菜单
Python 流行病学与生物统计分析的可选执行层，仅用于用户明确要求 Python，或既有项目已经以 Python 为主流程时的数据清洗、描述统计、回归、生存分析、预测验证、统计表图、代码调试和结果复现。开工先遵循 biostat-principles；统计图配合 publication-figures，客户外发再用 consulting-delivery。未指定语言的普通统计分析、R 环境或依赖缺失、研究设计定稿、论文写作或仅操作 xlsx 文件不触发。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
初始化标准卫生统计研究或咨询项目，默认生成 R 七层目录，也可按用户明确选择生成 Python 目录，并创建 PROTOCOL、SAP、结果单源、registry 与可选 Git 配置。仅在用户明确要求创建项目或把空工作区建成正式项目时使用；简单作业、快速核验和已有项目分析不触发。上游为 biostat-principles；咨询项目完成分析后再用 consulting-delivery。
R 流行病学与生物统计的主要执行层，用于 R 数据清洗、描述统计、回归、生存、中介、Meta 分析、统计表图和代码调试；用户未指定语言且无既有语言合同时也使用。开工先遵循 biostat-principles；统计图配合 publication-figures，客户外发再用 consulting-delivery。不用于已明确采用 Python 的分析、研究设计定稿或论文写作。
基于已验证的代码、结果单源和表图生成或结构性重写中英文期刊论文、学位论文部件、摘要、题名、cover letter、审稿回复、highlights 和投稿正式往来，并做投稿前一致性自查。开工先用 biostat-principles，终审用 academic-humanizer；实际 Word 操作再配合 docx。已有文本的局部润色或压缩只用 academic-humanizer。
流行病学与生物统计的上游行为原则，用于研究设计、R/Python 分析、论文、咨询交付和项目审查开工前，以及口径争议、结果不一致或试新方法时。提供原始数据只读、最小实现、可验证目标、结果追溯、复现、异常闭环和隔离实验规则；轻量任务不因此升级为正式项目。
把已完成并验证的 R 或 Python 分析打包为客户可独立复现、可直接阅读且保留真实溯源的咨询交付物。用于“给客户交付”“打包结果”或在 05_reports/ 建正式结果包；不用于未完成分析或内部探索。上游为 biostat-principles，文本终审配合 academic-humanizer，签发配合 epi-project-audit。
科研决策的证据检索、来源身份核验、证据评价与适用性判断技能。触发场景：(1) 快速核验单个事实、单篇引文、标题、DOI 或 PMID；(2) 查找最新证据、指南、方法依据或真实引文；(3) 构建结局指标、选择量表、制定异常值规则；(4) 试新方法、比较指标或判断跨领域方法能否迁移。 自动选择 rapid verification 或 formal evidence review。两种模式均核验来源身份；只有 formal 模式强制完整检索协议和证据矩阵。不负责统计模型实跑或论文正文生成，不得以文献替代项目数据核验，不得编造来源或研究结论。
| name | python-biostats |
| description | Python 流行病学与生物统计分析的可选执行层，仅用于用户明确要求 Python，或既有项目已经以 Python 为主流程时的数据清洗、描述统计、回归、生存分析、预测验证、统计表图、代码调试和结果复现。开工先遵循 biostat-principles；统计图配合 publication-figures，客户外发再用 consulting-delivery。未指定语言的普通统计分析、R 环境或依赖缺失、研究设计定稿、论文写作或仅操作 xlsx 文件不触发。 |
把已确认的研究问题和分析计划转成可运行、可核验、可追溯的 Python 分析。仅在用户明确选择 Python 或既有 Python 项目中执行；服从现有项目风格，不因 R 环境或依赖缺失改用 Python，也不为使用 Python 而重写可工作的 R 主流程。
biostat-principles，判定轻量任务或正式项目。CLAUDE.md、PROTOCOL.md、SAP.md、DECISIONS.md、配置与待办；轻量任务只读必要输入。.py 文件，用 python path/to/script.py 实际运行。不得只检查语法或退出码。publication-figures，根据实际期刊、估计目标和可读性选择图型与格式。07_paper/results.yaml，再派生 0_result_summaries.md；下游按稳定键取数，不手敲。../biostat-principles/references/result-summary-schema.md。DECISIONS.md，操作写 SESSION_LOG.md，新缺口写 BACKLOG.md。按现有环境与任务选择库，不把以下示例视为强制依赖：
| 任务 | 常见实现 | 最低核验 |
|---|---|---|
| 数据与表格 | pandas、polars、pyarrow | 类型、键、重复、缺失、行数链 |
| 描述与检验 | scipy、statsmodels | 分母、分布、效应量、区间与多重性 |
| 回归 | statsmodels、scikit-learn | 编码、参照组、收敛、诊断与区间 |
| 生存与竞争风险 | lifelines、scikit-survival 或项目既有库 | 时间零点、删失、风险集、假设与事件数 |
| 预测验证 | scikit-learn、项目既有库 | 数据泄漏、切分单位、校准、判别与不确定性 |
| 表图 | pandas/openpyxl、matplotlib/seaborn | 数字单源、最终尺寸、字体与输出可打开 |