预测模型系统综述投稿，TRIPOD-SRMA为何要分开验证类型？

一篇综述收集了几十个预测模型，摘要说“模型总体预测性能良好”。可其中有的是开发研究的内部验证，有的是另一医院的外部验证；有人报告区分度，有人只报校准。把这些数字直接求平均，会让读者误以为所有研究回答同一问题。TRIPOD-SRMA 是预测模型系统综述的报告指南，投稿时要把模型、验证情境和性能指标分开梳理。

先定义综述比较的对象

研究问题可关注某疾病领域有哪些模型，也可关注某个具体模型在多项外部验证中的表现。纳入标准应说清目标人群、预测时间范围、结局、模型类型以及接受哪些开发或验证研究。模型名称相同不代表版本相同：预测变量、系数、阈值或结局定义被修改后，应记录版本。若多个论文来自同一队列，检查数据是否重复，避免把一次验证当作独立证据多次计入。

提取表至少区分模型开发、内部验证和外部验证，列出样本来源、事件数、缺失处理、预测变量和性能指标。区分度如曲线下面积，不能代替校准；一个模型可能能给人排序，却系统性高估风险。校准截距、斜率和图的报告方式不同，若资料不足以量化合并，就叙述呈现，别强行造出一个总数。对决策曲线等临床效用资料也要说明是否存在以及计算条件。

让合并有可比较的前提

若计划合并性能指标，应说明指标定义、估计误差、验证人群及预测时距如何保持一致。开发样本中的乐观性能与独立外部验证结果不能放在同一池中平均。预设异质性来源，例如疾病严重程度、基线风险、医院层级、模型版本和结局判定方式。风险偏倚评估要针对研究的模型开发或验证过程，不能只依据文章是否报告了某项统计量。

结果部分可用矩阵列出每个模型在哪些人群被验证、报告了哪些指标、证据量和主要局限。若只有一项小样本外部验证，不宜称模型“已广泛验证”；若不同地区表现分散，也不能用平均值掩盖部署风险。讨论应回到应用场景，说明当前资料能支持筛选候选模型、进一步验证，还是足以考虑实际使用。

提交前逐项对照指南

按 TRIPOD-SRMA 核对检索、筛选、模型识别、资料提取、偏倚、合并方法和结论边界。把模型名称与版本、验证类型、时间范围和指标定义做成内部索引，再检查摘要与正文是否一致。对于没有做荟萃分析的系统综述，也应透明说明为何不合并。报告清楚证据结构，读者才知道“性能好”究竟在什么人群和哪种验证条件下成立。