클로드스킬마트스킬 둘러보기스킬이 뭐예요?
 
← 목록으로

RELSA 중증도 평가 & 인도적 종료점 예측

체중·체온·임상점수·바이오마커를 하나의 RELSA 중증도 점수로 합치고, ARIMA로 인도적 종료점 도달을 미리 예측하는 실험동물 복지 분석 스킬.

데이터·분석고급★ 33,030⑂ 3,248AI 점수 8/10마지막 업데이트: 2026. 8. 9.

무엇을 해주나

  • RELSA 점수 계산: 체중 감소, 체온, 임상 점수, 염증 바이오마커, 활동량, 심박수 등 여러 복지 지표를 동물 1마리 × 1시점당 하나의 상대적 중증도 점수로 통합합니다(0 = 기저선, 1 = 기준군 최대 편차).
  • 인도적 종료점 예측(foRcast): 개별 동물의 RELSA 궤적에 ARIMA를 적합시켜 다음 시점 점수와 95% 예측구간을 산출하고 RMSE·PICP·MPIW로 예측 품질을 평가합니다.
  • 중증도 구간(zone) 도출: 커널 밀도 추정(KDE)의 밀도 최소점에서 '주의/위험' 임계값 후보를 찾고, 대역폭 민감도까지 함께 보고하도록 안내합니다.
  • 보고 품질 관리: 방향성(turned) 선언, 기저선 정규화, 기준군 선택, 0점 임상점수 매핑, 변수 구성 변화 등 결과를 좌우하는 4가지 결정과 9가지 함정, 재현성 체크리스트를 제공합니다.

이런 분께 추천

  • 실험동물 중증도 평가를 수행하는 연구자·수의사·동물시설 담당자
  • 3Rs/refinement, EU Directive 2010/63/EU 관련 신청서·보고서의 중증도 섹션을 작성해야 하는 분
  • 텔레메트리·임상 점수 등 다변량 복지 데이터를 하나의 척도로 비교하려는 분

활용 예시

  1. 코호트 점수화: assets/example_cohort.csv(6마리, 9일)로 체중·체온·0–8 임상점수·IL-6를 넣고 --reference-group condition=endpoint로 기준 모델을 저장, 동물별 일별 RELSA와 변수별 가중치를 CSV로 출력.
  2. 위험 동물 조기 식별: 종료점 직전까지 학습해 종료 시점 점수를 예측(예: 0.93 [0.67–1.19] vs 실제 1.00)하고, 실시간 모니터링에는 --mode rolling으로 1스텝 예측을 반복.
  3. 주의/위험 구간 정의: kde_thresholds.py로 임계값 0.703을 찾고 대역폭 스윕 결과와 함께 보고 — 임계값이 사라질 수 있음을 함께 서술.

· · · 설치 가이드 · · ·

Claude 앱에 설치 (터미널 필요 없음)
  1. 아래 버튼으로 ZIP 파일을 받으세요.
  2. Claude 설정 → Capabilities에서 '코드 실행 및 파일 생성'을 켭니다. (한 번만)
  3. Claude에서 Customize → Skills → + → '스킬 업로드'를 누르고 받은 ZIP을 올립니다.
↓ ZIP 내려받기
Claude Code에 설치

Claude에게 맡기기 — 아래 문장을 Claude Code에 붙여넣으세요

클로드스킬마트에서 찾은 스킬을 설치해줘.
GitHub 저장소 K-Dense-AI/scientific-agent-skills 의 skills/relsa-severity-assessment 폴더를 내 ~/.claude/skills/relsa-severity-assessment/ 에 그대로 복사해줘.
설치가 끝나면 이 스킬로 무엇을 할 수 있는지 한 줄로 알려줘.

직접 명령으로 설치하기

git clone https://github.com/K-Dense-AI/scientific-agent-skills.git && mkdir -p ~/.claude/skills && cp -r scientific-agent-skills/skills/relsa-severity-assessment ~/.claude/skills/

⚠ 제3자가 만든 스킬입니다. 설치 전 원본 저장소를 한 번 확인하세요.

  1. 터미널을 열고 원하는 작업 폴더로 이동합니다.
  2. 저장소를 복제합니다: git clone https://github.com/K-Dense-AI/scientific-agent-skills.git
  3. 스킬 폴더를 Claude 스킬 경로로 복사합니다: mkdir -p ~/.claude/skills && cp -r scientific-agent-skills/skills/relsa-severity-assessment ~/.claude/skills/
  4. 파이썬 의존성을 설치합니다: uv pip install "numpy>=1.26" "pandas>=2.0" "scipy>=1.11" "statsmodels>=0.14" matplotlib (Python 3.10 이상 필요)
  5. Claude Code를 재시작하고 "RELSA로 우리 코호트 중증도 점수를 계산해줘"처럼 요청하면 스킬이 자동 활성화됩니다.
  6. 먼저 assets/example_cohort.csv 예제 명령을 그대로 실행해 환경이 정상인지 확인한 뒤 실제 데이터를 적용하세요.
GitHub에서 원본 보기 ↗라이선스: MIT