latex-posters
87创建 LaTeX 科研海报
科研海报在 LaTeX 中很难排版,也很难为印刷进行校对。此技能提供模板、布局指导和 PDF 检查,帮助制作符合会议要求的海报。
构建 PyHealth 临床机器学习工作流
临床机器学习项目需要谨慎处理数据集、编码系统、任务、模型和验证。此技能整理了 PyHealth 指南,使 Claude、Codex 和 Claude Code 能够帮助设计可复现的医疗 AI 工作流。
将此请求复制给你的智能体,其中包含权威 Skill 页面和清单。
Review the Skillstore skill "pyhealth" from https://skillstore.io/skills/davila7-pyhealth.md and its manifest at https://skillstore.io/api/skills/davila7-pyhealth/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.你的智能体仍应展示其计划,并按安全策略请求必要确认。
当 AI Agent、爬虫或脚本需要干净上下文,而不是读取完整页面时,请使用这些链接。
正在使用“pyhealth”。 规划一个用于 ICU 死亡率预测的 PyHealth 工作流。
预期结果:
该技能会概述数据集加载、死亡率任务设置、患者级划分、RETAIN 或 Transformer 选择、以 AUPRC 为重点的评估、校准和解释步骤。
正在使用“pyhealth”。 帮我为药物安全性分析标准化用药编码。
预期结果:
该技能会说明如何通过支持的词表映射用药编码、选择 ATC 层级、处理一对多映射,并记录编码版本。
正在使用“pyhealth”。 审查我的临床模型是否已准备好部署。
预期结果:
该技能会检查留出测试、外部验证、人口统计公平性、校准质量、不确定性估计、隐私控制和临床医生审查要求。
All 60 static findings are false positives caused by Markdown syntax, standard Python imports, clinical terminology, and documentation links. The examples include one fixed installation command, with no automatic execution, command interpolation, reconnaissance, or suspicious network behavior. No prompt injection, social engineering, or data exfiltration intent was found.
分享版本化评估报告、中性徽章、嵌入卡片和引用。Skillstore 只报告证据,不判断该 Skill 是否安全。
https://skillstore.io/skills/davila7-pyhealth/audits/9?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report[](https://skillstore.io/skills/davila7-pyhealth?utm_source=security_passport_badge)<a href="https://skillstore.io/skills/davila7-pyhealth?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/davila7-pyhealth/security.svg" alt="Skillstore security assessment" loading="lazy"></a><iframe src="https://skillstore.io/embed/skills/davila7-pyhealth.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>davila7. (2026). pyhealth security audit report (audit version 9) [Author version unspecified]. Skillstore. https://skillstore.io/skills/davila7-pyhealth/audits/9@techreport{davila7-davila7-pyhealth-2026,
author = {davila7},
title = {pyhealth security audit report (audit version 9)},
institution = {Skillstore},
year = {2026},
number = {9},
url = {https://skillstore.io/skills/davila7-pyhealth/audits/9},
note = {Author version unspecified}
}cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "pyhealth security audit report (audit version 9)"
version: "unspecified"
type: report
authors:
- name: "davila7"
date-released: "2026-07-23"
url: "https://skillstore.io/skills/davila7-pyhealth/audits/9"
identifiers:
- type: other
value: "skillstore:davila7-pyhealth:audit:9"
description: "Skillstore immutable audit report identifier"
每位作者的技能都保持为独立的可安装项。推荐变体按 Skillstore 证据排序。
为什么此变体排名第一
规划一个 PyHealth 工作流,用于加载 MIMIC 数据、定义死亡率任务、选择可解释模型并评估临床指标。
在 ICD、CCS、NDC、RxNorm 和 ATC 系统之间映射诊断、操作和用药编码,以获得一致的特征。
在医疗模型试点前检查校准、公平性、不确定性、可解释性和外部验证需求。
使用 PyHealth skill 帮我为预测 30 天再入院选择一个数据集和预定义任务。说明所需输入、标签以及训练/验证/测试划分。
使用 PyHealth skill 概述一个基于 MIMIC-IV 的死亡率预测基线工作流,包括患者级划分、预处理、简单模型和合适的评估指标。
使用 PyHealth skill 为药物推荐项目比较 RETAIN、Transformer、SafeDrug 和 GAMENet。包括数据需求、可解释性和评估权衡。
使用 PyHealth skill 审查已训练临床模型方案中的泄漏风险、校准、公平性、不确定性、外部验证、隐私控制和部署缺口。
作者
davila7许可证
MIT
Skillstore 修订
r2
版本提示
作者未声明版本。
引用
c43861a65bb95efcae259cd161c9d6f4dc7eec6f
维护新鲜度
2026/7/24
使用量
9 次下载 · 527 次浏览
文件结构
创建 LaTeX 科研海报
科研海报在 LaTeX 中很难排版,也很难为印刷进行校对。此技能提供模板、布局指导和 PDF 检查,帮助制作符合会议要求的海报。
创建适合 SEO 的营销内容
营销团队需要清晰的内容,以匹配品牌语调和搜索目标。此技能提供模板、分析脚本和平台指南,用于可重复的内容生产。
创建结构化医疗治疗计划
临床治疗计划往往会变得不一致、冗长或难以审查。此技能提供重点明确的模板、可衡量的目标、时间表和本地质量检查。
创建结构化临床报告
临床团队需要符合医疗和监管标准的清晰报告。此技能为病例报告、诊断、试验和患者记录提供模板、检查清单和验证指导。
分析科学数据文件
科学数据文件很难检查,因为每种格式存储结构和元数据的方式都不同。此技能可检测格式、分析数据质量,并创建实用的 Markdown EDA 报告。
运行 DiffDock 分子对接工作流
分子对接设置经常失败,因为输入、参数和置信度分数很难对齐。此技能会指导从准备到结果审查的 DiffDock 工作流。
处理 JSON、YAML 和 TOML 数据
由 0xDarkMatter
结构化配置数据在 JSON、YAML 和 TOML 文件之间可能难以检查。此技能指导使用 jq 和 yq 查询进行提取、过滤、转换和更新。
使用 PyTDC 分析治疗领域 ML 数据集
由 K-Dense-AI
药物发现团队需要可靠的数据集和公平的评估协议。此技能帮助 Claude 使用 PyTDC 获取经过整理的治疗领域 ML 数据、基准划分、指标和分子 oracle。
起草 Nature 数据可用性声明
由 Yuan1z0825
研究作者在投稿前通常需要精确的数据可用性表述。此技能可帮助起草声明、将数据集映射到访问路径,并检查 FAIR 元数据。
设计可靠的电子邮件实验
由 aaron-he-zhu
电子邮件测试往往因实验设计检验效能不足或同时改变多个变量而得出薄弱的结论。此技能可制定严谨的方案,并在考虑不确定性的情况下解读结果。
设计数据科学实验与模型
由 alirezarezvani
当实验、特征和模型缺乏清晰的统计结构时,数据科学项目往往会失败。此技能为 Claude、Codex 和 Claude Code 提供用于实验、特征工程和模型评审的引导式工作流。
构建生产级计算机视觉系统
由 alirezarezvani
计算机视觉团队需要在模型、数据集、推理和部署方面获得可靠指导。此技能通过实用的工程检查,帮助规划和优化生产级视觉流水线。