钟锦佳，李文涛，黄亚芳，吴浩

    100069 北京市，首都医科大学全科医学与继续教育学院

    近年来，随着以信息技术和人工智能技术为代表的新兴技术的迅速发展，初级保健服务和基本医疗在数字化、智能化、协同化等方面不断发展、完善[1-3]。与专科医疗机构相比，初级保健服务机构常规登记数据、区域健康医疗数据、健康档案数据、患者自行报告的数据及移动设备采集的数据体量更为庞大，基于这些数据的临床研究报告及文献数量呈现逐渐升高趋势。在初级保健研究领域，学者开始尝试借助大数据和人工智能技术，通过机器学习构建预测模型，以辅助医疗决策[4-6]。

    广义上的机器学习是指使用计算机系统对非线性关联性和复杂交互作用的假设进行数学模型拟合过程[7]。近年来，随着初级保健领域医疗数据的不断增多、数据采集系统的逐步规范及算法的优化，通过机器学习开发预测模型相关研究迅速发展，并已有经过验证的预测模型应用于基层医疗和管理实践中[8-9]。基于机器学习预测模型研究的设计与方法学质量对医疗实践具有重要的指导意义[10-11]，但目前在初级保健领域尚缺少基于机器学习预测模型研究相关设计与方法学质量评价研究。本研究旨在系统总结、分析初级保健领域基于机器学习预测模型研究的设计特征与方法学质量，以期为人工智能技术在基层的科学、合理应用提供参考。

    1 资料与方法

    1.1 研究注册与报告

    本研究已在国际前瞻性系统评价注册数据库(International Prospective Register of Systematic Reviews，PROSPERO)注册，注册号：CRD42022358128，遵循范围综述报告的PRISMA扩展版清单(PRISMA extension for scoping reviews，PRISMA-ScR)进行报告[12]。

    1.2 初级保健研究的界定

    1996年，STARFIELD[13]对初级保健研究做出定义：在基本保健的环境背景中开展的研究即为初级保健研究，本研究参照该定义对拟纳入研究进一步规定如下：数据来源于初级保健/基层医疗卫生机构，或构建的预测模型将应用于初级保健/基本医疗领域。

    1.3 文献纳入与排除标准

    文献纳入标准：(1)应用机器学习方法进行数据处理或模型构建；(2)有开发、验证或更新预测模型的过程；(3)数据来源于初级保健/基本医疗机构，或构建的预测模型将应用于初级保健/基本医疗领域；(4)语种为中文或英文 ......