Fähigkeiten clinical-decision-support
📊

clinical-decision-support

Sicher 📁 Dateisystemzugriff

Generieren von klinischen Entscheidungsunterstützungsdokumenten

Auch verfügbar von: davila7

Klinische Forscher benötigen evidenzbasierte Dokumente für die Arzneimittelentwicklung und regulatorische Einreichungen. Diese Fähigkeit erstellt publikationsreife klinische Entscheidungsunterstützungsdokumente mit Biomarker-Stratifizierung und GRADE-Evidenzbewertung.

Unterstützt: Claude Codex Code(CC)
🥈 79 Silber
1

Die Skill-ZIP herunterladen

2

In Claude hochladen

Gehe zu Einstellungen → Fähigkeiten → Skills → Skill hochladen

3

Einschalten und loslegen

Teste es

Verwendung von "clinical-decision-support". Analysieren Sie 60 HER2+ Brustkrebspatienten nach Hormonrezeptorstatus mit Trastuzumab-Deruxtecan-Ergebnissen

Erwartetes Ergebnis:

  • Zusammenfassung: Effizienzvergleich HR+/HER2+ vs HR-/HER2+
  • Demografietabelle mit Baseline-Charakteristika
  • ORR: 68% vs 78% (p=0,041) zugunsten HR-negativ
  • Medianes PFS: 16,2 vs 22,1 Monate (HR=0,74, 95% KI: 0,58-0,95)
  • Kaplan-Meier-Überlebenskurven mit 95%-Konfidenzbändern
  • Forest-Plot mit Subgruppenanalysen
  • Klinische Implikationen mit Empfehlung Grad 1A

Verwendung von "clinical-decision-support". Erstellen Sie Behandlungsempfehlungen für Erstlinien EGFR-mutierten NSCLC mit Osimertinib

Erwartetes Ergebnis:

  • Starke Empfehlung für Osimertinib 80mg täglich (Grad 1A)
  • Evidenz aus der FLAURA-Studie: PFS 18,9 vs 10,2 Monate (HR 0,46)
  • OS-Vorteil: 38,6 vs 31,8 Monate (HR 0,80, p=0,046)
  • Behandlungsalgorithmus-Flussdiagramm mit Biomarker-Entscheidungspunkten
  • Nebenwirkungsprofil und Überwachungsanforderungen

Sicherheitsaudit

Sicher
v4 • 1/17/2026

All static findings are false positives. The skill generates legitimate clinical research documents using standard Python libraries (pandas, numpy, scipy). The 'weak cryptographic algorithm' detections are medical terminology matches (e.g., hazard ratio, recommendation strength). 'External commands' flagged are markdown backticks for documentation formatting, not shell execution. Filesystem operations are standard document generation. No malicious code, credential exfiltration, or harmful patterns exist.

21
Gescannte Dateien
9,010
Analysierte Zeilen
1
befunde
4
Gesamtzahl Audits

Risikofaktoren

📁 Dateisystemzugriff (3)
scripts/build_decision_tree.py:221 scripts/create_cohort_tables.py:464 scripts/generate_survival_analysis.py:286
Auditiert von: claude Audit-Verlauf anzeigen →

Qualitätsbewertung

82
Architektur
100
Wartbarkeit
87
Inhalt
21
Community
100
Sicherheit
78
Spezifikationskonformität

Was du bauen kannst

Dokumentation für Arzneimittelentwicklung

Generieren von Biomarker-stratifizierten Kohortenanalysen für Phase-2/3-Studien und regulatorische Einreichungen

Evidenzbasierte Richtlinien

Erstellen von Behandlungsempfehlungsberichten mit GRADE-Bewertung für medizinische Fachgesellschaften

Einreichungsdokumente

Erstellen publikationsreifer Analysen für IND/NDA-Einreichungen und Beratungsgremien

Probiere diese Prompts

Grundlegende Kohortenanalyse 
Erstellen Sie eine Kohortenanalyse für 50 NSCLC-Patienten, stratifiziert nach PD-L1-Expressionsspiegeln. Einschließlich ORR, medianes PFS und OS mit Hazard Ratios zum Vergleich der Gruppen.
Behandlungsrichtlinien 
Generieren Sie GRADE-bewertete Behandlungsempfehlungen für HER2+ metastasierten Brustkrebs, einschließlich Erstlinien- und Folgetherapien.
Biomarker-Integration 
Analysieren Sie 75 GBM-Patienten nach molekularem Subtyp mit Ergebnissen, Biomarkerprofilen und Therapieansprechvergleich.
Entscheidungsalgorithmus 
Erstellen Sie ein TikZ-Flussdiagramm für fortschrittliche NSCLC-Behandlungsentscheidungen basierend auf PD-L1, EGFR, ALK und Leistungsstatus mit Empfehlungen.

Bewährte Verfahren

  • Fügen Sie immer eine vollständige Zusammenfassung auf Seite 1 mit 3-5 wichtigsten Erkenntnissen in farbigen Kästen ein
  • Verwenden Sie standardmedizinische Terminologie und fügen Sie Studiennamen für Evidenzzitate ein
  • Dokumentieren Sie statistische Methoden und fügen Sie Hazard Ratios mit 95%-Konfidenzintervallen ein

Vermeiden

  • Fügen Sie keine identifizierbaren Patienteninformationen ein - verwenden Sie nur de-identifizierte Daten
  • Vermeiden Sie narrativen Text ohne Daten - unterstützen Sie alle Empfehlungen mit Evidenztabellen
  • Überspringen Sie nicht die visuellen Elemente - fügen Sie Kaplan-Meier-Kurven und Entscheidungsflussdiagramme ein

Häufig gestellte Fragen

Was ist der Unterschied zur treatment-plans Fähigkeit?
Diese Fähigkeit erstellt Gruppenebenenanalysen für Forschung; treatment-plans erstellt individuelle Patientenversorgungspläne.
Kann ich echte Patientendaten verwenden?
Nur de-identifizierte Daten, konform mit der HIPAA Safe Harbor-Methode mit Entfernung aller 18 Identifikatoren.
Welches Ausgabeformat wird generiert?
Publikationsreife LaTeX-Dokumente, die zu PDF mit professionellen Tabellen und Abbildungen kompilieren.
Muss ich LaTeX installiert haben?
Ja, für die Kompilierung von PDF-Ausgaben. Die Fähigkeit generiert LaTeX-Code, der eine pdflatex-Kompilierung erfordert.
Welche statistischen Methoden werden unterstützt?
Kaplan-Meier-Überlebensanalyse, Hazard Ratios, Log-Rank-Tests, Fisher's exakter Test und GRADE-Evidenzbewertung.
Kann es Entscheidungsflussdiagramme erstellen?
Ja, generiert TikZ-basierte klinische Entscheidungsalgorithmen und Behandlungspfaddiagramme.

Entwicklerdetails

Lizenz

MIT License

Repository

https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/clinical-decision-support

Ref

main

Dateistruktur

📁 assets/

📄 biomarker_report_template.tex

📄 clinical_pathway_template.tex

📄 cohort_analysis_template.tex

📄 color_schemes.tex

📄 example_gbm_cohort.md

📄 recommendation_strength_guide.md

📄 treatment_recommendation_template.tex

📁 references/

📄 biomarker_classification.md

📄 clinical_decision_algorithms.md

📄 evidence_synthesis.md

📄 outcome_analysis.md

📄 patient_cohort_analysis.md

📄 README.md

📄 treatment_recommendations.md

📁 scripts/

📄 biomarker_classifier.py

📄 build_decision_tree.py

📄 create_cohort_tables.py

📄 generate_survival_analysis.py

📄 validate_cds_document.py

📄 SKILL.md