全文获取类型
收费全文 | 49874篇 |
免费 | 2741篇 |
国内免费 | 515篇 |
专业分类
耳鼻咽喉 | 310篇 |
儿科学 | 1576篇 |
妇产科学 | 851篇 |
基础医学 | 4157篇 |
口腔科学 | 863篇 |
临床医学 | 3645篇 |
内科学 | 7354篇 |
皮肤病学 | 730篇 |
神经病学 | 1719篇 |
特种医学 | 1592篇 |
外科学 | 6400篇 |
综合类 | 10961篇 |
一般理论 | 14篇 |
预防医学 | 7907篇 |
眼科学 | 669篇 |
药学 | 2353篇 |
49篇 | |
中国医学 | 1117篇 |
肿瘤学 | 863篇 |
出版年
2023年 | 875篇 |
2022年 | 1354篇 |
2021年 | 1942篇 |
2020年 | 1657篇 |
2019年 | 3322篇 |
2018年 | 2810篇 |
2017年 | 1761篇 |
2016年 | 879篇 |
2015年 | 975篇 |
2014年 | 2740篇 |
2013年 | 2610篇 |
2012年 | 2646篇 |
2011年 | 2810篇 |
2010年 | 2309篇 |
2009年 | 2054篇 |
2008年 | 1871篇 |
2007年 | 1668篇 |
2006年 | 1591篇 |
2005年 | 1149篇 |
2004年 | 879篇 |
2003年 | 739篇 |
2002年 | 573篇 |
2001年 | 468篇 |
2000年 | 413篇 |
1999年 | 345篇 |
1998年 | 291篇 |
1997年 | 298篇 |
1996年 | 206篇 |
1995年 | 211篇 |
1994年 | 203篇 |
1993年 | 122篇 |
1992年 | 77篇 |
1991年 | 96篇 |
1990年 | 87篇 |
1989年 | 64篇 |
1988年 | 58篇 |
1987年 | 60篇 |
1985年 | 897篇 |
1984年 | 1418篇 |
1983年 | 1122篇 |
1982年 | 1129篇 |
1981年 | 1128篇 |
1980年 | 985篇 |
1979年 | 874篇 |
1978年 | 684篇 |
1977年 | 473篇 |
1976年 | 639篇 |
1975年 | 551篇 |
1974年 | 472篇 |
1973年 | 438篇 |
排序方式: 共有10000条查询结果,搜索用时 34 毫秒
1.
2.
目的:探索体重指数(BMI)对不孕女性夫精宫腔内人工授精(IUI)周期妊娠结局的影响。方法:回顾性分析2015 年1
月—2020 年6 月于天津市中心妇产科医院生殖中心施行IUI 治疗的3 707 例患者的周期资料,按照BMI 分为3 组,A 组(正常
体质量组18.5 kg/m2≤BMI<23.0 kg/m2)、B 组(超重组23.0 kg/m2≤BMI<25.0 kg/m2)、C 组(肥胖组BMI≥25.0 kg/m2),比较各组间
一般资料以及妊娠结局。结果:在方案中,3 组间自然周期方案占比差异均有统计学意义(P<0.01),口服药物联合肌注促排药物
方案差异均有统计学意义(P<0.01);BMI 与活产率无关,B 组(OR=1.161,95% CI:0.861~1.565,P=0.328)以及C 组(OR=1.003,
95% CI=0.761~1.322,P=0.948)与A 组活产率差异无统计学意义;肌注促排药物(OR=1.425,95% CI:1.026~1.980,P=0.035)
以及口服药物联合肌注促排药物(OR=1.366,95% CI:1.038~1.796,P=0.026)是影响活产率的独立因素。肥胖(OR=2.784,95%
CI:1.471~5.267,P=0.002)以及继发性不孕(OR=3.048,95% CI=1.454~6.389,P=0.003)是早期流产的危险因素。结论:肥胖以及继
发性不孕为早期流产的危险因素,促排药物可提高不孕患者IUI 活产率。 相似文献
3.
目的 本研究调查新冠疫苗全面接种时期相关医务人员的职业倦怠状况,探讨个体因素以及社会支持对倦怠水平的影响。方法 在南京市12个行政区中随机抽取4个辖区的新冠疫苗集中接种点,将全部医务人员共428名作为研究对象进行问卷调查,问卷包括人口学特征、中文版职业倦怠量表和社会支持量表。结果 医务人员情感耗竭、人格解体、个人成就感降低维度得分分别为(17.99±7.89)、(7.20±3.52)和(12.07±5.30)分。多元线性回归分析结果显示,上司支持(β=-0.180, P< 0.05)、同事支持(β=-0.180, P< 0.05)为情感耗竭的保护因素,已婚、问诊岗位为情感耗竭的危险因素(β=0.161、β=0.095,P值均< 0.05),女性是人格解体的保护因素(β=-0.096,P< 0.05),亲友支持(β=-0.235, P< 0.05)是人格解体的保护因素,已婚是人格解体的危险因素(β=0.142,P< 0.05),同事支持(β=-0.168, P< 0.05)、亲友支持(β=-0.210, P< 0.05)、工龄(β=-0.154, P< 0.05)为个人成就感降低的保护因素,硕士学历是个人成就感降低的危险因素(β=0.126,P < 0.05)。结论 重视提高全方面社会支持,重点关注已婚、男性、硕士学历以及较短工龄医务人员的心理健康。 相似文献
4.
目的 调查贵州省结核病(TB)定点医院肺结核诊疗费用在不同医疗保障政策中的报销情况,为贵州省进一步完善TB医疗保障政策提供依据。方法 采用统一设计的调查表,对贵州省97家TB定点医院2020年肺结核诊疗费用在四种不同医疗保障政策中的报销情况进行调查,分析起付线、报销比例、封顶额等。结果 全省97家TB定点医院,门诊实施单病种包干政策的比例为38.14%(37/97);在城镇居民基本医疗保险(URBMI)、新型农村合作医疗保险(UCMS)、城乡居民基本医疗保险(城乡居)和城镇职工基本医疗保险(UEBMI)四种医疗保障政策中,门诊报销比例依次为92.86%(26/28)、100%(28/28)、81.16%(56/69)、36.08%(35/97);门诊报销比例中位数依次为50%(P25:50%,P75:57.50%)、55%(P25:50%,P75:100%)、75%(P25:45%,P75:100%)、0(P25:0,P75:72.50%);URBMI、UCMS、城乡居住院报销比例的中位数均为80%(P25:75%,P75:80%),UEBMI为85%(P25:80%,P75:90%)。医疗救助覆盖率为50.56%。结论 贵州省目前的医疗保险体系对TB的医疗费用保障水平相对有限,基本医疗保障政策对肺结核门诊诊疗费用报销覆盖面较窄,报销比例和封顶额相对较低,肺结核患者的经济负担仍较重,建议将TB纳入门诊统筹病种,切实提高TB患者医疗保障水平。 相似文献
5.
目的依据ISO 15189质量体系建立覆盖检验全流程的智能结构化检验知识库,满足各个医疗环节对检验知识库的需求。方法在ISO 15189质量体系下,引入检验认知计算理论,通过信息化方法实现对检验知识源的提取、挖掘,自定义知识节点,并持续对数据库信息进行更新。结果建立的智能结构化检验知识库可以从检验各业务节点采集知识,通过富文本编辑,自动生成服务手册、项目书册、项目操作规程、仪器操作规程、采集手册,再将形成的程序化文件各节点碎片化分布在实验室信息系统(LIS)中,支持工作站、移动终端对检验知识库的浏览、查阅和数据分享。结论通过建立结构化的检验知识库,将检验相关的基础信息进行分类编排,使信息和知识有序化,缩短了搜索时间,加快了知识和信息的流动,有利于检验知识的共享与交流。 相似文献
6.
目的探讨ICU人工气道患者非计划性拔管的危险因素及医疗失效模式与效应分析(HFMEA)的应用价值。方法选择2020年7月-9月在我院ICU治疗的气管插管患者100例为研究对象。根据是否发生非计划性拔管分为拔管组21例和未拔管组79例。收集患者一般资料与临床资料,采用单因素及多因素分析影响ICU人工气道患者非计划性拔管的危险因素。自2020年10月我科实施HFMEA,选择2020年10月~12月ICU气管插管患者100例,比较实施HFMEA前后非计划性拔管发生率。结果单因素分析结果显示,责任护士ICU工作年限、APACHEⅡ评分、置管天数、正确使用约束、镇静与躁动评分是发生非计划性拔管的相关因素(P<0.05)。多因素Logistic回归分析结果显示,责任护士ICU工作年限短、镇静与躁动评分高是非计划性拔管的独立危险因素,而正确使用约束是保护因素(P<0.05)。实施HFMEA后,非计划性拔管率显著低于实施HFMEA前(P<0.05)。结论ICU人工气道患者非计划性拔管率较高,责任护士经验缺乏、患者躁动、未正确使用约束等是非计划性拔管的高危因素。实施HFMEA后,非计划性拔管率显著下降。 相似文献
7.
【目的】 分析2019—2020年我国学者发表在SCIE收录期刊上的医学研究型论文撤稿原因及其特征,为更有针对性地防范我国医学领域学术不端行为发生、完善科研诚信体系提供参考。【方法】 在撤稿观察数据库(Retraction Watch Database)中检索2019—2020年撤稿的我国医学SCIE研究型论文,提取撤销论文标题、作者姓名和单位、载文期刊名称、期刊出版商、撤稿原因等信息。应用GraphPad Prism 8.3.0软件进行描述性统计分析,对撤销论文发表期刊的影响因子和撤稿率进行Spearman相关性分析。【结果】 2019—2020年,我国医学SCIE研究型论文累计撤稿479篇,撤稿原因主要为关注或问题、重复发表、研究错误等,具体撤稿理由包括数据问题、图片问题、方法与结果问题、作者无回应等。撤销论文分布于194种期刊,其中PLoS ONE、European Review for Medical and Pharmacological Sciences、Journal of Cellular Biochemistry、OncoTargets and Therapy、Biosciences Reports居撤销论文数量前5位,Springer Nature、Elsevier和PLoS居撤销论文出版商前3位。撤销论文载文期刊影响因子与期刊撤稿率呈负相关。【结论】 我国学者发表的医学类SCIE研究型论文因数据和图片等问题而被撤稿的概率较高,应加强我国医学领域科研诚信体系建设,减少学术不端行为发生。 相似文献
8.
《Value in health》2022,25(3):331-339
ObjectivesClinical artificial intelligence (AI) is a novel technology, and few economic evaluations have focused on it to date. Before its wider implementation, it is important to highlight the aspects of AI that challenge traditional health technology assessment methods.MethodsWe used an existing broad value framework to assess potential ways AI can provide good value for money. We also developed a rubric of how economic evaluations of AI should vary depending on the case of its use.ResultsWe found that the measurement of core elements of value—health outcomes and cost—are complicated by AI because its generalizability across different populations is often unclear and because its use may necessitate reconfigured clinical processes. Clinicians’ productivity may improve when AI is used. If poorly implemented though, AI may also cause clinicians’ workload to increase. Some AI has been found to exacerbate health disparities. Nevertheless, AI may promote equity by expanding access to medical care and, when properly trained, providing unbiased diagnoses and prognoses. The approach to assessment of AI should vary based on its use case: AI that creates new clinical possibilities can improve outcomes, but regulation and evidence collection may be difficult; AI that extends clinical expertise can reduce disparities and lower costs but may result in overuse; and AI that automates clinicians’ work can improve productivity but may reduce skills.ConclusionsThe potential uses of clinical AI create challenges for health technology assessment methods originally developed for pharmaceuticals and medical devices. Health economists should be prepared to examine data collection and methods used to train AI, as these may impact its future value. 相似文献
9.
10.