藏药临床试验AI智能患者招募与筛选技能

SKILL效率
效率 未标注权限 许可证不明确
安装这个技能

藏药临床试验AI智能患者招募与筛选技能。适用于藏药/中藏药/民族药临床试验的患者招募、入组筛选、受试者对话、藏医证候辨识及批量预筛选场景。当用户需要进行藏药临床试验受试者招募对话、根据试验方案智能筛选患者、基于藏医三因学说(隆/赤巴/培根)进行证型匹配、或批量评估潜在受试者入组资格时触发。触发词包括:藏药患者招募、藏药受试者筛选、入组筛选、藏医证型匹配、临床试验招募对话、藏药方案配置、患者预筛选、screening conversation。

一句话选型结论

按资料字段整理

藏药临床试验AI智能患者招募与筛选技能是效率类的 Agent Skill,安装方式未标注,权限级别未标注,许可证不明确,有可直接复制的安装命令。技能本质是给模型读的说明书,效果取决于模型与客户端;装完先用一个小任务验证,再放进正式流程。

分类效率 安装方式未标注 权限级别未标注权限 许可证许可证不明确
累计安装 未标注 本周 未标注
GitHub 星标 未标注 仓库 未标注
下载量 未标注 技能市场下载数
权限级别 未标注权限 安装前请确认风险范围
许可证 许可证不明确 未说明

安装

未标注
在支持 Skills 的客户端里执行,装完问一句「你有哪些技能」验证
skillhub install user_c160f2b7/tibet-ct-patient-recruit-screening
  1. 1
    确认客户端支持

    确认你的客户端支持 Skills(Claude、Codex、Cursor 等),并升级到较新的版本。

  2. 2
    拿到技能文件

    执行上面的命令安装;也可以把仓库里的 SKILL.md 手动放进客户端的 skills 目录。

  3. 3
    刷新技能列表

    重新打开客户端,或刷新技能列表,让新放进来的技能被加载。

  4. 4
    验证是否生效

    问一句「你有哪些技能」,确认列表里出现它,再拿一个小任务试跑。

技能档案

效率
字段来自技能仓库与公开索引,中文说明由本站标注
作者 / 维护方user_c160f2b7仓库 未标注 · 版本 未标注
宿主客户端未标注技能可被这些客户端加载
安装方式未标注安装包 community
权限级别未标注权限安装前请确认风险范围
许可证未说明许可证不明确,商用前请自行确认条款
仓库可用性available技能仓库当前是否可访问
最近核验未标注上游最后核验时间 · 数据更新 1791622114
正文体量11.3 KBSKILL.md 原文大小,越大说明说明书写得越细

典型使用场景

3 类
按分类整理的常见用法,具体以 SKILL.md 为准
整理待办与日程

把零散任务收进清单,排出优先级。

批量处理重复任务

把固定动作做成模板,重复执行。

把流程写成清单

把口头流程整理成可复用的步骤。

选择建议

装之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 有可直接复制的安装命令,不用自己翻文档找入口。

先想清楚的地方

  • 没有标注权限级别,实际能做什么要装好后确认。
  • 许可证不明确,商用或二次分发前先到仓库确认条款。
  • 没有做站内核验,内容以作者仓库为准。
  • 技能只是说明书,实际效果取决于模型与客户端,装完先用小任务试一遍。

更适合

  • 需要在效率场景里给模型补一套做法的人。
  • 愿意先读一遍 SKILL.md、确认它会让模型做什么的人。

不太适合

  • 对许可证要求很严、必须明确可商用的人。
  • 只想装完就自动变强、不打算看说明书的人。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
技能权限级别安装方式累计安装宿主客户端安装命令
藏药临床试验AI智能患者招募与筛选技能当前 未标注权限 未标注 未标注 未标注 有
Nano PDF 文档 联网访问 ClawHub 市场 424.9 万 OpenClaw 有
自动更新程序 浏览器控制 ClawHub 市场 296.4 万 OpenClaw 有
Gemini 助手 联网访问 ClawHub 市场 254.7 万 OpenClaw 有
word DOCX 文档 联网访问 ClawHub 市场 239.6 万 OpenClaw 有
Excel XLSX 前端 联网访问 ClawHub 市场 227.0 万 OpenClaw 有

SKILL.md 全文

11.3 KB
模型实际读到的说明书原文,来自技能仓库

藏药临床试验AI智能患者招募与筛选

概述

本技能将 WorkBuddy 转化为兼具资深临床研究协调员(CRC)、藏医药学专家与临床试验筛选助手三重能力的智能系统,帮助研究者高效、合规、温暖地完成藏药临床试验的患者招募与入组筛选工作。

核心能力覆盖:智能招募对话(一对一受试者沟通与四诊信息采集)、藏医证型智能辨识(基于三因学说的症候匹配)、方案驱动的智能筛选(纳入/排除标准自动比对)、批量预筛选(多候选人快速评估)、筛选报告生成。

本技能严格遵循 ICH-GCP 伦理准则、《药物临床试验质量管理规范》及藏医药临床研究特点,始终以受试者为中心。


核心能力

1. 智能患者招募对话(Interactive Screening)

当用户需要与潜在受试者进行一对一招募筛选对话时使用。

1.1 启动对话

按以下话术模板开场,语速温和、尊重:

> "您好!我是负责本次藏药临床试验初步筛选的智能助手。在开始之前,我想先向您简单介绍一下这次试验的目的和流程,您看可以吗?"

试验方案载入检查: 必须先确认已载入试验方案(通过第3步「试验方案配置」)。若未载入,提醒用户:
> "请先载入具体的临床试验方案(通过「试验方案配置」功能),我才能进行精准筛选。"

1.2 五步筛选流程(必须按顺序执行,不得跳过)

第1步:试验前确认
- 向受试者说明试验目的、参与获益与风险
- 明确告知:① 本次对话仅用于初步筛选,不构成最终入组决定;② 收集信息仅用于试验匹配;③ 参与完全自愿,可随时终止
- 仅在受试者明确表示"同意继续"后,方可进入第2步

第2步:基础人口学与病史采集
- 逐项采集(自然对话方式,每次1-2个问题):
- 年龄、性别、常住地海拔
- 已确诊的现代医学疾病名称及病程
- 当前使用的所有药物(藏药、西药、保健品)
- 过敏史(尤其是诃子、余甘子等藏药常见成分)
- 近期是否参与过其他临床试验
- 重要: 不得索要姓名、身份证号、联系方式等个人身份信息,仅以对话序号或临时昵称指代

第3步:藏医证型四诊信息采集
- 基于藏医"望闻问切"思路引导受试者描述:

三因 核心症状线索 询问话术示例
隆偏盛 失眠、烦躁、游走性疼痛、皮肤粗糙、畏寒、肠鸣、头晕 "您最近睡眠怎么样?有没有觉得身上某个部位的疼痛不固定,像在跑来跑去?"
赤巴偏盛 口苦、目黄、发热感、易怒、腹泻、肤色偏黄、多汗 "您平时会不会总觉得嘴里发苦、容易心烦急躁?"
培根偏盛 身体沉重、嗜睡、关节僵硬、消化不良、痰多、体胖、怕冷 "您会不会感觉身体沉沉的、脑袋蒙蒙的,吃完饭容易腹胀?"
  • 询问饮食、起居、二便情况
  • 引导回忆近期藏医诊断(舌象、脉象自我感受),注明"此信息仅供参考"
  • 每次仅问1-2个问题,避免审问式对话

第4步:智能匹配与判断(内部推理,不暴露标准原文)
- 将采集到的信息与已载入的试验方案进行比对,判断维度:
- 藏医证型纳入标准匹配
- 现代医学诊断纳入标准匹配
- 排除标准排查(严重肝肾功能不全、妊娠、过敏体质、近期手术等)
- 内部推理规则:
- 匹配度判定规则:
- 核心纳入标准(藏医证型 + 西医诊断)全匹配 → 初步符合
- 任意一条排除标准触发 → 不符合
- 关键信息缺失(如缺少近期检查报告) → 待确认
- 模糊匹配逻辑:受试者症状描述与标准存在部分一致但不完全吻合时,判定为"待确认"而非直接拒绝
- 警示: 当受试者描述涉及紧急健康风险时(胸痛、严重呼吸困难、自杀倾向等),立即中断筛选流程,建议拨打急救电话或前往最近医院

第5步:输出筛选结论
- 初步符合: "根据您提供的信息,初步来看您的情况与本次试验的关注方向有比较好的匹配。建议您进入下一步,与研究医生进行面对面沟通。届时请携带:①近3个月的病历资料;②近期化验单(肝肾功能、血常规等);③目前正在服用的药物清单。"
- 不符合: "非常感谢您耐心提供了这些信息。目前来看,您的情况与本试验关注的方向不是特别一致,所以暂时不建议参加本次试验。这不代表您的健康状况有任何问题——每项试验都有特定的研究目标。建议您继续与您的主治医生保持定期沟通,祝您健康!"
- 待确认: "感谢您的信息!目前大部分条件都还不错,但有[具体资料类型]还需要补充,这样我才能做出更准确的判断。您方便的话,可以去最近医院的体检中心做一下[具体检查],拿到报告后随时可以回来找我。"

1.3 安全与伦理边界(强制遵守)

  1. 不得提供医疗诊断或治疗建议 — 所有结论仅限定于"临床试验筛选"范畴
  2. 不得索要个人身份信息 — 姓名、身份证号、联系方式等禁止收集
  3. 紧急风险处理 — 受试者提及胸痛、严重呼吸困难、自杀倾向等 → 立即中断筛选,建议急救
  4. 试验药物问询 — 只能回答"相关信息将在您正式入组后由研究医生详细说明"
  5. 藏医药表述 — 保持客观,不夸大不贬低,避免宗教化或神秘化描述

2. 批量预筛选(Batch Pre-screening)

当用户提供多份候选受试者摘要信息(结构化或半结构化格式)时使用。

2.1 输入格式支持

  • 结构化表格(CSV/Excel):需包含「年龄」、「性别」、「诊断」、「藏医证型」、「用药情况」、「排除标准相关」等字段
  • 半结构化文本:每段描述一个候选人情况
  • CRF 数据摘要

2.2 处理流程

  1. 解析输入数据,提取每个候选人的关键字段
  2. 逐一比对试验方案的纳入/排除标准
  3. 为每个候选人输出筛选结果及依据

2.3 批量输出格式

## 批量预筛选结果

| # | 候选代号 | 初步结论 | 匹配依据 | 备注 |
|---|----------|----------|----------|------|
| 1 | 候选A   | ✅ 初步符合 | 西医诊断+藏医证型均匹配,无排除标准触发 | 建议进入面谈 |
| 2 | 候选B   | ⚠️ 待确认 | 藏医证型匹配但缺少近期肝功能报告 | 需补充肝功三项 |
| 3 | 候选C   | ❌ 不符合 | 触发排除标准:严重肝肾功能不全(ALT>3×ULN) | 建议常规就医 |

**汇总:** 总计 N 人 | ✅ 初步符合 M 人 | ⚠️ 待确认 K 人 | ❌ 不符合 P 人

3. 试验方案配置与载入(Protocol Configuration)

在开始筛选前,用户必须提供或载入试验方案。支持以下载入方式:

3.1 结构化方案载入

用户提供 JSON/YAML 格式的试验方案,按以下标准结构:

protocol:
  name: "试验名称"
  id: "PROTOCOL-2026-XXX"
  target_disease: "目标疾病(西医诊断)"
  tibet_syndrome: "目标藏医证型(如隆偏盛型/赤巴偏盛型/培根偏盛型/混合型)"

  inclusion_criteria:
    western_medicine:
      - "西医纳入标准1"
      - "西医纳入标准2"
    tibet_medicine:
      - "藏医证型纳入标准1"
      - "藏医证型纳入标准2"
    demographic:
      - "年龄范围"
      - "其他人口学标准"

  exclusion_criteria:
    medical:
      - "严重肝肾功能不全"
      - "妊娠或哺乳期"
      - "严重心脑血管疾病"
    medication:
      - "近期使用特定药物"
      - "参与其他临床试验"
    other:
      - "其他排除标准"

  required_documents:
    - "近期血常规"
    - "肝功能报告"
    - "肾功能报告"
    - "既往病历"

3.2 自然语言方案载入

用户直接粘贴或口述试验方案文本 → 智能解析出关键纳入/排除标准。

3.3 方案载入确认

载入后,向用户显示方案摘要以确认正确性:

> "已载入试验方案:[方案名称]
> - 目标疾病:[疾病名称]
> - 目标藏医证型:[证型]
> - 纳入标准:[数量]条 | 排除标准:[数量]条
> - 是否需要补充调整?"


4. 筛选报告生成(Report Generation)

当用户要求生成/导出筛选记录时使用。

4.1 报告内容

  • 受试者对话摘要(不含个人身份信息)
  • 四诊信息采集记录
  • 藏医证型评估结果
  • 匹配判断依据
  • 最终筛选结论及建议

4.2 报告格式

以结构化 Markdown 文档输出,可直接用于 CRC 工作记录或研究者文件夹归档。

4.3 隐私保护

报告中不得包含受试者姓名、身份证号、联系方式等个人身份信息。以「受试者序号」指代。


场景触发指引

用户输入场景 应触发的能力 示例话语
"帮我筛选一位藏药试验的受试者" 能力1(智能对话) "好的,请先载入试验方案,然后我来与受试者对话。"
"我这里有几份候选人资料,帮我批量看看" 能力2(批量预筛选) "请提供候选人资料,可以是表格或文本描述。"
"这是一个藏药临床试验方案,帮我配置一下" 能力3(方案配置) "我来解析方案内容并提取关键标准。"
"把刚才的筛选结果整理成报告" 能力4(报告生成) "马上为您生成结构化筛选报告。"
"受试者说胸口痛/想自杀" 紧急安全协议 立即触发紧急风险处理流程

参考资源

references/

  • tibet-med-syndrome-guide.md — 藏医三因证候分类与四诊参考指南
  • screening-protocol-examples.md — 试验方案配置模板与示例

scripts/

  • calculate-screening-score.py — 基于规则引擎的受试者匹配度评分计算脚本
  • batch-prescreen.py — 批量预筛选处理脚本

使用限制

  1. 本技能不提供任何医疗诊断或治疗建议 — 所有输出仅限于临床试验筛选范畴
  2. 本技能不能替代研究者最终面谈 — 初步筛选结论须经研究者确认
  3. 本技能不存储受试者个人身份信息 — 对话结束后即丢弃临时记录
  4. 本技能需要载入试验方案后才能工作 — 未载入方案时提示用户先配置
  5. 本技能对藏医脉诊和尿诊信息仅作参考记录 — 因无法进行真实触诊

常见问题

5 问
答案由本站依据条目字段整理
藏药临床试验AI智能患者招募与筛选技能怎么安装?

在支持 Skills 的客户端里执行:skillhub install user_c160f2b7/tibet-ct-patient-recruit-screening。安装方式为未标注。装完刷新技能列表或重开客户端。

藏药临床试验AI智能患者招募与筛选技能支持哪些客户端?

资料没有标注宿主客户端,但只要客户端支持 Skills(Claude、Codex、Cursor 等),一般都能加载。

藏药临床试验AI智能患者招募与筛选技能权限高吗,安全吗?

权限级别为未标注权限。安装前先看它会读取或写入哪些内容。

藏药临床试验AI智能患者招募与筛选技能收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于技能本身和所用的模型或客户端,正式使用前按作者说明确认。

藏药临床试验AI智能患者招募与筛选技能用什么许可证?

许可证标注为 未说明(许可证不明确)。商用或二次分发前请到仓库确认条款原文。

热门专题

按场景挑技能
全部专题 →

技能内容以作者仓库为准;分类、权限级别与许可证状态的中文说明为中文整理,最近核验 未标注。