這項研究使用全國肺部篩查試驗(NLST)數據集對Brock模型進行了外部驗證，遵循針對個體預後或診斷多因素預測模型透明報告的嚴格指導。這篇文章報道了如何解釋外部驗證結果，並突出了重新校準和模型更新的作用。

研究人員使用NLST數據集評估模型的辨別度和校準。根據McWilliams等人報告的納入/排除標準，確定了基線低劑量CT篩查發現的7879例非鈣化結節，並隨訪2年。研究描述了泛加拿大肺癌早期檢測研究與NLST隊列之間的差異。通過將原始Brock模型擬合到NLST來計算預後指數的斜率和截距係數。研究還評估了模型重新校準和添加新協變量的影響，如體重指數、吸煙狀況、包年和石棉。

雖然該模型的曲線下麵積(AUC)良好，為0.905(95%CI 0.882至0.928)，但直方圖顯示該模型區別良性和惡性病例的能力差。校準曲線顯示該模型高估了癌症的可能性。在重新校準模型中，更新了肺氣腫，毛刺征和結節計數的係數。更新模型的校準力得到改善並且樂觀校正的AUC為0.912(95%CI 0.891至0.932)。在評估的新協變量中，僅發現吸煙史有顯著性(p<0.01)。

雖然Brock模型在NLST數據集上驗證時達到了高AUC，但該模型得益於更新和重新校準。然而，模型中使用的協變量不足以充分辨別惡性病例。

原始出處：

Audrey Winter.External validation and recalibration of the Brock model to predict probability of cancer in pulmonary nodules using NLST data.Thorax. 21 March 2019.