✨ 要点🔬 技术摘要
这篇论文就像是一次对“科学界厨房”的大规模卫生检查 。
想象一下，预测模型研究（比如预测某人是否会生病的算法）就像是厨师们研发的新菜谱。为了证明这道菜真的好吃、做法真的靠谱，其他厨师（科学家）应该能照着菜谱（代码）重新做一遍。
但这篇论文发现了一个大问题：虽然大家都在说“我有菜谱”，但真正把菜谱拿出来、而且写得让人能看懂的，少之又少。
以下是用大白话和比喻对这篇论文的详细解读：
1. 背景：为什么我们要检查“菜谱”？
在医学和科学领域，研究人员开发了很多预测模型（比如预测心脏病风险的 AI）。
理想情况 ：就像你买了一个新蛋糕，包装盒上写着“扫码看制作视频”，你不仅能看到视频，还能看到精确到克的配料表、烤箱温度，甚至知道如果没黄油能不能用橄榄油代替。现实情况 ：这篇论文发现，很多研究人员虽然发表了论文，但不愿意分享他们的“源代码”（也就是制作蛋糕的具体步骤和配方） 。即使分享了，往往也是那种“只有天书，没有说明书”的状态。
2. 研究方法：用 AI 当“质检员”
为了搞清楚到底有多少人在分享代码，以及分享的质量如何，作者们搞了一个大工程：
对象 ：他们找出了近 4000 篇引用了“TRIPOD"（一个关于如何报告预测模型的国际标准）的论文。工具 ：他们开发了一个超级 AI（大语言模型） ，让它像不知疲倦的质检员一样，去阅读这 4000 篇论文。任务 ：
找出哪些论文说了“我有代码”。
如果有代码，AI 会去下载代码仓库，检查里面有没有“说明书”（README 文件）、有没有“配料表”（依赖库版本）、有没有“安全锁”（许可证）等。
3. 主要发现：令人担忧的“厨房现状”
A. 分享率很低，但在变好
现状 ：在检查的 4000 多篇论文中，只有 12.2% 的人分享了代码。也就是说，每 10 个厨师里，只有 1 个愿意把菜谱公开 。趋势 ：虽然比例很低，但正在慢慢上升。2015 年只有 4.5%，到了 2025 年涨到了 15.8%。谁更积极？ 引用了新版标准（TRIPOD+AI）的论文，分享率更高（接近 30%），说明新的规则确实有点用。
B. 即使分享了，也往往“没法用”
这是最核心的发现。就算有人把代码挂在网上，也往往无法复现 。
比喻 ：这就像有人给了你一张写着“做蛋糕”的纸条，但没告诉你用面粉还是淀粉，没告诉你烤箱开几度，甚至没告诉你这个菜谱是免费分享还是禁止商用。具体数据 ：
有说明书吗？ 80% 的代码库有 README 文件（说明书），但只有 52% 的说明书写清楚了“这代码是干嘛的”以及“预期输出是什么”。有配料表吗？ 只有 37% 的代码列出了需要的软件版本。如果没有这个，别人跑起来就会报错（就像你按菜谱做，结果发现家里没有那种特定的面粉）。有许可证吗？ 只有 35% 的代码说明了别人能不能用、怎么商用。有测试吗？ 只有 4% 的代码自带“试吃环节”（单元测试），确保代码没写错。
C. 谁做得好，谁做得差？
国家差异 ：芬兰、比利时和以色列的科学家分享代码最积极。中国虽然发文量最大（占 32%），但分享比例不如上述国家高。期刊差异 ：像《Nature Communications》、《PLOS Digital Health》等期刊，因为强制要求或鼓励分享，代码分享率高达 50%-70%。而有些期刊甚至一篇都没分享。
4. 核心结论：光有“代码”不够，要有“好用的代码”
论文最后总结了一个非常重要的观点：“代码可用”只是第一步，就像“把菜谱放在桌上”只是第一步。
未来的方向（TRIPOD-Code）： 交出菜谱 ，还要求你：
写清楚说明书 （README）。列明所有配料和工具版本 （依赖管理）。说明能不能商用 （许可证）。提供测试步骤 （确保代码能跑通）。
总结
这篇论文就像给科学界敲了一记警钟：我们不能再满足于“我做了这个模型”的声明了，我们必须做到“你能完美复现我的模型”。
只有当代码不仅仅是“存在”，而是“好用、清晰、规范”时，科学研究的透明度和可信度才能真正提高。这不仅是科学家的责任，也是期刊、资助机构需要共同推动的事情。
这是一份关于《预测模型研究中的代码共享：范围综述》（Code Sharing In Prediction Model Research: A Scoping Review）的技术总结。该研究由 Thomas Sounack 等人撰写，旨在评估临床预测模型研究中代码共享的现状、质量及其可重复性，并为制定新的报告指南（TRIPOD-Code）提供实证基础。
1. 研究背景与问题 (Problem)
核心问题 ：尽管分析代码对于诊断和预后预测模型研究的可重复性至关重要，但在已发表的文献中，代码的可用性仍然非常有限。现有标准的不足 ：虽然 TRIPOD（透明报告多变量预测模型）及其 2024 年更新版 TRIPOD+AI 提高了模型报告的方法学质量，但它们并未定义明确的代码仓库结构、文档或可重复性标准 。现状未知 ：目前缺乏大规模实证数据来量化预测模型研究中的代码共享比例，以及共享代码的实际质量（如是否包含依赖项、文档、许可证等）。目标 ：通过大规模范围综述，量化代码共享现状，评估共享仓库的特征，从而为开发 TRIPOD-Code （专注于代码共享的 TRIPOD 扩展指南）提供数据支持。
2. 方法论 (Methodology)
本研究采用**范围综述（Scoping Review）**方法，结合了自动化大语言模型（LLM）辅助流程。
数据来源与筛选 ：
时间范围 ：截至 2025 年 8 月 11 日。检索策略 ：检索 PubMed 索引中引用了 TRIPOD 或 TRIPOD+AI 声明的文章。纳入标准 ：使用统计或机器学习方法开发、更新或验证多变量预测模型的研究；且文章必须可通过 PubMed Central (PMC) 开放获取 API 检索（以排除付费墙障碍）。最终样本 ：从 6,762 篇引用文章中筛选出 3,967 篇符合条件的研究。
技术流程 (LLM 辅助管道) ：
文章筛选与元数据提取 ：使用 GPT-5.2 (2025-12-11 版本) 自动筛选文章，提取代码可用性声明、仓库链接、作者机构国家等信息。人工验证显示加权 F1 分数为 0.97。仓库获取与评估 ：开发自定义工具从 GitHub、GitLab、Zenodo 等平台下载代码仓库。特征评估 ：利用 LLM 对下载的仓库内容（排除大二进制文件，截断大文本）进行分析，评估 14 项预定义的可重复性特征 ，包括：
README 文件的存在及完整性（是否说明目的和预期输出）。
依赖项规范（requirements.txt 等）及版本约束。
许可证（License）信息。
模块化结构（函数/类 vs 单一大脚本）。
测试框架（单元测试/功能测试）。
随机种子固定（针对随机过程）。
硬件需求、数据/样本数据集包含情况、引用链接等。
验证 ：人工对 35 个仓库进行标注，LLM 在所有特征上的加权 F1 分数为 0.83（客观特征如 README 存在性 F1=1.0，主观特征如文档充分性 F1=0.71）。
3. 主要发现 (Key Results)
A. 代码共享的普及率
总体比例 ：在 3,967 篇符合条件的文章中，仅 12.2% (482 篇) 提供了代码共享声明。时间趋势 ：代码共享率随时间增长，从 2015 年的 6.3% 上升至 2025 年的 15.8% 。指南影响 ：引用 TRIPOD+AI 的文章共享率显著高于仅引用 TRIPOD 的文章（2025 年分别为 29.7% vs 11.8% ），表明明确的指南条目能有效促进共享。地域与期刊差异 ：
国家 ：芬兰 (33.3%)、比利时 (26.7%)、以色列 (23.1%) 的共享率最高；中国发文量最大 (32.4%) 但共享率未列前。期刊 ：共享率差异巨大。Nature Communications (71.4%)、npj Digital Medicine (57.1%) 等期刊共享率极高，而部分期刊为 0%。这些高共享率期刊通常在投稿指南中明确要求代码可用性。
B. 代码仓库的质量与可重复性特征
在提取的 447 个仓库链接中，最终成功分析 380 个有效仓库：
平台分布 ：83.4% 托管于 GitHub。文档与结构 ：
README ：80.5% 包含 README，但仅 52.1% 的 README 清晰描述了仓库目的和预期输出。模块化 ：仅 42.4% 的仓库被归类为模块化结构。依赖项 ：仅 37.6% 指定了软件依赖，其中仅 21.6% 指定了版本约束 （Version-constrained）。
可重复性关键要素 ：
许可证 ：35.3% 包含许可证文件。测试 ：仅 3.9% 包含单元测试或功能测试。随机种子 ：在包含随机组件的 286 个仓库中，仅 64.3% 固定了随机种子。数据/样本 ：仅 37.1% 包含原始数据或用于演示的样本数据集。
编程语言 ：Python (190) 和 R (189) 是最常用的语言。Python 自 2023 年起超越 R 成为主导语言，2025 年占比超过 50%。
4. 关键贡献 (Key Contributions)
实证基准 ：首次大规模量化了预测模型研究中的代码共享现状，揭示了“有代码”不等于“可重复”的严峻现实。方法论创新 ：构建并验证了一套基于 LLM 的自动化管道，能够高效处理数千篇文献和数百个代码仓库，解决了传统人工审查无法扩展的问题。揭示差距 ：明确指出当前代码共享的主要瓶颈不在于“是否共享”，而在于共享的质量 （缺乏依赖管理、文档不全、无测试、无许可证）。指南开发基础 ：研究结果直接为 TRIPOD-Code 扩展指南的制定提供了实证依据，该指南将定义最小化、可行的代码报告标准（如强制要求依赖版本、许可证、README 结构等）。
5. 意义与结论 (Significance & Conclusion)
可重复性危机 ：研究证实，尽管代码可用性在缓慢提升，但大多数共享的代码仓库缺乏使他人能够真正复现结果的关键要素（如依赖约束、随机种子固定、测试脚本）。政策启示 ：仅仅要求作者“提供代码”是不够的。期刊、资助机构和报告框架需要制定更明确的标准，强制要求文档化、依赖规范、许可授权和可执行结构 。未来方向 ：TRIPOD-Code 的制定将致力于解决上述差距，推动临床预测模型研究从“档案式存储”向“真正可复用的计算资源”转变。
总结 ：该论文通过严谨的大规模数据分析和 LLM 技术，揭示了预测模型研究中代码共享的“量增质低”现象，强调了建立结构化代码报告标准的紧迫性，是提升生物医学研究可重复性的重要里程碑。
每周获取最佳 computer science 论文。
受到斯坦福、剑桥和法国科学院研究人员的信赖。
请查收邮箱确认订阅。
出了点问题，再试一次？
无垃圾邮件，随时退订。