MétaCan
Menu
Back to cohort
Record W4410989724 · doi:10.25248/reas.e20658.2025

Impacto do agente adesivo na resistência de união de cerâmicas vítreas tratadas

2025· article· pt· W4410989724 on OpenAlexaff
Larissa Costa Freitas, Camila Moreira Lima, Thaís Izidoro Pires, Tony Eduardo Costa, Raphael Tavares Vieira Barra, Fabíola Pessôa Pereira Leite

Bibliographic record

VenueRevista Eletrônica Acervo Saúde · 2025
Typearticle
Languagept
FieldEngineering
TopicBone Tissue Engineering Materials
Canadian institutionsWestern University
Fundersnot available
KeywordsResistMaterials scienceNanotechnology

Abstract

fetched live from OpenAlex

Objetivo: Avaliar a necessidade de aplicação de adesivos na cimentação de cerâmicas vítreas, considerando sua influência na resistência de união e confiabilidade do procedimento clínico. Métodos: Revisão sistemática conduzida a partir da análise de estudos laboratoriais in vitro, localizados por meio de buscas em seis bases de dados científicas. Foram aplicados critérios de inclusão e exclusão previamente definidos, com foco em estudos que comparassem protocolos com e sem aplicação de adesivo após o condicionamento com ácido fluorídrico e silano. No total, 18 estudos foram selecionados para compor a amostra da presente revisão. Resultados: Observou-se que, em sua maioria, os estudos não demonstraram vantagens significativas na aplicação de adesivo quanto à resistência de união das cerâmicas vítreas aos cimentos resinosos. Alguns trabalhos indicaram, inclusive, prejuízos ao desempenho mecânico, como a diminuição da resistência à carga. O protocolo com ácido fluorídrico seguido de silano mostrou-se suficiente para garantir uma adesão eficaz e durável. Considerações finais: A aplicação de adesivo não se mostrou necessária na cimentação de cerâmicas vítreas, sendo recomendada a sua exclusão do protocolo clínico com intuito de otimizar o tempo operatório e reduzir etapas sem comprometer a qualidade da adesão.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.002
metaresearch head score (Gemma)0.001
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Insufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.599
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0020.001
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0020.001
Bibliometrics0.0010.002
Science and technology studies0.0000.000
Scholarly communication0.0010.000
Open science0.0010.000
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0010.001

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.

Opus teacher head0.012
GPT teacher head0.265
Teacher spread0.253 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designNot applicable
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2025
Admission routes1
Has abstractyes

Explore more

Same venueRevista Eletrônica Acervo SaúdeSame topicBone Tissue Engineering MaterialsFrench-language works237,207