谢谢你看到这里?**
本期分享：预测模型研究报告最新标准——TRIPOD+AI清单完整版解读
本文预计阅读时间 11 分钟
背景
还记得我们之前分享过的TRIPOD 2015清单吗?
随着人工智能和机器学习在医学预测模型中的广泛应用，TRIPOD 2015已经无法完全满足当前研究报告的需求。
2024年4月，TRIPOD团队在BMJ上发布了更新
本期就为大家详细解读这份最新的、适用于所有预测模型研究的报告标准——TRIPOD+AI!
TRIPOD+AI是什么?
TRIPOD+AI (Transparent Reporting of a multivariable prediction model for Individual Prognosis or Diagnosis + AI) 是TRIPOD 2015的更新版本，由国际专家组于2024年发布
核心特点
统一标准:无论使用回归模型还是机器学习方法，都适用同一套报告标准
扩展内容:从22个条目扩展到27个主要条目，新增AI特异性要求
强调公平:特别关注算法公平性和不同人群的适用性
TRIPOD+AI 完整条目
TRIPOD+AI包含27个主要条目(共52个子条目)，分为以下几个部分:
适用范围标注说明:
D:模型开发(Development)研究必须报告
E:模型评估/验证(Evaluation)研究必须报告
D;E:两种研究都必须报告
标题
条目1 - 标题 (D;E) 明确研究为预测模型开发研究还是评估研究，说明目标人群和预测的结局指标
摘要
条目2 - 摘要 (D;E) 请参阅 TRIPOD-AI 摘要清单
前言
条目3a - 背景 (D;E) 阐述研究的医学背景及开发或评估预测模型的理由，包括对现有模型的引用
条目3b - 背景 (D;E) 描述目标人群以及预测模型在医疗路径中的预期用途，包括其预期使用者(如医疗专业人员、患者、公众)
条目3c - 背景 (D;E) 描述不同社会人口学群体之间的任何已知健康不平等
条目4 - 目标 (D;E) 明确研究目标，包括研究是描述模型开发还是验证(或两者兼有)
研究方法
条目5a - 数据来源 (D;E) 分别描述开发和评估数据集的数据来源(如随机对照试验、队列研究、常规医疗或注册数据)，使用这些数据的理由，以及数据的代表性
条目5b - 数据来源 (D;E) 明确收集研究对象数据的日期，包括纳入研究对象的开始和结束时间;如适用，还包括随访结束时间
条目6a - 研究对象 (D;E) 明确研究场所的关键要素(如初级医疗、二级医疗、普通人群)，包括研究中心的数量和位置
条目6b - 研究对象 (D;E) 描述研究对象的纳入和排除标准
条目6c - 研究对象 (D;E) 如相关，详述所接受治疗的细节，以及在模型开发或评估期间如何处理这些治疗
条目7 - 数据准备 (D;E) 描述任何数据预处理和质量检查，包括这些操作在相关社会人口学群体中是否相似
条目8a - 结局指标 (D;E) 清晰定义预测的结局指标和时间范围，包括如何以及何时评估，选择该结局指标的理由，以及结局评估方法在不同社会人口学群体中是否一致
条目8b - 结局指标 (D;E) 如果结局评估需要主观解释，描述结局评估者的资质和人口统计学特征
条目8c - 结局指标 (D;E) 报告任何对待预测结局实施盲法评估的措施
条目9a - 预测因素 (D) 描述初始预测因素的选择(如文献、既往模型、所有可用预测因素)以及模型构建前对预测因素的任何预选择
条目9b - 预测因素 (D;E) 清晰定义所有预测因素，包括如何以及何时测量(以及对预测因素评估实施盲法以避免知晓结局和其他预测因素的任何措施)
条目9c - 预测因素 (D;E) 如果预测因素测量需要主观解释，描述预测因素评估者的资质和人口统计学特征
条目10 - 样本量 (D;E) 解释如何得出研究样本量(分别针对开发和评估)，并说明样本量足以回答研究问题的理由。包括任何样本量计算的细节
条目11 - 缺失数据 (D;E) 描述如何处理缺失数据。提供省略任何数据的原因
条目12a - 分析方法 (D) 描述数据在分析中如何使用(如用于开发和评估模型性能)，包括数据是否被划分，考虑任何样本量要求
条目12b - 分析方法 (D) 根据模型类型，描述预测因素在分析中如何处理(函数形式、重新缩放、转换或任何标准化)
条目12c - 分析方法 (D) 明确模型类型、理由、所有模型构建步骤(包括任何超参数调整)以及内部验证方法
条目12d - 分析方法 (D;E) 描述是否以及如何处理和量化模型参数值和模型性能估计值在不同群组(如医院、国家)间的异质性。参见TRIPOD-Cluster以获取更多考虑因素
条目12e - 分析方法 (D;E) 明确用于评估模型性能的所有测量指标和图(及其理由)(如区分度、校准度、临床效用)，如相关，还包括用于比较多个模型的指标
条目12f - 分析方法 (E) 描述模型评估后产生的任何模型更新(如重新校准)，无论是总体更新还是针对特定社会人口学群体或场所的更新
条目12g - 分析方法 (E) 对于模型评估，描述如何计算模型预测值(如公式、代码、对象、应用程序编程接口)
条目13 - 类别不平衡 (D;E) 如果使用了类别不平衡方法，说明为什么以及如何进行，以及随后用于重新校准模型或模型预测值的任何方法
条目14 - 公平性 (D;E) 描述用于解决模型公平性的任何方法及其理由
条目15 - 模型输出 (D) 明确预测模型的输出(如概率、分类)。提供任何分类的详细信息和理由，以及如何确定阈值
条目16 - 开发数据与评估数据 (D;E) 识别开发数据集与评估数据集在研究场所、纳入标准、结局指标和预测因素上的任何差异
条目17 - 伦理批准 (D;E) 说明批准该研究的机构审查委员会或伦理委员会的名称，并描述研究对象的知情同意或伦理委员会对知情同意的豁免
开放科学
条目18a - 资助 (D;E) 提供本研究的资金来源以及资助方的作用
条目18b - 利益冲突 (D;E) 声明所有作者的任何利益冲突和财务披露
条目18c - 研究方案 (D;E) 说明研究方案的获取途径或声明未准备研究方案
条目18d - 研究方案 (D;E) 提供研究的注册信息，包括注册平台名称和注册号，或声明研究未注册
条目18e - 研究方案 (D;E) 提供研究数据可获得性的详细信息
条目18f - 研究方案 (D;E) 提供分析代码可获得性的详细信息⁴
患者和公众参与
条目19 - 患者和公众参与 (D;E) 提供患者和公众在研究设计、实施、报告、解释或传播过程中参与的详细信息，或声明无参与
结果
条目20a - 研究对象 (D;E) 描述研究对象的纳入流程，包括有结局和无结局的研究对象数量，如适用，还包括随访时间的总结。流程图可能有帮助
条目20b - 研究对象 (D;E) 报告总体特征，如适用，还包括每个数据来源或场所的特征，包括关键日期、关键预测因素(包括人口统计学)、接受的治疗、样本量、结局事件数量、随访时间和缺失数据量。表格可能有帮助。报告关键人口统计学群体间的任何差异
条目20c - 研究对象 (E) 对于模型评估，显示评估数据与开发数据在重要预测因素(人口统计学、预测因素和结局)分布上的比较
条目21 - 模型开发 (D;E)) 明确每个分析中的研究对象数量和结局事件数量(如用于模型开发、超参数调整、模型评估)
条目22 - 模型详述 (D) 提供完整预测模型的详细信息(如公式、代码、对象、应用程序编程接口)，以便对新个体进行预测，并使第三方能够进行评估和实施，包括任何访问或再利用的限制(如免费可用、专有)
条目23a - 模型性能 (D;E) 报告模型性能估计值及其可信区间，包括任何关键亚组(如社会人口学)。考虑使用图表辅助呈现
条目23b - 模型性能 (D;E) 如果进行了检查，报告模型性能在不同群组间任何异质性的结果。参见TRIPOD-Cluster以获取更多细节
条目24 - 模型更新 (E) 报告任何模型更新的结果，包括更新后的模型和后续性能
讨论
条目25 - 解释 (D;E) 结合研究目标和既往研究，对主要结果给出总体解释，包括公平性问题
条目26 - 局限性 (D;E) 讨论研究的任何局限性(如非代表性样本、样本量、过拟合、缺失数据)及其对任何偏倚、统计不确定性和推广性的影响
条目27a - 当前医疗背景下模型的可用性 (D) 描述在实施预测模型时，应如何评估和处理质量差或不可用的输入数据(如预测因素值)
条目27b - 当前医疗背景下模型的可用性 (D) 明确用户在处理输入数据或使用模型时是否需要交互，以及需要用户具备什么水平的专业知识
条目27c - 当前医疗背景下模型的可用性 (D;E) 讨论未来研究的任何后续步骤，特别关注模型的适用性和推广性
实用建议
研究设计阶段
提前规划:在开始研究前，就对照TRIPOD+AI清单规划研究设计
注册研究:在合适的平台注册研究方案
考虑公平性:在数据收集阶段就考虑不同人群的代表性
论文撰写阶段
逐条核对:使用TRIPOD+AI清单逐条检查
完整报告:即使期刊有字数限制，也应在补充材料中提供完整信息
提供清单:投稿时附上填写完整的TRIPOD+AI checklist
总结
TRIPOD+AI是预测模型研究报告报告指南，适用于传统回归模型还是机器学习方法
最后，后台回复"TRIPOD+AI"下载完整清单～
? 你在做预测模型研究时遇到过哪些困难?欢迎留言分享!
参考资料与声明:
? EQUATOR Network: https://www.equator-network.org/
? TRIPOD官网: https://www.tripod-statement.org/
? Collins GS, Moons KGM, Dhiman P, et al. TRIPOD+AI statement: updated guidance for reporting clinical prediction models that use regression or machine learning methods. BMJ. 2024;385:e078378.
? 李泽宇,詹正哲,程嘉仪,等. 基于人工智能的临床预测模型研究报告规范(TRIPOD+AI)中文解读. 中国循证医学杂志. 2025;25(3):340-342.
? 文章/封面配图:Freepik
声明:初始内容由Claude生成