【用途】 本技能用于为制药企业、临床研究人员与医疗决策者生成专业的临床决策支持（CDS）文档，专注分析性、基于证据的文档，服务于治疗策略与药物开发。注意：个体患者床旁治疗计划应使用 treatment-plans 技能；本技能聚焦群体层面分析与证据综合。面向医学期刊的出版级文档可参考 venue-templates 技能的 medical_journal_styles.md，了解结构式摘要、证据语言与 CONSORT/STROBE 合规要求。
【主要能力】
- 患者队列分析
- 基于生物标志物的患者分层（分子亚型、基因表达、IHC）
- 分子亚型分类（如GBM间质-免疫活跃型与神经前体型、乳腺癌亚型）
- 结局指标与统计分析（OS、PFS、ORR、DOR、DCR）
- 亚组间统计比较（风险比、p值、95%置信区间）
- 生存分析：Kaplan-Meier曲线与log-rank检验
- 疗效表与瀑布图
- 比较效果分析
- 药企队列报告（试验亚组、真实世界证据）
- 治疗推荐报告
- 针对特定疾病状态的循证治疗指南
- 推荐强度分级（GRADE系统：1A、1B、2A、2B、2C）
- 证据质量评估（高、中、低、极低）
- 使用TikZ图表的治疗算法流程图
- 基于生物标志物的治疗线序
- 含临床与分子标准的决策路径
- 制药策略文档
- 面向医学会的临床指南制定
- 临床特性
- 生物标志物整合：基因组改变（突变、CNV、融合）、基因表达特征、IHC标志物、PD-L1评分
- 统计分析：风险比、p值、置信区间、生存曲线、Cox回归、log-rank检验
- 证据分级：GRADE系统（1A/1B/2A/2B/2C）、Oxford CEBM等级、证据质量评估
- 临床术语：SNOMED-CT、LOINC、规范医学术语与试验命名
- 监管合规：HIPAA去标识化、保密抬头、ICH-GCP对齐
- 专业排版：0.5英寸紧凑页边距、颜色编码推荐、出版级、适用于监管提交
【药企与研究应用场景】
- 药物开发：2/3期试验分析（生物标志物分层的疗效与安全性分析）、亚组分析（森林图）、伴随诊断开发、监管提交（IND/NDA文档与证据摘要）
- 医学事务：KOL教育材料、医学策略文档、顾问委员会材料、发表规划
- 临床指南：指南制定、共识推荐、实践标准、质量指标
- 真实世界证据：RWE队列研究、比较效果、结局研究、卫生经济学
【使用方式】
- 文档输出格式：主要为LaTeX/PDF，0.5英寸页边距，长度通常5-15页（1页执行摘要+4-14页详细内容），出版级、药企级，适用于监管提交。
- 首页硬性要求：所有CDS文档第1页必须是完整的执行摘要，占满整页，先于目录或详细章节。
- 必需元素：文档标题与类型；报告信息框（彩色tcolorbox，含文档类型、日期、疾病状态与人群、作者/机构、分析框架）；3-5个关键发现框（蓝色=主要结果，绿色=生物标志物洞察，黄/橙色=临床意义，灰色=统计摘要，红色=安全性提示）。
- 视觉要求：使用 \thispagestyle{empty} 去掉页码；内容需在 \newpage 前放下；使用彩色tcolorbox形成层级；用项目符号而非叙述段落；第1页后接 \newpage。
- 详细章节（第3页起）：患者队列分析含队列特征、生物标志物分层、治疗暴露、结局分析、统计方法、亚组比较、安全性、临床推荐、图表。治疗推荐报告含临床背景、目标人群、证据回顾、治疗方案、证据分级、各线推荐、生物标志物指导选择、治疗算法（TikZ流程图）、监测方案、特殊人群、参考文献。
- 图表生成（强制）：每份CDS文档必须包含至少1-2个由 scientific-schematics 技能生成的AI图表。队列分析需含患者流程图；治疗推荐需含决策流程图。生成方式：用自然语言描述图表，运行 python scripts/generate_schematic.py "your diagram description" -o figures/output.png；Nano Banana Pro 会自动生成、审查并迭代优化，确保无障碍（色盲友好、高对比度），输出保存至 figures/ 目录。可添加的图表包括：临床决策算法流程图、治疗路径图、生物标志物分层树、CONSORT式患者流程图、生存曲线可视化、分子机制图等。
- 视觉元素规范：颜色——第1页框中蓝色=数据/信息，绿色=生物标志物/推荐，黄/橙=临床意义，红色=警告；推荐框绿色=强推荐，黄色=有条件，蓝色=需研究；统计显著性按p值、风险比颜色编码。表格——人口统计学、各亚组生物标志物频率、结局表（按分子亚型的ORR、PFS、OS、DOR）、各队列不良事件、含GRADE评级的证据汇总表。图——含log-rank p值与风险人数表的Kaplan-Meier曲线、最佳缓解瀑布图、含置信区间的亚组森林图、TikZ决策算法流程图、个体患者时间线泳者图。统计——含95%置信区间的风险比、p值、中位生存时间、里程碑生存率。合规——按HIPAA安全港去标识化，专有数据加保密声明。
【集成】 与 scientific-writing（引文管理、统计报告、证据综合）、clinical-reports（医学术语、HIPAA合规、监管文档）、scientific-schematics（TikZ流程图）、treatment-plans（队列洞察的个体患者应用，双向）集成。
【与 treatment-plans 技能的区别】
- 本技能：受众为药企、临床研究者、指南委员会、医学事务；范围为群体层面分析、证据综合、指南制定；聚焦生物标志物分层、统计比较、证据分级；输出多页分析文档（通常5-15页）；用于药物开发、监管提交、临床实践指南、医学策略。示例：“分析60名HER2+乳腺癌患者按激素受体状态的生存结局”。
- treatment-plans 技能：受众为临床医生、患者、护理团队；范围为个体患者护理规划；聚焦SMART目标、患者特异性干预、监测计划；输出1-4页简明可行护理计划；用于床旁临床护理、EMR文档、以患者为中心的规划。示例：“为一名55岁新诊断2型糖尿病患者制定治疗计划”。
【限制】 不适用于个体患者治疗计划、床旁临床护理文档、简单的患者特异性治疗方案（这些应使用 treatment-plans 技能）。本技能具体功能、收费、价格、平台依赖等细节资料未提供。