SuperAPI AI 工具集

jinko-task-trial-data-scoping

写作与研究

查看项目

更新于 10-16 07:23

技能介绍

用途:为生物医学建模证据生成 ClinicalTrials.gov 登记候选清单,而非已提取的终点数据。登记的结果不等于有数值结果发布。

框架:先确定疾病、干预或机制类别、人群、对照及目的(终点可得性、对照组或自然史证据、剂量方案背景、安全性、研发格局情报),并确认状态、分期、研究类型、结果发布要求和候选数量。不得静默施加状态过滤。如已有 jinko-task-literature-search 的实体表则复用,否则构建 canonical_name、synonyms、mesh_term、related_entities、intent_groups(Data)与排除项;网络调用前确认关键别名与过滤条件。

检索:从干预别名、疾病别名、机制类别、对照或标准治疗、人群/结局等维度构建不同检索角度,优先精确词而非单一宽泛查询。每个角度运行一次 scripts/clinical_trials.py 并分别输出文件;仅在批准框架要求时使用 --status、--phase、--require-results。脚本负责 API 过滤、原始响应持久化与登记字段规范化。再运行 scripts/compile_trials.py 合并各角度输出,按 NCT ID 去重、保留查询来源,并按角度数量、结果发布可用性与记录完整度排序。这是一次检索轮次,更广的机制、申办方、国家、中心或对照查询需另行获批。

候选筛选:逐条对照既定目的,区分仅登记设计与招募元数据、已发布结果、关联 NCT 的出版物。仅当记录含目的相关信号(人群/干预匹配、指定结局与时间范围、入组与合格标准、合适设计或所需结果模块)时,才将 verification_passed 设为通过,并在 verification_note 中写明观察到的信号;不得仅凭 hasResults 推断存在数值终点。填写 assets/shortlist-schema.json 字段并运行 scripts/validate_shortlist.py 后再呈现 shortlist.json。试验记录使用 intent_group = Data、适当的登记/结果 evidence_type,并以 nct_id 为主标识。需要关联出版物时,将选定 NCT ID 以 <NCT_ID>[si] 角度传给 jinko-task-literature-search;仅在识别并核查定量来源后使用 jinko-task-extract-data-table。

产物:frame.json(批准范围、实体表、过滤与角度定义)、各角度规范化 JSON、原始 API JSON 与表格 JSON、merged_trials.json(确定性跨角度候选池)、shortlist.json(schema 校验后的优先候选)。展示时用简洁 Markdown 列出 NCT 链接、标题、分期/状态、结果可用性、人群、干预、主要结局与优先理由,关联出版物按 Author (Year) [PMID] 引用,并明确区分范围内候选与分析就绪数据。