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
Machine Learning 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.

1 008 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.
1 008 travaux dans la cohorte · sur 4 299 418page 6 sur 21

Les étiquettes couvrent 4 des 1 008 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 1 008 des 1 008 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
Being Precise About Precision Mental Health
Péter Szatmári, Ezra Susser
2022· article· en· JAMA Psychiatry· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
14
citations
venueno affnon étiqueté
Predicting 30-Day Readmission Risk for Patients With Chronic Obstructive Pulmonary Disease Through a Federated Machine Learning Architecture on Findable, Accessible, Interoperable, and Reusable (FAIR) Data: Development and Validation Study
Celia Álvarez-Romero, Alicia Martínez-García, Jara Ternero Vega, Pablo Díaz-Jiménez, Carlos Jimènez-Juan, Maria Dolores Nieto‐Martín +11 autres
2022· article· en· JMIR Medical Informatics· Computer Science
prédiction distillée:candidate · stsconsensus · aucune
14
citations
affnon étiqueté
Multiple Sclerosis Severity Classification From Clinical Text
Alister D’Costa, Stefan Denkovski, Michal Malyska, Sae Young Moon, Brandon Rufino, Zhen Yang +2 autres
2020· article· en· Computer Science
prédiction distillée:candidate · insufficient_payloadconsensus · aucune
13
citations
afffundnon étiqueté
The early warning paradox
Hugh Logan Ellis, Edward Palmer, James Teo, Martin Whyte, Kenneth Rockwood, Zina Ibrahim
2025· article· en· npj Digital Medicine· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
13
citations
afffundaboutnon étiqueté
Automatic Phenotyping by a Seed-guided Topic Model
Ziyang Song, Yuanyi Hu, Aman Verma, David L. Buckeridge, Yue Li
2022· article· en· Proceedings of the 28th ACM SIGKDD Conference on Knowledge Discovery and Data Mining· Computer Science
prédiction distillée:candidate · open_scienceconsensus · open_science
13
citations
venueno affnon étiqueté
Chinese Clinical Named Entity Recognition From Electronic Medical Records Based on Multisemantic Features by Using Robustly Optimized Bidirectional Encoder Representation From Transformers Pretraining Approach Whole Word Masking and Convolutional Neural Networks: Model Development and Validation
Weijie Wang, Huiling Ren, Dongping Gao, An Fang
2023· article· en· JMIR Medical Informatics· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
12
citations
affnon étiqueté
MIMIC-Extract
Shirly Wang, Matthew B. A. McDermott, Geeticka Chauhan, Michael C. Hughes, Tristan Naumann, Marzyeh Ghassemi
2020· preprint· en· arXiv (Cornell University)· Computer Science
prédiction distillée:candidate · metaepi_narrowconsensus · aucune
12
citations
affnon étiqueté
Cohort Representation and Exploration
Behrooz Omidvar-Tehrani, Sihem Amer-Yahia, Laks V. S. Lakshmanan
2018· article· en· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
12
citations

En coulisses: Sélection · Constats · À propos