Screening della letteratura con evidenze sorgente

Esaminare abstract rispetto a criteri espliciti di inclusione ed esclusione, conservare citazioni e mostrare i disaccordi tra revisori prima della scelta.

Input

Risultato

Lo screening diventa più verificabile quando protocollo, estratto sorgente e decisione del revisore rimangono separati. L'IA valuta ogni record fornito rispetto a ogni criterio esplicito di inclusione o esclusione e restituisce un suggerimento limitato di corrispondenza con una citazione esatta. Il server controlla indipendentemente i metadati forniti di anno e lingua, possibili titoli duplicati e copertura dei revisori umani. I conflitti rimangono visibili anziché essere risolti dal modello.

I tuoi testi, le tue pagine e le tue immagini vengono elaborati sui nostri server nell'UE. Centro per la fiducia

Provalo ora Prezzi

A chi è rivolto

Gruppi di ricerca, studenti e gruppi di revisione delle evidenze che organizzano uno screening iniziale o una revisione di estratti di testo integrale forniti. Adatto alla preparazione di una revisione umana documentata, non a stabilire qualità degli studi, completezza di una ricerca bibliografica o conclusioni cliniche.

Usi tipici

Applicare gli stessi criteri espliciti del protocollo a ogni record fornito.
Distinguere la corrispondenza a una condizione di esclusione da una decisione definitiva di esclusione.
Mantenere visibili le decisioni e note differenti di due revisori accanto ai suggerimenti del modello.
Segnalare anni fuori intervallo, tag di lingua non supportati e possibili titoli duplicati senza rimuovere record.

Esempio

Input

CSV dei record bibliografici forniti: id,title,year,language,text R1,Confronto della formazione nei laboratori,2024,en,Lo studio confronta due gruppi di formazione di partecipanti adulti. L'assegnazione non era randomizzata. R2,Confronto della formazione nei laboratori,2023,en,Il rapporto descrive un solo gruppo di formazione senza gruppo di confronto. CSV dei criteri di screening: id,kind,definition C1,include,Viene descritto un gruppo di confronto. C2,exclude,I partecipanti sono bambini. CSV delle revisioni umane fornite: id,record,reviewer,decision,note V1,R1,REVIEWER1,include,Viene descritto un gruppo di confronto. V2,R1,REVIEWER2,unclear,Verificare se il confronto soddisfa il protocollo. Confermare le definizioni fornite: Confermato per questa revisione Versione delle definizioni confermata: PROTOCOL-1 Dettaglio delle citazioni: Dettagliato Ordine dei risultati: Ordine delle fonti Primo anno di pubblicazione: 2020 Ultimo anno di pubblicazione: 2026 Tag di lingua forniti ammessi: en Revisori umani richiesti: Due revisori umani Revisione dei titoli duplicati: Segnalare per revisione Ambito dichiarato delle evidenze fornite: Titolo e abstract forniti

Risultato

Il primo abstract descrive esplicitamente due gruppi di formazione, mentre i revisori discordano tra includere e non chiaro. Il secondo record ha lo stesso titolo normalizzato e non presenta un gruppo di confronto nel testo fornito. La bozza evidenzia il possibile duplicato, le lacune nei revisori e le evidenze per criterio. Nessun record viene incluso o escluso automaticamente.

Un esempio fisso, abbreviato. I risultati reali sono generati dall'IA: controllali.

Prezzo e limiti

Prezzo: solitamente 1–3 crediti
Disponibile con: Gratis, Con pacchetto
Limite di input: Una pagina con fino a 80 000 caratteri HTML

Privacy

Elaborati sui nostri server in UE (Polonia). Gli input e i risultati vengono eliminati dopo 7 giorni (Gratis) o 30 giorni (pacchetti), o subito dopo la visualizzazione se scegli di non memorizzarli. Le immagini vengono eliminate subito dopo l'elaborazione.

Nell'API

Nome dello strumento: literature_screening. Crea un lavoro con POST /api/v1/jobs e recupera il risultato con GET /api/v1/jobs/{id}. Trovi la tua chiave API nel tuo account.

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/"}'

Documentazione API completa →

Domande e risposte

Una citazione corrispondente dimostra che un criterio è soddisfatto?

No. La citazione dimostra solo che il passaggio esatto esiste nel testo fornito. La relazione tra quel passaggio e il criterio è un'interpretazione dell'IA che richiede revisione umana. Evidenze mancanti o ambigue devono rimanere non chiare e non viene dedotto alcun testo integrale non disponibile.

Come vengono interpretati i criteri di inclusione ed esclusione?

Per entrambi i tipi di criterio, match significa che il testo fornito sembra soddisfare la definizione del criterio. Un criterio di inclusione contrassegnato no_match e un criterio di esclusione contrassegnato match creano entrambi segnalazioni di revisione. Nessuno diventa una selezione definitiva automatica.

Come vengono gestiti i conflitti tra revisori?

Il server controlla gli ID distinti dei revisori forniti e confronta le loro decisioni registrate include, exclude o unclear. Revisori mancanti, disaccordi e decisioni non chiare producono rilievi separati. Le etichette dei revisori non sono identità verificate e il modello non può modificare una decisione umana fornita.

Il mio testo viene memorizzato?

Solo per il tempo necessario: 7 giorni con il piano Free, 30 giorni con un pacchetto – o per nulla, se scegli di non memorizzarlo. L'elaborazione avviene sui nostri server in UE (Polonia).

Posso usare il risultato subito?

I risultati sono generati dall'IA. Per favore, leggili prima di pubblicarli o inviarli.