临床上《预测模型透明报告规范》（TRIPOD）与《预测模型偏倚风险及适用性评价工具》（PROBAST）的国际标准

TRIPOD与PROBAST在预测模型中的应用

原创于 2025-11-10 18:56:02 发布 · 382 阅读

CC 4.0 BY-SA版权

文章标签：

48 篇文章

订阅专栏

ModelEngine·创作计划征文活动 10w+人浏览 1.5k人参与

TRIPOD 2015（基础版）：2015年由11家国际期刊联合发布，针对传统回归模型，含22个主条目（37个子条目），覆盖标题、摘要、前言、方法、结果、讨论6部分，确保预测模型报告的完整性与可重复性。
TRIPOD+AI（2024年更新）：适配AI/机器学习模型（如随机森林、支持向量机），条目增至27个主条目（52个子条目），新增“开放科学”“患者公众参与”模块，要求报告数据溯源、模型超参数、验证方法（如交叉验证）。
TRIPOD-LLM（2025年更新）：首个针对大语言模型（LLM）的专项指南，含19个主条目（50个子条目），分“基础模块（通用）”和“扩展模块（LLM特有，如提示工程、多模态）”，强制披露伦理审查、公平性验证、人类监督机制。

关键条目：标题需明确研究类型（开发/验证）、目标人群、结局；方法部分需详述数据来源（如CLHLS数据库）、样本量、变量处理（缺失值插补、特征筛选）、模型验证（内部/外部）；结果需报告模型区分度（AUC）、校准度（H-L检验）。
适用场景：所有个体预后/诊断预测模型（回归、机器学习、LLM），含模型开发、验证、更新研究（如开题报告中“老年脑卒中患者社会衰弱预测模型”构建）。

PROBAST 2019（基础版）：2019年发布，针对传统回归模型，从4个领域（研究对象、预测因子、结局、分析） 设20个“信号问题”，评估偏倚风险（低/高/不清楚）与适用性。
PROBAST+AI（2025年更新）：适配AI/机器学习模型，分“模型开发”（16个问题，评质量）和“模型评估”（18个问题，评偏倚风险），仍保留4大领域，新增AI特有评估（如数据偏见修正、模型可解释性）。

评估步骤：①明确研究目的（如预测老年脑卒中患者社会衰弱）；②分类研究类型（开发/验证）；③逐领域评价（如“数据来源”需判断样本代表性，“分析”需判断是否过拟合）；④综合判定整体偏倚与适用性。
关键关注点：AI模型需额外评估数据质量（如是否存在性别/地域偏倚）、模型优化过程（如超参数调优透明度）、外部验证一致性（如开题报告中社区人群外部验证）。

互补性：TRIPOD聚焦“如何报告”（透明化），PROBAST聚焦“如何评价”（质量与偏倚），共同保障预测模型的可靠性与临床适用性。
实践价值：如开题报告中“老年脑卒中患者社会衰弱预测模型”，需按TRIPOD+AI报告数据处理（多重插补）、模型算法（5种机器学习）、验证方法（十折交叉验证+外部验证）；按PROBAST+AI评估数据代表性（CLHLS数据库覆盖广）、模型偏倚（避免过拟合），最终提升模型临床转化价值。