clinical-research

Visão geral do skill clinical-research

Para que serve o clinical-research

clinical-research é um skill de apoio ao desenho de estudos para equipes que estão estruturando um estudo clínico prospectivo antes da submissão do protocolo. Ele ajuda a organizar a seleção de endpoints, estimativas de tamanho amostral e poder para estudos de dois braços, além de decisões de viabilidade em fases de aprovação. O valor central não é “escrever um protocolo”; é transformar uma ideia inicial de estudo em uma sinopse de desenho defensável, com premissas, riscos e responsáveis humanos explicitados.

Usuários e decisões mais adequados

O skill clinical-research é indicado para equipes de operações clínicas, P&D, monitoria médica, bioestatística e produto que trabalham em estudos de medicamentos, dispositivos, biológicos, diagnósticos ou terapias digitais. Ele é mais útil quando você precisa comparar endpoints candidatos, testar a robustez de um tamanho de efeito presumido, estimar a carga de recrutamento ou decidir se um plano está pronto para GO, GO-WITH-CONDITIONS, REDESIGN ou NO-GO.

O que diferencia este skill de um prompt genérico

Este skill inclui ferramentas determinísticas em Python, não apenas instruções. endpoint_selector.py pontua endpoints candidatos, sample_size_estimator.py estima tamanho amostral para desenhos com médias, proporções e sobrevivência, e phase_gate_scorer.py avalia viabilidade. Os arquivos de referência também reforçam disciplinas importantes de clinical-research: pensar primeiro no estimando, ter cautela com endpoints substitutos, exigir aprovação de responsáveis e manter realismo no recrutamento.

Limites importantes antes da adoção

Os resultados são estimativas e apoio à decisão, não aconselhamento médico, fato clínico validado, aprovação estatística formal ou protocolo pronto para submissão. Um médico, um bioestatístico e um responsável regulatório devem revisar as decisões finais. Se a sua necessidade real é gestão da qualidade regulatória, ISO 13485, EU MDR, FDA 510(k), PMA ou planejamento de submissão QSR, este skill é relacionado ao tema, mas não é o fluxo de trabalho principal adequado.

Como usar o skill clinical-research

Instalação do clinical-research e primeiros arquivos para ler

Instale em um ambiente de skills compatível com Claude/Codex usando:

npx skills add alirezarezvani/claude-skills --skill clinical-research

Depois, inspecione o diretório do skill em research-ops/skills/clinical-research. Leia primeiro SKILL.md para entender o escopo do fluxo de trabalho e, em seguida, assets/protocol_synopsis_template.md para conhecer os insumos necessários. Para a lógica de decisão, leia references/endpoint_and_power.md, references/study_design_canon.md e references/trial_operations.md. Revise os scripts por último, para saber quais resultados são gerados por regras e não por julgamento do modelo de linguagem.

Insumos de que o skill precisa para gerar resultados úteis

Prepare uma sinopse curta do protocolo antes de pedir a análise. Bons insumos incluem: fase do estudo, perfil do produto, indicação, população, braços, razão de alocação, endpoints candidatos, se algum endpoint é substituto ou PRO, evidência de validação, tamanho de efeito presumido com citação, alfa, poder desejado, perda de seguimento, meses de recrutamento, número de centros, população elegível, visitas, procedimentos invasivos e orçamento. Justificativa ausente para o tamanho de efeito e premissas irreais de recrutamento são os dois pontos com maior probabilidade de enfraquecer o resultado.

Transformando um objetivo inicial em um prompt completo

Um prompt fraco seria: “Ajude a desenhar meu estudo.” Um prompt mais forte para usar o clinical-research seria:

“Use the clinical-research skill to evaluate this phase 2 parallel-group RCT synopsis for a drug in [indication]. Candidate endpoints are [list], including [surrogate/PRO status and validation]. Assumed treatment difference is [value] based on [citation/source]. Alpha is 0.05, power 0.80, dropout 15%. We plan [sites] sites, [months] enrollment, eligible pool [number], budget [amount]. Classify endpoints, estimate sample size for [means/proportions/survival], score feasibility, and list assumptions requiring clinician, biostatistician, or regulatory owner review.”

Isso dá ao skill contexto suficiente para acionar de forma coerente a pontuação de endpoints, a estimativa de tamanho amostral e o raciocínio de aprovação por fase.

Fluxo de trabalho prático com scripts

Comece pelo template de sinopse do protocolo e, depois, execute ou peça ao agente para usar os scripts relevantes. Use python3 endpoint_selector.py --sample para inspecionar o formato esperado dos inputs de endpoint e, em seguida, forneça seu próprio JSON com --input. Use sample_size_estimator.py quando o endpoint e a métrica de efeito estiverem claros. Use phase_gate_scorer.py depois que as premissas de recrutamento, centros, carga operacional e orçamento estiverem disponíveis. Se a sua equipe usa padrões salvos, config_loader.py oferece suporte a configuração de projeto em .research-ops/clinical-research.json e configuração global em ~/.config/research-ops/clinical-research.json.

FAQ do skill clinical-research

O clinical-research serve para iniciantes em Clinical Research?

Sim, desde que você o trate como um checklist guiado, não como uma autoridade. As referências explicam hierarquia de endpoints, estimandos, desenhos de estudo, viabilidade e carga operacional em linguagem prática. Ainda assim, iniciantes devem envolver um bioestatístico desde cedo, especialmente ao escolher tamanho de efeito, estratégia de multiplicidade, premissas de desenho adaptativo ou parâmetros de análise de sobrevivência.

Quando não devo usar este skill?

Não use este skill para diagnosticar pacientes, escolher tratamento, afirmar aceitabilidade regulatória, finalizar um protocolo ou substituir o planejamento de análise estatística. Ele também não é ideal para estudos retrospectivos em bases de dados, estudos de evidência do mundo real, pesquisa qualitativa ou simulações adaptativas complexas, a menos que você amplie o fluxo de trabalho. Os estimadores incorporados são mais fortes para perguntas estruturadas de desenho prospectivo de dois braços.

Qual é a diferença em relação a perguntar diretamente a um LLM?

Um prompt direto pode produzir uma narrativa plausível, mas frequentemente esconde premissas. O skill clinical-research força a classificação explícita de endpoints, a sinalização de substitutos, as premissas de tamanho amostral, a pontuação de viabilidade e o encaminhamento para responsáveis. Essa estrutura facilita a revisão e reduz o risco de aceitar um plano bem redigido, porém subdimensionado ou operacionalmente inviável.

Ele se encaixa no desenvolvimento clínico regulado?

Ele se encaixa na discussão de desenho antes da submissão, não no entregável regulado final. As referências se alinham a conceitos como ICH E9(R1), GCP, validação de endpoints, monitoramento baseado em risco e marcos de viabilidade, mas as SOPs, os padrões estatísticos, a governança médica e a estratégia regulatória da sua organização continuam prevalecendo.

Como melhorar o skill clinical-research

Melhore os resultados do clinical-research com premissas melhores

A melhoria mais importante é trazer evidência melhor para o tamanho de efeito. Substitua “efeito médio esperado” por uma diferença mínima clinicamente importante citada, resultado de estudo anterior, relação validada com biomarcador ou referência de história natural. Para proporções, forneça a taxa basal de eventos e a diferença absoluta alvo. Para sobrevivência, forneça hazard ratio, premissas de eventos e expectativas de seguimento. Premissas melhores aumentam tanto a qualidade das estimativas de tamanho amostral quanto a credibilidade da decisão de fase.

Modos comuns de falha a verificar

Fique atento a endpoints que são mensuráveis, mas não clinicamente significativos; substitutos não validados propostos como endpoints primários; taxas de recrutamento otimistas; excesso de visitas onerosas; estimandos mal especificados; e tamanhos amostrais calculados de trás para frente a partir do orçamento. O skill pode sinalizar esses problemas, mas não tem como saber se a qualidade das suas citações, a rede de centros ou o cenário competitivo de estudos são realmente adequados sem que você forneça esse contexto.

Itere depois do primeiro resultado

Não pare no primeiro veredito. Peça uma análise de sensibilidade: “Re-run the design with 10%, 15%, and 25% dropout” ou “Compare feasibility if enrollment takes 9 vs 15 months.” Peça ao agente para separar os riscos de desenho entre responsáveis clínicos, estatísticos, regulatórios e operacionais. Isso transforma uma única saída do guia de clinical-research em um memorando de decisão acionável para a liderança.

Personalize o fluxo de trabalho para a sua organização

Use o mecanismo de configuração para definir padrões de alfa, poder, perda de seguimento, perfil de produto e responsáveis nomeados. Adicione limites específicos da organização para viabilidade, evidência exigida de endpoint, complexidade de monitoramento ou marcos orçamentários. Se o seu programa usa repetidamente a mesma indicação ou família de desenho, acrescente exemplos e premissas validadas às referências locais para que futuros resultados de clinical-research sejam menos genéricos e mais fáceis de auditar.