Daftar Periksa CONSORT-AI: 14 Butir untuk Pelaporan Uji Coba AI

Diterbitkan Oktober 31, 2026

Daftar periksa CONSORT-AI adalah standar pelaporan yang dicari jurnal ketika uji coba acak menguji intervensi dengan komponen kecerdasan buatan. Diterbitkan pada tahun 2020 sebagai perluasan dari CONSORT 2010, daftar periksa ini menambahkan 14 item yang meminta penulis untuk menjelaskan versi algoritma, data masukan, keluaran, dan cara klinisi bertindak berdasarkan data tersebut. Panduan ini menjelaskan setiap item dalam bahasa yang mudah dipahami, menunjukkan di mana uji coba AI yang telah dipublikasikan masih memiliki celah, dan menerapkan daftar periksa baris demi baris pada uji coba akses terbuka yang sebenarnya sehingga Anda dapat melihat seperti apa jawaban yang lengkap. Satu bagian membahas SPIRIT-AI, panduan pendamping untuk protokol uji coba.

Dalam Kata Sederhana

CONSORT-AI adalah daftar periksa tambahan untuk pelaporan uji coba acak alat AI. Anda tetap mengikuti daftar periksa inti CONSORT (CONSORT-AI ditulis berdasarkan 25 item CONSORT 2010, yang kemudian digantikan oleh CONSORT 2025 dengan 30 item), kemudian Anda menjawab 14 pertanyaan tambahan tentang AI itu sendiri, seperti versi mana yang Anda gunakan, data apa yang dimasukkan, apa yang dihasilkan, dan bagaimana klinisi menindaklanjutinya. Jika Anda tidak dapat menjawab suatu item, nyatakan demikian dan jelaskan alasannya.

Apa itu Daftar Periksa CONSORT-AI dan Bagaimana Cara Pembuatannya?

CONSORT-AI adalah singkatan dari Consolidated Standards of Reporting Trials, Artificial Intelligence extension. Liu dan rekan-rekannya menerbitkannya pada bulan September 2020 di BMJ, Nature Medicine dan The Lancet Digital Health, bersamaan dengan protokol pendampingnya SPIRIT-AI ^[1]^[2] . CONSORT 2010 sudah memberikan daftar periksa 25 item untuk setiap uji coba acak. CONSORT 2025 kemudian menggantinya dengan daftar periksa 30 item. Item CONSORT-AI ditulis berdasarkan CONSORT 2010, sehingga penomorannya mengikuti versi tersebut. Daftar periksa CONSORT-AI mempertahankan semua 25 item dan menambahkan 14 item untuk hal-hal baru tentang intervensi AI. Para penulis mengklasifikasikan 11 dari 14 item tersebut sebagai perluasan dan tiga sebagai elaborasi dari item CONSORT yang sudah ada ^[1].

Kelompok tersebut mengikuti kerangka kerja Jaringan EQUATOR. Tinjauan literatur dan konsultasi ahli menghasilkan 29 item kandidat, di mana 26 item berlaku untuk pedoman dan tiga item hanya berlaku untuk laporan uji coba. Survei Delphi dua tahap menarik 103 tanggapan pada putaran pertama dan 91 pada putaran kedua, pertemuan konsensus dua hari pada Januari 2020 mempertemukan 31 pemangku kepentingan, dan uji coba dengan 34 peserta menyempurnakan kata-kata. Suatu item membutuhkan persetujuan 80% untuk masuk ke dalam daftar periksa. Item 5(iii), tentang data masukan berkualitas buruk, mendapat skor 77% pada kata-kata pertamanya dan lulus pada 97% setelah diubah ^[1] . Bagi seorang penulis, sejarah tersebut membawa pesan. Panel menganggap data masukan yang buruk cukup penting untuk dikerjakan ulang daripada dihilangkan.

Cakupan penting sebelum Anda membuka daftar periksa. Daftar periksa CONSORT-AI ditujukan untuk laporan uji coba. Daftar periksa ini tidak dimaksudkan untuk studi yang mengembangkan atau memvalidasi model prediksi atau diagnostik, dan penulis pedoman mengarahkan studi tersebut ke TRIPOD-ML dan STARD-AI, yang keduanya masih dalam pengembangan ketika mereka menulis ^[1] . Panduan kami tentang STARD versus TRIPOD membantu dalam pilihan tersebut. Perluasan ini juga tidak mencakup sistem pembelajaran berkelanjutan, yang menurut kelompok konsensus masih terlalu dini dalam penggunaannya di bidang perawatan kesehatan untuk dicakup ^[1].

Kapan Daftar Periksa CONSORT-AI Berlaku untuk Studi Anda?

Terapkan aturan kerja sederhana. Jika keluaran AI mengubah tindakan klinisi atau pasien, AI tersebut merupakan bagian dari intervensi, dan laporan uji coba memerlukan daftar periksa CONSORT-AI. Tabel di bawah ini memetakan jenis studi umum ke pedoman yang sesuai.

Studi Anda	Pedoman yang harus diikuti	Note
Uji coba acak di mana komponen AI merupakan bagian dari intervensi.	CONSORT (2025, atau 2010 jika jurnal masih memintanya) ditambah daftar periksa CONSORT-AI	Jawab semua pertanyaan inti dan 14 pertanyaan AI.
Protokol untuk uji coba semacam itu	SPIRIT 2013 plus SPIRIT-AI	Dibahas dalam bagian protokol di bawah ini.
Mengembangkan atau memvalidasi model prediksi	Keluarga TRIPOD	Lihat kami panduan pelaporan model prediksi
Studi akurasi diagnostik dari tes AI.	BINTANG	Lihat kami Perbandingan antara STARD dan TRIPOD
Uji coba acak tanpa komponen AI	Hanya untuk CONSORT 2025	Mulailah dengan kami Panduan pedoman CONSORT

Jangan samakan ini dengan aturan pengungkapan AI. Jurnal juga meminta penulis untuk menyatakan kapan mereka menggunakan AI generatif untuk menulis atau mengedit manuskrip, yang merupakan pertanyaan kebijakan terpisah yang dibahas dalam postingan kami tentang tanda air AI dan kebijakan pengungkapan . Daftar periksa CONSORT-AI berkaitan dengan AI yang sedang diuji sebagai intervensi klinis.

Penjelasan 14 Butir dalam Daftar Periksa CONSORT-AI

Tabel ini memparafrasekan setiap butir dari pedoman ^[1] . Nomor butir mengikuti CONSORT 2010, dengan angka Romawi menandai tambahan AI. Gunakan kolom sebelah kanan sebagai pemindaian cepat untuk mengetahui cara paling umum setiap butir salah.

Tabel 1. 14 item CONSORT-AI, diparafrasekan
Item CONSORT-AI	Bagian	Apa yang harus dilaporkan	Jebakan umum
1a,b (i) elaborasi	Judul dan abstrak	Sebutkan bahwa intervensi tersebut melibatkan AI atau pembelajaran mesin, dan sebutkan jenis modelnya. Buat judulnya umum dan cantumkan istilah yang tepat di abstrak.	Judul yang menyebutkan "alat digital" tanpa istilah AI, yang melemahkan pengindeksan.
1a,b (ii) elaborasi	Judul dan abstrak	Sebutkan tujuan penggunaan AI dan konteks penyakitnya.	Tujuan penggunaan berubah seiring waktu, jadi abstrak harus menetapkannya sesuai dengan tanggal uji coba.
2a (i) Perpanjangan	Pengantar	Jelaskan posisi AI dalam alur klinis, tujuannya, dan pengguna yang dituju.	Tidak pernah menyebutkan apakah AI menggantikan, melengkapi, atau menentukan keputusan klinisi.
4a (i) elaborasi	Metode, peserta	Tetapkan kriteria inklusi dan eksklusi pada tingkat partisipan.	Mencampurkan kriteria peserta dengan kriteria data.
4a (ii) Perpanjangan	Metode, peserta	Cantumkan kriteria inklusi dan eksklusi pada tingkat data masukan, seperti kualitas gambar minimum, beserta kapan dan oleh siapa penilaian tersebut dilakukan.	Mengabaikan apa yang terjadi pada peserta yang data masukannya tidak dapat digunakan.
4b Perpanjangan	Metode, pengaturan	Jelaskan bagaimana AI diintegrasikan di lokasi tersebut, termasuk perangkat keras, perangkat lunak, kebutuhan cloud, dan penyesuaian lokal apa pun.	Menjelaskan algoritma tetapi tidak menjelaskan lingkungan TI tempat algoritma tersebut dijalankan.
5 (saya) Perpanjangan	Metode, intervensi	Sebutkan versi algoritma, apakah sesuai dengan studi sebelumnya, dan apakah ada perubahan selama uji coba.	Mengutip makalah model asli tanpa pengidentifikasi versi.
5 (ii) Perpanjangan	Metode, intervensi	Jelaskan bagaimana data masukan diperoleh, dipilih, dan diproses terlebih dahulu.	Menyerahkan pra-pemrosesan kepada referensi.
5 (iii) Perpanjangan	Metode, intervensi	Jelaskan bagaimana data masukan yang berkualitas buruk atau tidak tersedia dinilai dan ditangani, laporkan jumlah data yang hilang, dan lakukan hal yang sama untuk pembandingnya.	Tidak ada angka untuk input yang tidak dapat digunakan.
5 (iv) Perpanjangan	Metode, intervensi	Sebutkan apakah manusia berinteraksi dengan data masukan, keahlian apa yang dibutuhkan, dan pelatihan apa yang diberikan.	Tidak disebutkan apakah kesalahan tersebut berasal dari pengguna atau AI.
5 (v) Perpanjangan	Metode, intervensi	Tentukan output yang diinginkan, misalnya probabilitas, kelas, alarm, tindakan yang direkomendasikan, atau tindakan siklus tertutup.	Menggambarkan model tersebut tetapi tidak menjelaskan apa yang sebenarnya dilihat oleh klinisi.
5 (vi) Perpanjangan	Metode, intervensi	Jelaskan bagaimana hasil keluaran tersebut memengaruhi pengambilan keputusan, termasuk ambang batas, alur, dan penyimpangan apa pun dari protokol.	Tidak ada ambang batas untuk mengambil tindakan berdasarkan skor risiko.
19 Perpanjangan	Hasil	Laporkan analisis kesalahan kinerja dan bagaimana kesalahan tersebut diidentifikasi. Jika tidak ada yang direncanakan atau dilakukan, jelaskan alasannya.	Keheningan, padahal penjelasan satu baris saja sudah cukup.
25 Perpanjangan	Informasi lain	Nyatakan apakah dan bagaimana AI dan kode programnya dapat diakses, termasuk lisensi dan pembatasannya.	Pernyataan ketersediaan data yang hanya mencakup kumpulan data.

Butir 5(i) sampai 5(vi) memuat deskripsi intervensi

Enam dari 14 item berada di bawah item CONSORT 5, yang menjelaskan intervensi. Para penulis pedoman menjelaskan alasannya. Hasil kesehatan bergantung pada bagaimana manusia menggunakan output, sehingga laporan harus menjelaskan tindakan hilir serta modelnya ^[1] . Contoh mereka adalah sistem kanker kulit yang mengembalikan persentase. Laporan harus menyatakan baik alurnya, seperti eksisi ketika diagnosis positif, dan ambang batas untuk memasukinya, seperti probabilitas di atas 80%. Deskripsi yang sama harus diberikan untuk kelompok pembanding jika relevan ^[1].

Pengecualian data masukan setelah pengacakan merupakan pengecualian analisis.

Butir 4a(ii) mempunyai konsekuensi praktis untuk diagram alur Anda. Apabila data masukan diperoleh setelah pengacakan, pedoman memperlakukan setiap pengecualian sebagai pengecualian dari analisis dan bukan dari pendaftaran ^[1] . Hal ini mempengaruhi bagaimana Anda menggambar alur partisipan dan populasi mana yang Anda analisis, jadi putuskan hal ini bersamaan dengan rencana intention-to-treat dan per-protocol Anda.

Butir 19 memberikan penghargaan kepada kejujuran

Butir 19 adalah butir yang paling mudah dilewati oleh penulis. Pedoman ini meminta analisis kesalahan kinerja dan, jika tidak direncanakan, alasannya. Penulis mengaitkan hal ini dengan keselamatan, dengan mencatat bahwa sistem AI dapat gagal dengan cara yang tidak dapat diprediksi oleh manusia, dan mereka mendorong pengecekan tingkat kesalahan di seluruh subkelompok populasi ^[1] . Penjelasan satu kalimat tentang mengapa tidak dilakukan analisis kesalahan lebih baik daripada diam.

Apa yang Masih Belum Tercantum dalam Daftar Periksa CONSORT-AI dalam Uji Coba AI yang Telah Dipublikasikan

Tiga studi meta-penelitian menunjukkan di mana kelengkapan menurun. Martindale dan rekan-rekannya menilai 65 uji coba acak intervensi AI yang diterbitkan setelah pedoman tersebut muncul. Kesesuaian median dengan CONSORT-AI adalah 90% (rentang interkuartil 77% hingga 94%), namun hanya 10 dari uji coba tersebut yang menyatakan telah menggunakan pedoman tersebut. Versi algoritma, aksesibilitas AI atau kodenya, dan referensi ke protokol secara konsisten kurang dilaporkan, dan hanya 3 dari 52 jurnal yang secara eksplisit mendukung atau mewajibkan CONSORT-AI ^[4].

Zhong dan rekannya meneliti 19 uji coba yang dipublikasikan dan 21 protokol dalam perawatan primer. Item yang dilaporkan secara memadai mencapai 65% (172 dari 266) untuk uji coba dan 68% (214 dari 315) untuk protokol, dengan kesenjangan dalam data masukan, analisis kesalahan kinerja, dan akses ke AI atau kodenya ^[5] . Chen dan rekannya meninjau 57 uji coba onkologi dan menemukan konkordansi median sebesar 82% dengan CONSORT 2010 dan CONSORT-AI yang digabungkan. Inklusi dan eksklusi data masukan, versi algoritma, penanganan data berkualitas rendah, penilaian kesalahan kinerja, dan aksesibilitas data semuanya kurang dilaporkan. Uji coba dengan risiko bias serius (57%) kurang konkordan dibandingkan uji coba dengan risiko sedang (71%) atau rendah (84%) ^[6].

Pola ini konsisten di ketiganya. Item yang paling mudah ditemukan oleh penulis adalah item yang menyerupai pelaporan uji coba biasa. Item yang terlewat adalah item spesifik AI dalam tabel di atas. Jika Anda hanya memeriksa item-item tersebut sebelum pengajuan, Anda menutupi celah yang terus ditemukan oleh peninjau. Peninjau yang menilai uji coba dengan alat seperti RoB 2 juga akan membaca deskripsi intervensi dengan cermat, sehingga pelaporan yang jelas juga membantu dalam penilaian risiko bias.

Contoh Penerapan Daftar Periksa CONSORT-AI pada Uji Coba AI Akses Terbuka

Untuk menunjukkan bagaimana item-item tersebut terlihat dalam praktiknya, tabel di bawah ini menerapkan daftar periksa CONSORT-AI pada uji coba yang dipublikasikan. Tsai dan rekan-rekannya menjalankan uji coba acak pragmatis di pusat medis akademis di Taiwan, menguji peringatan AI berbasis elektrokardiogram untuk fraksi ejeksi rendah di antara 13,631 pasien rawat inap di bawah perawatan non-kardiolog. Artikel tersebut menyatakan bahwa uji coba tersebut terdaftar ( NCT05117970 ) dan “mengikuti pedoman daftar periksa Ekstensi CONSORT-AI” ^[3] . Artikel ini diterbitkan di BMC Medicine di bawah lisensi CC BY 4.0, yang dikonfirmasi dari bidang lisensi versi rekaman Crossref, bidang lisensi Europe PMC, dan XML artikel.

Hasil utama adalah tingkat diagnosis baru fraksi ejeksi rendah yang lebih tinggi pada 30 hari di kelompok waspada, 1.5% dibandingkan 1.1% (rasio bahaya 1.50, 95% CI 1.11 hingga 2.03), tanpa perubahan keseluruhan dalam penggunaan ekokardiogram ^[3] . Postingan ini tidak menilai hasil klinis. Postingan ini membaca artikel berdasarkan 14 poin pelaporan, hanya menggunakan teks utama.

Diagram alur CONSORT-AI dari uji coba acak AI-ECG dengan pengecualian dan aturan peringatan per kelompok. — **Gambar 1.** Alur partisipan uji coba AI-ECG. Diagram menunjukkan 15,188 pasien yang diacak, pengecualian di setiap kelompok, dan apa yang dilihat setiap kelompok ketika AI menandai risiko tinggi atau rendah. Direproduksi dari Tsai dkk., *BMC Med* 2025;23:342, doi: 10.1186 / s12916-025-04190-zDilisensikan di bawah CC BY 4.0.

Tabel 2. Butir-butir CONSORT-AI yang diterapkan pada Tsai dkk., BMC Med 2025
Item CONSORT-AI	Di mana mencarinya	Apa yang dilaporkan artikel tersebut	Putusan
1a,b (i)	Judul; Abstrak	Judulnya menyebutkan bantuan AI dan elektrokardiogram. Abstraknya menyebut alat tersebut sebagai "alat pendukung keputusan klinis berbasis kecerdasan buatan (AI) yang dibantu elektrokardiogram (ECG)" tetapi tidak menyebutkan jenis modelnya. Pembelajaran mendalam muncul di bagian Latar Belakang dan Metode.	Keputusan yang harus diambil Apakah istilah "dibantu AI" sudah cukup untuk tipe model ini, bergantung pada interpretasi.
1a,b (ii)	Abstrak, Latar Belakang	Tujuannya adalah untuk meningkatkan diagnosis dini fraksi ejeksi rendah pada pasien rawat inap yang berada di bawah perawatan non-kardiolog. Hal itu memberikan tujuan dan konteks penyakitnya.	Dilaporkan
2a (i)	Latar belakang, dua paragraf terakhir	Menjelaskan keterbatasan kemampuan interpretasi EKG di kalangan dokter umum dan memposisikan algoritma ini sebagai bantuan bagi dokter umum dan departemen non-kardiologi. Pengguna yang dituju adalah dokter non-kardiolog.	Dilaporkan
4a (i)	Metode, Desain percobaan; Gambar 1	Pasien rawat inap dengan setidaknya satu EKG antara November 2022 dan Mei 2023 di bawah perawatan non-kardiolog. Pasien di bawah 18 tahun atau dengan LVEF 50% atau kurang dalam 180 hari sebelumnya dikecualikan, dengan jumlah per kelompok pada Gambar 1.	Dilaporkan
4a (ii)	Metode, Desain percobaan	Metode tersebut mencantumkan enam indikasi EKG rutin dan menyatakan bahwa indikasi-indikasi ini tidak dicatat sebagai titik data. Teks tersebut tidak menyebutkan persyaratan kualitas sinyal minimum untuk input EKG.	Tidak ditemukan di dalam artikel.
4b	Metode, model AI-ECG	Sistem informasi rumah sakit menghasilkan peringatan di layar secara real-time. Kebutuhan perangkat keras, perangkat lunak, dan adaptasi lokal tidak dijelaskan. Uji coba dilakukan di satu pusat, sehingga integrasi multi-lokasi tidak terjadi.	Keputusan yang harus diambil
5 (saya)	Metode, model AI-ECG	Percobaan tersebut menggunakan “model pembelajaran mendalam yang telah dikembangkan sebelumnya” dan mengutip publikasi sebelumnya untuk arsitektur, pelatihan, dan validasi. Tidak ada pengidentifikasi versi yang muncul dalam teks.	Keputusan yang harus diambil Referensi pada makalah sebelumnya mungkin dimaksudkan untuk mewakili versi tersebut.
5 (ii)	Metode; Proses pengumpulan data	EKG 12-lead standar dari perawatan rawat inap rutin, dengan aturan waktu indeks yang dijelaskan untuk pasien berisiko tinggi dan berisiko rendah. Pra-pemrosesan sebelum model tidak dijelaskan dalam artikel ini.	Keputusan yang harus diambil
5 (iii)	Metode; Hasil	Teks tersebut tidak menyebutkan bagaimana EKG yang bising, hilang, atau tidak dapat digunakan ditangani di kedua lengan.	Tidak ditemukan di dalam artikel.
5 (iv)	Metode, model AI-ECG	Sistem menandai hasil secara otomatis dan tidak ada langkah yang dijelaskan di mana seseorang memilih atau mengedit input EKG. Saya menafsirkan ini sebagai tidak adanya interaksi manusia-AI pada tahap input, tetapi teks tersebut tidak menyebutkannya.	Keputusan yang harus diambil
5 (v)	Metode, model AI-ECG	Model ini memberikan probabilitas kontinu bahwa EF adalah 50% atau lebih rendah. Ambang batas yang dipilih oleh analisis ROC membagi pasien menjadi risiko tinggi dan rendah, dengan sensitivitas validasi internal sebesar 72.4% dan spesifisitas sebesar 89.1% pada ambang batas tersebut.	Dilaporkan
5 (vi)	Metode; Gambar 1; Hasil, Analisis post-hoc	“Para klinisi kemudian dapat memutuskan apakah akan melakukan evaluasi diagnostik tambahan (seperti ekokardiogram) berdasarkan klasifikasi AI dan penilaian klinis mereka.” Kelompok kontrol tidak menerima peringatan apa pun. Gambar 1 menunjukkan alarm risiko tinggi sebagai pesan singkat dan laporan risiko rendah yang tersedia dalam catatan, sementara teks menyebutnya sebagai peringatan di layar. Keduanya bisa benar.	Dilaporkan
19	Hasil; Diskusi	Artikel tersebut melaporkan nilai prediksi positif untuk EF rendah di antara pasien yang menjalani ekokardiogram (34.2% versus 20.2%) dan mengutip angka validasi internal. Teks tersebut tidak memuat analisis kasus positif palsu atau negatif palsu dan tidak ada pernyataan mengapa hal tersebut tidak dilakukan.	Keputusan yang harus diambil
25	Deklarasi	Pernyataan ketersediaan data berbunyi “Tidak ada dataset yang dihasilkan atau dianalisis selama penelitian ini.” Pernyataan ini hanya mencakup dataset. Teks tersebut tidak memuat pernyataan tentang akses ke model atau kode programnya.	Tidak ditemukan di dalam artikel.

Lima baris dilaporkan, enam merupakan penilaian subjektif, dan tiga tidak dapat ditemukan dalam teks utama. Baris yang ditandai "Tidak ditemukan dalam artikel" berarti informasi tersebut tidak ditemukan dalam isi artikel, dan file tambahan tidak ditinjau. Baris yang ditandai "Penilaian subjektif" adalah baris di mana pembaca yang rasional dapat memberi skor pada item tersebut dengan cara apa pun.

Apa yang ditunjukkan oleh contoh yang telah dikerjakan

Percobaan ini melakukan apa yang tidak dilakukan oleh banyak percobaan lain. Percobaan ini menyatakan bahwa ia mengikuti daftar periksa CONSORT-AI, yang hanya dilakukan oleh 10 dari 65 percobaan dalam tinjauan Martindale ^[4] . Meskipun demikian, baris yang tidak terjawab adalah baris yang sama yang ditandai oleh meta-penelitian, yaitu versi, kualitas data masukan, kesalahan kinerja, dan akses ke AI. Itulah pelajaran praktisnya. Seorang penulis yang mengetahui keempat titik lemah tersebut dapat menutupnya dalam satu jam penulisan draf, biasanya dengan satu kalimat untuk setiap titik lemah.

Jawaban yang jelas untuk setiap baris yang hilang singkat. Untuk item 5(i), sebutkan model yang dibuat dan nyatakan apakah itu model yang divalidasi sebelumnya. Untuk 5(iii), laporkan berapa banyak EKG yang tidak dapat digunakan dan apa yang terjadi pada pasien tersebut di setiap kelompok. Untuk 19, laporkan setiap tinjauan positif palsu, atau nyatakan bahwa tidak ada yang direncanakan dan mengapa. Untuk 25, sebutkan apakah model tersebut merupakan hak milik, tersedia berdasarkan permintaan atau terbuka, dan di bawah lisensi apa.

Selain 14 item tersebut, item inti CONSORT tetap berlaku.

Daftar periksa CONSORT-AI tidak menggantikan CONSORT 2010. Artikel yang sama menunjukkan dua poin inti yang diterapkan. Abstrak mencantumkan nilai prediksi positif dan tingkat konsultasi kardiologi di antara hasil sekunder, sementara Metode mencantumkan penggunaan ekokardiogram dan mortalitas semua penyebab dalam 30 hari, dan menyatakan "kami telah menetapkan analisis ini sebagai post-hoc" untuk analisis konsultasi. Itu adalah keputusan subjektif, karena penulis memang menandai status post-hoc, tetapi pembaca akan menginginkan daftar hasil yang sesuai antara abstrak dan Metode. Penulis juga mengungkapkan bahwa mereka "memperbarui registri uji coba kami pada Oktober 2024" setelah mengubah hasil utama dan ukuran sampel target, yang merupakan jenis perubahan yang diminta CONSORT 2010 untuk dilaporkan oleh penulis beserta alasannya.

Daftar Periksa SPIRIT-AI sebagai Pendamping Protokol

SPIRIT-AI mencakup tahap protokol dari uji coba yang sama. SPIRIT-AI dikembangkan secara paralel dengan CONSORT-AI, dan ekstensi SPIRIT-AI menambahkan 15 item baru ke daftar periksa inti SPIRIT 2013 ^[2] . Sebagian besar item mencerminkan CONSORT-AI dalam bentuk masa depan. Protokol menyatakan versi algoritma mana yang akan digunakan, bagaimana data masukan akan diperoleh, apa outputnya, bagaimana output akan digunakan untuk pengambilan keputusan, bagaimana kesalahan kinerja akan dianalisis, dan bagaimana AI dan kodenya dapat diakses ^[2] . Satu item protokol tidak memiliki pasangan langsung dalam daftar laporan uji coba. SPIRIT-AI 6a(ii) meminta penulis untuk menjelaskan bukti yang sudah ada sebelumnya untuk intervensi AI ^[2] . Untuk penjelasan lebih lengkap tentang protokol pendamping, lihat panduan SPIRIT-AI kami.

Tahap	Pasangan pedoman	Item khusus AI	Poin praktis
Protokol	SPIRIT 2013 plus SPIRIT-AI	15 item baru	Perbaiki versi algoritma dan ambang batas tindakan sebelum pendaftaran.
Laporan persidangan	CONSORT 2010 plus CONSORT-AI	14 item baru	Laporkan setiap perubahan dari protokol dan alasannya.

Kedua daftar tersebut paling baik digunakan berpasangan. Menuliskan jawaban butir 5(i) dan 5(vi) ke dalam protokol menjadikan laporan selanjutnya sebagai latihan untuk mengkonfirmasi apa yang terjadi. Hal ini juga membuat penyimpangan terlihat, yang menurut pedoman harus dilaporkan untuk pengambilan keputusan yang berbeda dari rencana ^[1] . Jika Anda masih merancang studi, konsultasi desain uji klinis kami mencakup titik akhir, ukuran sampel, dan dukungan penulisan protokol.

Cara Melengkapi Daftar Periksa CONSORT-AI Sebelum Pengajuan

Unduh daftar periksa CONSORT terbaru (CONSORT 2025, atau CONSORT 2010 jika jurnal Anda masih memintanya) dan tambahkan 14 baris CONSORT-AI di bawah item inti yang sesuai.
Tuliskan jawaban untuk setiap baris sebagai penunjuk halaman atau baris dalam manuskrip Anda sendiri, sehingga editor dapat memverifikasinya dalam hitungan detik.
Untuk setiap baris yang tidak berlaku, tuliskan alasan singkat di baris tersebut, jangan biarkan kosong.
Gambarlah alur partisipan dengan pengecualian data masukan yang ditampilkan secara terpisah dari pengecualian partisipan, menggunakan generator seperti Flowchart Pro di bawah ini.
Nyatakan dalam bagian Metode bahwa Anda mengikuti daftar periksa CONSORT-AI. Hanya 10 dari 65 uji coba yang melakukannya dalam tinjauan Martindale. ^[4].
Bacalah petunjuk penulisan jurnal. Hanya 3 dari 52 jurnal dalam ulasan yang sama yang mendukung atau mewajibkan CONSORT-AI, jadi sebuah jurnal dapat menerimanya tanpa menyebutkannya secara eksplisit. ^[4].

Kesalahan Umum Saat Melaporkan Uji Coba AI

Mendeskripsikan model tetapi tidak alur kerjanya. Butir 5(v) dan 5(vi) menanyakan apa yang dilihat oleh dokter dan apa yang mereka lakukan dengan itu.
Mengutip makalah model sebagai pengganti versi yang sudah ada. Butir 5(i) ingin mengetahui versi build yang digunakan dalam percobaan ini dan apakah versi tersebut berubah.
Memperlakukan daftar periksa CONSORT-AI sebagai pengganti. Ketentuan inti CONSORT masih berlaku sepenuhnya.
Melewatkan item 19. Penjelasan singkat mengapa tidak dilakukan analisis kesalahan dapat diterima. Namun, diam saja tidak.
Menggunakan pedoman yang salah. Makalah pengembangan model membutuhkan TRIPOD, dan studi akurasi diagnostik membutuhkan STARD.

Pertanyaan yang Sering Diajukan Mengenai Daftar Periksa CONSORT-AI

Berapa banyak item yang ditambahkan oleh daftar periksa CONSORT-AI?

Hal ini menambahkan 14 item ke daftar periksa inti CONSORT (ditulis berdasarkan 25 item CONSORT 2010), yang terdiri dari 11 ekstensi dan tiga elaborasi ^[1].

Apakah daftar periksa CONSORT-AI sama dengan SPIRIT-AI?

Tidak. Daftar periksa CONSORT-AI adalah untuk laporan uji coba yang telah selesai. SPIRIT-AI adalah untuk protokol uji coba dan menambahkan 15 item baru ke SPIRIT 2013 ^[2].

Apakah CONSORT-AI berlaku jika saya hanya menggunakan AI untuk membantu penulisan manuskrip?

Tidak. Daftar periksa CONSORT-AI berlaku ketika komponen AI merupakan bagian dari intervensi uji coba. Penggunaan AI untuk menyusun teks berada di bawah kebijakan pengungkapan jurnal.

Bisakah saya menggunakan daftar periksa CONSORT-AI untuk studi validasi model?

Bukan sebagai pedoman utama. Para penulis mengarahkan studi pengembangan dan validasi ke TRIPOD-ML dan STARD-AI, yang sedang dalam pengembangan ketika ekstensi muncul ^[1].

Alat Riset Gratis dari Editverse

GraphProBuat grafik siap publikasi, 25 jenis, dengan uji t, ANOVA, korelasi, dan nilai p chi-square bawaan. Gratis, tanpa pendaftaran.
StatPro: kalkulator statistik gratis dan alat pemilihan tes yang mencakup perbandingan kelompok, hasil kategorikal, analisis waktu kejadian, dan akurasi diagnostik.
Flowchart Pro: Hasilkan diagram alur PRISMA 2020, PRISMA-ScR, CONSORT, STROBE, STARD, MOOSE, dan ARRIVE langsung di browser Anda.

Dukungan Profesional untuk Manuskrip Uji Coba AI Anda

Item-item spesifik AI sebagian besar terdapat di bagian Metode dan abstrak, yang merupakan tempat pertama yang dilihat oleh peninjau. Editverse mendukung penulis di kedua sisi. Pekerjaan kami mengikuti panduan COPE, ICMJE, dan GPP 2022, dan para ahli di bidang terkait meninjau pelaporan Anda berdasarkan daftar periksa.

Sebelum Anda mengirimkan

$150

Peninjauan sejawat pra-pengajuan yang mensimulasikan peran penilai jurnal, dengan laporan peninjau terperinci dan konsultasi lanjutan. 7 hingga 10 hari kerja.

Lihat paket →

Bagian metode

$225

Bagian Metode yang lengkap dan dapat direproduksi, ditulis berdasarkan protokol dan catatan Anda, dengan detail yang kurang tercantum untuk Anda lengkapi.

Lihat paket →

Tidak yakin jurnal mana yang sesuai untuk laporan uji klinis Anda? Kirimkan manuskrip Anda dan jurnal yang Anda targetkan, dan kami akan merekomendasikan titik awal yang tepat.

Kesimpulan

Daftar periksa CONSORT-AI mengajukan 14 pertanyaan yang tidak pernah diajukan dalam pelaporan uji coba biasa, dan meta-riset menunjukkan empat area yang sama berulang kali tidak terjawab. Area tersebut adalah versi algoritma, kualitas data masukan, kesalahan kinerja, dan akses ke AI. Jawablah masing-masing pertanyaan dengan satu kalimat yang jelas, pertahankan item inti CONSORT, nyatakan bahwa Anda telah mengikuti perluasan panduan, dan pasangkan laporan uji coba dengan protokol SPIRIT-AI jika memungkinkan. Manuskrip yang disusun dengan cara tersebut lebih mudah diperiksa oleh editor dan lebih mudah dipercaya oleh pembaca.

Referensi

Liu X, Cruz Rivera S, Moher D, Calvert MJ, Denniston AK; Kelompok Kerja SPIRIT-AI dan CONSORT-AI. Pedoman pelaporan untuk laporan uji klinis intervensi yang melibatkan kecerdasan buatan: perluasan CONSORT-AI. BMJ. 2020;370:m3164. doi:10.1136/bmj.m3164PMID 32909959. Juga diterbitkan di Nat Med 2020;26(9):1364-1374 dan Lancet Digit Health 2020;2(10):e537-e548.
Cruz Rivera S, Liu X, Chan AW, Denniston AK, Calvert MJ; Kelompok Kerja SPIRIT-AI dan CONSORT-AI. Pedoman untuk protokol uji klinis intervensi yang melibatkan kecerdasan buatan: perluasan SPIRIT-AI. BMJ. 2020;370:m3210. doi:10.1136/bmj.m3210. PMID 32907797.
Tsai DJ, Lin C, Liu WT, Lee CC, Chang CH, Lin WY, dkk. Diagnosis dan prognosis dengan bantuan kecerdasan buatan pada fraksi ejeksi rendah menggunakan elektrokardiogram di departemen rawat inap: uji coba terkontrol acak pragmatis. BMC Med. 2025; 23: 342. doi: 10.1186 / s12916-025-04190-zPMID 40484925. PMCID PMC12147261. Terdaftar di ClinicalTrials.gov NCT05117970.
Martindale APL, Llewellyn CD, de Visser RO, Ng B, Ngai V, Kale AU, dkk. Kesesuaian uji coba terkontrol acak untuk intervensi kecerdasan buatan dengan pedoman pelaporan CONSORT-AI. Nat Commun. 2024; 15: 1619. doi:10.1038/s41467-024-45355-3. PMID 38388497.
Zhong J, Zhu T, Huang Y. Kualitas pelaporan intervensi AI dalam uji coba terkontrol secara acak di layanan kesehatan primer: tinjauan sistematis dan studi meta-epidemiologi. J Med Internet Res. 2025; 27: e56774. doi: 10.2196 / 56774. PMID 39998876.
Chen D, Arnold K, Sukhdeo R, Farag Alla J, Raman S. Kesesuaian dengan pedoman CONSORT-AI dalam pelaporan uji coba terkontrol acak yang menyelidiki kecerdasan buatan dalam onkologi: tinjauan sistematis. BMJ Oncol. 2025; 4 (1): e000733. doi:10.1136/bmjonc-2025-000733. PMID 40923022.