Dobierz właściwe ramy do pytania

Po zrekonstruowaniu badania ramy raportowania lub oceny ryzyka błędu systematycznego mogą ułatwić odnajdywanie pominięć. Nie wykonają jednak rekonstrukcji za czytelnika. Wypełniona lista kontrolna nie może też dowieść, że standard referencyjny był prawidłowy, zbiór testowy pozostał nietknięty, model ma charakter przyczynowy ani że jego stosowanie poprawia opiekę. Ramy są perspektywami nakładanymi na badanie, a nie zamiennikami dowodów.

Kompletność nie jest dowodem

Trzy pytania często sprowadza się do jednego. Raportowanie pyta, czy artykuł ujawnił informacje potrzebne do zrozumienia i odtworzenia projektu. Ryzyko błędu systematycznego pyta, w jaki sposób projekt lub analiza mogą systematycznie zniekształcać wynik. Obliczenia pytają, czy definicję liczbową można spójnie zaimplementować i sprawdzić względem referencji. Element raportowania może być obecny, choć decyzja leżąca u jego podstaw nadal jest obciążona błędem systematycznym. Odtwarzalne obliczenie cechy może nadal być słabym pomiarem zamierzonej biologii. Model predykcyjny o niskim ryzyku błędu systematycznego może nadal nie mieć użyteczności decyzyjnej.

Różne narzędzia odpowiadają na różne pytania

Rodzaj badania określa, które perspektywy są istotne. CLAIM służy jako perspektywa raportowania badań modeli AI w obrazowaniu medycznym, takich jak klasyfikacja, segmentacja i rekonstrukcja. TRIPOD+AI jest perspektywą raportowania klinicznych modeli predykcyjnych, w tym modeli zbudowanych z użyciem uczenia maszynowego. PROBAST+AI jest perspektywą oceny ryzyka błędu systematycznego w modelach predykcyjnych. CLEAR stanowi perspektywę raportowania radiomiki klinicznej. IBSI dotyczy definicji i obliczania cech oraz filtrów radiomicznych, dzięki czemu implementację można porównać z definicjami i wartościami referencyjnymi.

Role te mogą się pokrywać, nie stając się wymienne. Klasyfikator głębokiego uczenia działający na obrazach medycznych, który przedstawiono także jako diagnostyczny model predykcyjny, może wymagać CLAIM i TRIPOD+AI jako uzupełniających się perspektyw raportowania oraz PROBAST+AI do oceny ryzyka błędu systematycznego modelu predykcyjnego. W badaniu radiomicznym należy zastosować perspektywę raportowania właściwą dla radiomiki, zamiast traktować CLAIM jako podstawową listę kontrolną dla tej dziedziny. IBSI może uczynić obliczanie cech łatwiejszym do skontrolowania, ale nie wykazuje prawidłowości kohorty, użyteczności klinicznej ani braku błędu systematycznego.

Dopasuj badanie do właściwych perspektyw

Pytanie dotyczące artykułu	Użyteczna perspektywa	Co pomaga ujawnić	Czego nie może wykazać
Czy praca nad modelem AI w obrazowaniu medycznym została wystarczająco opisana?	CLAIM	pominięcia dotyczące danych, modelu, ewaluacji i implementacji	że model jest wolny od błędu systematycznego lub użyteczny klinicznie
Czy kliniczny model predykcyjny został wystarczająco opisany?	TRIPOD+AI	raportowanie celu, predyktorów, wyniku, brakujących danych, walidacji, kalibracji i użyteczności	efektu przyczynowego lub udanego wdrożenia
Czy wynik predykcyjny może systematycznie wprowadzać w błąd?	PROBAST+AI	zagrożenia związane z uczestnikami, predyktorami, wynikiem, analizą i walidacją	wszystkich obliczeń i skrótów uczenia swoistych dla obrazowania
Czy kliniczne badanie radiomiczne opisano wystarczająco?	CLEAR	szczegóły akwizycji, segmentacji, cech, analizy i raportowania	że cecha ma znaczenie biologiczne lub jest użyteczna
Czy obliczenie cechy radiomicznej można porównać między implementacjami?	IBSI	definicje matematyczne, filtry, ustawienia i obliczenia referencyjne	prawidłowości pytania klinicznego lub kohorty pacjentów

Nazwy, wydania, liczby pozycji, rekomendacje i aktualne odsyłacze do tych zasobów są zmiennymi informacjami referencyjnymi. Należą do utrzymywanego internetowego materiału towarzyszącego i podczas oceny artykułu należy je sprawdzać w aktualnym źródle publicznym. Nie powinny stanowić podstawy stabilnego twierdzenia w manuskrypcie wyłącznie dlatego, że dane wydanie było dostępne w chwili pisania.

Dobieraj dowody do pytania

Dowody również tworzą hierarchię zależną od pytania. Standard normatywny jest właściwym źródłem rozstrzygającym dla definicji technicznej lub kontraktu obliczeniowego. Oryginalny, recenzowany pełny tekst jest potrzebny do twierdzeń o metodach badania, konstrukcji kohorty, podziale, przetwarzaniu wstępnym, wynikach i ograniczeniach. Wytyczne dotyczące raportowania i ryzyka błędu systematycznego odpowiadają na pytania o to, co należy ujawnić lub ocenić. Wysokiej jakości przegląd może nakreślić dziedzinę i jej literaturę pierwotną. Abstrakty i metadane służą wyłącznie potwierdzeniu tożsamości publikacji i ogólnej orientacji. Interpretacja metod lub wyników niosąca istotne konsekwencje wymaga sprawdzenia odpowiedniego pełnego tekstu; jeżeli nie można go sprawdzić, twierdzenie należy zawęzić albo powstrzymać się od jego sformułowania.

Zapobiega to utożsamianiu bliskości cytowania z dowodem. Przywołanie ram w artykule nie pokazuje, że artykuł był z nimi zgodny. Lista piśmiennictwa nie pokazuje, że cytowane źródło wspiera każde pobliskie zdanie. W przypadku twierdzenia o istotnych konsekwencjach zapisz źródło i poziom jego sprawdzenia, a następnie zawęź twierdzenie, jeśli nie można skontrolować odpowiedniego fragmentu, tabeli lub metody.

Czytaj pominięcia, nie zamieniając listy kontrolnej w werdykt

Zastosuj ramy po sporządzeniu rekonstrukcji. Lista kontrolna może wskazać, że artykuł radiomiczny nie opisuje przetwarzania obrazów ani ustawień cech lub że artykuł o modelu predykcyjnym nie opisuje kalibracji. Nie może powiedzieć, czy ukryte przetwarzanie było odpowiednie ani czy nieopisany model zachowałby transportowalność. Są to odrębne oceny naukowe.

Właściwa konsekwencja pominięcia jest warunkowa. Jeśli pominięty szczegół jest niezbędny do określenia estymandu lub granicy niezależności, odpowiednie twierdzenie pozostaje nierozstrzygnięte. Jeśli szczegół pomaga w odtwarzalności, ale nie jest wymagany dla wąskiego wyniku, wynik może pozostać z ograniczeniem dotyczącym raportowania. Jeśli przegląd oparty na źródłach wykazuje, że projekt rzeczywiście naruszył granicę, twierdzenie musi zostać skorygowane z tego powodu. Lista kontrolna pomaga wskazać punkt wymagający decyzji; nie podejmuje jej automatycznie.

Ostatni przypadek stosuje wszystkie te perspektywy do jednego artykułu. Celowo czyta się go najpierw jako rekonstrukcję, następnie jako raport metryk, a jako twierdzenie o zastosowaniu klinicznym tylko wtedy, gdy projekt dostarcza dowodów na ten dodatkowy krok.