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 2 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.

affnon étiqueté
ChatGPT in healthcare: A taxonomy and systematic review
Jianning Li, Amin Dada, Behrus Puladi, Jens Kleesiek, Jan Egger
2024· review· en· Computer Methods and Programs in Biomedicine· Medicine
prédiction distillée:candidate · metaepi_narrowconsensus · aucune
332
citations
affnon étiqueté
Surgical data science – from concepts toward clinical translation
Lena Maier‐Hein, Matthias Eisenmann, Duygu Sarıkaya, Keno März, Toby Collins, Anand Malpani +45 autres
2022· review· en· univOAK (4 institutions : Université de Strasbourg, Université de Haute Alsace, INSA Strasbourg, Bibliothèque Nationale et Universitaire de Strasbourg)· Medicine
prédiction distillée:candidate · metaepi_narrow+sts+research_integrity+insufficient_payloadconsensus · metaepi_narrow+sts+research_integrity
332
citations
affsans résuménon étiqueté
Pandemic publishing poses a new COVID-19 challenge
Adam Palayew, Ole Nørgaard, Kelly Safreed‐Harmon, Tue Helms Andersen, Lauge Neimann Rasmussen, Jeffrey V. Lazarus
2020· article· en· Nature Human Behaviour· Medicine
prédiction distillée:candidate · aucuneconsensus · aucune
272
citations
aboutno affnon étiqueté
Towards conversational diagnostic artificial intelligence
Tao Tu, Mike Schaekermann, Anil Palepu, Khaled Saab, Jan Freyberg, Ryutaro Tanno +20 autres
2025· article· en· Nature· Medicine
prédiction distillée:candidate · aucuneconsensus · aucune
246
citations
affnon étiqueté
Beware explanations from AI in health care
Boris Babic, Sara Gerke, Theodoros Evgeniou, I. Glenn Cohen
2021· article· en· Science· Medicine
prédiction distillée:candidate · aucuneconsensus · aucune
231
citations
affnon étiqueté
The medical algorithmic audit
Xiaoxuan Liu, Ben Glocker, Melissa D. McCradden, Marzyeh Ghassemi, Alastair K. Denniston, Lauren Oakden‐Rayner
2022· review· en· The Lancet Digital Health· Medicine
prédiction distillée:candidate · aucuneconsensus · aucune
223
citations
affsans résuménon étiqueté
The impact of machine learning on patient care: A systematic review
David Ben‐Israel, W. Bradley Jacobs, Steve Casha, Stefan Lang, Won Hyung A. Ryu, Madeleine de Lotbinière-Bassett +1 autres
2019· review· en· Artificial Intelligence in Medicine· Medicine
prédiction distillée:candidate · metaepi_narrowconsensus · aucune
209
citations

En coulisses: Sélection · Constats · À propos