Pharma Skills
Скиллы для фарма-исследований: дизайн клинических испытаний, наборы ADaM на admiral, оцифровка кривых Каплана — Мейера, рецензия.
- 137 ★ репозитория
- Последний коммит
Расширенный доступ
Почему такой уровень
- Скиллы содержат скрипты, которые выполняются в вашей среде, и работают с данными клинических исследований.
- Результаты могут ошибаться и не подходят для регуляторных решений без проверки.
Установка
- Работает в
В терминале, через SkillFoxx CLI
npx skillfoxx add skills/pharma-skillsОпределит агенты на машине, покажет уровень доступа и зафиксирует версию.
Другие способы установки
Доступ и проверки
Как мы проверяемРасширенный доступИнструмент запускает код или ходит в сеть, а внешние данные только читает.
- Скиллы содержат скрипты, которые выполняются в вашей среде, и работают с данными клинических исследований.
- Результаты могут ошибаться и не подходят для регуляторных решений без проверки.
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
Репозиторий R Consortium собирает скиллы для агентов в фармацевтических исследованиях. Скилл `group-sequential-design` строит групповые последовательные испытания по выживаемости с промежуточными анализами и функциями расходования ошибки. Серия `admiral-*` выводит наборы ADaM (ADSL, ADAE, ADRS, ADTTE, ADPC, BDS) из SDTM на R-пакете admiral. Есть `clinical-trial-simulation` на пакете TrialSimulator, `clinical-trial-ipd-sim` для синтетических данных, `km-digitizer` для кривых Каплана — Мейера, `statistical-reviewer` для независимой проверки пакета заявки и `rounding` для проверки округления. Каждый скилл проходит общественную оценку по `LIFECYCLE.md`.
Для кого. Биостатистики и программисты клинических данных, которые пишут R-код для испытаний и заявок и хотят опереться на готовые рабочие процессы агента.
Подходит, если
- Рассчитывают число событий для испытания по общей выживаемости с промежуточными анализами.
- Из SDTM-доменов собирают ADSL и ADAE по конвенциям CDISC.
- Кривую Каплана — Мейера из опубликованной статьи восстанавливают в данные по пациентам.
- Пакет заявки проверяют независимым статистическим рецензентом.
Не подходит, если
- Результат пойдет в регуляторную работу без собственной проверки.
- Проект не связан с R и фармацевтикой.
- Данные нельзя передавать агенту по правилам организации.
Пример запроса к агенту
Спроектируй групповое последовательное испытание по общей выживаемости с двумя промежуточными анализами и покажи границы остановки.Ограничения
README прямо предупреждает: результаты служат черновиком и проверенным документом не считаются. Ответы модели могут расходиться между запусками, все надо сверять по своему контролю качества перед клиническими, регуляторными и GxP-решениями. Скиллы включают скрипты, которые выполняются в вашей среде, поэтому читайте их перед установкой. Проект не несет гарантий и не одобрен R Consortium. Лицензия указана как MIT.
Как отключить. Удалите нужные папки скиллов из каталога скиллов агента. Состав и пути зависят от агента, в который ставили.
Частые вопросы
Как поставить скиллы?
Выполните `npx skills add RConsortium/pharma-skills --all` для всех или `--skill <имя>` для выбранных. Флаг `--list` покажет доступные скиллы без установки.
Какие агенты поддерживаются?
README называет Claude Code, Codex, Cursor, Cline и Copilot через `npx skills add`. Для Claude Code глобально используйте `--agent claude-code --global`.
Можно ли использовать результат в заявке?
Нет, без собственной проверки. README требует сверять выводы по контролю качества организации до регуляторных и клинических решений.
Какие скиллы входят в каталог?
`group-sequential-design`, `clinical-trial-simulation`, шесть скиллов `admiral-*`, `clinical-trial-ipd-sim`, `statistical-reviewer`, `rounding` и `km-digitizer`. Список `npx skills add RConsortium/pharma-skills --list` покажет актуальный состав.
Нужен ли R?
Да, скиллы строят код на R и пакетах pharmaverse вроде admiral. Скилл `km-digitizer` также создает отчеты Word.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
СкиллыБиблиотека скиллов для медицинских исследований: поиск и разбор литературы, планирование исследований, анализ данных и написание научных статей
High-Stakes Analytics Lab
High-Stakes Analytics & Decision Lab
Скилл доказательной аналитики для решений с высокой ценой ошибки: профилирует данные, выбирает метод под них, может ответить отказом или запросом данных
SciAgent-Skills — скиллы по биоинформатике
SciAgent-Skills
Около 200 скиллов для Claude Code по биоинформатике, химии и биостатистике: от анализа РНК-секвенирования до докинга молекул
166 скиллов для научных задач: биоинформатика, хемоинформатика, клинические данные, геоданные и доступ к более чем 100 базам
Скилл для научных графиков по канонам Nature, Cell и Science: 29 типов, проверка данных и векторный PDF на выходе.
17 скиллов для экономистов: гипотезы, обзор литературы, Stata и R, модели в LaTeX, таблицы, слайды Beamer
Коротко о README
Каталог создан в пилоте 7 рабочей группы R Consortium по заявкам. Установка возможна через `npx skills add` или словами в чате агента.
Бейдж для README
Исходный SKILL.md
--- name: group-sequential-design description: > Design group sequential clinical trials for survival endpoints (OS, PFS, DFS) with interim analyses, spending functions, boundaries, multiplicity, and event/enrollment prediction. Triggers on: Phase 3 trial design, sample size/events for survival endpoints, alpha spending, group sequential design, interim analysis planning, or enrollment/event timeline prediction for clinical trials. --- ## Bundled Resources | File | What it contains | When to read | |------|-----------------|--------------| | `reference.md` | Design guidance, parameter tables, spending functions, key rules, failure modes, analysis framework, protocol references | After collecting user inputs, before writing R code | | `examples.md` | All R code examples organized by design pattern | When you need code for a specific pattern — read only the relevant section | | `post_design.md` | IA timing checks (warning messages, user options), verification procedure (pass criteria, lrsim code, log template) | After computing the design (step 6), before delivering | | `scripts/gsd_report_template.py` | Bundled Python report template — reads gsd_results.json, generates gsd_report.docx with zero hardcoded values | Step 9: copy to output dir and run (or extend for design-specific features) | Do NOT read these files upfront. Read them only when you reach the corresponding step. --- ## Compact Instructions When the conversation gets long and context is compressed, preserve information in this priority order: 1. **Architecture decisions** — never re-summarize these; they are settled 2. **Key changes** — what was computed, what parameters were chosen 3. **Current verification status** — pass/fail only, drop verbose logs 4. **Tool outputs** — can be deleted; keep only essential numbers (events, boundaries, power, sample size) --- ## Workflow **Task Progress Tracking:** At the start of step 6 (after user confirms inputs), create a task checklist using `TaskCreate` for all remaining steps. Mark each task `in_progress` when starting and `completed` when done. Typical tasks: 1. Write and run R design script (gsd_design.R) 2. Check IA timing constraints 3. Run verification simulation (gsd_verification.R) 4. Generate Word report (gsd_report.py) This gives the user a visual progress indicator (spinner → checkmark) throughout the computation. **Pacing — one artifact per turn.** Do not bundle multiple major artifacts into a single response. Each of these is its own turn: - Writing `gsd_design.R` (then stop — let the tool result come back) - Running `gsd_design.R` (then stop) - Writing `gsd_verification.R`