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 1 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.

afffundsans résuménon étiqueté
Analysis of nanoparticle delivery to tumours
Stefan Wilhelm, Anthony J. Tavares, Qin Dai, Seiichi Ohta, Julie Audet, Harold F. Dvorak +1 autres
2016· review· en· Nature Reviews Materials· Materials Science
prédiction machine:candidate · aucuneconsensus · aucune
4 896
citations
afffundsans résuménon étiqueté
The entry of nanoparticles into solid tumours
Shrey Sindhwani, Abdullah M. Syed, Jessica Ngai, Benjamin R. Kingston, Laura Maiorino, Jeremy Rothschild +14 autres
2020· article· en· Nature Materials· Materials Science
prédiction machine:candidate · aucuneconsensus · aucune
1 628
citations
affsans résuménon étiqueté
Smart cancer nanomedicine
Roy van der Meel, Einar Sulheim, Yang Shi, Fabian Kießling, Willem J. M. Mulder, Twan Lammers
2019· article· en· Nature Nanotechnology· Materials Science
prédiction machine:candidate · aucuneconsensus · aucune
1 196
citations
afffundnon étiqueté
Nanomedicine
Betty Y.S. Kim, James T. Rutka, Warren C. W. Chan
2010· review· en· New England Journal of Medicine· Materials Science
prédiction machine:candidate · aucuneconsensus · aucune
1 131
citations
affsans résuménon étiqueté
Amphiphilic block copolymers for drug delivery
Monica Adams, Afsaneh Lavasanifar, Glen S. Kwon
2003· review· en· Journal of Pharmaceutical Sciences· Materials Science
prédiction machine:candidate · aucuneconsensus · aucune
1 066
citations
affsans résuménon étiqueté
Biocompatibility of engineered nanoparticles for drug delivery
Sheva Naahidi, Mousa Jafari, Faramarz Edalat, Kevin P. Raymond, Ali Khademhosseini, P. Chen
2012· review· en· Journal of Controlled Release· Materials Science
prédiction machine:candidate · aucuneconsensus · aucune
796
citations
afffundnon étiqueté
Polymeric micelles as drug delivery vehicles
Zaheer Ahmad, Afzal Shah, Muhammad Siddiq, Heinz‐Bernhard Kraatz
2014· article· en· RSC Advances· Materials Science
prédiction machine:candidate · aucuneconsensus · aucune
596
citations
afffundnon étiqueté
Elimination Pathways of Nanoparticles
Wilson Poon, Yi-Nan Zhang, Ben Ouyang, Benjamin R. Kingston, Jamie L. Y. Wu, Stefan Wilhelm +1 autres
2019· article· en· ACS Nano· Materials Science
prédiction machine:candidate · aucuneconsensus · aucune
566
citations
afffundsans résuménon étiqueté
A framework for designing delivery systems
Wilson Poon, Benjamin R. Kingston, Ben Ouyang, Wayne Ngo, Warren C. W. Chan
2020· review· en· Nature Nanotechnology· Materials Science
prédiction machine:candidate · aucuneconsensus · aucune
521
citations
afffundsans résuménon étiqueté
The dose threshold for nanoparticle tumour delivery
Ben Ouyang, Wilson Poon, Yi-Nan Zhang, Zachary P. Lin, Benjamin R. Kingston, Anthony J. Tavares +8 autres
2020· article· en· Nature Materials· Materials Science
prédiction machine:candidate · aucuneconsensus · aucune
498
citations
afffundnon étiqueté
Polymeric micelles for drug delivery
Hamidreza Montazeri Aliabadi, Afsaneh Lavasanifar
2005· review· en· Expert Opinion on Drug Delivery· Materials Science
prédiction machine:candidate · aucuneconsensus · aucune
439
citations
afffundsans résuménon étiqueté
Polymeric micelles for oral drug delivery
Geneviève Gaucher, P. M. Satturwar, Marie‐Christine Jones, Alexandra Fürtös, Jean‐Christophe Leroux
2010· review· en· European Journal of Pharmaceutics and Biopharmaceutics· Materials Science
prédiction machine:candidate · aucuneconsensus · aucune
385
citations
afffundsans résuménon étiqueté
Evolution of macromolecular complexity in drug delivery systems
Ashok Kakkar, Giovanni Traverso, Omid C. Farokhzad, Ralph Weissleder, Róbert Langer
2017· review· en· Nature Reviews Chemistry· Materials Science
prédiction machine:candidate · aucuneconsensus · aucune
321
citations

En coulisses: Sélection · Constats · À propos