Escopo da Diretriz
Matriz de relato de modelos de predição clínica desenvolvidos ou validados com aprendizado de máquina, incluindo a extensão para modelos de linguagem. Cobre fonte de dados, separação treino/validação, calibração, discriminação, equidade entre subgrupos e disponibilidade de código.
- Tipologia
- Diretriz Científica
- Macro-cluster
- Síntese de Evidências e Pesquisa Clínica
- Subcluster
- TRIPOD +AI (2024) / LLM
- Nível de implementação
- Checklist
- Público-alvo
- Pesquisadores, pós-graduandos e docentes
- Rigor
- Rede EQUATOR
Diretriz de relato (Rede EQUATOR)
Checklist e Domínios da Diretriz
1. Título e Resumo
Identificar desenvolvimento, validação ou ambos, e a natureza preditiva do modelo.
- O título identifica desenvolvimento, validação ou ambos. (TRIPOD+AI, item 1)
2. Contexto e Objetivos
Explicar o contexto clínico, o uso pretendido do modelo e a população-alvo.
- O uso clínico pretendido e a população-alvo estão declarados. (TRIPOD+AI, item 3b)
3. Fonte de Dados e Participantes
Descrever origem dos dados, período, elegibilidade e cenário.
- A fonte de dados e o período estão descritos. (TRIPOD+AI, item 5a)
4. Preditores e Desfecho
Definir preditores candidatos e o desfecho predito, com cegamento na aferição.
- Os preditores candidatos estão definidos. (TRIPOD+AI, item 7a)
- A aferição do desfecho é cega aos preditores. (TRIPOD+AI, item 6b)
5. Tamanho Amostral e Dados Faltantes
Justificar o tamanho da amostra e descrever o tratamento de dados faltantes.
- O tratamento de dados faltantes está descrito. (TRIPOD+AI, item 9)
6. Desenvolvimento do Modelo
Descrever o algoritmo, a seleção de variáveis e os hiperparâmetros.
- O algoritmo e os hiperparâmetros estão descritos. (TRIPOD+AI, item 10a)
7. Validação e Separação de Dados
Descrever a separação treino/validação/teste e a validação interna ou externa.
- A separação entre treino, validação e teste está descrita. (TRIPOD+AI, item 10b)
8. Desempenho: Discriminação e Calibração
Reportar medidas de discriminação e de calibração.
- A discriminação é reportada com precisão. (TRIPOD+AI, item 15a)
- A calibração é reportada. (TRIPOD+AI, item 15b)
9. Equidade entre Subgrupos
Avaliar o desempenho em subgrupos relevantes e discutir viés algorítmico.
- O desempenho em subgrupos relevantes é avaliado. (TRIPOD+AI, item 16 (equidade))
10. Disponibilidade do Modelo e do Código
Informar acesso ao modelo completo, ao código e aos dados.
- Modelo e código são localizáveis. (TRIPOD+AI, item 19)
11. Ética e Governança de Dados
Documentar aprovação ética e base legal para uso dos dados de saúde.
- Aprovação ética e base legal do uso dos dados estão documentadas. (TRIPOD+AI, item 20 + LGPD art. 11)
12. Evidence Gate
Este protocolo tem 13 slots de evidência, dos quais 13 são bloqueantes. Um slot bloqueante só é aceito com confiança igual ou superior a 0.85; abaixo disso o item volta ao autor co…
Conteúdo aprofundado disponível para assinantes PaperClic Pro.
Garantir acesso prioritárioDicas de Especialistas & Alertas de Bancas
Grafo de Conhecimento & Tópicos Conectados
6 saídas • 0 entradasPré-requisitos
Pertence a
Ferramentas
Referências Bibliográficas Auditadas
Consulte a diretriz oficial em https://www.tripod-statement.org/.
Acessar
Comitê Científico PaperClic — Tecaless Technologies LTDA. Verificação de originalidade e integridade de citações aplicada.