近年來，人們逐漸認識到臨床大數據的潛在價值，疾病預測模型也開始成為臨床研究的熱點。不同種類疾病的預測模型在個體風險評估中發揮著越來越重要的作用。但由于一直沒有針對疾病預測模型研究的報告規范，相關研究的報告結構和報告質量大多參差不齊。2015 年 BMJ 發表了《Transparent reporting of a multivariable prediction model for individual prognosis or diagnosis（TRIPOD）：the TRIPOD statement》，即 TRIPOD 聲明，對疾病診斷和預后的預測模型研究的報告做了統一的規范。本文就 TRIPOD 聲明的重點內容進行解讀，以期促進理解和使用該報告規范。
引用本文： 曹煜隆, 單嬌, 龔志忠, 匡季秋, 高燕. 個體預后與診斷預測模型研究報告規范—TRIPOD 聲明解讀. 中國循證醫學雜志, 2020, 20(4): 492-496. doi: 10.7507/1672-2531.201912032 復制
1 TRIPOD 報告規范背景
隨著人類基因組計劃的完成及遺傳學、基因組學、蛋白組學等學科發展，精準醫學應運而生，臨床決策進入了新時代。精準醫學針對每個患者的個體特征定制治療方案，根據特定患者對特異性疾病的易感性、特異性療法和預后進行亞群分類，從而采取相應的預防、治療和干預措施[1]。而預測模型的臨床研究符合了精準醫學的研究思維模式，故逐漸成為研究熱點。臨床預測模型常被用來預測某種疾病未來的發病情況，具體來說就是以疾病的多病因為基礎，建立統計模型，用來預測具有某些特征的人群未來發生某種結局事件的概率，預測模型逐步擴展應用到預測疾病的預后情況和疾病診斷中[2]。近些年很多研究都在嘗試建立各種各樣的疾病診斷或預后模型，但這些模型常常沒有經過很好的驗證，論文報告格式不統一，很難得到廣泛地認可。
為規范預測模型的研究方法與報告過程，2013 年由臨床專家、流行病學專家、方法學專家和知名雜志編輯等學者組成協作組，在廣泛文獻綜述的基礎上形成了 129 條篩選條目，隨后經全體專家組討論形成了最終的 22 個條目。2015 年 BMJ 發表了《Transparent reporting of a multivariable prediction model for individual prognosis or diagnosis（TRIPOD）：the TRIPOD statement》[3]，即 TRIPOD 聲明，對疾病診斷和預后的預測模型研究做了統一的報告規范。本課題組向 TRIPOD 協作組申請獲得中文版翻譯權，中文版在 TRIPOD 官方網站發布（網址：https://www.tripod-statement.org/），本文就該聲明的重點內容進行解讀，以期促進理解和使用該報告規范。
2 TRIPOD 報告規范內容
TRIPOD 聲明包括 TRIPOD 清單和 TRIPOD 使用說明[4]，TRIPOD 清單是簡潔的核對清單，而 TRIPOD 使用說明則是對上述清單中具體條目的詳細解讀。TRIPOD 清單分為標題和摘要、前言、方法、結果、討論和其他信息 6 個部分，共包含 22 個條目（表 1）。這 22 個條目對開發、驗證多因素預測模型具有重要作用，其分別對應的內容為：題目及摘要（條目 1 和條目 2）、背景及目的（條目 3）、方法（條目 4～12）和結果（條目 13～17）、討論（條目 18～20）和其他信息（條目 21 和條目 22）。
表1
臨床預測模型建立和驗證研究報告清單
3 TRIPOD 報告規范要點解析
3.1 題目和摘要
為使讀者或系統評價者更有效地檢索到疾病多因素預測模型研究，標題要明確研究處于哪個階段。作者應在標題中體現 4 個主要信息：明確是建立模型還是驗證模型、是診斷模型還是預后模型、目標人群、結局指標。如《Derivation and validation of the surgical site infections risk model using health administrative data》[5]，在題目中明確了該研究為手術部位感染預后模型的開發與驗證研究。
3.2 背景和目的
多因素預測模型可有多種用途，因此作者應當描述模型構建的基本原理、潛在用途和具體臨床背景，并說明是新模型的開發還是現有模型的外部驗證，或者兩者兼而有之。診斷預測模型可用于幫助確定是否對具有某些特征的患者進行更具侵入性的操作或測序實驗。如 Imaizumi 等[6]將尿液中足細胞標記蛋白作為診斷膜性腎病的生物標志物，預后模型可告知患者未來可能的轉歸情況，或幫助判斷后續治療的可能性。Eom 等[7]研究發現胃癌根治術后患者的年齡、腫瘤大小、淋巴侵犯血管深度和轉移性淋巴結是影響總體生存的重要預后因素。故介紹模型建立背景和預期用途為模型使用者選擇適用范圍和可推廣的預測因素提供了理論基礎。
3.3 研究方法
研究方法是 TRIPOD 聲明中最為強調的部分。本文主要介紹數據來源、研究對象、結局指標和預測因素、統計方法 4 個部分。
3.3.1 數據來源
應分別說明研究中建立模型與驗證模型數據的來源，并明確每一節點的時間。診斷預測研究本質上是探討診斷預測因素（患者特征和測試指標結果）與診斷結局（金標準）之間的橫斷面關系。診斷預測因素的測量和結果之間通常有一定的時間間隔，但這個時間間隔應盡可能短，并且在此期間內患者不要接受任何治療。首選的研究設計是針對多因素預測模型設計和構建的前瞻性隊列研究，有充分地把握來確保所有相關的預測因素和結局指標都將被測量，并且會使用最好的方法來測量每個預測因素和結局指標，從而使缺失數據最小化[8, 9]。
3.3.2 研究對象
詳細介紹研究對象的納入與排除標準，以使后續研究者和使用者能夠判斷模型的適用范圍和實用性，并開展驗證模型研究。除納入與排除標準外，不同區域患者特點存在的差異決定了預測模型應用的目標人群特征，會影響預測模型的通用性和準確性；因此，還應報告研究場所的性質、數量和位置[10]。當一個新的人群被納入用于調整或更新已有預測模型時，將會提高模型的可推廣性，即模型將更容易被推廣應用。
3.3.3 結局指標和預測因素
所有結局指標都應該有明確定義。若使用標準定義，例如 Reese 等[11]使用國際疾病分類 ICD-9 代碼對引用進行說明。此外，還應說明結局指標的具體測量方法和時間。由于有些結局指標難以評估或缺乏參考標準，研究人員應仔細考慮哪些信息可用來作為結局指標。預測因素通常包括研究對象的人口學特征、既往病史、體格檢查、疾病特征、檢查結果和治療措施等因素。這是為確保讀者和其他研究者能夠重復研究結果，更重要的是驗證現有預測模型。在許多建立預測模型的研究中，研究人員會收集大量的預測因素進行統計分析，但是預測因素的數量越多，預測模型過度擬合可能性就會越大，而小模型比大模型更容易應用于臨床實踐[12]。因此，在分析之前精簡預測因素數量就顯得十分重要。
3.3.4 統計方法
預測模型研究需通過準確地計算來確定樣本量，并描述缺失數據的處理方法。作者應該明確地介紹在所有分析中每個預測因素是如何處理的。在許多預測模型研究中，可能已經進行了多種不同的分析，但最終只報告了最佳的預測模型[13]，如果驗證模型的數據與建模數據來自相同的群體，這種過度擬合將變得更為明顯[14]。因此作者必須對進行的分析方法提供全面的介紹。如果可能，在補充材料中給出統計分析的完整流程，包括提供用于分析的計算機代碼。當建模數據集和驗證數據集的特征相似時，許多研究者將 2 個數據集進行組合并在組合數據集的基礎上建立新的預測模型。雖然這本身并不是錯誤的做法，但這樣的研究不是一個驗證研究。更新預測模型有幾種方法，這些方法的廣泛性各不相同，更新的重點均在于重新估計的參數數量上，通常情況下，建立和驗證數據集與結果事件的比例不同，導致新數據中原始模型的校準度較差。更為適用地更新方法不同于通過單一重新校準因子、調整特定預測因素的權重或添加新的預測因素來重新估計所有單個回歸系數調整所有預測因素的權重[15]。當模型預測精度較低時，研究者可能會簡單地舍棄現有模型，并利用驗證數據集重新構建模型，甚至開發一個全新的模型。盡管開發一個全新的模型較為簡便，但是并不推薦針對相同結局指標或同一目標人群開發全新的預測模型[16]。首先，針對時間、醫院、國家或環境建立不同的模型使預測模型具有局限性；其次，醫務人員將很難決定在他們的實踐中使用哪種模型；第三，驗證研究通常比相應的建模研究包含更少的個體，這使得新模型更容易被過度擬合，甚至可能比原始模型更難以推廣。
3.4 結果
3.4.1 入組人群的確定
描述研究對象納入研究過程，包括有、無結局研究對象數量及隨訪情況。對于讀者來說，了解研究入組人群的來源，包括他們是如何從一個更大初始人群中挑選出來的，這些信息對于判斷預測模型是否可被驗證或應用范圍是至關重要的。雖然研究對象入組流程可在文本或表格中給出，但流程圖是一種很有價值的方式，用于闡明模型是在哪些樣本中開發或驗證的；還可在圖中包含其他信息，如研究對象失訪數量和結局指標缺失的患者數量。明確描述研究對象相關特征的分布情況（患病率、均值、標準差或中位數、四分位數間距）對于判斷研究的背景非常重要。若只報道研究的納入標準存在不足，理想情況下還應描述所有預測因素和結局指標等重要變量。
3.4.2 模型報告規范
提供可對個體進行預測的完整預測模型，對于二分類的結局，應報告回歸系數、模型截距、給定時間點的基線生存率與 OR 值等，有可能還需要報告置信區間。對于縱向時間研究使用半參數的 Cox 回歸模型，應該報告模型中每個預測因素的回歸系數或 HR 值，及它們的置信區間。為評估個體在特定時間點的結局發生概率，作者應該報告 1 個或更多臨床時間點的累積基線危險。為實現個性化的預測，作者應該解釋如何使用開發的模型來獲得個人的預測結局概率或風險，預測模型通常以 Nomogram 列線圖的形式呈現[17]。此外，一個好的預測模型，能夠把人群根據未來發病風險的高低正確地區分開來。預測模型通過設置一定的風險界值，將高于界值判斷為發病，低于界值判斷為未發病，從而區分個體未來是否發生結局事件。這就是模型的區分度，通常可通過 C 指數、凈重新分類指數（net reclassification improvement，NRI）與綜合判別改善指數（integrated discrimination improvement，IDI）來表示[18]。預測模型的校準度是評價模型預測未來某個個體發生結局事件概率的重要指標，它反映了預測風險與實際發生風險的一致程度。校準度越好提示預測模型的準確性越高，可通過進行 Hosmer-Lemeshow 檢驗（擬合優度檢驗）或繪制 Calibration plot 校準圖來表示。
3.5 討論和其他信息
即使是經過精心設計的預測模型研究也可能有很多局限性需要考慮。研究設計、實施或分析的任何方面都可能存在局限性，明確并承認局限性是科學工作的關鍵方面，也是科學論文討論中最有價值的部分之一。當研究提出對現有模型進行驗證時，應該清楚地討論當前驗證的模型是否與以前開發的模型相同，或者是否有任何差異。當驗證研究顯示出不同效能時，應該討論分析可能的原因。當針對相同的目標人群或結局有許多可用的預測模型時，結合研究目的、局限性，將現有模型與既往開發的模型進行系統比較，將有助于確定新模型的優缺點。此外，應對研究結果進行總體討論，提出對未來研究的啟示，最后作者應說明為開展研究而獲得的所有資金來源，并說明資助者在研究的設計、實施、分析和報告中所發揮的作用。
4 討論
模型必須要有明確目的，以改善臨床實踐，許多預測模型建立往往是基于單中心大樣本的數據。模型在建立時應該選用在未來真實應用場景中的研究對象數據來建模，且模型建立時應該包括可用來預測該結局的所有變量，同時要求這些變量能夠被清晰穩定地測量，即短時間內多次測量結果間不會發生大變化。預測模型在建模的數據中表現良好，而換一批數據后預測的準確性不高，這是因為預測模型是建模數據擬合，其在建模數據中表現良好，但若換到實際模型應用場景中，患者年齡、性別、患病率和疾病嚴重程度等通常與建模樣本不同。因此，疾病預測模型建立后需要在不同臨床數據庫中進行驗證，方可使用。Siontis 等[19]研究顯示在 118 個疾病預測模型中僅有 10 個預測工具在不同人群中被重復研究了 4 次及以上，而在這 10 個工具中僅有 1 個工具在不同數據庫中預測結果一致。
TRIPOD 聲明旨在改善預測模型研究報告質量，可供預測模型開發、驗證和更新研究報告者、編輯和同行評議者、評估研究報告質量讀者使用。但 TRIPOD 聲明并未具體描述如何開展預測模型開發、驗證或更新研究，不能作為定量或定性的質量評估工具。該聲明鼓勵作者結合自身研究特點采用恰當順序撰寫論文。近年來，國內相關預測模型研究逐漸增多，但研究質量相對較低，存在研究方法缺陷、報告不完整等問題，建議國內學者遵循 TRIPOD 聲明規范研究方法和報告流程，提高報告質量。
1 TRIPOD 報告規范背景
隨著人類基因組計劃的完成及遺傳學、基因組學、蛋白組學等學科發展，精準醫學應運而生，臨床決策進入了新時代。精準醫學針對每個患者的個體特征定制治療方案，根據特定患者對特異性疾病的易感性、特異性療法和預后進行亞群分類，從而采取相應的預防、治療和干預措施[1]。而預測模型的臨床研究符合了精準醫學的研究思維模式，故逐漸成為研究熱點。臨床預測模型常被用來預測某種疾病未來的發病情況，具體來說就是以疾病的多病因為基礎，建立統計模型，用來預測具有某些特征的人群未來發生某種結局事件的概率，預測模型逐步擴展應用到預測疾病的預后情況和疾病診斷中[2]。近些年很多研究都在嘗試建立各種各樣的疾病診斷或預后模型，但這些模型常常沒有經過很好的驗證，論文報告格式不統一，很難得到廣泛地認可。
為規范預測模型的研究方法與報告過程，2013 年由臨床專家、流行病學專家、方法學專家和知名雜志編輯等學者組成協作組，在廣泛文獻綜述的基礎上形成了 129 條篩選條目，隨后經全體專家組討論形成了最終的 22 個條目。2015 年 BMJ 發表了《Transparent reporting of a multivariable prediction model for individual prognosis or diagnosis（TRIPOD）：the TRIPOD statement》[3]，即 TRIPOD 聲明，對疾病診斷和預后的預測模型研究做了統一的報告規范。本課題組向 TRIPOD 協作組申請獲得中文版翻譯權，中文版在 TRIPOD 官方網站發布（網址：https://www.tripod-statement.org/），本文就該聲明的重點內容進行解讀，以期促進理解和使用該報告規范。
2 TRIPOD 報告規范內容
TRIPOD 聲明包括 TRIPOD 清單和 TRIPOD 使用說明[4]，TRIPOD 清單是簡潔的核對清單，而 TRIPOD 使用說明則是對上述清單中具體條目的詳細解讀。TRIPOD 清單分為標題和摘要、前言、方法、結果、討論和其他信息 6 個部分，共包含 22 個條目（表 1）。這 22 個條目對開發、驗證多因素預測模型具有重要作用，其分別對應的內容為：題目及摘要（條目 1 和條目 2）、背景及目的（條目 3）、方法（條目 4～12）和結果（條目 13～17）、討論（條目 18～20）和其他信息（條目 21 和條目 22）。
表1
臨床預測模型建立和驗證研究報告清單
3 TRIPOD 報告規范要點解析
3.1 題目和摘要
為使讀者或系統評價者更有效地檢索到疾病多因素預測模型研究，標題要明確研究處于哪個階段。作者應在標題中體現 4 個主要信息：明確是建立模型還是驗證模型、是診斷模型還是預后模型、目標人群、結局指標。如《Derivation and validation of the surgical site infections risk model using health administrative data》[5]，在題目中明確了該研究為手術部位感染預后模型的開發與驗證研究。
3.2 背景和目的
多因素預測模型可有多種用途，因此作者應當描述模型構建的基本原理、潛在用途和具體臨床背景，并說明是新模型的開發還是現有模型的外部驗證，或者兩者兼而有之。診斷預測模型可用于幫助確定是否對具有某些特征的患者進行更具侵入性的操作或測序實驗。如 Imaizumi 等[6]將尿液中足細胞標記蛋白作為診斷膜性腎病的生物標志物，預后模型可告知患者未來可能的轉歸情況，或幫助判斷后續治療的可能性。Eom 等[7]研究發現胃癌根治術后患者的年齡、腫瘤大小、淋巴侵犯血管深度和轉移性淋巴結是影響總體生存的重要預后因素。故介紹模型建立背景和預期用途為模型使用者選擇適用范圍和可推廣的預測因素提供了理論基礎。
3.3 研究方法
研究方法是 TRIPOD 聲明中最為強調的部分。本文主要介紹數據來源、研究對象、結局指標和預測因素、統計方法 4 個部分。
3.3.1 數據來源
應分別說明研究中建立模型與驗證模型數據的來源，并明確每一節點的時間。診斷預測研究本質上是探討診斷預測因素（患者特征和測試指標結果）與診斷結局（金標準）之間的橫斷面關系。診斷預測因素的測量和結果之間通常有一定的時間間隔，但這個時間間隔應盡可能短，并且在此期間內患者不要接受任何治療。首選的研究設計是針對多因素預測模型設計和構建的前瞻性隊列研究，有充分地把握來確保所有相關的預測因素和結局指標都將被測量，并且會使用最好的方法來測量每個預測因素和結局指標，從而使缺失數據最小化[8, 9]。
3.3.2 研究對象
詳細介紹研究對象的納入與排除標準，以使后續研究者和使用者能夠判斷模型的適用范圍和實用性，并開展驗證模型研究。除納入與排除標準外，不同區域患者特點存在的差異決定了預測模型應用的目標人群特征，會影響預測模型的通用性和準確性；因此，還應報告研究場所的性質、數量和位置[10]。當一個新的人群被納入用于調整或更新已有預測模型時，將會提高模型的可推廣性，即模型將更容易被推廣應用。
3.3.3 結局指標和預測因素
所有結局指標都應該有明確定義。若使用標準定義，例如 Reese 等[11]使用國際疾病分類 ICD-9 代碼對引用進行說明。此外，還應說明結局指標的具體測量方法和時間。由于有些結局指標難以評估或缺乏參考標準，研究人員應仔細考慮哪些信息可用來作為結局指標。預測因素通常包括研究對象的人口學特征、既往病史、體格檢查、疾病特征、檢查結果和治療措施等因素。這是為確保讀者和其他研究者能夠重復研究結果，更重要的是驗證現有預測模型。在許多建立預測模型的研究中，研究人員會收集大量的預測因素進行統計分析，但是預測因素的數量越多，預測模型過度擬合可能性就會越大，而小模型比大模型更容易應用于臨床實踐[12]。因此，在分析之前精簡預測因素數量就顯得十分重要。
3.3.4 統計方法
預測模型研究需通過準確地計算來確定樣本量，并描述缺失數據的處理方法。作者應該明確地介紹在所有分析中每個預測因素是如何處理的。在許多預測模型研究中，可能已經進行了多種不同的分析，但最終只報告了最佳的預測模型[13]，如果驗證模型的數據與建模數據來自相同的群體，這種過度擬合將變得更為明顯[14]。因此作者必須對進行的分析方法提供全面的介紹。如果可能，在補充材料中給出統計分析的完整流程，包括提供用于分析的計算機代碼。當建模數據集和驗證數據集的特征相似時，許多研究者將 2 個數據集進行組合并在組合數據集的基礎上建立新的預測模型。雖然這本身并不是錯誤的做法，但這樣的研究不是一個驗證研究。更新預測模型有幾種方法，這些方法的廣泛性各不相同，更新的重點均在于重新估計的參數數量上，通常情況下，建立和驗證數據集與結果事件的比例不同，導致新數據中原始模型的校準度較差。更為適用地更新方法不同于通過單一重新校準因子、調整特定預測因素的權重或添加新的預測因素來重新估計所有單個回歸系數調整所有預測因素的權重[15]。當模型預測精度較低時，研究者可能會簡單地舍棄現有模型，并利用驗證數據集重新構建模型，甚至開發一個全新的模型。盡管開發一個全新的模型較為簡便，但是并不推薦針對相同結局指標或同一目標人群開發全新的預測模型[16]。首先，針對時間、醫院、國家或環境建立不同的模型使預測模型具有局限性；其次，醫務人員將很難決定在他們的實踐中使用哪種模型；第三，驗證研究通常比相應的建模研究包含更少的個體，這使得新模型更容易被過度擬合，甚至可能比原始模型更難以推廣。
3.4 結果
3.4.1 入組人群的確定
描述研究對象納入研究過程，包括有、無結局研究對象數量及隨訪情況。對于讀者來說，了解研究入組人群的來源，包括他們是如何從一個更大初始人群中挑選出來的，這些信息對于判斷預測模型是否可被驗證或應用范圍是至關重要的。雖然研究對象入組流程可在文本或表格中給出，但流程圖是一種很有價值的方式，用于闡明模型是在哪些樣本中開發或驗證的；還可在圖中包含其他信息，如研究對象失訪數量和結局指標缺失的患者數量。明確描述研究對象相關特征的分布情況（患病率、均值、標準差或中位數、四分位數間距）對于判斷研究的背景非常重要。若只報道研究的納入標準存在不足，理想情況下還應描述所有預測因素和結局指標等重要變量。
3.4.2 模型報告規范
提供可對個體進行預測的完整預測模型，對于二分類的結局，應報告回歸系數、模型截距、給定時間點的基線生存率與 OR 值等，有可能還需要報告置信區間。對于縱向時間研究使用半參數的 Cox 回歸模型，應該報告模型中每個預測因素的回歸系數或 HR 值，及它們的置信區間。為評估個體在特定時間點的結局發生概率，作者應該報告 1 個或更多臨床時間點的累積基線危險。為實現個性化的預測，作者應該解釋如何使用開發的模型來獲得個人的預測結局概率或風險，預測模型通常以 Nomogram 列線圖的形式呈現[17]。此外，一個好的預測模型，能夠把人群根據未來發病風險的高低正確地區分開來。預測模型通過設置一定的風險界值，將高于界值判斷為發病，低于界值判斷為未發病，從而區分個體未來是否發生結局事件。這就是模型的區分度，通常可通過 C 指數、凈重新分類指數（net reclassification improvement，NRI）與綜合判別改善指數（integrated discrimination improvement，IDI）來表示[18]。預測模型的校準度是評價模型預測未來某個個體發生結局事件概率的重要指標，它反映了預測風險與實際發生風險的一致程度。校準度越好提示預測模型的準確性越高，可通過進行 Hosmer-Lemeshow 檢驗（擬合優度檢驗）或繪制 Calibration plot 校準圖來表示。
3.5 討論和其他信息
即使是經過精心設計的預測模型研究也可能有很多局限性需要考慮。研究設計、實施或分析的任何方面都可能存在局限性，明確并承認局限性是科學工作的關鍵方面，也是科學論文討論中最有價值的部分之一。當研究提出對現有模型進行驗證時，應該清楚地討論當前驗證的模型是否與以前開發的模型相同，或者是否有任何差異。當驗證研究顯示出不同效能時，應該討論分析可能的原因。當針對相同的目標人群或結局有許多可用的預測模型時，結合研究目的、局限性，將現有模型與既往開發的模型進行系統比較，將有助于確定新模型的優缺點。此外，應對研究結果進行總體討論，提出對未來研究的啟示，最后作者應說明為開展研究而獲得的所有資金來源，并說明資助者在研究的設計、實施、分析和報告中所發揮的作用。
4 討論
模型必須要有明確目的，以改善臨床實踐，許多預測模型建立往往是基于單中心大樣本的數據。模型在建立時應該選用在未來真實應用場景中的研究對象數據來建模，且模型建立時應該包括可用來預測該結局的所有變量，同時要求這些變量能夠被清晰穩定地測量，即短時間內多次測量結果間不會發生大變化。預測模型在建模的數據中表現良好，而換一批數據后預測的準確性不高，這是因為預測模型是建模數據擬合，其在建模數據中表現良好，但若換到實際模型應用場景中，患者年齡、性別、患病率和疾病嚴重程度等通常與建模樣本不同。因此，疾病預測模型建立后需要在不同臨床數據庫中進行驗證，方可使用。Siontis 等[19]研究顯示在 118 個疾病預測模型中僅有 10 個預測工具在不同人群中被重復研究了 4 次及以上，而在這 10 個工具中僅有 1 個工具在不同數據庫中預測結果一致。
TRIPOD 聲明旨在改善預測模型研究報告質量，可供預測模型開發、驗證和更新研究報告者、編輯和同行評議者、評估研究報告質量讀者使用。但 TRIPOD 聲明并未具體描述如何開展預測模型開發、驗證或更新研究，不能作為定量或定性的質量評估工具。該聲明鼓勵作者結合自身研究特點采用恰當順序撰寫論文。近年來，國內相關預測模型研究逐漸增多，但研究質量相對較低，存在研究方法缺陷、報告不完整等問題，建議國內學者遵循 TRIPOD 聲明規范研究方法和報告流程，提高報告質量。
