リハビリAI・医療AI・機械学習 による予測モデル論文で、Methods は再現可能性の最終防衛線です。何を対象にし、どの時点の情報を使い、どう前処理し、どのアルゴリズムを学習し、どう評価したかが、本文と補足資料の両方で過不足なく書かれているかが、Major revision を抜けるかどうかを決めます。
ChatGPT・Claude・Gemini といった生成 AI は、TRIPOD+AI 2024 の 27 項目に沿った骨子生成・章立て・英語表現の整備に強力に役立ちます。一方で、「実際に行った前処理・モデル・評価指標」は研究者しか知りません。AI が前提知識から推測した『よくある手順』を本文に書くと、実施していない解析を書いたことになり、リーケージや捏造の温床になります。本記事は、AI を「骨子の生成器・用語統一の補助・自己点検の問いかけ役」として安全に使うための、コピペで使える 4 種のプロンプトテンプレートを整理します。
本稿は、第13部「研究プロセスに、生成AIを組み込む」の第4記事です。前段の論文読解は 13·01 ChatGPT で医学論文を読む方法・13·02 英語論文を日本語で要約するプロンプト、査読対応は 13·03 査読コメントに返信するプロンプト、AI に入力してよい情報の判断は 13·06 生成 AI 使用時の個人情報保護（公開予定）を参照してください。落とし穴の体系は 第9部 医療AI研究の落とし穴 全 11 記事と相互参照しながら読むと、Methods 各セクションの「何を書けば査読を抜けるか」が立体的に見えます。
// 01 · LEARN OUTCOMESこの記事で学ぶこと
- TRIPOD+AI 2024 の 27 項目と、Methods 9 サブセクション骨子のマッピングを使える。
- Study design / Source of data / Participants / Outcome / Predictors / Sample size / Missing data / Statistical analysis / Model development / Performance / External validation / Risk of bias / Software の標準構造で原稿を組み立てられる。
- FIM・PUL・mRS など、リハビリ領域の用語統一プロンプトを運用できる。
- PROBAST+AI 2025 の視点で自己点検プロンプトを実行し、査読者目線の弱点を洗い出せる。
- 「AI が推測で書いた手順」と「自分が実施した手順」を分けて記録するワークフローを設計できる。
- ICMJE 2026 の AI 利用開示要件に沿った Methods・Acknowledgments の書き分けができる。
// 02 · CONCLUSIONまず結論
// 03 · FIGURETRIPOD+AI と Methods 骨子の対応を図で理解する
まず、TRIPOD+AI 2024 の 27 項目を、本文 Methods で書く 9 サブセクションに対応づけます。チェックリストの並び順は report-order 用なので、本文では時間軸と論理順に並べ替えます。
次に、Methods 各セクションと 第9部 落とし穴記事の対応を示します。各セクションを書くときに、対応する落とし穴記事を読み直すと、査読で突かれる典型ポイントを先回りで潰せます。
最後に、AI に Methods を書かせるときの安全ゾーン / 危険ゾーンを整理します。骨子・章立て・英語表現は安全ゾーン、実施手順・数値・解釈は危険ゾーンです。
// 04 · CLINICALリハ領域の具体ケース：4 シナリオで Methods を組む
研究設定：回復期リハビリテーション病棟入院時の臨床情報(年齢・初発 NIHSS・入院時 FIM motor・既往)から、退院時 FIM motor を予測する Lasso 回帰モデル。
Methods で必須の記載：(1) 予測時点を「回復期病棟入院 7 日以内」と明示、(2) 主要アウトカムを「退院時 FIM motor 合計(13-91 点)」と明示し、FIM total・FIM cognitive・歩行自立とは別物であることを区別、(3) FIM 評価者の盲検化(モデル予測結果を見ずに退院時 FIM を評価)、(4) 在院日数のばらつきを補正する処置(時間調整 or 同質コホート抽出)。
査読で突かれる：「FIM motor と FIM total を混同していないか」「予測時点と退院時点の間に SHAP 由来の介入が入っていないか」(→ 09·09 因果と予測)。
研究設定：Duchenne 型筋ジストロフィー患児の上肢キネマティクス(姿勢推定 → 関節点 → 時系列特徴量)から、1 年後の PUL 2.0 合計を予測する勾配ブースティングモデル。
Methods で必須の記載：(1) PUL バージョン(2.0 / 1.2)の明示、(2) 姿勢推定アルゴリズム(OpenPose / MediaPipe / 専用システム) と、関節点定義、(3) 時系列長(秒)と サンプリング周波数、(4) 欠測フレームの補間方法、(5) 正規化方法(身長 or 上肢長で除算)、(6) ラベル粒度(課題別 / 合計)。
査読で突かれる：「特徴量探索とモデル選択の数が報告されているか」「過剰なハイパラ探索の補正(交差検証 nested 化)があるか」(→ 09·05 モデル探索の多重性)。
研究設定：5 施設のリハビリ病棟データを統合した転倒予測モデル。施設ごとに記録様式・評価者・転倒定義に差がある状況。
Methods で必須の記載：(1) 施設単位の分割(GroupKFold / Leave-One-Site-Out CV) を採用した理由、(2) 各施設の n と転倒イベント数、(3) 共通定義に揃えた前処理(転倒の操作的定義・期間)、(4) 施設効果のモデル化(ランダム効果 or 施設指示変数)、(5) サブグループ性能(施設別 AUC・95% CI)。
査読で突かれる：「Random KFold で施設情報がリークしていないか」「特定施設に過学習していないか」(→ 09·02 データリーケージ)。
研究設定：単施設 n=180 で開発した在宅復帰予測モデル。外部検証コホートが入手できなかった状況。
Methods・Discussion の書き分け：(1) Methods では 内部検証(bootstrap optimism correction) の手順を詳細に、(2) 「外部検証は将来課題として明示」を Discussion 冒頭の Limitations に、(3) 時間順分割(初期 70% で学習・後期 30% で検証)の疑似外部検証を可能なら追加。
査読で突かれる：「外部検証なしで臨床実装可能と書いていないか」(→ 09·07 ドメインシフト)。Methods 段階から「探索的研究」と位置づけ、Discussion の語調を慎重表現に揃えます。
カルテ・氏名・生年月日・カルテ番号・MRI/CT の個人情報・電子カルテのスクリーンショット・顔が映る動画は、Methods 起草目的でも AI に入力しません。実数値の代わりに 合成データや 記述統計のみを入力し、個別症例の生データは絶対に貼らないようにします。判断基準は 13·06 生成 AI 使用時の個人情報保護（公開予定）で詳述します。
// 05 · THEORY背景概念：TRIPOD+AI / PROBAST+AI / ICMJE 2026
TRIPOD+AI 2024(Collins ら BMJ 2024)は、TRIPOD 2015 を機械学習・AI 予測モデルに拡張した 27 項目の報告ガイドラインです。TRIPOD 2015 からの主な追加は、ハイパーパラメータ探索の方法、クラス不均衡の扱い、公平性評価、モデル更新の方針、コード availability です。本文 Methods はチェックリストの並びそのままではなく、narrative order(時間軸 + 論理順)で構成し、補足資料として TRIPOD+AI チェックリスト(項目番号と本文所在の対応表)を提出するのが標準形です。
PROBAST+AI 2025(Moons ら BMJ 2025)は、予測モデル研究の risk of bias と applicability を評価するツールで、Participants / Predictors / Outcome / Analysis の 4 ドメインそれぞれに具体的な signaling questions を持ちます。査読者は PROBAST+AI を使って原稿を評価するので、研究者自身が原稿提出前に PROBAST+AI で自己点検し、Methods と Limitations を整えると、Major comment が大きく減ります。
ICMJE 2026 勧告では、AI 利用について 「著者の責任は人間が負う」「使用範囲を Methods または Acknowledgments に開示する」「AI を著者にしない」 の 3 点が明示されています。本文に書く具体的な書き分けは、本記事 08·WRITING で扱います。
| 観点 | 確認する内容 | リハ研究での例 | 関連 |
|---|---|---|---|
| Participants | 選択基準・除外基準・施設・期間 | 回復期脳卒中(発症 90 日以内)、DMD(PUL 評価可能) | 09·03 |
| 予測時点 | 予測の根拠となる時点と評価時点 | 入院 7 日以内情報で退院時 FIM を予測 | 09·02 |
| Outcome | 主要・副次・盲検・追跡 | FIM motor / FIM total / 歩行自立 / mRS | 09·09 |
| Sample size | EPV ≥ 10-20、信頼区間幅 | 回復期 n=300 + 退院時自立イベント数 90 | 09·03 |
| Pipeline | 前処理 → 分割の順序 | 標準化を 分割後に学習データ統計量で実施 | 09·02 |
| CV scheme | KFold / GroupKFold / TimeSeries | 多施設は GroupKFold、縦断は時間順分割 | 09·05 |
| Performance | discrimination / calibration / DCA | AUC + calibration plot + DCA + subgroup | 14·04 DCA デモ |
| External validation | 時間順 / 多施設 / 解像度違い | 2024-2026 データで疑似外部検証 | 09·07 |
| Fairness | サブグループ別性能 | 性別・年齢層・疾患重症度別 AUC | 09·10 |
| Safety | 個人情報・機密情報・原典確認 | カルテ・画像・査読中原稿を AI に入れない | 13·06 |
// 06 · IMPLEMENTATIONコピペで使える 4 種のプロンプト
以下のプロンプトは、公開情報または個人情報を含まない研究メモに限定して使います。実数値・カルテ・査読中原稿全文は入力しません。テンプレ A → B → C → D の順に使うと、Methods 起草から自己点検まで一通り回せます。
// TEMPLATE A · Methods 9 サブセクション骨子生成
使用シナリオ：研究テーマと使用データの概略を入力し、Methods の章立てと各セクションで書くべき項目を生成。
期待出力：9 サブセクション(Study design 〜 External validation)の見出しと、各セクションの bullet 構造。
注意点：実施していない解析、知らない指標、推測の数値は出力させない。
あなたは TRIPOD+AI 2024 と PROBAST+AI 2025 に詳しい、リハビリテーション医学領域の臨床予測モデル研究者です。
【入力 (研究メモ)】
- 研究テーマ: {例：回復期脳卒中患者の退院時 FIM motor を予測するモデル}
- データソース: {例：単施設・回復期病棟・2020-2024 年・n=320}
- 予測時点: {例：入院 7 日以内の臨床情報}
- 主要アウトカム: {例：退院時 FIM motor 合計 (13-91 点)}
- 候補予測因子: {例：年齢・性別・初発 NIHSS・入院時 FIM motor・既往・併存症}
- アルゴリズム: {例：Lasso 回帰 + 比較として random forest}
- 分割: {例：5-fold CV + bootstrap optimism correction}
【依頼】
TRIPOD+AI 27 項目を本文に並べるのではなく、Methods の 9 サブセクション(narrative order)に
配置した骨子を生成してください。
【出力フォーマット】
## Methods
### Study design and source of data
- (3-5 個の bullet)
### Participants (inclusion / exclusion)
- ...
### Outcome
- ...
### Predictors
- ...
### Sample size and EPV
- ...
### Missing data handling
- ...
### Statistical analysis and model development
- ...
### Performance evaluation
- ...
### External validation and risk of bias self-assessment (PROBAST+AI)
- ...
【制約】
- 私が実施していない解析は書かないでください(指定がない解析は「TBD: 著者確認」と記す)。
- 数値・AUC・p 値は書かないでください(数値は私が後で挿入します)。
- TRIPOD+AI の項目番号(例: item 11)を該当 bullet の末尾に括弧書きしてください。
- 各 bullet は 1 文・25 単語以内・命令形ではなく declarative tone。// TEMPLATE B · 各サブセクションの英語下書き
使用シナリオ：A の骨子が出揃った後、特定のサブセクション(例: Statistical analysis)を英語パラグラフに展開。
期待出力：BMJ / JAMA 系の語調で書かれた 1-2 パラグラフの英語下書き + 要確認事項リスト。
注意点：英語表現の補助に限定し、新しい解析手順を生成させない。
以下の bullet 骨子を、医学雑誌(BMJ / JAMA / Stroke 系)に投稿可能なトーンの英語パラグラフに展開してください。
【サブセクション名】
Statistical analysis and model development
【bullet 骨子 (テンプレ A の出力をそのまま貼り付け)】
- We developed a Lasso logistic regression model with 5-fold cross-validation (TRIPOD+AI item 13).
- Continuous predictors were standardized using training-fold statistics only (item 13).
- Hyperparameter λ was selected by minimizing 5-fold CV deviance (item 17).
- We compared the Lasso model with a random forest baseline (item 16).
- Internal validation used 1,000 bootstrap samples for optimism correction (item 18).
【出力】
1. 英語パラグラフ(2 段落・250 words 以内)
2. 「要確認」リスト: 私が本文に書く前に確認すべき具体項目(例: λ 探索範囲・bootstrap 回数)
3. Discussion / Limitations に回すべき項目(例: 単施設・外部検証なし)
【制約】
- 私が骨子に書いていない解析(SHAP・DCA・サブグループ等)は勝手に追加しないでください。
- AUC・C-statistic などの数値は書かないでください。
- 受動態と能動態を混在させ、現在形ではなく過去形で記述してください(actual procedures performed)。// TEMPLATE C · リハ領域の用語統一
使用シナリオ：原稿全体で FIM・PUL・mRS などの英語表記を統一。
期待出力：用語対応表 + 修正前後の差分。
注意点：定義の使い分け(motor vs total など)は研究者が決めて、AI は表記統一だけを担当。
以下の Methods + Results 原稿について、リハビリテーション医学の英語論文で標準的に使われる
表記に揃えてください。
【対象語と統一表記】
- FIM motor score (NOT "FIM motor", "motor FIM")
- FIM cognitive score
- FIM total score (NOT "total FIM", "FIM total")
- gait independence (NOT "walking ability" など曖昧表現)
- home discharge (NOT "discharge to home" / "going home")
- PUL 2.0 total score (バージョン番号を必ず明記)
- mRS shift analysis / dichotomized mRS (どちらの解析設計かを明示)
- Cross-validation (大文字始まり・ハイフン付き、NOT "crossvalidation" / "cross validation")
- Lasso (固有名詞扱い、NOT "LASSO" 全大文字)
【出力】
1. 差分リスト(行番号 + before → after)
2. 統一できなかった曖昧表現と、私への確認質問
3. 雑誌スタイルガイド該当箇所(Stroke / JNNP / Arch Phys Med Rehabil の慣用)
【制約】
- 用語の 定義 自体は変更しないでください(FIM motor と FIM total を区別したまま統一)。
- 数値・引用文献の追加・削除はしないでください。// TEMPLATE D · PROBAST+AI 自己点検プロンプト
使用シナリオ：投稿前に査読者目線で Methods の弱点を洗い出す。
期待出力：4 ドメイン(Participants / Predictors / Outcome / Analysis)の signaling question リスト + 自己評価。
注意点：AI の指摘を鵜呑みにせず、原典(コード・データ)で再確認。
あなたは PROBAST+AI 2025 を用いて予測モデル研究を査読する立場のレビュアーです。
【入力 (Methods 原稿)】
{Methods 9 サブセクションの本文をペースト}
【依頼】
PROBAST+AI の 4 ドメインそれぞれについて、signaling questions に基づき
risk of bias を High / Unclear / Low で評価してください。
【出力フォーマット】
## Domain 1: Participants
- Signaling Q1.1: ...
- Author description: (本文の該当記述)
- Reviewer judgment: High / Unclear / Low (理由)
- Signaling Q1.2: ...
## Domain 2: Predictors
...
## Domain 3: Outcome
...
## Domain 4: Analysis
...
## Overall RoB judgment
- High / Unclear / Low + 主要な懸念 3 つ
## Suggested revisions
- Methods 本文に追記すべき記述(具体的な英語ドラフト)
- Discussion / Limitations に追記すべき項目
【制約】
- 私が本文に書いていない解析を「行っていない」とは言わず、「unclear」と扱ってください。
- 評価の根拠は本文の引用(行番号 or 段落)で示してください。
- 自分(AI)が知っている文献から推測した『本研究で行われた可能性のある手順』を仮定しないでください。4 プロンプトの推奨ワークフロー：(1) A で骨子を生成 → (2) 著者が骨子に 実施した手順 のみ残し、未実施の項目 を削除 → (3) B で英語下書き → (4) 著者がコードと突き合わせて数値・指標を追記 → (5) C で用語統一 → (6) D で自己点検 → (7) 査読者目線の指摘に対し追加解析・本文修正 → 投稿。所要時間は経験者で 4-8 時間、初投稿者で 1-2 日程度です。
// 07 · MYTHSよくある誤解
誤解 1：AI に研究メモを渡せば Methods が完成する
実際：AI は研究メモから「よくある手順」を補完してしまいます。それが実際に行った手順と一致しているとは限らないため、コードと突き合わせない限り、未実施の解析が混入します。AI は骨子生成器として使い、実施手順・数値は著者が後から埋めるワークフローが安全です。
誤解 2：日本語で書いて DeepL / AI で英訳すれば十分
実際：outcome / predictor / covariate / training set / validation set / test set の使い分け、past tense と present tense の使い分け、能動態と受動態の混在比率は、機械翻訳では完全に整いません。テンプレ Bで英語論文の標準語調で生成 → 著者修正のフローが現実的です。
誤解 3：TRIPOD+AI 27 項目をすべて本文に列挙する
実際：チェックリストの順番のまま本文に並べると、読みづらく審査されにくい原稿になります。9 サブセクションの narrative order に再配置し、補足資料として「TRIPOD+AI 項目番号 × 本文所在」の対応表を提出するのが標準形です。
誤解 4：短い Methods が読まれやすい
実際：短さよりも再現できる密度が査読者に評価されます。同じデータと同じパイプラインで誰でも再現できるよう、前処理・分割方式・ハイパラ探索範囲・評価指標を漏らさず書きます。Word 制限が厳しい雑誌では、補足資料(Supplementary Methods)を活用します。
// 08 · WRITING論文・実務への組み込み方：ICMJE 2026 に沿った AI 利用開示
ICMJE 2026 勧告では、AI 利用の開示について 「Methods に使用範囲を記載」「Acknowledgments で謝辞」「AI を著者にしない」 の 3 点が示されています。実務的には、(a) AI を 研究プロセスの一部に用いた場合(Methods の本文起草・図の生成・データ解析支援)は Methods に開示、(b) 原稿の英語表現・整文に用いた場合は Acknowledgments に開示、(c) AI を著者欄に記載しない、の運用が標準形です。
"We used a large language model (ChatGPT, OpenAI; accessed 2026-04-15) to draft the initial outline of the Methods section, which was then revised and verified against the original analysis code by the authors. The language model was not used to perform any analysis, generate any numerical result, or interpret any finding. All numerical results, statistical analyses, and clinical interpretations were produced and confirmed by the authors."
"Language polishing of the manuscript was assisted by a large language model (Claude, Anthropic; accessed 2026-05-10). The authors reviewed and approved all changes, and take full responsibility for the content of the manuscript."
NG："The Methods section was written by ChatGPT."(著者責任が不明確)、"Data analysis was performed using GPT-4."(解析を AI に任せた誤解を招く)、"ChatGPT, X. (2026). Authors..."(AI を著者欄に入れる)。
// 09 · CHECKLIST投稿前確認リスト
- TRIPOD+AI 27 項目チェックリストを補足資料として作成しましたか。
- Methods 9 サブセクションの構造で本文を組みましたか。
- 予測時点・主要アウトカム・盲検化を本文で明示しましたか。
- EPV ≥ 10-20 を満たすか、満たさない理由を書きましたか。
- 前処理は分割後に学習データ統計量で実施しましたか(09·02)。
- 多施設データは GroupKFold で分割しましたか(09·02)。
- ハイパラ探索範囲と選択基準を本文で明示しましたか(09·05)。
- AUC に加えて calibration plot と Decision Curve を提示しましたか(14·04 DCA デモで体験)。
- 外部検証なしの場合、Limitations に明記しましたか(09·07)。
- FIM / PUL / mRS の英語表記をテンプレ C で統一しましたか。
- PROBAST+AI 自己点検(テンプレ D)を実施しましたか。
- ICMJE 2026 準拠で AI 利用を Methods または Acknowledgments に開示しましたか。
// 10 · QUIZ理解度チェック
-
AI に Methods を書かせるとき、最も危険なのはどれですか。
- 章立ての生成
- 英語表現の整備
- 実施していない解析手順の補完
- 用語の統一
答えを見る
答えは 3 です。AI は前提知識から「よくある手順」を補完するため、研究者が実施していない解析を書いてしまうことがあります。骨子・表現・用語統一は安全ゾーンですが、実施手順と数値は研究者がコードと突き合わせて書きます。
-
TRIPOD+AI 27 項目を Methods 本文にどう配置するのが標準形ですか。
- 27 項目を順番にそのまま本文に並べる
- 9 サブセクション(narrative order)に再配置し、補足資料に対応表を載せる
- 項目番号だけ書いて内容は省略する
- TRIPOD+AI を引用するだけで内容は書かない
答えを見る
答えは 2 です。チェックリストの並び(report-order)と本文構造(narrative order)は別物です。本文は 9 サブセクションで読みやすく、補足資料として TRIPOD+AI 項目番号と本文所在の対応表を提出するのが標準形です。
-
多施設データで Random KFold を使うと起こりうるのはどれですか。
- サンプルサイズが減る
- 施設情報がリークし、外部汎化性能を過大評価する
- 過学習が解消される
- 計算時間が増える
答えを見る
答えは 2 です。同一施設の患者が学習と検証に混在し、施設効果がリークします。GroupKFold(施設単位分割) または Leave-One-Site-Out CV を採用します。詳細は 09·02 データリーケージ。
-
ICMJE 2026 で AI 利用について禁止されているのはどれですか。
- Methods に AI 利用範囲を記載すること
- Acknowledgments で AI の使用を謝辞すること
- AI を著者欄に記載すること
- AI 利用について本文で言及すること
答えを見る
答えは 3 です。AI は著者責任(accountability)を負えないため、著者欄に記載してはいけません。Methods または Acknowledgments での使用範囲開示は必須です。
// 11 · FAQよくある質問
- AI に Methods を全部書かせてよいですか？
- 全部は任せられません。AI は章立てや英語表現の補助には強い一方、「実際に行った前処理・モデル・評価指標」は研究者しか知りません。AI が前提知識から推測した『よくある手順』を本文に書くと、実施していない解析を書いたことになり、リーケージや捏造の温床になります。骨子・章立て・用語統一には使い、数値・パイプライン・評価指標は研究者がコードと突き合わせて書きます。
- TRIPOD+AI 27 項目を全部本文に並べる必要がありますか？
- 並べる必要はありません。TRIPOD+AI 27 項目はチェックリスト(報告漏れ防止)です。本文では、Study design / Source of data / Participants / Outcome / Predictors / Sample size / Missing data / Statistical analysis / Model development / Performance / External validation / Risk of bias / Software の 9〜13 サブセクションに自然な順序で配置します。多くの雑誌は補足資料として TRIPOD+AI チェックリストの提出を求めます。
- FIM・PUL・mRS など用語の英訳が雑誌ごとに違って困ります。
- AI に用語表(対象語と統一表記)を渡すと、原稿全体で表現を揃えてくれます。本記事のテンプレ C はそのための専用プロンプトです。ただし FIM motor score / FIM cognitive score / FIM total score の使い分け、PUL 2.0 vs 1.2 のバージョン記載、mRS shift analysis vs dichotomized の解析設計は研究者が決めます。AI は表現の統一だけを担当します。
- PROBAST+AI 自己点検は本当に必要ですか？
- 査読者は PROBAST+AI を用いて原稿の risk of bias を評価します。投稿前に著者自身が自己点検しておくと、High risk と判定されそうな部分を Methods や Limitations で先回りで補強でき、Major comment が大きく減ります。テンプレ D で 30 分程度の作業です。
// REF参考文献
- Collins GS, Moons KGM, Dhiman P, Riley RD, Beam AL, Van Calster B, et al. TRIPOD+AI statement: updated guidance for reporting clinical prediction models that use regression or machine learning methods. BMJ 2024;385:e078378.
- Moons KGM, Wolff RF, Riley RD, Collins GS, et al. PROBAST+AI: an updated quality, risk of bias, and applicability assessment tool for studies developing and evaluating prediction models with artificial intelligence. BMJ 2025;388:e082505.
- Tejani AS, Klontzas ME, Gatti AA, Mongan JT, Moy L, Park SH, et al. Updating the Checklist for Artificial Intelligence in Medical Imaging (CLAIM) for reporting AI research. Radiology: Artificial Intelligence 2024;6(4):e240300.
- Vasey B, Nagendran M, Campbell B, Clifton DA, Collins GS, Denaxas S, et al. Reporting guideline for the early-stage clinical evaluation of decision support systems driven by artificial intelligence: DECIDE-AI. Nat Med 2022;28(5):924-933.
- International Committee of Medical Journal Editors. Recommendations for the Conduct, Reporting, Editing, and Publication of Scholarly Work in Medical Journals: AI use by authors. ICMJE Recommendations 2026.
- Riley RD, Ensor J, Snell KIE, Harrell FE Jr, Martin GP, Reitsma JB, et al. Calculating the sample size required for developing a clinical prediction model. BMJ 2020;368:m441.
- Van Calster B, McLernon DJ, van Smeden M, Wynants L, Steyerberg EW. Calibration: the Achilles heel of predictive analytics. BMC Medicine 2019;17(1):230.