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 and Education
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.

3 498 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.
3 498 travaux dans la cohorte · sur 4 299 418page 1 sur 70

Les étiquettes couvrent 44 des 3 498 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 3 498 des 3 498 travaux de cette cohorte. Ces prédictions portent le statut machine_predicted_unvalidated. Le mode candidate est l'union; le consensus est l'intersection.

venueno affnon étiqueté
Introducing Artificial Intelligence Training in Medical Education
Ketan Paranjape, Michiel Schinkel, Rishi Panday, Josip Car, Prabath W.B. Nanayakkara
2019· article· en· JMIR Medical Education· Medicine
prédiction distillée:candidate · insufficient_payloadconsensus · insufficient_payload
614
citations
affnon étiqueté
Transparency and reproducibility in artificial intelligence
Benjamin Haibe‐Kains, George Alexandru Adam, Ahmed Hosny, Farnoosh Khodakarami, Thakkar Shraddha, Rebecca Kusko +25 autres
2020· letter· en· Nature· Medicine
prédiction distillée:candidate · research_integrityconsensus · research_integrity
501
citations
affnon étiqueté
Evaluating the Performance of ChatGPT in Ophthalmology
Fares Antaki, Samir Touma, Daniel Milad, Jonathan El‐Khoury, Renaud Duval
2023· article· en· Ophthalmology Science· Medicine
prédiction distillée:candidate · aucuneconsensus · aucune
494
citations
affnon étiqueté
Ethical Machine Learning in Healthcare
2021· article· en· Annual Review of Biomedical Data Science· Medicine
prédiction distillée:candidate · metaresearchconsensus · aucune
479
citations
afffundnon étiqueté
Do as AI say: susceptibility in deployment of clinical decision-aids
Susanne Gaube, Harini Suresh, Martina Raue, Alexander Merritt, Seth J. Berkowitz, Eva Lermer +4 autres
2021· article· en· npj Digital Medicine· Medicine
prédiction distillée:candidate · metaresearch+insufficient_payloadconsensus · aucune
447
citations
afffundsans résuménon étiqueté
Metrics reloaded: recommendations for image analysis validation
Lena Maier‐Hein, Annika Reinke, Patrick Godau, Minu D. Tizabi, Florian Buettner, Evangelia Christodoulou +66 autres
2024· review· en· Nature Methods· Medicine
prédiction distillée:candidate · research_integrityconsensus · aucune
398
citations
affnon étiqueté
Artificial Intelligence and the Implementation Challenge
James Shaw, Frank Rudzicz, Trevor Jamieson, Avi Goldfarb
2019· article· en· Journal of Medical Internet Research· Medicine
prédiction distillée:candidate · insufficient_payloadconsensus · aucune
396
citations
venueno affnon étiqueté
Clinical Text Data in Machine Learning: Systematic Review
‪Irena Spasić, Goran Nenadić
2020· review· en· JMIR Medical Informatics· Medicine
prédiction distillée:candidate · metaresearch+metaepi_narrow+research_integrity+insufficient_payloadconsensus · aucune
367
citations

En coulisses: Sélection · Constats · À propos