pubmed-study-report

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:

1. Título Original (em inglês — conforme publicado)
2. Título Traduzido para Português do Brasil
3. Data de publicação (formato: XX de [mês] de [ano] ou [mês]/[ano] se dia indisponível)
4. DOI (formato: 10.XXXX/...)
5. 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.
6. Conclusões do Estudo (1 parágrafo)
7. 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