ویراستار عزیز
ما بیانیه TRIPOD+AI پروفسور کالینز و همکارانش را با علاقه فراوان خواندیم و از تلاشهای عظیم آنها برای ایجاد دستورالعمل گزارشدهی بهروز برای مطالعات مدل پیشبینی عمیقاً قدردانی میکنیم.
در محتوا، ما فکر میکنیم که تأکید بیشتر بر گزارشدهی «نسخههای» نرمافزار و بسته مورد استفاده در تجزیه و تحلیل، بهویژه برای مدلهای یادگیری ماشین مهم است، زیرا وابستگیهای نسخه یکی از حیاتیترین تهدیدها برای تکرارپذیری هستند.
مدل های رگرسیون معمولی معمولاً ساده هستند. بنابراین گزارش اینکه چه نوع تحلیل هایی برای بازتولید نتایج انجام شده است کافی است. از سوی دیگر، محققان اغلب با استفاده از پایتون، R یا نرم افزارهای دیگر (زبان های کامپیوتری) با بسته های بسیاری برای مدل های یادگیری ماشین، تحلیل هایی را انجام می دهند. این نرم افزارها و بسته ها وابستگی های پیچیده ای به نسخه دارند. حتی در محیطهای تحلیلی که نرمافزارها و بستههای یکسانی نصب میشوند، کدهای مشترک برای مدلهای تحلیل یا پیشبینی ممکن است فقط به دلیل نسخههای مختلف نرمافزار یا بستههای نصب شده کار نکنند. خوانندگان اغلب دقیقاً به همان محیط تحلیل، از جمله نسخهها، برای بازتولید نتایج یا استفاده از مدلها در محیط بالینی نیاز دارند. بنابراین گزارش شماره نسخه تمامی نرم افزارها و بسته های استفاده شده ضروری است.
در بیانیه TRIPOD+AI، دریافتیم که گزارش نسخه به طور خاص فقط در چک لیست توسعه یافته در مکمل ذکر شده است (جدول تکمیلی 1، آیتم 18f). با توجه به موارد فوق، معتقدیم بهتر است در چک لیست معمولی (جدول 2) نیز نیاز به گزارش نسخه ذکر شود.
باز هم، ما از نویسندگان به دلیل مشارکت آنها در شفافیت تحقیقات تشکر می کنیم.