Claude Skill MartKhám phá skillCâu dùng ngayHọc qua videoDùng terminalSkill là gì?
 
← Về danh sách

Đánh giá mức độ nghiêm trọng RELSA & dự báo điểm kết thúc nhân đạo

Gộp cân nặng, thân nhiệt, điểm lâm sàng và dấu ấn sinh học của động vật thí nghiệm thành một điểm RELSA duy nhất và dùng ARIMA để dự báo thời điểm đạt điểm kết thúc nhân đạo.

Dữ liệu · Phân tíchNâng cao★ 33,030⑂ 3,248Điểm AI 8/10Cập nhật lần cuối: 9 thg 8, 2026

Kỹ năng này làm gì

  • Kết hợp nhiều chỉ số phúc lợi (sụt cân, thân nhiệt, điểm lâm sàng, dấu ấn viêm như IL-6, hoạt động, nhịp tim) thành một điểm RELSA cho mỗi con vật ở mỗi thời điểm, tương đối so với một nhóm tham chiếu: 0 = mức nền, 1 = độ lệch tối đa của nhóm tham chiếu.
  • scripts/relsa_score.py xây dựng và lưu mô hình tham chiếu (JSON) để các đợt thí nghiệm sau dùng cùng một thang đo.
  • scripts/forecast_relsa.py khớp ARIMA (chọn tự động kiểu Hyndman–Khandakar) cho quỹ đạo RELSA của từng con vật, dự báo điểm kế tiếp kèm khoảng dự báo 95% và đánh giá bằng RMSE, PICP, MPIW.
  • scripts/kde_thresholds.py dùng ước lượng mật độ hạt nhân để tìm điểm cực tiểu mật độ, đề xuất vùng "chú ý / nguy hiểm" và bắt buộc báo cáo độ nhạy theo bandwidth.
  • Nêu rõ bốn quyết định quyết định kết quả (hướng biến, nhóm tham chiếu, quy đổi điểm có mức nền 0, thay đổi tập biến) cùng danh sách kiểm tra khi viết báo cáo và các ranh giới pháp lý (không phải phân loại mức độ theo quy định EU).

Phù hợp với ai

  • Nhà nghiên cứu viết phần đánh giá mức độ nghiêm trọng, báo cáo 3Rs/refinement hoặc hồ sơ theo Chỉ thị EU 2010/63/EU
  • Thành viên hội đồng đạo đức động vật cần định lượng cơ sở cho điểm kết thúc nhân đạo
  • Người phân tích dữ liệu telemetry, cân nặng, điểm lâm sàng trong nghiên cứu tiền lâm sàng

Ví dụ sử dụng

  1. Chạy relsa_score.py trên CSV đàn 6 chuột để có điểm RELSA theo ngày kèm trọng số từng biến, lưu nhóm tham chiếu vào reference.json để tái dùng.
  2. Dùng forecast_relsa.py --animals M01,M02 --endpoints M01=5 để huấn luyện tới trước điểm kết thúc và dự báo điểm tại thời điểm đó, báo cáo đồng thời RMSE/PICP/MPIW; dùng --mode rolling cho theo dõi hằng ngày.
  3. Dùng kde_thresholds.py --n-thresholds 2 để suy ra ngưỡng vùng nguy hiểm từ cực tiểu mật độ và kèm bảng quét độ nhạy bandwidth vào phần Phương pháp.

· · · Hướng dẫn cài đặt · · ·

Dùng thử ngay, không cần cài

Dán đoạn dưới vào Claude là dùng được skill này mà không cần cài đặt.

Hãy đọc hướng dẫn trong tệp này và làm theo để giúp mình:
https://raw.githubusercontent.com/K-Dense-AI/scientific-agent-skills/HEAD/skills/relsa-severity-assessment/SKILL.md

Mình muốn: (viết việc bạn cần ở đây)

Nếu Claude không mở được liên kết, hãy mở liên kết và copy nội dung vào rồi dán.

↓ Thấy hữu ích thì tải ZIP bên dưới và cài. Sau đó skill tự chạy, không phải dán lại mỗi lần.

Cài vào ứng dụng Claude (không cần terminal)
  1. Tải tệp ZIP bằng nút bên dưới.
  2. Trong Claude, mở Settings → Capabilities và bật 'Code execution and file creation'. (chỉ một lần)
  3. Vào Customize → Skills → + → 'Upload a skill' rồi tải tệp ZIP lên.
↓ Tải ZIP
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/relsa-severity-assessment từ repo GitHub K-Dense-AI/scientific-agent-skills vào ~/.claude/skills/relsa-severity-assessment/ 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/relsa-severity-assessment ~/.claude/skills/

⚠ Đây là skill do người khác tạo. Hãy kiểm tra repo gốc trước khi cài.

  1. Mở terminal và kiểm tra Python từ 3.10 trở lên: python --version
  2. Cài các thư viện cần thiết: uv pip install "numpy>=1.26" "pandas>=2.0" "scipy>=1.11" "statsmodels>=0.14" matplotlib (nếu không có uv, dùng pip install ...)
  3. Tải mã nguồn: git clone https://github.com/K-Dense-AI/scientific-agent-skills.git
  4. Sao chép thư mục kỹ năng: mkdir -p ~/.claude/skills && cp -r scientific-agent-skills/skills/relsa-severity-assessment ~/.claude/skills/
  5. Khởi động lại Claude Code, rồi yêu cầu ví dụ: "Tính điểm RELSA từ cân nặng, thân nhiệt và điểm lâm sàng của đàn chuột này".
  6. Lần đầu nên chạy đúng lệnh ở Step 1 với assets/example_cohort.csv kèm theo để kiểm tra môi trường.
Xem mã nguồn trên GitHub ↗Giấy phép: MIT