透明报告基于聚集数据开发或验证的多变量预测模型：TRIPOD-Cluster核对清单

随着来自电子健康记录和个体参与者数据荟萃分析等大规模综合数据集（或大数据）日益可用，为研究人员开发和验证（包括更新）预测模型提供了新的机会和挑战。这些数据集通常包含来自多个集群（如多个中心、地理位置或不同研究）的个体。考虑集群效应非常重要，以避免误导性结论，并使研究人员能够探索多个中心、地区或国家的预测模型性能异质性，从而更好地定制或匹配这些不同的集群，从而开发更具推广性的预测模型。然而，这要求基于集群数据的预测模型研究者采用比没有任何内在实质性集群的标准预测模型研究更具体的设计、分析和报告方法。因此，基于聚集数据的预测模型研究需要以不同的方式进行报告，以便读者能够评估研究方法和结果，进一步增加基于聚集数据集开发或验证的预测模型的使用和实施。