메뉴
用于给一个 outcome 的证据确定性做 GRADE 评级、产出 Summary of Findings (SoF) 表。触发：证据确定性、certainty of evidence、GRADE、证据质量分级、这个结论有多可靠、SoF 表、summary of findings、要不要下推荐、指南证据分级、quality of evidence、能不能信这个结论、证据强度、evidence certainty、把证据评个级。也用于"这个疗法的证据到底有多强"、"帮我给这几个结局评 GRADE"、"这条推荐的证据基础可靠吗"。禁用于：单纯核对某个 PMID 真伪（那用 evidence-audit / evidence_verify）。
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
SOC 직업 분류 기준
Use for cross-modal target discovery from an unmet clinical need, combining literature, genetics, druggability, clinical trials, single-cell, and spatial evidence in one auditable context.
Design executable biomedical experiments from literature gaps or hypotheses, including testability, power, protocol, reagents, cost, preregistration, and failure modes.
Persist and query biomedical causal triples from BioCSSwitch conversations, literature checks, and debate outputs.
用于任何**可能含患者数据 / 临床原始记录 / 医疗档案**的场景，强制先做 PHI 检测再决定去向。触发：患者、病历、病案、临床数据、EHR、EMR、住院记录、门诊记录、handover note、progress note、discharge summary、SOAP、真实世界数据、RWD、reidentification、identifiable data、真实病人、我这里有一段病历、这是一份体检报告、帮我看一下这份 CT 报告、我上传一份门诊记录、患者档案、患儿、受试者数据、subject-level data、临床原始表、GCP 数据、eCRF、我要处理 HIPAA、PHI、脱敏、去标识化、我们医院的数据。也在提到 sensitive_mode / 敏感模式 / 隐私模式 时触发。禁用于：公开文献 / 已发表数据 —— 那些不含 PHI，扫描是浪费时间。
Use when the user opts into a local research-interest model, wants personalized paper/preprint/trial updates, saves or rejects research suggestions, asks for a proactive briefing, or wants workflow prediction across sessions.
用于单细胞 RNA-seq 数据的标准化预处理、QC、doublet 检测、batch 整合、基因 ID 转换、细胞类型注释与内容指纹，为下游聚类、scFM embedding、DEG、轨迹或细胞通信准备可复现输入。触发：单细胞预处理、scRNA-seq QC、scanpy 预处理、AnnData、h5ad、质控、doublet、Scrublet、scDblFinder、batch correction、Harmony、scVI、BBKNN、基因 ID 转换、CellTypist、SingleR、CITE-seq、multiome、空间转录组、Visium。禁用于：bulk RNA-seq（用 geo-triage / omics_deseq2），以及 embedding 之后的 DEG/trajectory/cell communication（交给 sc-downstream-analysis）。
| name | grade-sof |
| description | 用于给一个 outcome 的证据确定性做 GRADE 评级、产出 Summary of Findings (SoF) 表。触发：证据确定性、certainty of evidence、GRADE、证据质量分级、这个结论有多可靠、SoF 表、summary of findings、要不要下推荐、指南证据分级、quality of evidence、能不能信这个结论、证据强度、evidence certainty、把证据评个级。也用于"这个疗法的证据到底有多强"、"帮我给这几个结局评 GRADE"、"这条推荐的证据基础可靠吗"。禁用于：单纯核对某个 PMID 真伪（那用 evidence-audit / evidence_verify）。 |
顶级医学不满足于"有文献支持"——它问：对这个具体结局（outcome），我们对效应估计的把握有多高？为什么？ GRADE 把这个问题标准化成四档确定性（High / Moderate / Low / Very Low），并要求逐条说明升/降级理由。这个 skill 让你按 GRADE 走，不许含糊。
grade_outcome 会对没给理由的降级发 warning——别无视。Step 1：先审计证据（若还没做）。用 evidence-audit / evidence_graph 把每条结论的引用核实、拿到证据类型（RCT / observational / …）与物种/人群/样本量。GRADE 的起始档就来自这里。
Step 2：列出关键结局。别把所有东西混成一句"有效"。典型：主要疗效结局、关键安全结局、生活质量各评一个。如果输入是完整证据体（多研究、多 outcome、study-level RoB），调用 grade_evidence_dossier 一次性生成各 outcome 的 evidence profile、GRADE 评级、SoF Markdown 与共享证据体摘要，再逐项复核而不是手工拆散证据体。
Step 3：对每个结局调 grade_outcome。给全：
design（rct / cohort / meta-analysis + underlying_design …）、n_studies / n_participantsdomains：risk_of_bias / inconsistency / indirectness / imprecision / publication_bias，每个 {rating: not_serious|serious|very_serious, reason}upgrades（大效应 / 剂量反应 / 残余混杂）effect（RR/HR/OR/MD + CI）供 SoF 用拿不准某个域的定义就先调 grade_explain。
Step 4：读结果 + 处理 warnings。grade_outcome 返回确定性符号（⊕⊕⊕⊝）+ 逐域 why + warnings。warnings 里说"样本 <300 应考虑 imprecision"这类要回去复核。
Step 5：调 grade_sof_table 把所有结局的评级汇总成 SoF 表，贴进答复。
Step 6：若要给推荐，调 etd_recommendation（EtD 层）。确定性 ≠ 推荐——certainty 只回答"证据多确定"，要不要推荐、推荐得多强（strong / conditional）还得看获益/危害平衡、价值观与偏好、资源/成本、公平性/可接受性/可行性。工具按 GRADE EtD 规则把这些判断映射成推荐方向（for/against）+ 强度，并守卫"低确定性上的强推荐"（属 GRADE 不一致推荐，需符合 5 类特殊情形或降为 conditional）。措辞遵循 GRADE 惯例：strong→"we recommend"，conditional→"we suggest"。若专家组对 certainty、benefit-harm、values 或 resources 等判断存在分歧，调用 etd_probabilistic_recommendation 输入各维度的概率分布，报告 posterior direction、strength 与不确定性，不得把分歧压成单一确定评级。
Step 7：把确定性/推荐强度写进结论措辞，并接 uncertainty_ledger 出五段面板——低确定性的结局往往正是 Known unknowns / Next experiment 的来源。
grade_outcome 时用 underlying_design=rct|observational 声明；不声明工具会保守按 Low 并警告。design 写成 rct / single-arm-trial / non-randomized-trial 等明确类型，别写 clinical-trial。问题："SGLT2 抑制剂能降低心衰住院吗？证据有多强？"
SGLT2 抑制剂证据充分、质量高，建议使用。
问题：没分结局、没给确定性档次、没说凭什么"质量高"、把不同结局的证据强度混成一句。GRADE 的价值就是拆开评 + 说清为什么。