臨床研究者は、創薬および規制当局への提出に必要なエビデンスベースの文書が必要です。このスキルは Biomarker 層別化と GRADE エビデンスグレーディングを備えた出版可能な臨床意思決定支援文書を作成します。
スキルZIPをダウンロード
Claudeでアップロード
設定 → 機能 → スキル → スキルをアップロードへ移動
オンにして利用開始
テストする
「clinical-decision-support」を使用しています。 Analyze 60 HER2+ breast cancer patients by hormone receptor status with trastuzumab-deruxtecan outcomes
期待される結果:
- Executive Summary: HR+/HER2+ vs HR-/HER2+ 効果比較
- ベースライン特性を含む患者構成表
- ORR: 68% vs 78% (p=0.041) HR 陽性で優位
- 中央 PFS: 16.2 vs 22.1 ヶ月 (HR=0.74, 95% CI: 0.58-0.95)
- 95% 信頼区間付き Kaplan-Meier 生存曲線
- サブグループ分析を示すフォレストプロット
- Grade 1A 推奨を含む臨床的意義
「clinical-decision-support」を使用しています。 Create treatment recommendations for first-line EGFR-mutant NSCLC with osimertinib
期待される結果:
- オシメルチニブ 80mg 每日を強く推奨 (Grade 1A)
- FLAURA 試験からのエビデンス: PFS 18.9 vs 10.2 ヶ月 (HR 0.46)
- OS ベネフィット: 38.6 vs 31.8 ヶ月 (HR 0.80, p=0.046)
- Biomarker 決定点を含む治療アルゴリズムフローチャート
- 有害事象プロファイルとモニタリング要件
セキュリティ監査
安全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.
リスク要因
品質スコア
作れるもの
創薬 документация
第2/3相試験および規制当局提出のための Biomarker 層別化コホート分析の生成
エビデンスベース ガイドライン
医学会向け GRADE グレーディングによる治療推奨レポートの作成
提出文書
IND/NDA 提出および諮問委員会用の出版可能な分析の生成
これらのプロンプトを試す
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.
Generate GRADE-graded treatment recommendations for HER2+ metastatic breast cancer including first-line and subsequent therapies.
Analyze 75 GBM patients by molecular subtype with outcomes, biomarker profiles, and treatment response comparison.
Create a TikZ flowchart for advanced NSCLC treatment decisions based on PD-L1, EGFR, ALK, and performance status with recommendations.
ベストプラクティス
- 1ページ目に完全なエグゼクティブサマリーを有色ボックス内に3-5つの主要発見とともに必ず含める
- 標準的な医学用語を使用し、エビデンス引用のために試験名を含める
- 統計的手法を文書化し、95% 信頼区間付きのハザード比を含める
回避
- 識別可能な患者情報を含めない - 非識別化データのみを使用
- データなしのナラティブテキストを避ける - すべての推奨をエビデンステーブルで裏付ける
- 視覚要素を省略しない - Kaplan-Meier 曲線と意思決定フローチャートを含める
よくある質問
これと treatment-plans スキルの違いは何ですか？
実際の患者データを使用できますか？
どのような出力形式を生成しますか？
LaTeX をインストールする必要がありますか？
どのような統計的手法がサポートされていますか？
意思決定フローチャートを作成できますか？
開発者の詳細
ファイル構成