rwd-editor-in-chief
RWD研究の企画から完成までを統括する編集長Skill。他のSkillを適切な順序で呼び出し、 研究案Top3の選定、スコアリング、感度分析計画、次アクションを統合出力する。
浏览 tito-gh 维护的已发布 AI 技能,比较用途与说明,并通过来源仓库了解安装方式。
已收录技能
10收录技能的仓库 Stars 合计
0仓库 Forks
0平均每个技能的仓库 Stars
0同一仓库中的多个技能可能共享 Stars,合计包含重复仓库数据。
RWD研究の企画から完成までを統括する編集長Skill。他のSkillを適切な順序で呼び出し、 研究案Top3の選定、スコアリング、感度分析計画、次アクションを統合出力する。
研究対象集団・アウトカムのフェノタイプ定義と検査値活用仕様を作成する。 コンピューター実行可能なアルゴリズム形式で記述し、バリデーション計画を含める。
3つの入力モード(薬剤起点/PICO起点/CQ起点)を統一フォーマットに変換し、 後続のRWD研究企画スキルが利用できる構造化データを生成する。
研究案のビジネス価値を評価する。収益機会、競合優位性、パートナーシップ可能性、 知財・パブリケーション戦略、ブランド価値への貢献を多角的に評価。
evidence-scoutの結果を受け、研究ギャップを体系的にマッピングし、 新規性の高い研究機会を特定・スコアリングする。EHR-RWDの優位性を活かした差別化ポイントを明確化。
経過記録・臨床サマリー等のナラティブテキストから臨床イベント(有害事象、効果判定、 症状変化等)を抽出する仕様を設計する。NLP/正規表現パターンと品質管理計画を含む。
研究案の臨床的価値を評価する。患者アウトカム改善への貢献度、臨床意思決定への影響、 ガイドライン・治療戦略変更の可能性を多角的に評価。
指定薬剤・適応・国・データベース特性に基づき、PubMed/Web検索で先行RWD研究・RCT・ガイドラインを調査し、 エビデンスランドスケープを要約する。JMDC/MDV等クレームDBとの差別化観点を必ず含める。
FINER基準(Feasible, Interesting, Novel, Ethical, Relevant)で研究案を評価し、 Go/No-Go判定と改善提案を行う。RWD特有のバイアス・限界も評価項目に含む。
当社EHR-RWDの強み(経過記録テキスト、臨床サマリー、検査値)を最大限活用する 研究デザインを設計する。クレームDB(JMDC/MDV)では不可能な研究要素を具体化。
默认按已收录数据中的 GitHub 仓库 Stars 排序。Stars 属于来源仓库,同一仓库的多个技能可能共享相同数值;它反映仓库关注度,不代表单个技能的安装量或质量评分。