aylık kullanım süresine eşit olacak şekilde, su (kontrol), Corega, Protefix, %5’lik NaOCl ve Listerine gargara içinde bekletildi. Tüm örnekler sıra ile matris yerleştirici alet kullanılarak test düzeneğine yerleştirildi ve üniversal test cihazında 0,5 cm/dk kafa hızı ile çekme testine tabi tutuldu. Parametrelerin gruplar arası karşılaştırmalarında tek yönlü varyans analizi ve farklılığa neden olan grubun tespitinde Tukey HSD testi kullanıldı. Anlamlılık p < 0.05 düzeyinde değerlendirildi. Bulgular: Solüsyon gruplarına göre tutuculuk ortalamaları arasında istatistiksel olarak anlamlı farklılık bulunmuştur (p < 0.01). NaOCl solüsyonunun tutuculuk ortalaması Su (p:0.015), Corega (p:0.005), Protefix (p:0.015) ve Listerine (p:0.005) solüsyonlarının ortalamalarından istatistiksel olarak anlamlı düzeyde yüksek bulunmuştur (p < 0.01). Diğer solüsyon grupları arasında istatistiksel olarak anlamlı bir farklılık bulunmamıştır (p > 0.05). Sonuç: Test koşulları dahilinde matrislerin tutuculuğunda artışa yol açtığı için hassas bağlantılı hareketli protezlerin temizliğinde NaOCl kullanımı önerilebilir.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".