Habilidades clinical-decision-support
📊

clinical-decision-support

Seguro 📁 Acceso al sistema de archivos

Generar documentos de apoyo a la decisión clínica

También disponible en: davila7

Los investigadores clínicos necesitan documentos basados en evidencia para el desarrollo de fármacos y las presentaciones regulatorias. Esta skill crea documentos de apoyo a la decisión clínica listos para publicación con estratificación por biomarcadores y gradación de evidencia GRADE.

Soporta: Claude Codex Code(CC)
🥈 79 Plata
1

Descargar el ZIP de la skill

2

Subir en Claude

Ve a Configuración → Capacidades → Skills → Subir skill

3

Activa y empieza a usar

Pruébalo

Usando "clinical-decision-support". Analyze 60 HER2+ breast cancer patients by hormone receptor status with trastuzumab-deruxtecan outcomes

Resultado esperado:

  • Resumen ejecutivo: comparación de eficacia HR+/HER2+ vs HR-/HER2+
  • Tabla de demografía con características basales
  • ORR: 68% vs 78% (p=0.041) a favor de HR-negativo
  • PFS mediana: 16.2 vs 22.1 meses (HR=0.74, IC 95%: 0.58-0.95)
  • Curvas de supervivencia de Kaplan-Meier con bandas de confianza del 95%
  • Forest plot mostrando análisis de subgrupos
  • Implicaciones clínicas con recomendación Grade 1A

Usando "clinical-decision-support". Create treatment recommendations for first-line EGFR-mutant NSCLC with osimertinib

Resultado esperado:

  • Recomendación fuerte de osimertinib 80mg diarios (Grade 1A)
  • Evidencia del ensayo FLAURA: PFS 18.9 vs 10.2 meses (HR 0.46)
  • Beneficio en OS: 38.6 vs 31.8 meses (HR 0.80, p=0.046)
  • Diagrama de flujo del algoritmo de tratamiento con puntos de decisión por biomarcadores
  • Perfil de eventos adversos y requisitos de monitorización

Auditoría de seguridad

Seguro
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
Archivos escaneados
9,010
Líneas analizadas
1
hallazgos
4
Auditorías totales

Factores de riesgo

📁 Acceso al sistema de archivos (3)
scripts/build_decision_tree.py:221 scripts/create_cohort_tables.py:464 scripts/generate_survival_analysis.py:286
Auditado por: claude Ver historial de auditorías →

Puntuación de calidad

82
Arquitectura
100
Mantenibilidad
87
Contenido
21
Comunidad
100
Seguridad
78
Cumplimiento de la especificación

Lo que puedes crear

Documentación para desarrollo de fármacos

Generar análisis de cohortes estratificados por biomarcadores para ensayos de fase 2/3 y presentaciones regulatorias

Guías basadas en evidencia

Crear informes de recomendaciones de tratamiento con gradación GRADE para sociedades médicas

Documentos de presentación

Producir análisis listos para publicación para presentaciones IND/NDA y comités asesores

Prueba estos prompts

Análisis básico de cohorte 
Create a cohort analysis for 50 NSCLC patients stratified by PD-L1 expression levels. Include ORR, median PFS, and OS with hazard ratios comparing groups.
Guías de tratamiento 
Generate GRADE-graded treatment recommendations for HER2+ metastatic breast cancer including first-line and subsequent therapies.
Integración de biomarcadores 
Analyze 75 GBM patients by molecular subtype with outcomes, biomarker profiles, and treatment response comparison.
Algoritmo de decisión 
Create a TikZ flowchart for advanced NSCLC treatment decisions based on PD-L1, EGFR, ALK, and performance status with recommendations.

Mejores prácticas

  • Incluya siempre un resumen ejecutivo completo en la página 1 con 3-5 hallazgos clave en recuadros de color
  • Use terminología médica estándar e incluya los nombres de los ensayos para las citas de evidencia
  • Documente los métodos estadísticos e incluya razones de riesgo con intervalos de confianza del 95%

Evitar

  • No incluya información identificable de pacientes: use solo datos desidentificados
  • Evite texto narrativo sin datos: respalde todas las recomendaciones con tablas de evidencia
  • No omita los elementos visuales: incluya curvas de Kaplan-Meier y diagramas de flujo de decisión

Preguntas frecuentes

¿Cuál es la diferencia entre esta y la skill treatment-plans?
Esta skill crea análisis a nivel de grupo para investigación; treatment-plans crea planes de atención de pacientes individuales.
¿Puedo usar datos reales de pacientes?
Solo datos desidentificados que cumplan con el método HIPAA Safe Harbor con los 18 identificadores eliminados.
¿Qué formato de salida genera?
Documentos LaTeX listos para publicación que compilan a PDF con tablas y figuras profesionales.
¿Necesito LaTeX instalado?
Sí, para compilar salidas en PDF. La skill genera código LaTeX que requiere compilación con pdflatex.
¿Qué métodos estadísticos se admiten?
Análisis de supervivencia de Kaplan-Meier, razones de riesgo, pruebas log-rank, prueba exacta de Fisher y gradación de evidencia GRADE.
¿Puede crear diagramas de flujo de decisión?
Sí, genera algoritmos de decisión clínica basados en TikZ y diagramas de vías de tratamiento.

Detalles del desarrollador

Licencia

MIT License

Repositorio

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

Ref.

main

Estructura de archivos

📁 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