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
Nanoparticle-Based Drug Delivery
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.

1 356 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.
1 356 travaux dans la cohorte · sur 4 299 418page 2 sur 28

Les étiquettes couvrent 3 des 1 356 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 1 356 des 1 356 travaux de cette cohorte. Ces prédictions portent le statut machine_predicted_unvalidated. Le volet Gemma est une étiquette directe du modèle pour chaque travail (titre seulement); le volet Codex est un classifieur distillé et calibré. Le mode candidate est l'union; le consensus est l'intersection.

afffundnon étiqueté
Effect of removing Kupffer cells on nanoparticle tumor delivery
Anthony J. Tavares, Wilson Poon, Yi-Nan Zhang, Qin Dai, Rickvinder Besla, Ding Ding +6 autres
2017· article· en· Proceedings of the National Academy of Sciences· Materials Science
prédiction machine:candidate · aucuneconsensus · aucune
282
citations
afffundgpt · aucune catégorieopus · aucune catégoriemodèles en accord
Tailoring nanoparticle designs to target cancer based on tumor pathophysiology
Edward A. Sykes, Qin Dai, Christopher D. Sarsons, Juan Chen, Jonathan V. Rocheleau, David Hwang +4 autres
2016· article· en· Proceedings of the National Academy of Sciences· Materials Science
prédiction machine:candidate · aucuneconsensus · aucune
280
citations
afffundsans résuménon étiqueté
Why nanoparticles prefer liver macrophage cell uptake in vivo
Wayne Ngo, Sara Ahmed, Colin Blackadar, Bram Bussin, Qin Ji, Stefan M. Mladjenovic +2 autres
2022· review· en· Advanced Drug Delivery Reviews· Materials Science
prédiction machine:candidate · aucuneconsensus · aucune
248
citations
affnon étiqueté
Ligand-Targeted Liposomes for Cancer Treatment
Puja Sapra, Pradeep Tyagi, Theresa M. Allen
2005· review· en· Current Drug Delivery· Materials Science
prédiction machine:candidate · aucuneconsensus · aucune
239
citations
affnon étiqueté
Hyperthermia-induced drug targeting
Jonathan P. May, Shyh‐Dar Li
2013· review· en· Expert Opinion on Drug Delivery· Materials Science
prédiction machine:candidate · aucuneconsensus · aucune
226
citations
affsans résuménon étiqueté
A translational framework to DELIVER nanomedicines to the clinic
Paul Joyce, Christine Allen, Marı́a José Alonso, Marianne Ashford, Michelle S. Bradbury, Matthieu Germain +15 autres
2024· review· en· Nature Nanotechnology· Materials Science
prédiction machine:candidate · aucuneconsensus · aucune
219
citations
affsans résuménon étiqueté
The mechanisms of nanoparticle delivery to solid tumours
Luan N. Nguyen, Wayne Ngo, Zachary P. Lin, Shrey Sindhwani, Presley MacMillan, Stefan M. Mladjenovic +1 autres
2024· article· en· Nature Reviews Bioengineering· Materials Science
prédiction machine:candidate · aucuneconsensus · aucune
217
citations
venueno affnon étiqueté
Chitosan Mediated Targeted Drug Delivery System: A Review
Manish P. Patel, Ravi Patel, Jayvadan K. Patel
2010· review· en· Journal of Pharmacy & Pharmaceutical Sciences· Materials Science
prédiction machine:candidate · aucuneconsensus · aucune
213
citations
affnon étiqueté
Polymeric micelles for drug targeting
Abdullah Mahmud, Xiao-Bing Xiong, Hamidreza Montazeri Aliabadi, Afsaneh Lavasanifar
2007· review· en· Journal of drug targeting· Materials Science
prédiction machine:candidate · aucuneconsensus · aucune
207
citations

En coulisses: Sélection · Constats · À propos