发布时间
TRIPOD +AI 清单是期刊目前要求在论文开发或评估临床预测模型（无论模型采用逻辑回归还是随机森林）时使用的报告标准。该清单由 Collins 及其同事于 2024 年 4 月发表在《英国医学杂志》(BMJ) 上，包含 27 个编号条目，取代了 2015 年的 TRIPOD 清单，并要求提供以往论文从未提及的细节，例如公平性、代码访问权限以及患者和公众参与。<sup> 1</sup>
大多数指南仅列出项目清单，而本指南更进一步。除了清单本身，我们还逐项对一篇真实的开放获取机器学习论文进行评分，并在每个评分旁边标注论文的相应部分，以便您了解完整的清单是什么样的，以及作者通常会在哪些方面失分。
用简单的话
TRIPOD+AI 列出了 27 项内容，如果您构建或测试了用于预测患者预后的工具，您的论文必须向读者说明这些内容。它告诉您应该报告什么，而不是如何构建模型。请在每项内容中填写页码或行号，并将其与您的论文一起提交。这样，审稿人只需几分钟即可检查您的论文，而无需猜测缺少什么。
TRIPOD+AI 核对清单是什么？与 TRIPOD 2015 相比有哪些变化？
TRIPOD 代表“个体预后或诊断的多变量预测模型透明报告”。2015 年版包含子项后列出了 37 个条目，当时大多数预测模型都是回归方程。<sup> 1 </sup> 此后，机器学习在预测研究中变得普遍，2024 年的更新旨在将这两种传统方法整合到一份文件中。作者采用了文献系统综述、两轮德尔菲调查和在线共识会议的方法。第一轮德尔菲调查向 292 人发送了问卷，其中 170 人完成了调查。第二轮调查吸引了来自 27 个国家的 200 名参与者。<sup> 1</sup>
提交论文时，有三点需要注意。首先，指南明确指出，新版核对清单取代了2015版，旧版清单不应再使用。¹如果您的目标期刊仍然链接旧版核对清单，请遵循2024版，并在投稿信中说明。其次，TRIPOD+AI 是一份报告指南，而非质量评估工具。它检查您是否描述了研究内容，而不是研究内容本身是否合理。对于质量评估，同一研究群体于2025年发布了PROBAST+AI，这是一个用于评估预测模型研究中偏倚风险和适用性的最新工具。³第三，指南附带一份包含13个项目的摘要核对清单，因此摘要本身也需要遵循一定的标准。
如果您仍在诊断准确性指南和预测模型指南之间犹豫不决，请先阅读我们对STARD 和 TRIPOD的比较。该比较解释了哪种报告指南适用于哪种研究问题，本文假设您已决定采用 TRIPOD+AI。我们的报告指南选择决策树涵盖了更广泛的选项。
TRIPOD+AI 清单的 27 项内容概览
下表将完整的清单精简为 27 个编号项目。为了简洁起见，我们对原文进行了改写，因此请以 TRIPOD 网站上的官方清单为准。最后一列显示了该项目的责任方。D 表示模型开发研究，E 表示模型评估（验证）研究，D;E 表示两者都有。
表 1. TRIPOD+AI 清单的 27 个项目（精简版）。来源结构来自 Collins 等人，BMJ 2024。
| 名称 | 话题 | 适用于 | 需要报告的内容（简述） |
|---|---|---|---|
| 1 | 标题 | D;E | 该研究被命名为开发或评估预测模型，并给出目标人群和结果。 |
| 2 | 抽象 | D;E | 请参考单独的 13 项 TRIPOD+AI 摘要列表。 |
| 3a 至 3c | 背景 | D;E | 医疗保健背景和原理、现有模型、目标人群和在护理路径中的预期用途、预期用户以及社会人口群体之间已知的健康不平等。 |
| 4 | 目标 | D;E | 请说明该研究是建立了一个模型、验证了一个模型，还是两者都做了。 |
| 5a、5b | 时间 | D;E | 分别说明开发数据和评估数据的数据来源、选择这些数据的原因、这些数据的代表性以及参与者招募的开始和结束日期。 |
| 6a 至 6c | 参与者成员 | D;E | 中心的设置、数量和位置、资格标准、接受的任何治疗以及治疗的处理方式。 |
| 7 | 资料准备 | D;E | 预处理和质量检查，包括它们在不同社会人口群体中是否相似。 |
| 8a 至 8c | 成果 | D;E | 确切的结果定义和时间范围，评估的方式和时间，如果需要判断，由谁来评估，以及是否采取了盲法。 |
| 9a 至 9c | 预测因素 | D (9a), D;E (9b, 9c) | 最初的预测指标是如何选择的，每个预测指标的精确定义和时间安排，以及由谁来测量那些需要判断的指标。 |
| 10 | 样本大小 | D;E | 研究规模是如何确定的，并分别计算了开发和评估两个研究规模。 |
| 11 | 缺失数据 | D;E | 如何处理缺失数据以及省略数据的原因。 |
| 12a 至 12g | 分析方法 | D、E 或两者兼有（按子项划分） | 数据划分、预测变量的处理、模型类型和调优、聚类间的异质性、性能指标、模型更新以及评估中预测的计算方式。 |
| 13 | 阶级不平衡 | D;E | 如果使用了不平衡方法，请说明原因和方法，以及之后如何重新校准预测结果。 |
| 14 | 公平 | D;E | 用于解决模型公平性问题的任何方法及其原理。 |
| 15 | 模型输出 | D | 输出形式（概率或类别）以及阈值的设置方式。 |
| 16 | 训练与评估 | D;E | 发展数据和评估数据在设定、资格、结果和预测因素方面的差异。 |
| 17 | 道德批准 | D;E | 审批委员会和同意安排或豁免。 |
| 18a 至 18f | 开放科学 | D;E | 资金和资助者角色、利益冲突、协议访问、注册、数据可用性和代码可用性。 |
| 19 | 耐心和公众参与 | D;E | 究竟发生了什么，或者声明没有发生任何参与。 |
| 20a 至 20c | 参与者（结果） | D;E（20c 仅限 E） | 参与者流程及结果计数、按数据源划分的特征，以及与开发数据的比较评估。 |
| 21 | 模型开发 | D;E | 每次分析中的参与者人数和结果事件数。 |
| 22 | 型号规格 | D | 完整的模型细节，以便第三方可以进行预测和评估模型，并可设置任何访问限制。 |
| 23a、23b | 模型表现 | D;E | 性能估计及其置信区间，包括关键子组，以及（如果考察的话）各集群之间的异质性。 |
| 24 | 模型更新 | E | 任何更新（例如重新校准）的结果以及更新后的性能。 |
| 25 | 解释 | D;E | 对主要结果的总体解释，包括公平性。 |
| 26 | 限制 | D;E | 存在一些局限性，例如样本不具代表性、样本量不足、过拟合和数据缺失，以及这些局限性对偏差和普遍适用性的影响。 |
| 27a 至 27c | 当前护理中的可用性 | D（27a，27b），D；E（27c） | 处理质量差或无可用输入数据、所需的用户交互和专业知识，以及后续研究步骤。 |
开发、评估还是两者兼有？您需要哪些项目？
将所有带字母的条目都计算在内，该清单共有 52 行。其中 40 行适用于开发研究和评估研究，8 行仅适用于开发研究，4 行仅适用于评估研究。仅适用于开发的行是 9a、12a、12b、12c、15、22、27a 和 27b。仅适用于评估研究的行是 12f、12g、20c 和 24。
这种划分会影响你提交的内容。如果一个团队构建了一个模型，并在预留样本和外部数据集上进行了测试，则需要提交完整的列表。如果一个团队只测试了其他人已发布的模型，则只需提交评估行，并且必须描述其如何计算该模型的预测结果（12g），以及其数据与原始开发数据有何不同（20c，16）。如果省略12g，读者将无法判断测试的是原始方程还是重新拟合的版本。
同样的逻辑也适用于分析规划。如果您预计审稿人会要求提供决策曲线，请从一开始就将其构建出来，并在第 12e 版中报告。我们关于决策曲线分析的简短解释说明了除区分度之外的净收益，而我们的ROC 曲线和预测值指南则涵盖了区分度方面的内容。
三类令作者措手不及的新产品
TRIPOD+AI 的作者指出，2015 年版清单未涵盖多项发展动态，包括命名公平性、开放科学实践以及患者和公众参与。<sup>1</sup>这三个方面分别对应清单中的第 14、18 和 19 项，而 2015 年版清单并未就这些方面向作者提供任何提示，因此很容易出现遗漏。
公平性（第 3c、7、8a、14、23a 和 25 项）
公平性贯穿六个方面，而非仅涉及一项。您需要描述已知的健康不平等现象（3c），说明数据准备和结果评估在不同社会人口群体中是否一致（7、8a），描述任何公平性方法（14），报告关键子群体的表现（23a），并讨论解释中的公平性（25）。如果您的数据集没有种族、性别或年龄细分，请说明，并解释这对于您可以讨论和不能讨论的群体分别意味着什么。
开放科学（第 18a 至 18f 项）
第 18 项整合了之前分散的六项披露信息。方案声明、注册声明、数据可用性声明和代码可用性声明都需要回答，即使答案是未制定方案或研究未注册。清单接受否定答案，但不接受沉默。
患者和公众参与（第 19 项）
第 19 项询问在设计、实施、报告或传播过程中是否有人参与，或者说明没有参与。指南文章记录，该项在第二轮德尔菲法调查中获得了 69% 的同意，略低于 70% 的门槛，指导小组将其保留到共识会议上。1将其视为一项实际要求。如果未发生参与，只需一句话即可。
将 TRIPOD+AI 清单应用于实际开放获取模型的示例
为了展示该清单的应用，我们选取了一篇已发表的论文进行分析。Lei 及其同事开发了一种堆叠集成模型，用于预测重症监护患者的脓毒症相关性肝损伤 (SALI)。该模型使用 MIMIC-IV 数据集进行训练和内部验证，并使用 eICU-CRD 数据集进行外部验证。该论文于 2025 年发表在《医学互联网研究杂志》(Journal of Medical Internet Research) 上，并采用 CC BY 4.0 许可协议，因此我们可以引用该论文。论文中指出，该模型遵循了 TRIPOD+AI 方法，并提供了完整的清单。
我们选择这篇稿件是出于实际考虑。作者们做得非常出色，因此这篇稿件展现了优秀稿件的风貌，而剩下的几个问题也正是审稿人会提出的。我们阅读了全文。如果最终结论取决于审稿人的判断，则会在相应行标注“待定”。引文简短，且均直接摘自开放获取的全文。
如何解读判决书
已报告表示该问题在正文中已有解答。部分报告表示部分内容存在，部分内容缺失。未找到表示我们在可阅读的正文和附录中均未找到该问题。判断为准表示一位理性的审阅者可能对该行给出不同的评分，注释解释了原因。这是 Editverse 对文本的解读，并非 TRIPOD+AI 的官方评估。
表 2. TRIPOD+AI 项目与 Lei 等人，《J Med Internet Res》2025 (CC BY 4.0) 的评分。Editverse 阅读全文。
| 名称 | 在报纸的哪个部分查找信息 | 该报报道了什么 | 总结 |
|---|---|---|---|
| 1 | 标题 | 该研究命名了开发和验证方法、研究人群（脓毒症患者）和研究结果（急性肺损伤）。标题以“基于多中心队列研究的开发和验证研究”结尾。 | 报道 |
| 2 | 抽象 | 数据来源、结果定义、模型、指标和AUC值均未纳入考虑。我们没有根据这13个摘要条目进行评分。 | 判断 |
| 3a | 引言，第1至3段 | 本文阐述了临床背景以及可解释机器学习的必要性。引言部分未引用早期的SALI预测模型。 | 部分报道 |
| 3b | 引言，结尾段 | 目标用户仅被称作“医疗保健专业人员”，并未描述其在诊疗流程中的具体位置。 | 判断 |
| 3c | 全文 | 未就不同社会人口群体之间的健康不平等问题发表声明。 | 未找到 |
| 4 | 引言、结尾段和摘要 | 本研究旨在开发一种可解释的叠加模型来预测季节性急性肺损伤（SALI）。验证方法详见“方法”部分。 | 报道 |
| 5a | 方法、数据来源 | MIMIC-IV 用于开发和内部验证，eICU-CRD 用于外部验证，分别单独描述。 | 报道 |
| 5b | 方法、数据来源 | 已提供数据库版本和数据年份（MIMIC-IV 为 2008 年至 2019 年，eICU-CRD 为 2014 年至 2015 年）。未提供确切的病例收集起始日期和结束日期。 | 部分报道 |
| 6a | 方法、数据来源 | MIMIC-IV 研究来自美国一家医院。eICU-CRD 研究被描述为一项覆盖全美多个中心的合作项目，但未提供 eICU 中心的具体数量。 | 部分报道 |
| 6b | 方法、参与者 | 列出了五项纳入标准和三项排除标准。 | 报道 |
| 6c | 方法、预测因子 | 肾脏替代治疗、呼吸机支持和血管加压药的使用均被列为预测因素。但后续治疗相对于预测时间的具体情况并未说明。 | 判断 |
| 7 | 方法、数据准备 | 本文描述了数据清洗、插补、标准化和虚拟编码等方法。但未报告针对不同社会人口统计群体进行的检验。 | 部分报道 |
| 8a | 方法，结果 | 急性肝损伤（SALI）的定义为国际标准化比值（INR）高于1.5且总胆红素高于2（在规定范围内）。其理由是：“由于目前尚无诊断SALI的金标准，我们根据既往研究的标准对其进行了定义。” | 报道 |
| 8b，8c | 方法，结果 | 结果来自实验室阈值，因此主观评估和盲法可能不适用。文中并未提及这一点。 | 判断 |
| 9a | 方法、结果和结果、参与者 | 通过领域知识和数据驱动步骤，将初始变量池减少到 42 个变量，并删除了高度相关的连续变量。 | 报道 |
| 9b | 方法、预测因素和结果 | 实验室预测指标涵盖“入住ICU后72小时内的实验室数据”，而结局窗口期为24小时至1周。总胆红素和国际标准化比值（INR）既作为预测指标，也出现在结局定义中。这一点需要进一步说明。 | 判断 |
| 10 | 方法、样本量 | 文中给出了一个计算方法，该方法基于“模型开发必须遵循每个变量至少10个事件的原则”。下一节将解释为什么这是一种过时的方法。 | 报道 |
| 11 | 方法、缺失数据 | 缺失值超过 30% 的变量被排除在外，并描述了使用五个插补数据集和 Rubin 规则进行多重插补的方法。 | 报道 |
| 12a、12b | 方法、数据准备 | MIMIC-IV 与 eICU-CRD 以 70/30 的比例进行分割，用于外部验证、标准化和虚拟编码。 | 报道 |
| 12c | 方法、分析方法和结果 | 本文描述了九种算法和一个堆叠集成模型。方法部分指出，元模型“通常是逻辑回归”，之后又指出 Lasso“被选为元模型”。方法部分将调优过程描述为网格搜索，而结果部分则描述了随机网格搜索加贝叶斯优化。 | 判断 |
| 12d | 全文 | eICU-CRD 汇集了许多医院的数据，但没有描述如何处理医院间的异质性。 | 未找到 |
| 12e | 方法、模型性能评估 | 本文规定了 ROC-AUC、PR-AUC、Brier 评分、校准图和决策曲线分析，每种方法都有其用途。 | 报道 |
| 12f 和 24 | 结果、模型更新和表 2 | 表2列出了校准前后观察到的事件和预期事件。这是否算作TRIPOD+AI意义上的模型更新，目前尚无定论。 | 判断 |
| 12克 | 数据可用性 | 代码已上传至 GitHub，用户可以在那里复现预测结果。但文中并未说明如何计算堆叠模型的预测结果以进行评估。 | 判断 |
| 13 | 方法，歧视 | 作者指出，PR-AUC“在类别不平衡的情况下尤其有价值，例如SALI预测的情况”。文中并未提及重采样问题。 | 判断 |
| 14 | 全文 | 没有描述公平性方法。 | 未找到 |
| 15 | 方法，临床应用 | 决策曲线涵盖了一系列阈值。但并未说明如何选择单个操作阈值。 | 部分报道 |
| 16 | 结果、优势和局限性 | 开发数据和外部数据之间的事件发生率有所不同，作者将较低的外部 AUC 归因于医院间的差异。 | 部分报道 |
| 17 | 方法、伦理考量 | 引用了麻省理工学院机构审查委员会关于 MIMIC-IV 的协议，并解释了为什么免除了知情同意。 | 报道 |
| 18a | 致谢 | 文中列出了三项资助项目，但未说明资助方的角色。 | 部分报道 |
| 18b | 结束语 | “利益冲突声明：无。” | 报道 |
| 18c，18d | 全文 | 无协议或注册声明。 | 未找到 |
| 18e，18f | 数据可用性 | 声明“所有中间数据均可根据合理要求从作者处获得，相关代码可在 GitHub 上获取”。 | 报道 |
| 19 | 全文 | 没有关于患者和公众参与的声明。 | 未找到 |
| 20a、20b、20c | 图 1、样本量和表 1 | 包含排除计数的流程图、涵盖训练集、内部集和外部集的基线表以及每个集的事件计数。 | 报道 |
| 21 | 方法、样本量和结果、参与者 | 各部分事件计数和百分比有所不同（见下文），方法和表 1 中给出的外部数据集为 4236 名患者，但结果中的一句话中给出的为 4358 名患者。 | 判断 |
| 22 | 方法、分析方法和 GitHub | 本文描述了堆叠结构。由于文中未给出拟合的元模型系数，因此需要参考第三方存储库。 | 部分报道 |
| 23a | 功能验证 | AUC 以点估计值的形式给出，例如 0.8401 和 0.7077。我们没有找到置信区间。 | 未找到 |
| 23b | 全文 | 医院集群未进行绩效评估。 | 未找到 |
| 25 | 讨论，主要发现 | 主要结果将结合临床文献进行解读。本文未讨论公平性问题。 | 部分报道 |
| 26 | 讨论、优势和局限性 | 该研究存在回顾性设计、外部性能较低、基于实验室的结果定义、仅限美国数据以及缺乏动态变量等缺陷，其中包括“基于实验室阈值而非组织学确认的 SALI 定义可能错误地将亚临床肝损伤分类”。 | 报道 |
| 27a、27b | 全文 | 没有针对部署时输入错误或缺失的情况提供指导，也没有说明所需的用户专业知识。 | 未找到 |
| 27c | 讨论、优势和局限性 | 提出了未来展望工作和实时数据流。 | 报道 |
在43个分组行中，我们评定了16项为“已报告”，9项为“部分报告”，10项为“待定”，8项为“未找到”。“未找到”的行恰好集中在2024年更新新增或完善的领域，即公平性、协议和注册、公众参与、小组绩效和部署指南。该论文的建模描述十分详尽，而不足之处则体现在新增内容中。
带注释的示例教会我们什么
经验法则并非样本量计算。
该示例使用“每个变量至少10个事件”的规则来证明其样本的合理性。根据示例数据，42个预测变量共428个训练事件，平均每个预测变量10.2个事件，因此勉强符合该规则。TRIPOD+AI 第10项要求您解释研究样本量的计算方法，该指南的背景部分引用了用于开发和评估模型的更新的样本量计算方法。<sup> 1</sup>其中一种方法由Riley及其同事发表在BMJ上，用取决于候选参数数量、结果比例和预期模型拟合度的标准取代了单一规则。<sup> 4</sup>如果您的模型使用灵活的机器学习，则参数数量大于预测变量数量，这使得“每个变量至少10个事件”的规则不再那么可靠。请报告您使用的计算方法，并说明它为何适用于您的模型类型。
各部分之间的数字必须一致
第 21 项要求提供每项分析中的参与者和事件数。例如，“方法”部分关于样本量的段落列出了训练事件数为 428 例（10.10%），内部验证事件数为 165 例（3.90%）。“结果”部分给出的计数分别为 6.92% 和 6.22%，计算结果也支持“结果”部分的数据，因为 6183 例中有 428 例为 6.92%，2651 例中有 165 例为 6.22%。“方法”部分和表 1 中列出的外部数据集为 4236 例患者，4236 例中有 648 例为 15.30%，但“结果”部分却有一句话写着 4358 例。但这并不影响研究结果。这种差异审阅者可以很快发现，提交前的内部一致性检查即可消除。
说明方法的用途，只需说明一次即可。
第 12c 项要求说明模型类型、所有模型构建步骤以及调优方法。如果“方法”部分和“结果”部分对调优的描述不同，或者使用了两个不同的元模型，读者就无法判断哪个描述是正确的。请在“方法”部分完整地写一遍模型构建步骤，然后在“结果”部分引用它。
预测指标的时机并非细节
第 9b 项询问每个预测变量的测量方式和时间。预测模型只有在结果发生之前输入数据可用时才有效。当预测变量的时间窗口与结果的时间窗口重叠，或者当预测变量是结果定义的一部分时，读者需要明确的句子来解释预测的时间点。这只是一个澄清问题，并非指责，而且修改成本不高。
置信区间是必需的，而非可选项。
第 23a 项要求提供带有置信区间的性能估计值。仅从几千名患者的验证集中得出的单个 AUC 值存在实际的不确定性，而示例中的外部 AUC 值是读者最希望信任的数值。添加 Bootstrap 置信区间成本不高。如需回顾如何构建和报告基于回归的模型，请参阅我们关于医学研究中回归模型的概述。
提交前如何完成 TRIPOD+AI 检查清单
该指南建议作者提交一份完整的清单，清单中应注明每项内容所在的页码或行号。¹以下步骤适用于已完成的稿件。
- 下载可填写清单 从 TRIPOD 网站下载，并在文件名中保留版本日期。
- 选择 D、E 或两者都选 为了便于研究，请删除不适用的行，如果原因不明显，请说明原因。
- 每行填写一个位置信息使用提交文件中的页码和行号，而不仅仅是章节名称。
- 写出否定答案 对于第 18c、18d、19 和 3c 项，请填写完整，不要留空。如声明未制定任何方案，则符合该项要求。
- 进行一致性传球 比较摘要、方法、结果、表格和图表中的每一项计数、百分比和模型描述。
- 添加置信区间 对每一项主要业绩预测和关键子组预测。
- 请查看摘要 与 TRIPOD+AI for Abstracts 的 13 项列表相反。
- 请查看期刊的使用说明。因为有些要求将清单作为补充材料，而有些则要求将清单作为提交表格的一部分。
基于常规数据构建的预测模型也需要完善的数据准备方案。我们提供的患者再入院数据准备指南（用于预测建模）展示了第 7 项和第 11 项所需的数据准备步骤，而我们关于何时以及如何将机器学习应用于研究的指南则可帮助您判断是否有必要构建灵活的模型。有关临床应用的更广泛背景，请参阅“人工智能在医疗保健领域的应用”。
拟开展研究的项目应首先撰写研究方案，因为第18c项要求说明方案的获取途径。我们的研究方案制定指南提供了一个可供参考的结构，学生可以参考医学论文报告指南，将论文章节与相应的报告规范进行匹配。
提交后，审稿人可能会使用 PROBAST+AI 对您的模型进行评估，该工具可以评估预测模型的质量、偏差风险和适用性。<sup> 3</sup>在撰写论文之前阅读该工具是一种低成本的方式，可以使您的文章得到更严格的审视。您可以在TRIPOD 网站和EQUATOR Network TRIPOD 页面上找到指南系列和检查清单。
Editverse提供的免费研究工具
TRIPOD+AI 报告的专业支持
如果在分析和撰写论文时就考虑到了这份包含 27 项内容的清单，那么按照清单写作就会更加轻松。Editverse 的两项服务直接对应着最耗费作者时间的几项内容。第一项服务涵盖基于开放数据的项目的模型构建和解释，并提供文档化的代码，这些代码用于满足清单中的第 12c、12g 和 18f 项要求。第二项服务涵盖论文本身的实质性编辑和语言润色。Editverse 的编辑和写作支持符合 COPE、ICMJE 和 GPP 2022 的标准，以及您所在机构和国家的伦理要求。
如果您的项目需要的是统计数据而不是机器学习，我们的统计分析服务涵盖测试选择、格式化输出和结果说明。
结语
TRIPOD+AI 清单包含 27 项内容，分布在 52 行中。而现在最重要的几行内容，恰恰是 2015 年版本中从未提及的。我们的示例清晰地展示了这一模式。一篇论文可以详细描述其建模过程，却仍然遗漏置信区间、协议声明、公平性以及部署指南。在规划分析时，请从清单入手；在撰写草稿时，请在每行内容旁边标注位置；并在提交前进行一致性检查。一位能在几分钟内找到所有项目的审稿人，才能将审稿时间真正用于关注您的科研成果。
常見問題解答
TRIPOD+AI 会取代 TRIPOD 2015 吗？
是的。TRIPOD+AI 的作者声明，新版清单已取代 2015 年版清单，后者不应再使用。所有新提交的内容均应遵循 2024 年版清单。
TRIPOD+AI 的检查清单包含多少项？
该清单包含27个编号项目。加上字母子项目，共有52行。其中40个项目适用于开发研究和评估研究，8个项目仅适用于开发研究，4个项目仅适用于评估研究。另有一份包含13个项目的清单，涵盖摘要。
如果我使用逻辑回归而不是机器学习，还需要 TRIPOD+AI 吗？
是的。TRIPOD+AI涵盖使用回归或机器学习方法的预测模型研究，因此逻辑回归风险模型也属于其中之一。
TRIPOD+AI 和 PROBAST+AI 是一样的吗？
不。TRIPOD+AI 是一种报告指南，用于检查论文是否描述了研究内容。PROBAST+AI 是一种评估工具，用于评估偏倚风险和适用性。审稿人和系统评价员会出于不同的目的使用这两种工具。
我是否应该将填妥的清单与稿件一起提交？
该指南建议提交一份完整的清单，列明每项内容所在的页码或行号。许多期刊要求将此清单作为补充材料提交，因此请查看作者须知。
如果某个项目不适用于我的研究怎么办？
标记为“不适用”，并简要说明原因，例如，该结果来自实验室阈值，没有主观评估人员。提供具体原因比留空更好。
哪里可以找到官方的 TRIPOD+AI 设备清单？
官方可填写清单可在 TRIPOD 网站上找到，完整的指南文章已在 BMJ 上以 CC BY 许可开放获取。
案例
- Collins GS、Moons KGM、Dhiman P、Riley RD、Beam AL、Van Calster B 等。TRIPOD+AI 声明：使用回归或机器学习方法的临床预测模型报告指南更新。BMJ。2024;385:e078378。doi:10.1136/bmj-2023-078378。PMID：38626948。 考研, 的PMC.
- Lei J, Zhai J, Zhang Y, Qi J, Sun C. 基于多中心队列研究的监督式机器学习模型在预测脓毒症患者脓毒症相关肝损伤中的应用：开发与验证研究。J Med Internet Res. 2025;27:e66733. doi:10.2196/66733. PMID: 40418571. PMCID: PMC12149780. CC BY 4.0. 考研, 的PMC.
- Moons KGM、Damen JAA、Kaul T、Hooft L、Andaur Navarro C、Dhiman P 等。PROBAST+AI：一种用于评估使用回归或人工智能方法的预测模型的质量、偏倚风险和适用性的最新评估工具。BMJ。2025;388:e082505。doi:10.1136/bmj-2024-082505。PMID：40127903。 的PMC.
- Riley RD、Ensor J、Snell KIE、Harrell FE Jr、Martin GP、Reitsma JB 等。计算开发临床预测模型所需的样本量。BMJ。2020；368：m441。doi：10.1136/bmj.m441。PMID：32188600。 考研.