Avaliação difratográfica da microestrutura de três resinas compostas submetidas à aplicação de um agente clareador a base de peróxido de hidrogênio

A odontologia moderna utiliza métodos e técnicas ultraconservadores no intuito de corrigir os diversos tipos de alterações cromáticas observadas clinicamente. Os meios empregados baseiam-se na utilização de substâncias químicas à base de peróxidos presentes em diversas concentrações. O presente estudo objetivou avaliar a microestrutura de três resinas compostas fotossensíveis submetidas à aplicação de um agente clareador a base de peróxido de hidrogênio a 35% (Whiteness HP Maxx - fabricante: FGM), ativado por uma fonte híbrida de energia luminosa (Aparelho de Laser-Led Whitening Lase, fabricante: DMC). Para isso, foram confeccionados 30 corpos de prova (CDP) 10 para cada grupo, no formato de discos, com 13 mm de diâmetro e 2,0 mm de espessura em uma matriz de teflon e aço inox, fotoativados por um aparelho de luz halógena convencional (Optilux 401 - Demetron/UR) por 40 segundos com densidade de potência média igual a 450 mW/cm2. Os grupos foram dispostos da seguinte forma: Grupo 1 - resina microparticulada (Durafill VS - fabricante: Heraeus Kulzer); Grupo 2 - resina micro-híbrida (Esthet-X - fabricante: Dentsply); e Grupo 3 resina nanoparticulada (Filtek Supreme XT fabricante: 3M ESPE). Todos os materiais restauradores utilizados eram da cor A2. Após serem submetidos à sequência de acabamento e polimento os CDP foram armazenados por sete dias em saliva artificial, limpos em ultra-som, envelhecidos artificialmente de acordo com a norma ASTM G 154. Os CDP dos três grupos foram aleatoriamente divididos em 2 subgrupos (ST sem tratamento e CT com tratamento) e finalmente submetidos aos experimentos. Os CDP dos subgrupos 1-ST, 2- ST e 3-ST foram triturados (SPEX SamplePrep 8000-series, marca: Mixer/Mills) seguido pela verificação dos materiais por meio de um espectrômetro (marca/modelo: Shimadzu EDX 720) para certificação da ausência de elementos pertencentes ao meio de moagem e por fim foram levados a um difrator de raios-X (marca / modelo: Philips -PW 3040 -X'Celerator- 40kV; 30mA; (λ): CuKα; 0,6; 0,2mm; 0,05 (2θ); 2s; 10-90 (2θ). Em seguida os CDP dos subgrupos 1-CT, 2- CT e 3-CT foram tratados com o peróxido de hidrogênio de acordo com o protocolo do fabricante para a fonte híbrida luminosa de energia selecionada, totalizando 9 aplicações de 10 minutos, onde eram respeitados os tempos de 3 minutos de ativação por 20 segundos de descanso, finalizando 10 minutos em cada aplicação. Mediante a este tratamento, os CDP dos subgrupos CT eram verificados e avaliados pelo mesmo método descrito anteriormente. Após interpretação gráfica, análise comparativa por meio do processamento digital das imagens no programa KS400 3.0 (Carl Zeiss Vision) e análise de concordância por cinco avaliadores calibrados utilizando um escore, pôde-se concluir que houve degradação estrutural e que as estruturas cristalinas das resinas estudadas foram afetadas de forma distinta quando tratadas pelo peróxido de hidrogênio; onde observou-se que: Grupo 1 > Grupo 3 > Grupo 2. Foi sugerido a realização de novos estudos, relacionados à interação do peróxido de hidrogênio às resinas compostas.

Estudo de níveis de ozônio troposférico usando métodos de estatística univariada e multivariada para duas localidades da cidade do Rio de Janeiro

Com cada vez mais intenso desenvolvimento urbano e industrial, atualmente um desafio fundamental é eliminar ou reduzir o impacto causado pelas emissões de poluentes para a atmosfera. No ano de 2012, o Rio de Janeiro sediou a Rio +20, a Conferência das Nações Unidas sobre Desenvolvimento Sustentável, onde representantes de todo o mundo participaram. Na época, entre outros assuntos foram discutidos a economia verde e o desenvolvimento sustentável. O O3 troposférico apresenta-se como uma variável extremamente importante devido ao seu forte impacto ambiental, e conhecer o comportamento dos parâmetros que afetam a qualidade do ar de uma região, é útil para prever cenários. A química das ciências atmosféricas e meteorologia são altamente não lineares e, assim, as previsões de parâmetros de qualidade do ar são difíceis de serem determinadas. A qualidade do ar depende de emissões, de meteorologia e topografia. Os dados observados foram o dióxido de nitrogênio (NO2), monóxido de nitrogênio (NO), óxidos de nitrogênio (NOx), monóxido de carbono (CO), ozônio (O3), velocidade escalar vento (VEV), radiação solar global (RSG), temperatura (TEM), umidade relativa (UR) e foram coletados através da estação móvel de monitoramento da Secretaria do Meio Ambiente (SMAC) do Rio de Janeiro em dois locais na área metropolitana, na Pontifícia Universidade Católica (PUC-Rio) e na Universidade do Estado do Rio de Janeiro (UERJ) no ano de 2011 e 2012. Este estudo teve três objetivos: (1) analisar o comportamento das variáveis, utilizando o método de análise de componentes principais (PCA) de análise exploratória, (2) propor previsões de níveis de O3 a partir de poluentes primários e de fatores meteorológicos, comparando a eficácia dos métodos não lineares, como as redes neurais artificiais (ANN) e regressão por máquina de vetor de suporte (SVM-R), a partir de poluentes primários e de fatores meteorológicos e, finalmente, (3) realizar método de classificação de dados usando a classificação por máquina de vetor suporte (SVM-C). A técnica PCA mostrou que, para conjunto de dados da PUC as variáveis NO, NOx e VEV obtiveram um impacto maior sobre a concentração de O3 e o conjunto de dados da UERJ teve a TEM e a RSG como as variáveis mais importantes. Os resultados das técnicas de regressão não linear ANN e SVM obtidos foram muito próximos e aceitáveis para o conjunto de dados da UERJ apresentando coeficiente de determinação (R2) para a validação, 0,9122 e 0,9152 e Raiz Quadrada do Erro Médio Quadrático (RMECV) 7,66 e 7,85, respectivamente. Quanto aos conjuntos de dados PUC e PUC+UERJ, ambas as técnicas, obtiveram resultados menos satisfatórios. Para estes conjuntos de dados, a SVM mostrou resultados ligeiramente superiores, e PCA, SVM e ANN demonstraram sua robustez apresentando-se como ferramentas úteis para a compreensão, classificação e previsão de cenários da qualidade do ar