Diterbitkan
Senarai semak CONSORT -AI ialah piawaian pelaporan yang dicari oleh jurnal apabila percubaan rawak menguji intervensi dengan komponen kecerdasan buatan. Diterbitkan pada tahun 2020 sebagai lanjutan kepada CONSORT 2010, ia menambah 14 item yang meminta penulis untuk menerangkan versi algoritma, data input, output dan cara doktor bertindak ke atasnya. Panduan ini menerangkan setiap item dalam bahasa mudah, menunjukkan di mana percubaan AI yang diterbitkan masih meninggalkan jurang dan menggunakan senarai semak baris demi baris pada percubaan akses terbuka sebenar supaya anda dapat melihat rupa jawapan yang lengkap. Satu bahagian merangkumi SPIRIT-AI, pendamping untuk protokol percubaan.
Dalam Perkataan Mudah
CONSORT-AI ialah senarai semak tambahan untuk melaporkan percubaan rawak alat AI. Anda masih mengikuti senarai semak teras CONSORT (CONSORT-AI ditulis berdasarkan 25 item CONSORT 2010, yang telah digantikan oleh CONSORT 2025 dengan 30 item), kemudian anda menjawab 14 soalan tambahan tentang AI itu sendiri, seperti versi yang anda gunakan, data apa yang masuk, data apa yang keluar dan bagaimana doktor bertindak terhadapnya. Jika anda tidak dapat menjawab sesuatu item, nyatakan dan nyatakan sebabnya.
Apakah Senarai Semak CONSORT-AI dan Bagaimana Ia Dibina
CONSORT-AI bermaksud Consolidated Standards of Reporting Trials, Artificial Intelligence extension. Liu dan rakan sekerja menerbitkannya pada September 2020 dalam BMJ, Nature Medicine dan The Lancet Digital Health, bersama-sama protokolnya SPIRIT-AI [1] [2] . CONSORT 2010 telah memberikan senarai semak 25 item untuk setiap percubaan rawak. CONSORT 2025 sejak itu telah menggantikannya dengan senarai semak 30 item. Item CONSORT-AI ditulis berdasarkan CONSORT 2010, jadi penomborannya mengikut versi tersebut. Senarai semak CONSORT-AI menyimpan semua 25 item dan menambah 14 item untuk apa yang baharu tentang intervensi AI. Penulis mengklasifikasikan 11 daripada 14 item sebagai sambungan dan tiga sebagai huraian item CONSORT sedia ada [1].
Kumpulan ini mengikuti kerangka kerja Rangkaian EQUATOR. Kajian literatur dan perundingan pakar menghasilkan 29 item calon, yang mana 26 daripadanya terpakai untuk kedua-dua garis panduan dan tiga hanya terpakai untuk laporan percubaan. Satu tinjauan Delphi dua peringkat telah menarik 103 respons dalam pusingan pertama dan 91 dalam pusingan kedua, mesyuarat konsensus dua hari pada Januari 2020 telah mengumpulkan 31 pihak berkepentingan, dan satu mesyuarat rintis dengan 34 peserta telah memperhalusi susunan kata. Satu item memerlukan persetujuan 80% untuk dimasukkan ke dalam senarai semak. Item 5(iii), mengenai data input yang berkualiti rendah, mendapat skor 77% pada susunan kata pertamanya dan lulus pada 97% selepas penyusunan semula [1] . Bagi seorang penulis, sejarah itu membawa mesej. Panel menganggap data input yang buruk sebagai cukup penting untuk diolah semula dan bukannya digugurkan.
Skop penting sebelum anda membuka senarai semak. Senarai semak CONSORT-AI adalah untuk laporan percubaan. Ia bukan bertujuan untuk kajian yang membangunkan atau mengesahkan model ramalan atau diagnostik, dan penulis garis panduan menunjukkan kajian tersebut kepada TRIPOD-ML dan STARD-AI, kedua-duanya masih dalam pembangunan ketika mereka menulis [1] . Panduan kami untuk STARD lawan TRIPOD membantu dengan pilihan itu. Pelanjutan ini juga meninggalkan sistem pembelajaran berterusan, yang dinilai terlalu awal oleh kumpulan konsensus dalam penggunaan penjagaan kesihatan mereka untuk diliputi [1].
Apabila Senarai Semak CONSORT-AI Berkenaan dengan Kajian Anda
Gunakan peraturan kerja yang mudah. Jika output AI mengubah apa yang dilakukan oleh doktor atau pesakit, AI adalah sebahagian daripada intervensi dan laporan percubaan memerlukan senarai semak CONSORT-AI. Jadual di bawah memetakan jenis kajian biasa kepada garis panduan yang sesuai.
| Kajian anda | Garis panduan untuk diikuti | Nota |
|---|---|---|
| Percubaan rawak di mana komponen AI merupakan sebahagian daripada intervensi | CONSORT (2025, atau 2010 di mana jurnal masih memintanya) serta senarai semak CONSORT-AI | Jawab setiap item teras dan 14 item AI |
| Protokol untuk percubaan seperti itu | SPIRIT 2013 serta SPIRIT-AI | Diliputi dalam bahagian protokol di bawah |
| Membangunkan atau mengesahkan model ramalan | Keluarga TRIPOD | Lihat kami panduan pelaporan model ramalan |
| Kajian ketepatan diagnostik ujian AI | STARD | Lihat kami Perbandingan STARD lawan TRIPOD |
| Percubaan rawak tanpa komponen AI | CONSORT 2025 sahaja | Mulakan dengan kami Panduan garis panduan CONSORT |
Jangan kelirukan ini dengan peraturan pendedahan AI. Jurnal juga meminta penulis menyatakan bila mereka menggunakan AI generatif untuk menulis atau mengedit manuskrip, yang merupakan soalan dasar berasingan yang diliputi dalam catatan kami tentang tanda air dan dasar pendedahan AI . Senarai semak CONSORT-AI berkaitan dengan AI yang sedang diuji sebagai intervensi klinikal.
Penjelasan 14 Item Senarai Semak CONSORT-AI
Jadual ini memparafrasakan setiap item daripada garis panduan [1] . Nombor item mengikut CONSORT 2010, dengan angka Roman menandakan penambahan AI. Gunakan lajur sebelah kanan sebagai imbasan pantas untuk cara paling biasa setiap item menjadi salah.
| Item CONSORT-AI | seksyen | Apa yang perlu dilaporkan | Perangkap biasa |
|---|---|---|---|
| 1a,b (i) Penjelasan | Tajuk dan abstrak | Katakan intervensi tersebut melibatkan AI atau pembelajaran mesin, dan namakan jenis modelnya. Pastikan tajuknya luas dan letakkan istilah yang tepat dalam abstrak. | Tajuk yang mengatakan "alat digital" tanpa istilah AI, yang melemahkan pengindeksan. |
| 1a,b (ii) Penjelasan | Tajuk dan abstrak | Nyatakan tujuan penggunaan AI dan konteks penyakit. | Tujuan penggunaan berubah dari semasa ke semasa, jadi abstrak harus membetulkannya pada percubaan. |
| 2a (i) Lanjutan | Pengenalan | Terangkan di mana AI berada dalam laluan klinikal, tujuannya dan pengguna yang dimaksudkan. | Tidak pernah menyatakan sama ada AI menggantikan, menambah atau memutuskan keputusan doktor. |
| 4a (i) Penjelasan | Kaedah, peserta | Berikan kriteria kemasukan dan pengecualian pada peringkat peserta. | Mencampurkan kriteria peserta dengan kriteria data. |
| 4a (ii) Lanjutan | Kaedah, peserta | Berikan kriteria pemasukan dan pengecualian pada peringkat data input, seperti kualiti imej minimum, dengan bila dan oleh siapa penilaian ini dibuat. | Mengecualikan apa yang berlaku kepada peserta yang data inputnya tidak dapat digunakan. |
| 4b Lanjutan | Kaedah, penetapan | Huraikan bagaimana AI disepadukan di tapak tersebut, termasuk perkakasan, perisian, keperluan awan dan sebarang penalaan halus setempat. | Menghuraikan algoritma tetapi bukan persekitaran IT yang dijalankannya. |
| 5 (i) Lanjutan | Kaedah, intervensi | Nyatakan versi algoritma, sama ada ia sepadan dengan kajian terdahulu dan sama ada ia berubah semasa percubaan. | Memetik kertas model asal tanpa pengecam versi. |
| 5 (ii) Lanjutan | Kaedah, intervensi | Huraikan bagaimana data input diperoleh, dipilih dan diproses terlebih dahulu. | Meninggalkan pra-pemprosesan kepada rujukan. |
| 5 (iii) Lanjutan | Kaedah, intervensi | Huraikan bagaimana data input yang berkualiti rendah atau tidak tersedia telah dinilai dan dikendalikan, laporkan jumlah yang hilang dan lakukan perkara yang sama untuk pembanding. | Tiada angka untuk input yang tidak boleh digunakan. |
| 5 (iv) Lanjutan | Kaedah, intervensi | Katakan sama ada manusia berinteraksi dengan data input, kepakaran apa yang diperlukan dan latihan apa yang diberikan. | Tidak menyatakan sama ada ralat datang daripada pengguna atau AI. |
| 5 (v) Lanjutan | Kaedah, intervensi | Tentukan output, contohnya kebarangkalian, kelas, penggera, tindakan yang disyorkan atau tindakan gelung tertutup. | Menggambarkan model tetapi bukan apa yang sebenarnya dilihat oleh doktor. |
| 5 (vi) Lanjutan | Kaedah, intervensi | Terangkan bagaimana output dimasukkan ke dalam keputusan, termasuk ambang batas, laluan dan sebarang penyimpangan daripada protokol. | Tiada ambang batas untuk bertindak berdasarkan skor risiko. |
| 19 Lanjutan | Hasil | Laporkan sebarang analisis ralat prestasi dan bagaimana ralat dikenal pasti. Jika tiada ralat yang dirancang atau dilakukan, jelaskan mengapa tidak. | Diam, di mana penjelasan satu baris sudah memadai. |
| 25 Lanjutan | Maklumat lain | Nyatakan sama ada dan bagaimana AI dan kodnya boleh diakses, termasuk lesen dan sekatan. | Pernyataan ketersediaan data yang merangkumi set data sahaja. |
Item 5(i) hingga 5(vi) mengandungi penerangan intervensi
Enam daripada 14 item berada di bawah item CONSORT 5, yang menerangkan intervensi tersebut. Penulis garis panduan menjelaskan sebabnya. Hasil kesihatan bergantung pada cara manusia menggunakan output tersebut, jadi laporan tersebut mesti menerangkan tindakan hiliran serta modelnya [1] . Contohnya ialah sistem kanser kulit yang mengembalikan peratusan. Laporan tersebut harus menyatakan kedua-dua laluan, seperti eksisi apabila diagnosisnya positif, dan ambang untuk memasukkannya, seperti kebarangkalian melebihi 80%. Huraian yang sama harus diberikan untuk lengan pembanding jika berkaitan [1].
Pengecualian data input selepas pengacakan adalah pengecualian analisis
Item 4a(ii) mempunyai akibat praktikal untuk gambarajah alir anda. Jika data input diperoleh selepas pengacakan, garis panduan tersebut menganggap sebarang pengecualian sebagai pengecualian daripada analisis dan bukannya daripada pendaftaran [1] . Ini mempengaruhi cara anda melukis aliran peserta dan populasi yang anda analisis, jadi tentukan ia bersama pelan niat untuk dirawat dan setiap protokol anda.
Perkara 19 memberi ganjaran kepada kejujuran
Item 19 adalah item yang paling mudah dilangkau oleh penulis. Garis panduan ini meminta analisis ralat prestasi dan, jika tiada yang dirancang, satu sebabnya. Penulis mengaitkan ini dengan keselamatan, dengan menyatakan bahawa sistem AI boleh gagal dengan cara yang tidak dapat diramalkan oleh manusia, dan mereka menggalakkan pemeriksaan kadar ralat merentasi subkumpulan populasi [1] . Penjelasan satu ayat tentang mengapa tiada analisis ralat dilakukan adalah lebih baik daripada berdiam diri.
Apa yang Masih Tidak Disemak oleh Percubaan AI yang Diterbitkan daripada Senarai Semak CONSORT-AI
Tiga kajian meta-kajian menunjukkan tahap kesempurnaan menurun. Martindale dan rakan sekerja menilai 65 percubaan rawak intervensi AI yang diterbitkan selepas garis panduan itu muncul. Kesesuaian median dengan CONSORT-AI adalah 90% (julat antara kuartil 77% hingga 94%), namun hanya 10 daripada percubaan tersebut mengatakan bahawa mereka telah menggunakan garis panduan tersebut. Versi algoritma, kebolehcapaian AI atau kodnya, dan rujukan kepada protokol secara konsisten kurang dilaporkan, dan hanya 3 daripada 52 jurnal yang secara eksplisit mengesahkan atau mewajibkan CONSORT-AI [4].
Zhong dan rakan-rakannya telah meneliti 19 percubaan yang diterbitkan dan 21 protokol dalam penjagaan primer. Item yang dilaporkan dengan secukupnya mencapai 65% (172 daripada 266) untuk percubaan dan 68% (214 daripada 315) untuk protokol, dengan jurang dalam data input, analisis ralat prestasi dan akses kepada AI atau kodnya [5] . Chen dan rakan-rakannya telah menyemak 57 percubaan onkologi dan mendapati kesesuaian median sebanyak 82% dengan gabungan CONSORT 2010 dan CONSORT-AI. Kemasukan dan pengecualian data input, versi algoritma, pengendalian data berkualiti rendah, penilaian ralat prestasi dan kebolehcapaian data semuanya kurang dilaporkan. Percubaan yang berisiko berat sebelah yang serius (57%) kurang selaras berbanding percubaan yang berisiko sederhana (71%) atau rendah (84%) [6].
Coraknya konsisten merentasi ketiga-tiganya. Item yang paling mudah ditemui oleh penulis ialah item yang menyerupai pelaporan percubaan biasa. Item yang hilang ialah item khusus AI dalam jadual di atas. Jika anda hanya menanda item tersebut sebelum penyerahan, anda menutup jurang yang terus ditemui oleh pengulas. Pengulas yang memberi skor percubaan dengan alat seperti RoB 2 juga akan membaca penerangan intervensi dengan teliti, jadi pelaporan yang jelas juga membantu mengurangkan risiko penilaian berat sebelah.
Contoh Kerja Senarai Semak CONSORT-AI pada Percubaan AI Akses Terbuka
Untuk menunjukkan rupa item-item tersebut dalam praktik, jadual di bawah mengaplikasikan senarai semak CONSORT-AI pada percubaan yang diterbitkan. Tsai dan rakan-rakannya menjalankan percubaan rawak pragmatik di sebuah pusat perubatan akademik di Taiwan, menguji amaran AI berasaskan elektrokardiogram untuk pecahan ejeksi rendah dalam kalangan 13,631 pesakit dalam di bawah penjagaan bukan pakar kardiologi. Artikel tersebut menyatakan bahawa percubaan tersebut telah didaftarkan ( NCT05117970 ) dan “mengikuti garis panduan senarai semak Pelanjutan CONSORT-AI” [3] . Ia diterbitkan dalam BMC Medicine di bawah lesen CC BY 4.0, disahkan daripada medan lesen versi rekod Crossref, medan lesen PMC Eropah dan artikel XML.
Keputusan utama adalah kadar pecahan ejeksi rendah yang baru didiagnosis lebih tinggi pada 30 hari dalam lengan amaran, 1.5% berbanding 1.1% (nisbah bahaya 1.50, 95% CI 1.11 hingga 2.03), tanpa perubahan keseluruhan dalam penggunaan ekokardiogram [3] . Catatan ini tidak menilai keputusan klinikal. Ia membaca artikel berdasarkan 14 item pelaporan, hanya menggunakan teks utama.
| Item CONSORT-AI | Tempat mencari | Apa yang dilaporkan oleh artikel itu | Keputusan |
|---|---|---|---|
| 1a,b (i) | Tajuk; Abstrak | Tajuk tersebut menamakan bantuan AI dan elektrokardiogram. Abstrak tersebut menggelarkan alat tersebut sebagai “alat sokongan keputusan klinikal berbantukan kecerdasan buatan (AI) berasaskan elektrokardiogram (ECG)” tetapi tidak menamakan jenis modelnya. Pembelajaran mendalam muncul dalam Latar Belakang dan Kaedah. | Panggilan penghakiman Sama ada "dibantu AI" sudah mencukupi untuk jenis model adalah soal bacaan. |
| 1a,b (ii) | Abstrak, Latar Belakang | Tujuannya adalah untuk meningkatkan diagnosis awal pecahan ejeksi rendah dalam kalangan pesakit dalam di bawah penjagaan bukan pakar kardiologi. Ini memberikan tujuan dan konteks penyakit. | Dilaporkan |
| 2a (i) | Latar belakang, dua perenggan terakhir | Menetapkan kemahiran interpretasi ECG yang terhad dalam kalangan pengamal am dan meletakkan algoritma sebagai bantuan untuk jabatan generalis dan bukan kardiologi. Pengguna yang dimaksudkan ialah doktor bukan pakar kardiologi. | Dilaporkan |
| 4a (i) | Kaedah, Reka bentuk percubaan; Rajah 1 | Pesakit dalam dengan sekurang-kurangnya satu ECG antara November 2022 dan Mei 2023 di bawah penjagaan bukan pakar kardiologi. Pesakit di bawah umur 18 tahun atau dengan LVEF 50% atau kurang dalam 180 hari sebelumnya dikecualikan, dengan kiraan setiap lengan dalam Rajah 1. | Dilaporkan |
| 4a (ii) | Kaedah, Reka bentuk percubaan | Kaedah-Kaedah tersebut menyenaraikan enam petunjuk ECG rutin dan menyatakan bahawa ini tidak direkodkan sebagai titik data. Teks tersebut tidak memberikan keperluan kualiti isyarat minimum untuk input ECG. | Tidak terdapat dalam artikel |
| 4b | Kaedah, model AI-ECG | Sistem maklumat hospital menjana amaran pada skrin dalam masa nyata. Keperluan perkakasan, perisian dan penyesuaian tempatan tidak diterangkan. Percubaan dijalankan di satu pusat, jadi integrasi berbilang tapak tidak timbul. | Panggilan penghakiman |
| 5 (i) | Kaedah, model AI-ECG | Percubaan itu menggunakan "model pembelajaran mendalam yang dibangunkan sebelum ini" dan memetik penerbitan terdahulu untuk seni bina, latihan dan pengesahan. Tiada pengecam versi muncul dalam teks. | Panggilan penghakiman Rujukan kepada kertas kerja terdahulu mungkin bertujuan untuk mewakili versi tersebut. |
| 5 (ii) | Kaedah; Proses pengumpulan data | EKG 12-plumbum standard daripada rawatan pesakit dalam rutin, dengan peraturan masa indeks dijelaskan untuk pesakit berisiko tinggi dan berisiko rendah. Pra-pemprosesan sebelum model tidak diterangkan dalam artikel ini. | Panggilan penghakiman |
| 5 (iii) | Kaedah; Keputusan | Teks tersebut tidak mempunyai pernyataan tentang bagaimana EKG yang bising, hilang atau tidak boleh digunakan dikendalikan di kedua-dua lengan. | Tidak terdapat dalam artikel |
| 5 (iv) | Kaedah, model AI-ECG | Sistem menandakan keputusan secara automatik dan tiada langkah diterangkan di mana seseorang memilih atau mengedit input ECG. Saya membaca ini sebagai tiada interaksi manusia-AI pada peringkat input, tetapi teks tidak menyatakannya. | Panggilan penghakiman |
| 5 (v) | Kaedah, model AI-ECG | Model ini memberikan kebarangkalian berterusan bahawa EF adalah 50% atau lebih rendah. Ambang yang dipilih oleh analisis ROC membahagikan pesakit kepada risiko tinggi dan rendah, dengan sensitiviti pengesahan dalaman sebanyak 72.4% dan spesifisiti sebanyak 89.1% pada ambang tersebut. | Dilaporkan |
| 5 (vi) | Kaedah; Rajah 1; Keputusan, Analisis pasca-hoc | “Doktor kemudiannya boleh memutuskan sama ada untuk meneruskan penilaian diagnostik tambahan (seperti ekokardiogram) berdasarkan klasifikasi AI dan penilaian klinikal mereka.” Bahagian kawalan tidak menerima sebarang amaran. Rajah 1 menunjukkan penggera berisiko tinggi sebagai mesej ringkas dan laporan berisiko rendah yang terdapat dalam rekod, manakala teks menyebutnya sebagai amaran pada skrin. Kedua-duanya boleh benar. | Dilaporkan |
| 19 | Keputusan; Perbincangan | Artikel ini melaporkan nilai ramalan positif untuk EF rendah dalam kalangan pesakit yang menjalani ekokardiogram (34.2% berbanding 20.2%) dan memetik angka pengesahan dalaman. Teks ini tidak mempunyai analisis kes positif palsu atau negatif palsu dan tiada pernyataan tentang mengapa tiada satu pun yang dilakukan. | Panggilan penghakiman |
| 25 | Deklarasi | Pernyataan ketersediaan Data berbunyi “Tiada set data dijana atau dianalisis semasa kajian semasa.” Ia merangkumi set data sahaja. Teks tersebut tiada pernyataan tentang akses kepada model atau kodnya. | Tidak terdapat dalam artikel |
Lima baris dilaporkan, enam adalah keputusan penghakiman dan tiga tidak dapat ditemui dalam teks utama. Baris yang ditanda "Tidak terletak dalam artikel" bermaksud maklumat tersebut tidak ditemui dalam isi artikel dan fail tambahan tidak disemak. Baris yang ditanda "Keputusan penghakiman" adalah baris di mana pembaca yang munasabah boleh memberi skor kepada item tersebut dalam apa jua cara.
Apa yang ditunjukkan oleh contoh yang telah diusahakan
Percubaan ini melakukan apa yang ramai tidak lakukan. Ia menyatakan bahawa ia mengikuti senarai semak CONSORT-AI, yang hanya dilakukan oleh 10 daripada 65 percubaan dalam ulasan Martindale [4] . Walaupun begitu, baris yang tidak terjawab adalah baris yang sama yang ditandai oleh meta-kajian, iaitu versi, kualiti data input, ralat prestasi dan akses kepada AI. Itulah pengajaran praktikalnya. Seorang penulis yang mengetahui empat kelemahan tersebut boleh menyelesaikannya dalam masa sejam penggubalan, biasanya dengan satu ayat setiap satu.
Jawapan yang jelas untuk setiap baris yang hilang adalah pendek. Untuk item 5(i), namakan binaan model dan nyatakan sama ada ia adalah binaan yang disahkan lebih awal. Untuk 5(iii), laporkan berapa banyak ECG yang tidak boleh digunakan dan apa yang berlaku kepada pesakit tersebut dalam setiap lengan. Untuk 19, laporkan sebarang ulasan positif palsu, atau nyatakan bahawa tiada satu pun yang dirancang dan mengapa. Untuk 25, katakan sama ada model tersebut adalah proprietari, tersedia atas permintaan atau terbuka, dan di bawah lesen apa.
Selain 14 item tersebut, item teras CONSORT masih terpakai.
Senarai semak CONSORT-AI tidak menggantikan CONSORT 2010. Artikel yang sama menunjukkan dua item teras yang sedang dijalankan. Abstrak menyenaraikan nilai ramalan positif dan kadar perundingan kardiologi antara hasil sekunder, manakala Kaedah menyenaraikan penggunaan ekokardiogram dan kematian semua punca 30 hari, dan mengatakan "kami telah menetapkan analisis ini sebagai pasca-hoc" untuk analisis perundingan. Itu adalah keputusan yang tepat, kerana penulis memang menandakan status pasca-hoc, tetapi pembaca pasti mahu senarai hasil sepadan antara abstrak dan Kaedah. Penulis juga mendedahkan bahawa mereka "mengemas kini pendaftaran percubaan kami pada Oktober 2024" selepas mengubah hasil utama dan saiz sampel sasaran, yang merupakan jenis perubahan yang diminta oleh CONSORT 2010 untuk dilaporkan oleh penulis dengan alasan.
Senarai Semak SPIRIT-AI sebagai Pendamping Protokol
SPIRIT-AI merangkumi peringkat protokol percubaan yang sama. Ia dibangunkan selari dengan CONSORT-AI, dan sambungan SPIRIT-AI menambah 15 item baharu pada senarai semak teras SPIRIT 2013 [2] . Kebanyakan item mencerminkan CONSORT-AI dalam bentuk masa hadapan. Protokol tersebut menyatakan versi algoritma yang akan digunakan, bagaimana data input akan diperoleh, apakah outputnya, bagaimana output akan memberi keputusan, bagaimana ralat prestasi akan dianalisis, dan bagaimana AI dan kodnya boleh diakses [2] . Satu item protokol tidak mempunyai rakan kongsi langsung dalam senarai laporan percubaan. SPIRIT-AI 6a(ii) meminta penulis untuk menerangkan bukti sedia ada untuk intervensi AI [2] . Untuk panduan lengkap tentang rakan protokol, lihat panduan SPIRIT-AI kami.
| Masa latihan | Pasangan garis panduan | Item khusus AI | Titik praktikal |
|---|---|---|---|
| Protokol | SPIRIT 2013 serta SPIRIT-AI | 15 item baru | Betulkan versi algoritma dan ambang tindakan sebelum pendaftaran |
| Laporan percubaan | CONSORT 2010 serta CONSORT-AI | 14 item baru | Laporkan sebarang perubahan daripada protokol dan sebabnya |
Kedua-dua senarai ini berfungsi dengan baik sebagai satu pasangan. Menulis jawapan item 5(i) dan 5(vi) ke dalam protokol menjadikan laporan kemudian sebagai latihan untuk mengesahkan apa yang berlaku. Ia juga menjadikan penyimpangan kelihatan, yang diminta oleh garis panduan untuk anda laporkan untuk membuat keputusan yang berbeza daripada pelan [1] . Jika anda masih mereka bentuk kajian ini, perundingan reka bentuk percubaan klinikal kami merangkumi titik akhir, saiz sampel dan sokongan penulisan protokol.
Cara Melengkapkan Senarai Semak CONSORT-AI Sebelum Penyerahan
- Muat turun senarai semak CONSORT semasa (CONSORT 2025 atau CONSORT 2010 jika jurnal anda masih memintanya) dan tambahkan 14 baris CONSORT-AI di bawah item teras yang sepadan.
- Tulis jawapan untuk setiap baris sebagai penunjuk halaman atau baris dalam manuskrip anda sendiri, supaya editor boleh mengesahkannya dalam beberapa saat.
- Untuk mana-mana baris yang tidak berkenaan, tulis alasan pendek dalam baris tersebut dan jangan biarkan ia kosong.
- Lukis aliran peserta dengan pengecualian data input yang ditunjukkan secara berasingan daripada pengecualian peserta, menggunakan penjana seperti Carta Alir Pro di bawah.
- Nyatakan dalam Kaedah bahawa anda telah mengikuti senarai semak CONSORT-AI. Hanya 10 daripada 65 percubaan yang berjaya dalam ulasan Martindale [4].
- Baca arahan pengarang jurnal. Hanya 3 daripada 52 jurnal dalam ulasan yang sama mengesahkan atau mewajibkan CONSORT-AI, jadi jurnal boleh menerimanya tanpa menamakannya [4].
Kesilapan Lazim Semasa Melaporkan Percubaan AI
- Menerangkan model tetapi bukan aliran kerja. Item 5(v) dan 5(vi) menanyakan apa yang dilihat oleh doktor dan apa yang mereka lakukan dengannya.
- Memetik kertas model sebagai ganti versi. Item 5(i) mahukan binaan yang digunakan dalam percubaan ini dan sama ada ia telah berubah.
- Melayan senarai semak CONSORT-AI sebagai pengganti. Item teras CONSORT masih terpakai sepenuhnya.
- Melangkau item 19. Alasan ringkas untuk analisis tanpa ralat boleh diterima. Senyap tidak boleh diterima.
- Menggunakan garis panduan yang salah. Kertas pembangunan model memerlukan TRIPOD dan kajian ketepatan diagnostik memerlukan STARD.
Soalan Lazim Mengenai Senarai Semak CONSORT-AI
Berapa banyak item yang ditambah oleh senarai semak CONSORT-AI?
Ia menambah 14 item kepada senarai semak teras CONSORT (ditulis berbanding 25 item CONSORT 2010), yang terdiri daripada 11 sambungan dan tiga huraian [1].
Adakah senarai semak CONSORT-AI sama dengan SPIRIT-AI?
Tidak. Senarai semak CONSORT-AI adalah untuk laporan percubaan yang telah lengkap. SPIRIT-AI adalah untuk protokol percubaan dan menambah 15 item baharu pada SPIRIT 2013 [2].
Adakah CONSORT-AI terpakai jika saya hanya menggunakan AI untuk membantu menulis manuskrip?
Tidak. Senarai semak CONSORT-AI terpakai apabila komponen AI merupakan sebahagian daripada intervensi percubaan. Penggunaan AI untuk mendraf teks sebaliknya berada di bawah dasar pendedahan jurnal.
Bolehkah saya menggunakan senarai semak CONSORT-AI untuk kajian pengesahan model?
Bukan sebagai garis panduan utama. Penulis mengarahkan kajian pembangunan dan pengesahan kepada TRIPOD-ML dan STARD-AI, yang sedang dibangunkan apabila sambungan itu muncul [1].
Alat Penyelidikan Percuma daripada Editverse
- GraphPro: bina carta sedia untuk penerbitan, 25 jenis, dengan ujian-t terbina dalam, ANOVA, korelasi dan nilai-p khi kuasa dua. Percuma, tiada pendaftaran.
- StatPro: kalkulator statistik percuma dan alat pemilih ujian yang meliputi perbandingan kumpulan, hasil kategori, analisis masa-ke-peristiwa dan ketepatan diagnostik.
- Carta Alir Pro: jana gambarajah alir PRISMA 2020, PRISMA-ScR, CONSORT, STROBE, STARD, MOOSE dan ARRIVE terus dalam pelayar anda.
Sokongan Profesional untuk Manuskrip Percubaan AI Anda
Item khusus AI kebanyakannya terletak dalam Kaedah dan abstrak, yang merupakan tempat pengulas melihat dahulu. Editverse menyokong penulis di kedua-dua belah pihak. Kerja kami mengikuti panduan COPE, ICMJE dan GPP 2022, dan pakar subjek menyemak pelaporan anda berdasarkan senarai semak.
Sebelum anda menyerahkan
$150
Semakan rakan sebaya pra-penyerahan yang mensimulasikan perujuk jurnal, dengan laporan penilai terperinci dan rundingan susulan. 7 hingga 10 hari bekerja.
Bahagian kaedah
$225
Bahagian Kaedah yang lengkap dan boleh dihasilkan semula yang ditulis daripada protokol dan nota anda, dengan butiran yang hilang disenaraikan untuk anda isi.
Tidak pasti yang mana sesuai dengan laporan percubaan anda? Hantarkan manuskrip dan jurnal yang anda sasarkan kepada kami dan kami akan mengesyorkan titik permulaan.
Kesimpulan
Senarai semak CONSORT-AI menanyakan 14 soalan yang tidak pernah ditimbulkan oleh laporan percubaan biasa, dan meta-kajian menunjukkan empat bidang yang sama tidak terjawab berulang kali. Bidang tersebut ialah versi algoritma, kualiti data input, ralat prestasi dan akses kepada AI. Jawab setiap satu dengan satu ayat yang jelas, pastikan item teras CONSORT utuh, nyatakan bahawa anda telah mengikuti sambungan tersebut dan pasangkan laporan percubaan dengan protokol SPIRIT-AI di mana sahaja anda boleh. Manuskrip yang dibina dengan cara itu lebih mudah untuk disemak oleh editor dan lebih mudah untuk dipercayai oleh pembaca.
Rujukan
- Liu X, Cruz Rivera S, Moher D, Calvert MJ, Denniston AK; Kumpulan Kerja SPIRIT-AI dan CONSORT-AI. Garis panduan pelaporan untuk laporan percubaan klinikal untuk intervensi yang melibatkan kecerdasan buatan: peluasan CONSORT-AI. BMJ. 2020;370:m3164. doi:10.1136/bmj.m3164. PMID 32909959. Turut diterbitkan dalam 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; Kumpulan Kerja SPIRIT-AI dan CONSORT-AI. Garis panduan untuk protokol percubaan klinikal untuk intervensi yang melibatkan kecerdasan buatan: peluasan 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 prognostikasi berbantukan kecerdasan buatan dalam pecahan ejeksi rendah menggunakan elektrokardiogram di jabatan pesakit dalam: percubaan terkawal rawak pragmatik. BMC Med. 2025; 23: 342. doi: 10.1186 / s12916-025-04190-z. PMID 40484925. PMCID PMC12147261. Berdaftar di ClinicalTrials.gov NCT05117970.
- Martindale APL, Llewellyn CD, de Visser RO, Ng B, Ngai V, Kale AU, dkk. Konkordans percubaan terkawal rawak untuk intervensi kecerdasan buatan dengan garis panduan pelaporan CONSORT-AI. Nat Commun. 2024; 15: 1619. doi:10.1038/s41467-024-45355-3. PMID 38388497.
- Zhong J, Zhu T, Huang Y. Melaporkan kualiti intervensi AI dalam percubaan terkawal rawak dalam penjagaan primer: kajian sistematik dan kajian meta-epidemiologi. J Internet Res. 2025; 27: e56774. doi: 10.2196 / 56774. PMID 39998876.
- Chen D, Arnold K, Sukhdeo R, Farag Alla J, Raman S. Konkordans dengan garis panduan CONSORT-AI dalam pelaporan percubaan terkawal rawak yang menyiasat kecerdasan buatan dalam onkologi: kajian sistematik. BMJ Oncol. 2025; 4 (1): e000733. doi:10.1136/bmjonc-2025-000733. PMID 40923022.