JMIR Medical Informatics 该系统综述检索PubMed、MEDLINE、Embase、PsycINFO与Web of Science（自建库至2025年11月11日），纳入29项使用常规采集的电子健康记录或行政数据开发、验证或评估成人住院期间急性精神状态恶化（均操作化为谵妄）多变量预测模型的研究，按CHARMS与TRIPOD/TRIPOD-AI提取数据、以PROBAST评估偏倚风险，发现证据集中于入院或早期风险分层、围手术期或术后预测、重症监护动态预测以及既有工具的外部验证或工作流评估四类任务，多数为回顾性队列（20/29，69%），机器学习或混合方法常见（18/29，62%）但未稳定优于统计或规则方法，24项（83%）报告
该系统综述检索PubMed、MEDLINE、Embase、PsycINFO与Web of Science（自建库至2025年11月11日），纳入29项使用常规采集的电子健康记录或行政数据开发、验证或评估成人住院期间急性精神状态恶化（均操作化为谵妄）多变量预测模型的研究，按CHARMS与TRIPOD/TRIPOD-AI提取数据、以PROBAST评估偏倚风险，发现证据集中于入院或早期风险分层、围手术期或术后预测、重症监护动态预测以及既有工具的外部验证或工作流评估四类任务，多数为回顾性队列（20/29，69%），机器学习或混合方法常见（18/29，62%）但未稳定优于统计或规则方法，24项（83%）报告
该系统综述检索PubMed、MEDLINE、Embase、PsycINFO与Web of Science（自建库至2025年11月11日），纳入29项使用常规采集的电子健康记录或行政数据开发、验证或评估成人住院期间急性精神状态恶化（均操作化为谵妄）多变量预测模型的研究，按CHARMS与TRIPOD/TRIPOD-AI提取数据、以PROBAST评估偏倚风险，发现证据集中于入院或早期风险分层、围手术期或术后预测、重症监护动态预测以及既有工具的外部验证或工作流评估四类任务，多数为回顾性队列（20/29，69%），机器学习或混合方法常见（18/29，62%）但未稳定优于统计或规则方法，24项（83%）报告
该系统综述检索PubMed、MEDLINE、Embase、PsycINFO与Web of Science（自建库至2025年11月11日），纳入29项使用常规采集的电子健康记录或行政数据开发、验证或评估成人住院期间急性精神状态恶化（均操作化为谵妄）多变量预测模型的研究，按CHARMS与TRIPOD/TRIPOD-AI提取数据、以PROBAST评估偏倚风险，发现证据集中于入院或早期风险分层、围手术期或术后预测、重症监护动态预测以及既有工具的外部验证或工作流评估四类任务，多数为回顾性队列（20/29，69%），机器学习或混合方法常见（18/29，62%）但未稳定优于统计或规则方法，24项（83%）报告