外部验证缺少关键预测因子，模型性能怎样如实报告？

开发医院的预测模型需要术前血清指标和影像分级，外部医院却常规只做影像，没有那项血检。研究者若把缺少的指标一律填为正常，再称“外部验证成功”，实际上评估的是一个被临时改写的模型。外部验证首先要检查模型在目标场景是否可实施；关键预测因子拿不到时，应说明缺失范围、原因和预定处理策略，而不是把不完整输入包装成原模型的独立表现。

先拿到开发论文、模型代码或计算表，逐项核对预测因子定义、测量时点、单位、类别编码和标准化参数。评价原模型时，应按其固定输入和计算规则给新患者生成预测，再与观察结局比较。TRIPOD+AI要求明确模型输入、数据来源及评价过程；预测因子缺失既是数据质量问题，也可能是部署可行性问题。另一医院没有这项检测，不等于随机遗漏几个数值，而可能是整个人群都不可算原模型。

先弄清这项血检是偶尔漏了，还是整家医院都不做。偶然漏填的个别患者、某段时间尚未上新检测项目、整家中心从未采集该指标，三种机制对应不同可推广性。列表给每项预测因子的可用人数、缺失原因和与结局相关的可见特征。若只在“资料齐全者”中评估，需说明这部分人是否代表目标使用人群。不能简单说完整病例数够大，就跳过选择性缺失的可能。

若开发者事先规定缺失输入的处理，例如固定替代值或按可获取变量推断，外部验证应优先按原规定实施并原样报告。若没有预设策略，可将完整病例评估作为受限主结果，同时探索合适的缺失处理，但要清楚区分“固定原模型的验证”和“重新设计输入流程后的研究”。BMJ关于外部验证的原始方法文章指出，预测因子缺失的处理仍是研究难点；不能把任何一种填补称为普遍正确。

尤其别看过外部结局后，再挑最能提高性能的填补办法。若比较十种替代办法后挑性能最好的一个，外部集已经参与方法选择，最后报出的性能不再是独立的最终评估。需要比较时，先预设方案或另留最终评估数据；记录每种方案覆盖的患者数和事件数。对于整家医院从不测的预测因子，可能更诚实的结论是“原模型无法按现有流程实施”，而不是继续给全部患者制造一个平均值。

结果表应并列可计算比例、完整病例的区分度和校准度，以及缺失处理敏感性分析。若性能好但只覆盖少数条件最好的患者，摘要不能笼统写“适用于外部医院”。旧库存文章关注开发集与验证集是否有同一患者，本篇关心的是独立患者有无原模型所需输入；两种核查都要做，且不能互相替代。

交稿前随机抽查一例没有血检的患者，追踪其预测值是空、来自预设替代规则，还是分析者临时填写；再核对模型版本和标准化参数有没有被外部数据重新拟合。读者需要分辨真正验证了什么：原模型、附带缺失处理规则的模型，还是一个新建的简化模型。只有名字相同，不能证明它们是同一项验证。