Revue de sélection bibliographique

Examiner les résumés selon des critères d’inclusion et d’exclusion explicites, conserver les citations et montrer les désaccords avant la sélection.

Entrée

Résultat

La sélection devient plus facile à examiner lorsque protocole, extrait source et décision de l’évaluateur restent séparés. L’IA évalue chaque entrée fournie selon chaque critère explicite d’inclusion ou d’exclusion et renvoie une suggestion de correspondance bornée avec une citation exacte. Le serveur vérifie indépendamment les métadonnées d’année et de langue fournies, les titres potentiellement en double et la couverture des évaluations humaines. Les conflits restent visibles au lieu d’être tranchés par le modèle.

Tes textes, pages et images sont traités sur nos propres serveurs dans l'UE. Centre de confiance

Essayer maintenant Tarifs

À qui cela s'adresse

Équipes de recherche, étudiants et groupes de revue de preuves organisant une sélection initiale ou l’examen d’extraits de textes intégraux fournis. Adapté à la préparation d’une revue humaine documentée, pas à l’établissement de la qualité d’une étude, de l’exhaustivité d’une recherche bibliographique ou de conclusions cliniques.

Utilisations typiques

Appliquer les mêmes critères de protocole explicites à chaque entrée fournie.
Distinguer la correspondance avec une condition d’exclusion d’une décision définitive d’exclusion.
Conserver visibles les décisions et notes divergentes de deux évaluateurs à côté des suggestions du modèle.
Signaler les années hors plage, étiquettes de langue non admises et titres potentiellement en double sans retirer d’entrées.

Exemple

Entrée

CSV des publications fournies: id,title,year,language,text R1,Comparaison de formations en atelier,2024,en,L’étude compare deux groupes de formation de participants adultes. L’affectation n’était pas randomisée. R2,Comparaison de formations en atelier,2023,en,Le rapport décrit un seul groupe de formation sans groupe de comparaison. CSV des critères de sélection: id,kind,definition C1,include,Un groupe de comparaison est décrit. C2,exclude,Les participants sont des enfants. CSV des avis humains fournis: id,record,reviewer,decision,note V1,R1,REVIEWER1,include,Le groupe de comparaison est décrit. V2,R1,REVIEWER2,unclear,Vérifier la conformité de la comparaison au protocole. Confirmer les définitions fournies: Confirmé pour cette revue Version confirmée des définitions: PROTOCOL-1 Détail des citations: Détaillé Ordre des résultats: Ordre des sources Première année de publication: 2020 Dernière année de publication: 2026 Étiquettes de langue fournies autorisées: en Évaluateurs humains requis: Deux évaluateurs humains Revue des titres en double: Signaler pour examen Périmètre déclaré des éléments fournis: Titre et résumé fournis

Résultat

Le premier résumé décrit explicitement deux groupes de formation, alors que ses évaluateurs divergent entre inclure et incertain. La deuxième entrée a le même titre normalisé et ne présente aucun groupe de comparaison dans le texte fourni. Le projet met en évidence le doublon possible, les lacunes d’évaluation et les éléments par critère. Aucune entrée n’est automatiquement incluse ou exclue.

Un exemple fixe, raccourci. Les vrais résultats sont générés par l'IA : vérifie-les.

Prix et limites

Prix: généralement 1–3 crédits
Disponible avec: Gratuit, Avec forfait
Limite d'entrée: Une page avec jusqu'à 80 000 caractères HTML

Confidentialité

Traités sur nos propres serveurs dans l'UE (Pologne). Les entrées et les résultats sont supprimés après 7 jours (Gratuit) ou 30 jours (forfaits), ou immédiatement après que tu as vu le résultat si tu choisis de ne pas les stocker. Les images sont supprimées immédiatement après traitement.

Dans l'API

Nom de l'outil : literature_screening. Crée une tâche avec POST /api/v1/jobs et récupère le résultat avec GET /api/v1/jobs/{id}. Tu trouveras ta clé API dans ton compte.

curl -X POST https://do4u.eu/api/v1/jobs \
  -H "Authorization: Bearer d4u_…" -H "Content-Type: application/json" \
  -d '{"tool": "literature_screening", "url": "https://example.com/"}'

Documentation API complète →

Questions et réponses

Une citation correspondante prouve-t-elle qu’un critère est satisfait ?

Non. La citation prouve seulement que le passage exact existe dans le texte fourni. La relation entre ce passage et le critère est une interprétation de l’IA nécessitant un examen humain. Les éléments absents ou ambigus doivent rester incertains et aucun texte intégral indisponible n’est déduit.

Comment les critères d’inclusion et d’exclusion sont-ils interprétés ?

Pour les deux types, match signifie que le texte fourni semble satisfaire la définition du critère. Un critère d’inclusion marqué no_match et un critère d’exclusion marqué match créent tous deux des signalements à examiner. Aucun ne devient une sélection définitive automatique.

Comment les conflits entre évaluateurs sont-ils traités ?

Le serveur vérifie les ID distincts des évaluateurs fournis et compare leurs décisions enregistrées include, exclude ou unclear. Les évaluateurs manquants, désaccords et décisions incertaines produisent des constats séparés. Les libellés d’évaluateurs ne sont pas des identités vérifiées et le modèle ne peut modifier une décision humaine fournie.

Est-ce que mon texte est stocké ?

Seulement le temps nécessaire : 7 jours en version gratuite, 30 jours avec un forfait – ou pas du tout si tu choisis de ne pas le stocker. Le traitement s'effectue sur nos propres serveurs dans l'UE (Pologne).

Puis-je utiliser le résultat immédiatement ?

Les résultats sont générés par l'IA. Merci de les lire avant de les publier ou de les envoyer.