临床预测模型投稿，TRIPOD+AI应重点核对什么？

临床预测模型论文写了“使用人工智能，AUC 为 0.89”，仍不足以让编辑判断模型能否在目标人群中使用。TRIPOD+AI 是针对诊断或预后预测模型开发、表现评价的报告指南，覆盖回归模型与机器学习方法。投稿前使用它的重点，是把数据、模型构建、评价、适用人群和开放材料交代到可检查的程度，而不是在文章末尾补上“符合指南”的一句话。

先说清论文究竟开发还是评价模型

同样叫“验证”，团队里可能有人指调参时用的验证集，有人指训练完成后估计表现的测试数据。TRIPOD+AI 特别区分用于模型训练或参数选择的数据，和用于估计模型表现的评价数据。稿件应写出各数据集来自哪里、时间与机构是否重叠、每一步分别承担什么任务。若一个人有多次就诊记录，还要检查是否把同一人的记录分到了训练和评价两侧，导致表面表现偏高。

例如研究利用甲医院数据开发败血症风险模型，又用乙医院数据评价，不能只写“外部验证”。读者需要知道乙医院的入组规则、结局定义、预测变量获得时点，和甲医院是否一致。若乙医院样本排除了信息不全者，这也会改变被评价的人群。稿件里画一张数据流程图，比零散地把样本数放在方法和补充表更容易发现前后不一致。

让模型与评价结果能够被复查

指南要求说明数据预处理、缺失值处理、模型类型与构建步骤、超参数调整、内部验证，以及性能评价方法。若使用一个黑箱分类器，也不能以“默认参数”概括所有关键选择。至少要说明预测变量、预处理是在何处拟合、筛选步骤是否只使用训练数据，以及最终模型如何应用于评价集。若临床上要根据某个风险阈值采取行动，仅给出整体 AUC 仍不足以说明决策表现；应报告相应校准和可能的临床效用，并解释阈值依据。

TRIPOD+AI 同时提醒作者考虑模型对不同群体的表现与公平性。稿件不必为了填表而强行制造没有能力支持的亚组结论，但需要说明哪些群体被纳入，是否做过相关评价，结果的限制是什么。某个年龄组样本很少时，与其宣称“算法对各年龄都可靠”，不如清楚报告不确定性和样本覆盖的边界。

清单不替代研究记录与目标刊要求

官方论文给出二十七项主清单，并有摘要专用项目。团队可以把清单分给数据、方法和临床作者分别核对，但最终须由通讯作者检查主文、图表、补充材料与模型版本一致。清单页码应指向读者实际能找到的段落；如果一个项目没有做，要在论文中说清原因和影响，不能在表格中写“已报告”掩盖缺口。

投稿前还应查看目标期刊是否对代码、模型文件、数据访问或伦理声明另有要求。报告指南提高透明度，但不会替模型完成独立评价，也不能把一个只在单院数据上测试的模型直接变成可推广工具。把研究实际做到的部分讲清，编辑才有条件判断结果对目标读者的价值。