Alguns aspectos da mecânica das alças de retração ortodôntica
Bibliographic record
Abstract
As alças de retração ortodôntica são comumente empregadas em sistema Edgewise por meio de uma abordagem seccional (ex.: retração de caninos) ou por meio de uma abordagem segmentada (ex.: retração dos dentes anteriores em conjunto). Estas alças podem modular a demanda de ancoragem, dependendo dos objetivos impostos pelo plano de tratamento. Neste trabalho são discutidas as propriedades mecânicas relacionadas ao projeto de alças de retração ortodôntica, o sistema de forças decorrente de sua conformação geométrica e ativação, e os métodos empregados para testá-las. Dentre as técnicas utilizadas na análise de uma alça, o Método dos Elementos Finitos (MEF) merece destaque. Embora seja baseado em modelos matemáticos, é uma ferramenta eficaz e não onerosa para a simulação computacional de um protótipo, podendo-se assim avaliá-lo antes de sua construção física. Já os métodos experimentais se aproximam mais da condição real, porém com custo mais elevado. A utilização em diferentes estágios de ambos os métodos é aconselhável para um melhor desenvolvimento e caracterização dos protótipos.
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 | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.002 |
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".