| name | pubmed-study-report |
| description | Gera relatórios de estudos científicos do PubMed com estrutura fixa — títulos original/traduzido, data, DOI, resumo de 3 parágrafos densos, conclusões e link PDF. Ativada quando o utilizador pede estudos científicos. |
| category | research |
| tags | ["pubmed","relatorio","estudos-cientificos","evidence-based"] |
PubMed Study Report — Bianinho Skill
MANDATO
Receber um pedido de estudos científicos, pesquisar no PubMed via EUtils API, filtrar os mais relevantes (priorizando free full text e revisões), e gerar um relatório estruturado com formato fixo. Mesmo formato, mesma qualidade, toda vez.
QUANDO ATIVAR
Quando o utilizador pedir:
- "traga X estudos sobre [tema]"
- "relatório PubMed: [tema]"
- "pesquise estudos sobre [tema]"
- "gere um relatório de estudos científicos sobre [tema]"
- Qualquer variação similar
ESTRUTURA FIXA DO RELATÓRIO
Cada estudo inclui:
- Título Original (em inglês — conforme publicado)
- Título Traduzido para Português do Brasil
- Data de publicação (formato: XX de [mês] de [ano] ou [mês]/[ano] se dia indisponível)
- DOI (formato:
10.XXXX/...)
- Resumo em 3 parágrafos densos — cada parágrafo com pelo menos 4-5 frases substantivas. Primeiro parágrafo: contexto e objetivos. Segundo: métodos e descobertas principais. Terceiro: implicações e significado.
- Conclusões do Estudo (1 parágrafo)
- Link direto para PDF via PubMed Central (PMC) — formato:
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC[NUMERO]/pdf/
Header do relatório:
# 🔬 [TÍTULO DO TEMA]
## Estudos Científicos de Livre Acesso (#[ano]-#[ano])
Footer do relatório:
## Referências PMIDs
| # | PMID | Título |
|---|------|--------|
| 1 | XXXXXXXX | [Título resumido] |
...
**Todos os X estudos são free full text via PubMed Central (PMC).**
WORKFLOW — PASSO A PASSO
PASSO 1: Analisar o pedido
- Identificar o tema central
- Identificar o número de estudos pedidos (default: 5)
- Identificar filtros especiais (ex: "mulheres", "revisão", "free full text", período de anos)
PASSO 2: Definir queries de busca
Prioridade para queries que retornem free full text (PubMed Central):
autoimmune disease[tiab] AND women[tiab] AND free[fulltext]
sex[tiab] AND autoimmune[tiab] AND inflammation[tiab] AND free[fulltext]
female[tiab] AND autoimmune disease[tiab] AND free[fulltext]
chronic inflammation[tiab] AND autoimmune disease[tiab] AND free[fulltext]
immune[tiab] AND inflammation[tiab] AND women[tiab] AND free[fulltext]
Sempre combinar com filtros de período: AND 2021:2026[dp] para estudos = 5 anos ou menos.
Se há filtro de género/idade específico, ajustar a query:
women[tiab] / female[tiab] / men[tiab] / male[tiab]children[tiab] / adolescent[tiab] / elderly[tiab]
PASSO 3: Executar queries em paralelo
import requests
def buscar_pubmed(query, mindate="2021", maxdate="2026", retmax=80):
base_url = "https://eutils.ncbi.nlm.nih.gov/entrez/eutils/"
r = requests.get(
f"{base_url}esearch.fcgi",
params={
'db': 'pubmed',
'term': query,
'mindate': mindate,
'maxdate': maxdate,
'retmax': retmax,
'retmode': 'json',
'sort': 'relevance'
},
timeout=30
)
try:
result = r.json()['esearchresult']
return {'count': int(result.get('count', 0)), 'ids': result.get('idlist', [])}
except:
return {'count': 0, 'ids': []}
Executar 3-5 queries em paralelo para captar máxima cobertura.
PASSO 4: Agregar IDs únicos e remover duplicados
PASSO 5: Obter metadados de TODOS os IDs
def get_metadados(pmids):
base_url = "https://eutils.ncbi.nlm.nih.gov/entrez/eutils/"
r = requests.get(
f"{base_url}esummary.fcgi",
params={'db': 'pubmed', 'id': ','.join(pmids), 'retmode': 'json'},
timeout=90
)
return r.json()['result']
PASSO 6: Classificar por relevância
Usar scoring manual:
def score_relevancia(data):
title = data.get('title', '').lower()
score = 0
if any(k in title for k in ['women', 'female', 'sex', 'gender']): score += 5
if any(k in title for k in ['autoimmune', 'autoimmunity']): score += 4
if any(k in title for k in ['inflammation', 'inflammatory', 'chronic']): score += 3
if any(k in title for k in ['review', 'overview', 'perspective']): score += 2
pubtypes = data.get('pubtype', [])
if 'Review' in pubtypes or 'Systematic Review' in pubtypes or 'Meta-Analysis' in pubtypes: score += 3
return score
Selecionar os top N (conforme pedido do utilizador, default 5) com maior score.
PASSO 7: Verificar PMC free full text para cada artigo selecionado
def get_pmc_link(pmid):
base_url = "https://eutils.ncbi.nlm.nih.gov/entrez/eutils/"
r = requests.get(
f"{base_url}esearch.fcgi",
params={'db': 'pmc', 'term': f'{pmid}[pmid]', 'retmode': 'json'},
timeout=15
)
try:
result = r.json()['esearchresult']
ids = result.get('idlist', [])
if ids:
pmcid = ids[0]
return f"https://www.ncbi.nlm.nih.gov/pmc/articles/{pmcid}/pdf/"
except:
pass
return None
Se um artigo não tem PMC: substituí-lo pelo próximo melhor classificado que tenha PMC.
PASSO 8: Obter abstracts completos em XML
def get_abstracts_xml(pmids):
base_url = "https://eutils.ncbi.nlm.nih.gov/entrez/eutils/"
r = requests.get(
f"{base_url}efetch.fcgi",
params={
'db': 'pubmed',
'id': ','.join(pmids),
'rettype': 'abstract',
'retmode': 'xml'
},
timeout=30
)
return r.text
Parsear com xml.etree.ElementTree. Extrair todas as secções do abstract.
PASSO 9: Construir resumos de 3 parágrafos densos
Parágrafo 1 — Contextualização e Objetivos:
Frases que estabelecem o problema, a lacuna no conhecimento, e o objetivo do estudo. Mínimo 4 frases.
Parágrafo 2 — Métodos e Descobertas Principais:
Descrever brevemente a abordagem/metodologia e listar as principais descobertas quantitativas ou qualitativas. Mínimo 4 frases.
Parágrafo 3 — Implicações e Significado:
O que os resultados significam para o campo, para a prática clínica, ou para políticas de saúde. Mínimo 4 frases.
NORMAS CRÍTICAS:
- NUNCA escrever frases vazias ou genéricas ("Os resultados foram significativos")
- NUNCA inventar dados, números, nomes de genes ou mecanismos
- NUNCA usar jargão excessivo que não seja explicado
- Usar os dados concretos do abstract real
- Traduzir conceitos técnicos com explicação breve
- Manter o tom académico mas acessível
PASSO 10: Gerar conclusões (1 parágrafo)
Extrair do abstract ou construir com base nos dados disponíveis. Uma frase de fechamento que sintetize o achado central.
PASSO 11: Montar o relatório final
Usar a estrutura fixa definida acima. Escrever em português do Brasil para todos os elementos excepto o título original.
REGRAS DE CONDUTA
- NUNCA fabricate, invente, ou superponha dados. Se o abstract está incompleto no PubMed, usar apenas o que está disponível e indicar que o abstract original está parcial.
- Sempre traduzir títulos para pt-BR — não usar tradução automática.
- Sempre verificar PMC antes de incluir link PDF.
- Priorizar revisões e meta-análises quando disponíveis e relevantes.
- Período default: 5 anos (2021-2026) — pedir confirmação se o tema requer período diferente.
- Mínimo: 5 estudos, máximo: dependente do pedido do utilizador.
ANTIPATTERNS
- Não usar
curl via terminal com piping para Python JSON — usar requests
- Não usar
retmode=xml para ESearch — usar sempre retmode=json
- Não assumir que PMC ID = PDF disponível — confirmar via ESearch
- Não apresentar estudos sem abstract ou com abstract truncado como se estivessem completos
- Não usar português de Portugal — o relatório é sempre em pt-BR
EXEMPLO DE ESTRUTURA DO OUTPUT
# 🔬 [TÍTULO DO TEMA]
## Estudos Científicos de Livre Acesso (2021-2026)
---
## ESTUDO 1
**Título Original:** [Título em inglês]
**Título em Português:** [Título traduzido para pt-BR]
**Data de Publicação:** XX de [mês] de [ano]
**DOI:** 10.XXXX/...
**Link PDF:** https://www.ncbi.nlm.nih.gov/pmc/articles/PMCXXXXX/pdf/
### Resumo
[Parágrafo 1: contextualização e objetivos — mínimo 4 frases]
[Parágrafo 2: métodos e descobertas principais — mínimo 4 frases]
[Parágrafo 3: implicações e significado — mínimo 4 frases]
### Conclusões do Estudo
[1 parágrafo de conclusão síntese]
---
## ESTUDO 2
[...]
## Referências PMIDs
| # | PMID | Título |
|---|------|--------|
| 1 | XXXXXXXX | [Título resumido] |
| 2 | XXXXXXXX | [Título resumido] |
**Todos os 5 estudos são free full text via PubMed Central (PMC).**
Skill criada: $(date +%d/%m/%Y) — Bianinho OS
