为制药和临床研究环境生成专业临床决策支持（CDS）文档，包括患者队列分析（生物标志物分层并含结局）和治疗建议报告（基于证据的指南并含决策算法）。支持GRADE证据分级、统计分析（风险比、生存曲线、瀑布图）、生物标志物整合和法规合规。输出适合药物开发、临床研究和证据综合的出版就绪LaTeX/PDF格式。

临床决策支持文档

描述

为制药公司、临床研究人员和医疗决策者生成专业的临床决策支持(CDS)文档。此技能专门用于分析和基于证据的文档,为治疗策略和药物开发提供信息:

患者队列分析 - 基于生物标志物的组分析和统计结果比较
治疗推荐报告 - 基于 GRADE 分级的证据临床指南和决策算法

所有文档均生成为出版就绪的 LaTeX/PDF 文件,针对制药研究、监管提交和临床指南开发进行了优化。

注意: 对于床边的个体患者治疗计划,请使用 treatment-plans 技能。此技能专注于制药/研究设置中的组级分析和证据综合。

写作风格: 对于针对医学期刊的出版就绪文档,请参阅 venue-templates 技能的 medical_journal_styles.md,了解结构化摘要、证据语言和 CONSORT/STROBE 合规性。

功能

文档类型

患者队列分析

基于生物标志物的患者分层(分子亚型、基因表达、IHC)
分子亚型分类(例如 GBM 间充质-免疫活性 vs 原神经,乳腺癌亚型)
包含统计分析的结果指标(OS、PFS、ORR、DOR、DCR)
亚组间的统计比较(风险比、p 值、95% CI)
生存分析和 Kaplan-Meier 曲线及对数秩检验
疗效表和瀑布图
比较有效性分析
制药队列报告(试验亚组、真实世界证据)

治疗推荐报告

特定疾病状态的基于证据的治疗指南
推荐强度分级(GRADE 系统: 1A、1B、2A、2B、2C)
证据质量评估(高、中、低、很低)
使用 TikZ 图表的治疗算法流程图
基于生物标志物的治疗线排序
包含临床和分子标准的决策路径
制药策略文档
医学会临床指南开发

临床功能

生物标志物集成: 基因组变异(突变、CNV、融合)、基因表达特征、IHC 标记、PD-L1 评分
统计分析: 风险比、p 值、置信区间、生存曲线、Cox 回归、对数秩检验
证据分级: GRADE 系统(1A/1B/2A/2B/2C)、Oxford CEBM 级别、证据质量评估
临床术语: SNOMED-CT、LOINC、正确的医学术语、试验命名法
法规合规性: HIPAA 去标识化、保密页眉、ICH-GCP 对齐
专业格式化: 紧凑的 0.5in 页边距、颜色编码推荐、出版就绪、适合监管提交

制药和研究用例

此技能专为制药和临床研究应用设计:

药物开发

2/3 期试验分析: 基于生物标志物的疗效和安全性分析
亚组分析: 显示跨患者亚组治疗效果的森林图
伴随诊断开发: 将生物标志物与药物反应联系起来
监管提交: IND/NDA 文档和证据摘要

医学事务

KOL 教育材料: 为思想领袖提供基于证据的治疗算法
医学策略文档: 竞争格局和定位策略
顾问委员会材料: 队列分析和治疗推荐框架
发表计划: 用于同行评审期刊的手稿就绪分析

临床指南

指南开发: 使用 GRADE 方法论为专业学会进行证据综合
共识推荐: 多利益相关方治疗算法开发
实践标准: 基于生物标志物的治疗选择标准
质量指标: 基于证据的绩效指标

真实世界证据

RWE 队列研究: 来自 EMR 数据的患者队列回顾性分析
比较有效性: 真实世界环境中的头对头治疗比较
结果研究: 临床实践中的长期生存和安全性
卫生经济学: 基于生物标志物亚组的成本效益分析

何时使用

在以下情况下使用此技能:

分析患者队列,按生物标志物、分子亚型或临床特征分层
生成治疗推荐报告,为临床指南或制药策略提供证据分级
比较患者亚组间的结果,包含统计分析(生存、反应率、风险比)
生成制药研究文档,用于药物开发、临床试验或监管提交
开发临床实践指南,包含 GRADE 证据分级和决策算法
记录群体水平的生物标志物指导治疗选择(非个体患者)
综合来自多个试验或真实世界数据来源的证据
创建包含流程图的治疗临床决策算法

请勿将此技能用于:

个体患者治疗计划(使用 treatment-plans 技能)
床边临床护理文档(使用 treatment-plans 技能)
简单的特定患者治疗方案(使用 treatment-plans 技能)

使用科学原理图进行视觉增强

⚠️ 强制要求: 每个临床决策支持文档必须包含至少 1-2 个使用 scientific-schematics 技能生成的 AI 图。

这不是可选的。临床决策文档需要清晰的视觉算法。在定稿任何文档之前:

至少生成一个原理图或图表(例如,临床决策算法、治疗路径或生物标志物分层树)
对于队列分析: 包括患者流程图
对于治疗推荐: 包括决策流程图

如何生成图表:

使用 scientific-schematics 技能生成 AI 驱动的出版质量图表
只需用自然语言描述您想要的图表
Nano Banana Pro 将自动生成、审查和精炼原理图

如何生成原理图:

python scripts/generate_schematic.py "your diagram description" -o figures/output.png

AI 将自动:

创建具有正确格式的出版质量图像
通过多次迭代审查和精炼
确保可访问性(色盲友好、高对比度)
将输出保存在 figures/ 目录中

何时添加原理图:

临床决策算法流程图
治疗路径图表
生物标志物分层树
患者队列流程图(CONSORT 风格)
生存曲线可视化
分子机制图表
任何受益于可视化的复杂概念

有关创建原理图的详细指导,请参阅 scientific-schematics 技能文档。

文档结构

强制要求: 所有临床决策支持文档必须在第一页以完整的执行摘要开始,该页在任何目录或详细部分之前跨越整个第一页。

第一页执行摘要结构

每个 CDS 文档的第一页应仅包含具有以下组件的执行摘要:

必填元素(全部在第一页):

文档标题和类型

主标题(例如,"基于生物标志物的队列分析"或"基于证据的治疗推荐")
包含疾病状态和重点的副标题

报告信息框(使用彩色 tcolorbox)

文档类型和目的
分析/报告日期
疾病状态和患者人群
作者/机构(如适用)
分析框架或方法

关键发现框(3-5 个使用 tcolorbox 的彩色框)

主要结果(蓝色框): 主要疗效/结果发现
生物标志物洞察(绿色框): 关键分子亚型发现
临床意义(黄色/橙色框): 可操作的治疗意义
统计摘要(灰色框): 风险比、p 值、关键统计
安全亮点(红色框,如适用): 关键不良事件或警告

视觉要求:

使用 \thispagestyle{empty} 从第一页删除页码
所有内容必须适合第一页(在 \newpage 之前)
使用具有不同颜色的彩色 tcolorbox 环境以实现视觉层次
框应可扫描并突出最关键的信息
使用项目符号,而非叙述段落
在目录或详细部分之前用 \newpage 结束第一页

示例第一页 LaTeX 结构:

\maketitle
\thispagestyle{empty}

% 报告信息框
\begin{tcolorbox}[colback=blue!5!white, colframe=blue!75!black, title=报告信息]
\textbf{文档类型:} 患者队列分析\\
\textbf{疾病状态:} HER2 阳性转移性乳腺癌\\
\textbf{分析日期:} \today\\
\textbf{人群:} 60 名患者,按 HR 状态的生物标志物分层
\end{tcolorbox}

\vspace{0.3cm}

% 关键发现 #1: 主要结果
\begin{tcolorbox}[colback=blue!5!white, colframe=blue!75!black, title=主要疗效结果]
\begin{itemize}
    \item 总体 ORR: 72\% (95\% CI: 59-83\%)
    \item 中位 PFS: 18.5 个月 (95\% CI: 14.2-22.8)
    \item 中位 OS: 35.2 个月 (95\% CI: 28.1-NR)
\end{itemize}
\end{tcolorbox}

\vspace{0.3cm}

% 关键发现 #2: 生物标志物发现
\begin{tcolorbox}[colback=green!5!white, colframe=green!75!black, title=生物标志物分层发现]
\begin{itemize}
    \item HR+/HER2+: ORR 68\%,中位 PFS 16.2 个月
    \item HR-/HER2+: ORR 78\%,中位 PFS 22.1 个月
    \item HR 状态与结果显著相关(p=0.041)
\end{itemize}
\end{tcolorbox}

\vspace{0.3cm}

% 关键发现 #3: 临床意义
\begin{tcolorbox}[colback=orange!5!white, colframe=orange!75!black, title=临床推荐]
\begin{itemize}
    \item 无论 HR 状态如何均观察到强疗效(1A 级)
    \item HR-/HER2+ 患者显示数值上更优的结果
    \item 建议对所有 HER2+ MBC 患者进行治疗
\end{itemize}
\end{tcolorbox}

\newpage
\tableofcontents  % 第2页的目录
\newpage  % 详细内容从第3页开始

患者队列分析(详细部分 - 第3页+)

队列特征: 人口统计学、基线特征、患者选择标准
生物标志物分层: 分子亚型、基因组变异、IHC 档案
治疗暴露: 亚组接受的治疗、给药、治疗持续时间
结果分析: 反应率(ORR、DCR)、生存数据(OS、PFS)、DOR
统计方法: Kaplan-Meier 生存曲线、风险比、对数秩检验、Cox 回归
亚组比较: 基于生物标志物的疗效、森林图、统计显著性
安全性概况: 按亚组的不良事件、剂量调整、停药
临床推荐: 基于生物标志物概况的治疗意义
图表: 瀑布图、游泳者图、生存曲线、森林图
表格: 人口统计学表、生物标志物频率、亚组结果

治疗推荐报告(详细部分 - 第3页+)

治疗推荐的第一页执行摘要应包括:

报告信息框: 疾病状态、指南版本/日期、目标人群
关键推荐框(绿色): 按治疗线的前 3-5 个 GRADE 分级推荐
生物标志物决策标准框(蓝色): 影响治疗选择的关键分子标记
证据摘要框(灰色): 支持推荐的主要试验(例如 KEYNOTE-189、FLAURA)
关键监测框(橙色/红色): 必要的安全性监测要求

详细部分(第3页+):

临床背景: 疾病状态、流行病学、当前治疗格局
目标人群: 患者特征、生物标志物标准、分期
证据审查: 系统文献综合、指南摘要、试验数据
治疗选择: 可用治疗及其作用机制
证据分级: 每个推荐的 GRADE 评估(1A、1B、2A、2B、2C)
按线的推荐: 一线、二线、后续治疗
生物标志物指导选择: 基于分子概况的决策标准
治疗算法: 显示决策路径的 TikZ 流程图
监测方案: 安全性评估、疗效监测、剂量调整
特殊人群: 老年、肾/肝功能不全、合并症
参考文献: 包含试验名称和引文的完整参考书目

输出格式

强制第一页要求:

第1页: 包含 3-5 个彩色 tcolorbox 元素的完整页执行摘要
第2页: 目录(可选)
第3页+: 包含方法、结果、图表、表格的详细部分

文档规范:

主要格式: LaTeX/PDF,具有 0.5in 页边距,用于紧凑、数据密集的呈现
长度: 通常 5-15 页(1 页执行摘要 + 4-14 页详细内容)
风格: 出版就绪、制药级,适合监管提交
第一页: 始终是跨越整个第一页的完整执行摘要(参见文档结构部分)

视觉元素:

颜色:
第1页框: 蓝色=数据/信息、绿色=生物标志物/推荐、黄色/橙色=临床意义、红色=警告
推荐框(绿色=强推荐、黄色=有条件、蓝色=需要研究)
生物标志物分层(颜色编码的分子亚型)
统计显著性(颜色编码的 p 值、风险比)
表格:
人口统计学和基线特征
按亚组的生物标志物频率
结果表(按分子亚型的 ORR、PFS、OS、DOR)
按队列的不良事件
包含 GRADE 评级的证据摘要表
图表:
带有对数秩 p 值和风险数表的 Kaplan-Meier 生存曲线
显示患者最佳反应的瀑布图
用于亚组分析的带置信区间的森林图
用于治疗算法的 TikZ 决策流程图
用于个体患者时间线的游泳者图
统计: 带 95% CI 的风险比、p 值、中位生存时间、里程碑生存率
合规性: 根据 HIPAA Safe Harbor 的去标识化、专有数据的保密通知

集成

此技能与以下技能集成:

scientific-writing: 引文管理、统计报告、证据综合
clinical-reports: 医学术语、HIPAA 合规、监管文档
scientific-schematics: 用于决策算法和治疗路径的 TikZ 流程图
treatment-plans: 队列衍生洞察的个体患者应用(双向)

与 Treatment-Plans 技能的关键区别

临床决策支持(此技能):

受众: 制药公司、临床研究人员、指南委员会、医学事务
范围: 人群级分析、证据综合、指南开发
重点: 生物标志物分层、统计比较、证据分级
输出: 多页分析文档(通常 5-15 页),包含大量图表和表格
用例: 药物开发、监管提交、临床实践指南、医学策略
示例: "按激素受体状态分析 60 名 HER2+ 乳腺癌患者,包含生存结果"

Treatment-Plans 技能:

受众: 临床医生、患者、护理团队
范围: 个体患者护理规划
重点: SMART 目标、患者特定干预、监测计划
输出: 简洁的 1-4 页可操作护理计划
用例: 床边临床护理、EMR 文档、以患者为中心的规划
示例: "为一名新诊断的 2 型糖尿病的 55 岁患者创建治疗计划"

何时使用每个技能:

使用 clinical-decision-support 进行: 队列分析、生物标志物分层研究、治疗指南开发、制药策略文档
使用 treatment-plans 进行: 个体患者护理计划、特定患者的治疗方案、床边临床文档

示例用法

患者队列分析

示例 1: NSCLC 生物标志物分层

> 分析 45 名 NSCLC 患者,按 PD-L1 表达(<1%、1-49%、≥50%)分层,接受帕博利珠单抗。包括结果: ORR、中位 PFS、中位 OS,比较 PD-L1 ≥50% 与 <50% 的风险比。生成 Kaplan-Meier 曲线和瀑布图。

示例 2: GBM 分子亚型分析

> 为 30 名 GBM 患者生成队列分析,分类为簇 1(间充质-免疫活性)和簇 2(原神经)分子亚型。比较结果,包括中位 OS、6 个月 PFS 率以及对 TMZ+贝伐珠单抗的反应。包括生物标志物概况表和统计比较。

示例 3: 乳腺癌 HER2 队列

> 分析 60 名接受 T-DXd 治疗的 HER2 阳性转移性乳腺癌患者,按既往曲妥珠单抗暴露(是/否)分层。包括 ORR、DOR、中位 PFS,显示按激素受体状态、脑转移和既往治疗线数的亚组分析的森林图。

治疗推荐报告

示例 1: HER2+ 转移性乳腺癌指南

> 为 HER2 阳性转移性乳腺癌创建基于证据的治疗推荐,包括生物标志物指导的治疗选择。使用 GRADE 系统对一线(曲妥珠单抗+帕妥珠单抗+紫杉烷)、二线(T-DXd)和三线选项的推荐进行分级。包括基于脑转移、激素受体状态和既往治疗的决策算法流程图。

示例 2: 晚期 NSCLC 治疗算法

> 基于 PD-L1 表达、EGFR 突变、ALK 重排和体能状态生成晚期 NSCLC 的治疗推荐报告。包括每个分子亚型的 GRADE 分级推荐、用于生物标志物指导治疗选择的 TikZ 流程图,以及来自 KEYNOTE-189、FLAURA 和 CheckMate-227 试验的证据表。

示例 3: 多发性骨髓瘤治疗线排序

> 创建从新诊断到复发/难治性设置的多发性骨髓瘤治疗算法。包括移植合格与不合格、高风险细胞遗传学考虑以及达雷妥尤单抗、卡非佐米单抗和 CAR-T 治疗排序的 GRADE 推荐。提供显示每线治疗决策点的流程图。

关键功能

生物标志物分类

基因组: 突变、CNV、基因融合
表达: RNA-seq、IHC 评分
分子亚型: 疾病特定分类
临床可操作性: 治疗选择指导

结果指标

生存: OS(总生存期)、PFS(无进展生存期)
反应: ORR(客观反应率)、DOR(反应持续时间)、DCR(疾病控制率)
质量: ECOG 体能状态、症状负担
安全性: 不良事件、剂量调整

统计方法

生存分析: Kaplan-Meier 曲线、对数秩检验
组比较: t 检验、卡方、Fisher 精确检验
效应大小: 带 95% CI 的风险比、优势比
显著性: p 值、多重检验校正

证据分级

GRADE 系统

1A: 强推荐,高质量证据
1B: 强推荐,中等质量证据
2A: 弱推荐,高质量证据
2B: 弱推荐,中等质量证据
2C: 弱推荐,低质量证据

推荐强度

强: 收益明显超过风险
有条件: 存在权衡,患者价值观重要
研究: 证据不足,需要临床试验

最佳实践

对于队列分析

患者选择透明度: 清楚记录纳入/排除标准、患者流程和排除原因
生物标志物清晰度: 指定检测方法、平台(例如 FoundationOne、Caris)、临界点和验证状态
统计严谨性:

报告带 95% 置信区间的风险比,而不仅仅是 p 值
包含生存分析的中位随访时间
指定使用的统计检验(对数秩、Cox 回归、Fisher 精确)
适当时考虑多重比较

结果定义: 使用标准标准:

反应: RECIST 1.1、iRECIST 用于免疫治疗
不良事件: CTCAE 5.0 版
体能状态: ECOG 或 Karnofsky

生存数据呈现:

带 95% CI 的中位 OS/PFS
里程碑生存率(6 个月、12 个月、24 个月)
Kaplan-Meier 曲线下方的风险数表
清楚指示删失

亚组分析: 预先指定亚组;清楚标记探索性与计划内分析
数据完整性: 报告缺失数据及其处理方式

对于治疗推荐报告

证据分级透明度:

始终一致使用 GRADE 系统(1A、1B、2A、2B、2C)
记录每个等级的理由
清楚说明证据质量(高、中、低、很低)

全面证据审查:

包括 3 期随机试验作为主要证据
用 2 期数据补充新兴治疗
注意真实世界证据和荟萃分析
引用试验名称(例如 KEYNOTE-189、CheckMate-227)

生物标志物指导推荐:

将特定生物标志物与治疗推荐联系起来
指定检测方法和验证的检测
包含伴随诊断的 FDA/EMA 批准状态

临床可操作性: 每个推荐都应有清晰的实施指导
决策算法清晰度: TikZ 流程图应有明确的 yes/no 决策点
特殊人群: 解决老年、肾/肝功能不全、怀孕、药物相互作用
监测指导: 指定安全性实验室、影像和频率
更新频率: 日期推荐并计划定期更新

一般最佳实践

第一页执行摘要(强制):

始终在第一页创建完整的执行摘要,跨越整个第一页
使用 3-5 个彩色 tcolorbox 元素突出关键发现
第1页无目录或详细部分
使用 \thispagestyle{empty} 并用 \newpage 结束
这是最重要的页面 - 应在 60 秒内可扫描

去标识化: 在文档生成前删除所有 18 个 HIPAA 标识符
监管合规性: 为专有制药数据包含保密通知
出版就绪格式化: 使用 0.5in 页边距、专业字体、颜色编码部分
可重现性: 记录所有统计方法以实现复制
利益冲突: 适用时披露制药资助或关系
视觉层次: 一致使用彩色框(蓝色=数据、绿色=生物标志物、黄色/橙色=推荐、红色=警告)

参考

请参阅 references/ 目录了解有关以下内容的详细指导:

患者队列分析和分层方法
治疗推荐开发
临床决策算法
生物标志物分类和解释
结果分析和统计方法
证据综合和分级系统

模板

请参阅 assets/ 目录获取 LaTeX 模板:

cohort_analysis_template.tex - 带有统计比较的基于生物标志物的患者队列分析
treatment_recommendation_template.tex - 带有 GRADE 分级的基于证据的临床实践指南
clinical_pathway_template.tex - 用于治疗排序的 TikZ 决策算法流程图
biomarker_report_template.tex - 分子亚型分类和基因组概况报告

模板功能:

0.5in 页边距,用于紧凑呈现
颜色编码推荐框
用于人口统计学、生物标志物、结果的专业表格
内置支持 Kaplan-Meier 曲线、瀑布图、森林图
GRADE 证据分级表
制药文档的保密页眉

脚本

请参阅 scripts/ 目录获取分析和可视化工具:

generate_survival_analysis.py - Kaplan-Meier 曲线生成,包含对数秩检验、风险比、95% CI
create_waterfall_plot.py - 用于队列分析的最佳反应可视化
create_forest_plot.py - 用于亚组分析的可视化,包含置信区间
create_cohort_tables.py - 人口统计学、生物标志物频率和结果表
build_decision_tree.py - 用于治疗算法的 TikZ 流程图生成
biomarker_classifier.py - 按分子亚型的患者分层算法
calculate_statistics.py - 风险比、Cox 回归、对数秩检验、Fisher 精确检验
validate_cds_document.py - 质量和合规性检查(HIPAA、统计报告标准)
grade_evidence.py - 用于治疗推荐的自动 GRADE 评估助手

临床决策支持文档