编辑推荐：
在临床实践中，面对大量未经有效评估的临床预测工具，研究人员开展了 GRASP 框架的相关研究。通过专家反馈和可靠性测试，优化了该框架，结果显示其可靠性高。这有助于临床医生筛选有效工具，推动临床决策和指南发展。
在医疗领域，临床预测工具（旨在为临床医生和其他医疗专业人员提供诊断、预后和治疗决策支持，通过预测临床和其他相关医疗结果来辅助医疗决策的工具）的数量呈爆发式增长，但多数工具的有效性从未得到评估或验证。这使得临床医生在选择合适的预测工具用于临床实践或推荐给患者时，面临巨大挑战。他们常常依赖个人经验和主观判断，导致选择的工具可能并非最佳，影响患者的治疗效果。同时，由于缺乏标准化的评估方法，即使有高质量的证据，临床医生也难以准确判断哪种工具最适合特定的临床情况。在这样的背景下，为了帮助临床医生更科学、准确地评估和选择临床预测工具，来自 Macquarie University 的研究人员开展了关于 GRASP 框架（Grading and Assessment of Predictive Tools，一种创新的、基于证据的评估临床预测工具的系统）的研究。该研究成果发表在《Computer Methods and Programs in Biomedicine Update》上。
研究人员采用了混合研究方法。首先，通过网络调查收集国际临床预测领域专家的反馈，以此优化 GRASP 框架。在专家选择上，研究人员通过在多个知名数据库（如 PubMed、Scopus、Web of Science、Embase 和 Google Scholar）进行全面的文献检索，筛选出在过去五年内发表过至少一篇与临床预测工具开发和评估相关论文的研究人员作为专家。随后，研究人员在 Qualtrics 平台上设计了包含多种问题类型的调查问卷，涵盖预测工具的多个评估维度。此外，研究人员还进行了可靠性测试，安排两位具有健康相关学科博士学位且有丰富系统评价经验的研究人员，使用优化后的 GRASP 框架对八种不同的预测工具进行独立评估，通过 Spearman 等级相关系数来衡量评估的一致性。
研究结果主要体现在以下几个方面：
- 专家认可度：81 位来自 30 个国家的专家参与了调查，他们对 GRASP 框架的评估标准平均评分为 4.35 分（满分 5 分），表明专家们对该框架高度认可。具体来看，专家们对 “应考虑验证工具预测性能的证据” 这一表述的平均得分高达 4.88 分，强烈认可预测性能评估的重要性；对 “证据方向” 的平均得分是 4.25 分，也表示出较高的认同度。
- 框架优化：根据专家们的定性反馈，GRASP 框架进行了多方面的优化。在预测性能方面，增加了对验证研究方法、质量和类型的详细报告要求，还引入了 “证据强度” 组件，并新增了低于 C1 的 C0 等级，用于表示内部效度未测试或结果不佳的情况。在可用性和潜在效果方面，强调了报告相关研究的必要性，提升了潜在效果的证据等级，并且认为两者结合的证据应使预测工具获得更高等级。在实施后影响方面，建议详细报告相关研究，并增加 “证据强度” 指标以区分不同研究的质量。此外，还对证据方向的评估方法进行了优化，使其更能准确反映证据的真实情况。
- 可靠性验证：两位独立研究人员使用更新后的 GRASP 框架对八种预测工具进行评估，Spearman 等级相关系数显示，研究人员与作者之间的一致性高达 0.994，研究人员之间的一致性为 0.988，这充分证明了 GRASP 框架具有高度的评分一致性和可靠性。研究人员在评估后还反馈，该框架设计逻辑清晰、使用方便，但建议进一步明确评估标准的定义和解释，这些建议也被纳入到框架的更新中。
研究结论和讨论部分指出，GRASP 框架为临床医生评估和选择临床预测工具提供了一种基于证据的、标准化的方法。它从预测性能、可用性、潜在效果和实施后影响等多个维度对工具进行评估，帮助临床医生选择更有效的工具，从而提高医疗决策的准确性和科学性，对优化医疗资源分配和推动临床指南的发展具有重要意义。与其他相关框架相比，GRASP 框架在综合评估、可用性和实施后影响评估方面表现更为出色，其独特的三维评估方法更注重实际应用和真实世界的有效性。然而，该研究也存在一些局限性，例如专家反馈的分析难度较大，调查的回复率较低（仅 9.2%），评估证据质量的方法还有待进一步完善等。未来的研究应着重评估 GRASP 框架对临床医生决策的实际影响，在不同临床环境中测试其应用效果，同时加强对 GRASP 框架的培训和指导，确保其在不同用户中的一致性应用，推动该框架在临床预测工具评估领域的持续发展和广泛应用。
