Tài liệu Nghiên cứu & Đánh giá Hỗ trợ Quyết định Lâm sàng
Kỹ năng soạn và kiểm tra các tài liệu đánh giá, hồ sơ bằng chứng, bảng cohort, kế hoạch phân tích sống còn, quyền riêng tư và quản trị cho hệ thống CDS — chỉ dùng cho nghiên cứu, không dùng cho chăm sóc bệnh nhân.
Kỹ năng này làm gì
Tạo và xác thực tài liệu, hồ sơ đánh giá và quản trị trong nghiên cứu hỗ trợ quyết định lâm sàng (CDS), dựa trên mẫu chuẩn và script chạy cục bộ.
- Tuyên bố mục đích sử dụng, giới hạn và header bắt buộc cho mọi sản phẩm
- Kiểm tra tính đầy đủ của hồ sơ bằng chứng GRADE (mức độ chắc chắn vẫn do hội đồng người quyết định)
- Sinh bảng cohort dạng tổng hợp với ngưỡng ô tối thiểu và cơ chế che giấu sơ cấp/bổ sung
- Xác thực kế hoạch phân tích sống còn: mốc thời gian 0, sự kiện cạnh tranh, kiểm duyệt, estimand, giả định tỷ lệ nguy cơ
- Đánh giá mô hình/biomarker từ ma trận nhầm lẫn tổng hợp: khoảng tin cậy Wilson, chênh lệch hiệu chuẩn, khác biệt giữa các phân nhóm
- Checklist quy trình khử định danh và ma trận truy vết logic quản trị
Mọi script chỉ dùng thư viện chuẩn Python, không gọi mạng, không API key, không LLM. Dữ liệu dòng cá nhân, định danh, văn bản tự do, hình ảnh, dữ liệu gen đều bị từ chối ngay từ cổng nhập.
Lưu ý: Kỹ năng tự tuyên bố cấm dùng cho chẩn đoán, quyết định điều trị, tính liều, phân loại ưu tiên cấp cứu hay vận hành lâm sàng thời gian thực.
Dành cho ai
- Nhà nghiên cứu lâm sàng, thống kê y sinh cần chuẩn hóa SAP và tài liệu tuân thủ hướng dẫn báo cáo
- Đội ngũ AI y tế cần khung TRIPOD+AI, PROBAST+AI, STARD-AI
- Cán bộ IRB / quản trị dữ liệu bệnh viện xây dựng chính sách khử định danh và che giấu dữ liệu
- Chuyên viên RA/QA soạn bản thảo bối cảnh quy định (FDA CDS, ICH E6(R3)/E9)
Ví dụ sử dụng
- Báo cáo hiệu năng mô hình: đưa ma trận nhầm lẫn tổng hợp của tập kiểm định ngoài, script trả về độ nhạy/đặc hiệu kèm khoảng Wilson và tự động che các ô phân nhóm quá nhỏ.
- Rà soát hồ sơ bằng chứng:
evidence_profile_check.pyliệt kê những mục GRADE còn thiếu nguy cơ sai lệch, tính không nhất quán hoặc thiếu ID nguồn trích dẫn. - Tiền kiểm kế hoạch sống còn: kiểm tra trước khi chốt đề cương xem đã định nghĩa mốc thời gian 0, xử lý sai lệch immortal-time, sự kiện cạnh tranh và phương án RMST hay chưa.
· · · Hướng dẫn cài đặt · · ·
Cài vào ứng dụng Claude (không cần terminal)
- Tải tệp ZIP bằng nút bên dưới.
- Trong Claude, mở Settings → Capabilities và bật 'Code execution and file creation'. (chỉ một lần)
- Vào Customize → Skills → + → 'Upload a skill' rồi tải tệp ZIP lên.
Cài vào Claude Code
Để Claude làm — dán câu dưới đây vào Claude Code
Hãy cài skill mình tìm thấy trên Claude Skill Mart. Copy thư mục skills/clinical-decision-support từ repo GitHub K-Dense-AI/scientific-agent-skills vào ~/.claude/skills/clinical-decision-support/ của mình. Sau khi cài xong, cho mình biết skill này làm được gì trong một câu.
Cài bằng lệnh thủ công
git clone https://github.com/K-Dense-AI/scientific-agent-skills.git && mkdir -p ~/.claude/skills && cp -r scientific-agent-skills/skills/clinical-decision-support ~/.claude/skills/⚠ Đây là skill do người khác tạo. Hãy kiểm tra repo gốc trước khi cài.
- Mở terminal và kiểm tra
python3 --version(cần Python 3.11 trở lên). - Tải mã nguồn:
git clone https://github.com/K-Dense-AI/scientific-agent-skills.git - Tạo thư mục kỹ năng:
mkdir -p ~/.claude/skills - Sao chép riêng kỹ năng này:
cp -r scientific-agent-skills/skills/clinical-decision-support ~/.claude/skills/ - Khởi động lại Claude Code, sau đó yêu cầu ví dụ: "Dùng kỹ năng clinical-decision-support để dựng bảng cohort tổng hợp".
- (Tùy chọn) Chạy
python3 scripts/validate_cds_artifact.py --helptrong thư mục kỹ năng để kiểm tra script hoạt động. - Chỉ nạp dữ liệu tổng hợp hoặc dữ liệu mô phỏng; tuyệt đối không đưa dòng dữ liệu bệnh nhân hay thông tin định danh.