MétaCan
Menu
Constructeur de cohorte

4 299 418 travaux, canadiens par l’une de quatre routes.

Chaque état de filtre est une URL; l’URL est la requête; la requête est citable via /q/⟨hash⟩. La page, l’API et l’export analysent les mêmes paramètres.

La cohorte courante, diffusée en continu depuis la base de données : toutes les colonnes des travaux, les étiquettes machine, les scores provisoires et l'état de validation de chaque rangée. Les exportations sont plafonnées à 100 000 rangées. Crée un lien /q/ permanent pour cette requête exacte. Les mêmes filtres produisent toujours le même lien, qui que soit le demandeur.

Terme de recherche
Auteur ou autrice
Période
Ordre
Langue
Type
Domaine
Revue
Sujet
Artificial Intelligence in Healthcare
Rétractation
Résumé
Source des données probantes
Devis d'étude
Accord des étiquettes
État des étiquettes

Les étiquettes directes de Codex et Gemma sont non validées et clairsemées. Les prédictions distillées couvrent la base complète et sont elles aussi non validées. Choisissez explicitement la source; l'absence d'une étiquette directe n'est jamais une étiquette négative.

affaffiliation
fundbailleur
venuerevue
aboutsujet

Les quatre voies se composent : exigez la voie du financement et excluez l'affiliation pour obtenir la strate financée-seulement qu'aucune base fondée sur l'affiliation ne voit jamais.

843 résultats · 1 filtre actif ·
Résultats par année
20002025
Date de publication
Catégories
Étiquettes machine · couverture clairsemée
Preuves
Langue
Type
Citations
Un travail non étiqueté est inconnu, pas un négatif. La couverture est rapportée à chaque requête.
843 travaux dans la cohorte · sur 4 299 418page 1 sur 17

Les étiquettes couvrent 7 des 843 travaux de cette cohorte. Les autres sont non étiquetés, ce qui n'est pas une étiquette négative : la table des étiquettes est clairsemée aujourd'hui et s'enrichit au fil des rondes d'étiquetage.

Les prédictions distillées couvrent 843 des 843 travaux de cette cohorte. Ces prédictions portent le statut machine_predicted_unvalidated. Le mode candidate est l'union; le consensus est l'intersection.

affnon étiqueté
<scp>eD</scp>octor: machine learning and the future of medicine
Guy Handelman, Hong Kuan Kok, Ronil V. Chandra, Amir H. Razavi, M. J. Lee, Hamed Asadi
2018· review· en· Journal of Internal Medicine· Health Professions
prédiction distillée:candidate · metaresearch+metaepi_narrow+research_integrity+insufficient_payloadconsensus · aucune
923
citations
affsans résuménon étiqueté
Machine learning-based coronary artery disease diagnosis: A comprehensive review
Roohallah Alizadehsani, Moloud Abdar, Mohamad Roshanzamir, Abbas Khosravi, Parham M. Kebria, Fahime Khozeimeh +3 autres
2019· review· en· Computers in Biology and Medicine· Health Professions
prédiction distillée:candidate · metaepi_narrow+research_integrityconsensus · aucune
269
citations
venueno affnon étiqueté
International Journal of Analysis and Applications
2017· paratext· en· International Journal of Analysis and Applications· Health Professions
prédiction distillée:candidate · metaepi_narrow+insufficient_payloadconsensus · aucune
177
citations
affnon étiqueté
Heart Diseases Diagnosis Using Neural Networks Arbitration
Ebenezer O. Olaniyi, Oyebade K. Oyedotun, Adnan Khashman
2015· article· en· International Journal of Intelligent Systems and Applications· Health Professions
prédiction distillée:candidate · aucuneconsensus · aucune
150
citations
affnon étiqueté
Machine learning methodologies versus cardiovascular risk scores, in predicting disease risk
Alexandros C. Dimopoulos, Μάρα Νικολαϊδου, Francisco Félix Caballero, Worrawat Engchuan, Albert Sánchez‐Niubò, Holger Arndt +6 autres
2018· article· en· BMC Medical Research Methodology· Health Professions
prédiction distillée:candidate · metaresearch+metaepi_narrow+sts+research_integrity+insufficient_payloadconsensus · metaresearch+insufficient_payload
113
citations
venueno affnon étiqueté
Prediction of Brain Stroke Severity Using Machine Learning
Debnath Bhattacharyya, Divya Midhunchakkravarthy
2020· article· en· Revue d intelligence artificielle· Health Professions
prédiction distillée:candidate · metaepi_narrow+insufficient_payloadconsensus · aucune
91
citations
affnon étiqueté
An Interpretable Machine Learning Approach for Hepatitis B Diagnosis
George Obaido, Blessing Ogbuokiri, Theo G. Swart, Nimibofa Ayawei, Sydney Mambwe Kasongo, Kehinde Aruleba +7 autres
2022· article· en· Applied Sciences· Health Professions
prédiction distillée:candidate · sts+insufficient_payloadconsensus · aucune
75
citations
fundno affnon étiqueté
An intelligent system for diabetes prediction
Zhilbert Tafa, Nerxhivane Pervetica, Bertran Karahoda
2015· article· en· Health Professions
prédiction distillée:candidate · aucuneconsensus · aucune
64
citations
affnon étiqueté
Risk Assessment of Computer-Aided Diagnostic Software for Hepatic Resection
Yusuf Akhtar, Sarada Prasad Dakua, Alhusain Abdalla, Omar M. Aboumarzouk, Mohammed Yusuf Ansari, Julien Abinahed +2 autres
2021· article· en· IEEE Transactions on Radiation and Plasma Medical Sciences· Health Professions
prédiction distillée:candidate · stsconsensus · aucune
59
citations

En coulisses: Sélection · Constats · À propos