用途
scienceclaw-benchmark-for42 是一个用于从逐小时 ICU 记录中生成脓毒症（sepsis）早期报警的基准任务技能。它面向的任务是：给定一张长表，每行对应一个患者-小时，包含 patient_id、hour 以及 40 个挑战变量（生命体征、化验、年龄、性别、Unit1/Unit2、HospAdmTime、ICULOS）；带标签的表还额外包含 SepsisLabel。交付物是每次住院一个 0/1 整数数组，长度与该次住院时长一致，并按首次出现顺序排列。
主要能力
该技能围绕临床效用评估与因果建模展开。质量指标为归一化临床效用，越高越好，计算方式为 (U_obs - U_inaction) / (U_best - U_inaction) 在所有住院上求和；1 为最优，0 等同于从不报警，负值比沉默更差。逐小时计分规则为：在 t_sepsis（首个阳性标签 + 6 小时）前 12 小时到后 3 小时之间，一次真报警最多得 +1；一次漏报最多扣 -2；一次误报扣 -0.05。
工具来自 from scilib import sepsis，不提供预训练权重。主要接口包括：
fit_predict(train, [table_a, table_b])返回(preds, info)，其中包含所选阈值和折外效用（oof_utility）；对应算子为sepsis_early_warning_alarms。SepsisModel(targets, smooth, hold, prevalence, linear_weight)：在build_features的因果特征上使用浅层 LightGBM 加逻辑回归，并按分组折外效用进行调优。normalized_utility(labels, preds)（算子sepsis_normalized_utility）、stay_folds、causal_smooth、hold_alarms。
使用方式
基线路线：对采用末次观测值结转（last-observation-carried-forward）的生命体征加静态变量，使用类别平衡的逻辑回归，并按效用选择阈值。更强路线：使用提升集成模型，按患者分组的折外效用进行比较，而不是按行级 AUC。
适用场景
适用于需要从逐小时 ICU 数据中构建脓毒症早期报警、并以归一化临床效用作为评价标准的基准任务。
限制与规则
- 严格因果性：第 t 小时的报警只能使用该次住院第 0..t 行。绝不使用住院长度、距记录结束的小时数或整段住院统计量；脓毒症记录在发病后很快结束，因此“临近结束才报警”在离线评估中得分高但在实际使用中无用。可通过截断住院并重新运行来检查：更早的小时不应发生变化。
- 按患者划分，绝不按行划分。脓毒症住院很少见（公开数据中约 7%），因此效用噪声较大，需报告其离散程度。
- 最佳阈值取决于脓毒症占比（误报按小时计成本）；换一家医院需重新调阈值。某些变量在某个站点可能完全缺失（例如医院 A 的 EtCO2）。
- 保持声明的输出：有限的 0/1 整数，每次住院长度一致。