スキル pubmed-database
📦

pubmed-database

安全 🌐 ネットワークアクセス

PubMed生物医学文献を検索

こちらからも入手できます: davila7

研究者は体系的レビューやエビデンスベースの研究のために生物医学文献への効率的なアクセスを必要としています。このスキルは、Boolean演算子、MeSH用語、およびE-utilities APIアクセスを含むPubMedクエリの包括的なドキュメントを提供します。

対応: Claude Codex Code(CC)
📊 70 十分
1

スキルZIPをダウンロード

2

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

3

オンにして利用開始

テストする

「pubmed-database」を使用しています。 医学画像における機械学習に関する体系的レビューを2023-2024年に発表されたもので検索

期待される結果:

  • Query: (machine learning[mh] OR deep learning[tiab] OR artificial intelligence[tiab]) AND (medical imaging[mh] OR radiology[tiab] OR diagnostic imaging[tiab]) AND systematic review[pt] AND 2023:2024[dp]
  • Result: 247件の記事が見つかりました
  • 上位の該当記事:
  • - Deep learning in radiology: a systematic review (PMID: 38012345)
  • - Machine learning for medical image analysis: systematic review (PMID: 37987654)

「pubmed-database」を使用しています。 心血管転帰を伴う2型糖尿病に対するメトホルミンの臨床試験を見つける

期待される結果:

  • Query: (metformin[nm] OR biguanides[mh]) AND diabetes mellitus, type 2[mh] AND cardiovascular diseases[mh] AND randomized controlled trial[pt] AND hasabstract[text]
  • Result: 89件の記事が見つかりました
  • 主要な研究:
  • - Metformin and cardiovascular outcomes in type 2 diabetes (PMID: 36543210)
  • - Long-term cardiovascular effects of metformin (PMID: 36123456)

セキュリティ監査

安全
v5 • 1/21/2026

All static findings are false positives. This is a documentation-only skill providing reference materials for PubMed queries. The detected patterns (backticks, API key placeholders, URLs) are markdown documentation elements, not executable code. The skill contains no executable code, no network calls, and no credential access.

5
スキャンされたファイル
5,088
解析された行数
1
検出結果
5
総監査数

リスク要因

🌐 ネットワークアクセス (5)
references/api_reference.md:8 references/api_reference.md:295 SKILL.md:128 SKILL.md:453 SKILL.md:454
監査者: claude 監査履歴を表示 →

品質スコア

45
アーキテクチャ
90
保守性
87
コンテンツ
23
コミュニティ
100
セキュリティ
91
仕様準拠

作れるもの

体系的文献レビュー

Boolean演算子、MeSH用語、およびフィルタを使用して、体系的レビューとメタ分析に関連するすべての研究を見つけるための包括的な検索戦略を構築します。

生物医学研究クエリ

正確なフィールドタグと統制語彙を使用して、特定の疾患、治療、または薬物相互作用に関する論文を検索します。

プログラム的データ抽出

E-utilities APIを使用してPubMedを検索し、大規模研究プロジェクトのために論文メタデータを抽出する自動化されたワークフローを構築します。

これらのプロンプトを試す

基本的な論文検索 
{topic}に関する2024年に発表された最新の論文を見つけます。適切なMeSH用語とフィールドタグを使用して、英文の研究論文に結果を制限してください。
臨床試験検索 
{condition}に対する{treatment_a}と{treatment_b}を比較した無作為化比較試験を2020年から2024年の範囲で検索します。全文 доступ可能な記事のみを含めます。
体系的レビュークエリ 
PICOフレームワークを使用して、{clinical_question}の包括的な検索戦略を構築します。すべての関連する同義語とMeSH用語を含めます。
APIベースのバッチ検索 
E-utilities APIを使用してPythonスクリプトを書き、{criteria}に一致する論文を検索し、履歴サーバーを使用して最大500件のPMIDを取得し、PMID、タイトル、抄録を含むCSVファイルに結果をエクスポートします。

ベストプラクティス

  • まずMeSH用語を使用して広範な検索を開始し、精度を高めるためにフィールドタグとフィルタで絞込みます
  • すべての関連する文献を捕捉するために、同義語と代替用語を含めます
  • 500件を超える大きな結果セットには履歴サーバー（usehistory=y）を使用します
  • NCBIからAPIキーを取得してより高いレート制限を取得します（1秒あたり10リクエスト対3リクエスト）

回避

  • MeSH用語なしでフリーキーワードのみを使用すると、インデックス化された記事が見落とされます
  • 多くの小さなAPIリクエストを実行するのではなく、バッチ操作を使用するとレート制限が無駄になります
  • 結果をキャッシュしないと、冗長なAPI呼び出しとワークフローの低速化が発生します
  • 自動用語マッピングを無視すると、予期しない検索結果が生じる可能性があります

よくある質問

MeSH用語とテキスト語検索の違いは何ですか？
MeSH用語は、すべての記事が手動でタグ付けされる統制語彙索引を検索します。テキスト語検索は、タイトルと抄録に現れる用語のみと一致します。両方を組み合わせることで包括的なカバレッジが得られます。
PubMed E-utilitiesのAPIキーを取得するにはどうすればよいですか？
ncbi.nlm.nih.govで無料NCBIアカウントに登録し、アカウント設定にアクセスしてAPIキーを生成します。より高いレート制限を得るために、api_keyパラメータとともにリクエストに含めます。
PubMedのレート制限は何ですか？
APIキーなしの場合：1秒あたり3リクエスト。APIキーがある場合：1秒あたり10リクエスト。常に説明的なUser-Agentヘッダーをリクエストに含めてください。
数千件の記事を含む大きな結果セットをどのように処理すればよいですか？
履歴サーバーを使用します：まずusehistory=yでESearchを呼び出して結果を保存し、次にESummaryまたはEFetchでWebEnvとQueryKeyパラメータを使用して、1リクエストあたり最大500レコードのバッチでデータを取得します。
PubMedの結果にはどのようなエクスポート形式が利用可能ですか？
一般的な形式には、MEDLINE（テキスト）、XML（構造化データ）、RIS（文献管理ソフト）、NBIB（EndNote）が含まれます。rettypeおよびretmodeパラメータを使用して、目的の形式を指定します。
特定の論文を引用している記事を見つけるにはどうすればよいですか？
dbfrom=pubmed、db=pubmed、cmd=citeでELinkユーティリティを使用します。これは入力記事を引用する記事のPMIDを返します。最近の出版物については引用データが完全でない場合があることに注意してください。

開発者の詳細

作成者

K-Dense-AI

ライセンス

Unknown

リポジトリ

https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/pubmed-database

参照

main

ファイル構成

📁 references/

📄 api_reference.md

📄 common_queries.md

📄 search_syntax.md

📄 SKILL.md