clinical-decision-support

clinical-decision-support 技能概览

clinical-decision-support 技能可帮助生成面向制药、临床研究和证据综合流程的临床决策支持文档。它最适合需要群体层面分析、治疗建议报告或结构化 CDS 输出，而不是床旁病历草拟的用户。它的核心任务，是把杂乱的临床证据、队列数据或指南输入整理成一份可直接用于发表的 LaTeX/PDF 文档，并保留清晰的分析结构。

clinical-decision-support 技能适合做什么

当你需要一份能够把生物标志物、结局指标和决策逻辑以专业格式串联起来的文档时，就该用 clinical-decision-support 技能。它支持患者队列分析、基于证据的推荐报告，以及需要 GRADE 式推理和统计框架的决策路径。

clinical-decision-support 技能为何不同于通用提示词

通用提示词或许能生成一段摘要，但 clinical-decision-support 面向的是更受约束的输出：结构化章节、证据分级、生物标志物分层，以及可直接交付的报告格式。这让它在输出需要经得起学术审阅、内部决策，或后续转换为 LaTeX/PDF 时更有价值。

最适合的用户与不适合的场景

这项技能非常适合医学写作人员、转化研究人员、制药团队和临床战略团队。它并不适合个体床旁治疗决策；仓库也明确提示用户，如需面向患者的个体化照护，应使用 treatment-plans。

如何使用 clinical-decision-support 技能

安装并加载该技能

按照 K-Dense-AI/claude-scientific-skills 仓库中的 clinical-decision-support 安装流程进行，然后让你的 agent 指向技能目录。实际使用时，安装上下文应包含技能路径 scientific-skills/clinical-decision-support 和主 SKILL.md 文件，这样 agent 才能按预期工作流执行，而不是临时发挥。

先阅读这些文件

先从 SKILL.md 开始，再查看 references/README.md，了解支持的文档类型和辅助结构。如果你希望更严格地控制输出，在生成报告前应先浏览 references/ 下的参考文件；那才是这项技能真正的临床表述逻辑所在。

把粗略需求改写成可用提示词

像“做一份 CDS 报告”这种模糊需求，留下了太多开放选项。更好的 clinical-decision-support 使用提示词，应明确受众、文档类型、输入证据和期望输出格式，例如：“基于这些结局数据，为转移性 NSCLC 生成一份按生物标志物分层的患者队列分析，对不同生物标志物组的 OS 和 PFS 进行比较，在适用处使用 GRADE，并按 LaTeX 导出格式排版。”

实用工作流建议

先告诉该技能你需要的是队列分析、治疗建议报告，还是决策算法。提前给出疾病背景、生物标志物、对照组、结局指标以及任何合规限制。如果你已经有表格、摘要或研究笔记，最好以清晰结构提供，这样技能就能把它们转换成 clinical-decision-support 文档，减少模型自行假设的空间。

clinical-decision-support 技能常见问题

clinical-decision-support 技能是用于床旁诊疗的吗？

不是。它面向的是群体层面的证据综合和决策支持文档，而不是实时、面向单个患者的医疗决策。如果你需要的是个体方案，应使用专门用于床旁治疗规划的技能，而不是 clinical-decision-support。

安装前应该和什么对比？

应将 clinical-decision-support 技能与你的真实输出需求对比：是研究报告、监管风格的证据摘要，还是治疗建议框架。如果你只需要一段普通叙述式总结，通用提示词可能已经够用；如果你需要结构化的临床推理，这项技能会更有价值。

使用它是否必须具备医学专业背景？

不必须，但输入越强，结果通常越好。初学者只要能清楚说明疾病、受众和证据来源，也可以使用。若你能直接提供队列定义、生物标志物和终点，而不是让模型去猜，这项技能的效果会最好。

它能输出可直接发表的文档吗？

可以，这正是 clinical-decision-support 指南的核心适配点之一。该仓库面向紧凑、专业的 LaTeX/PDF 风格输出，因此很适合科研写作和内部审阅。

如何改进 clinical-decision-support 技能

先给技能决策背景

提升质量最有效的方法，是先说明临床问题、目标读者以及需要支持的行动。在 clinical-decision-support for Decision Support 场景中，要明确结果是用于论证一项推荐、比较队列，还是解释一套算法。

以结构化形式提供证据

更好的输入通常包括研究标题、终点指标、生物标志物分组、样本量、效应量，以及任何指南限制。如果你提供的是原始文本，模型可能需要自行推断证据层级；如果你提供结构化要点或表格，输出会更准确，也更容易验证。

留意常见失败模式

最常见的问题，是请求面向单个患者的建议，而这项技能本来是为群体层面的 CDS 设计的。另一种失败模式，是把文档类型说得太模糊，导致队列分析和推荐报告的边界被混在一起。要明确范围、终点，以及是否需要 GRADE 式分级。

在第一版基础上继续迭代

如果初稿范围太大，就收窄队列、收紧对照组，或者要求固定的报告结构。如果太技术化，可以先要一个更短的执行摘要版本，再扩展成方法细节更丰富的版本。对于 clinical-decision-support 的使用来说，提升输出最快的方式通常不是多生成，而是把输入框架说得更好。