jinko-task-trial-data-scoping

臨床試験データのスコープ設定

抽出済みのエンドポイントデータではなく、登録情報に基づく候補一覧を作成します。登録されたアウトカムは、数値結果が公開されたことを示す証拠ではありません。

範囲の設定

対象疾患、介入または作用機序クラス、対象集団、比較対照、および目的（エンドポイントの利用可能性、対照群または自然歴のエビデンス、用量・レジメンの背景、安全性、または開発状況に関する情報）を明確にします。必要なステータス、フェーズ、試験種別、結果公開要件、および候補の上限件数を確認します。ステータスフィルターを暗黙に適用しないでください。

利用可能な場合は、jinko-task-literature-search の Entity Table を再利用します。利用できない場合は、canonical_name、synonyms、mesh_term、related_entities、intent_groups（Data）、および exclusions を作成します。ネットワーク呼び出しの前に、結果に大きく影響する別名とフィルターを確認します。

検索

1. 関連する切り口から、ClinicalTrials.gov の個別の検索軸を作成します。介入の別名、疾患の別名、作用機序クラス、比較対照または標準治療、対象集団・アウトカムなどです。広範なクエリを1つ使うより、精度の高い用語を優先します。
2. 各検索軸について、出力ファイルを分けて scripts/clinical_trials.py を1回ずつ実行します。承認済みの範囲で必要な場合に限り、--status、--phase、--require-results を使用します。このスクリプトが、API フィルタリング、生レスポンスの保存、および正規化された登録情報フィールドを処理します。
3. 検索軸ごとの出力に対して scripts/compile_trials.py を実行します。NCT ID に基づいて重複を排除し、クエリの来歴を保持したうえで、検索軸の数、結果公開の有無、およびレコードの完全性に基づいて順位付けします。

この処理は1回の検索パスです。作用機序、スポンサー、国、施設、または比較対照をさらに広げた検索は、ユーザーの承認を得た別のフォローアップとして実施します。

候補一覧

保持された各レコードを、明示された目的に照らして確認します。以下を区別してください。

• 登録情報のみの試験デザインまたは募集情報
• ClinicalTrials.gov で公開された結果
• NCT ID に紐づく論文

目的に関連するシグナル（対象集団・介入の一致、指定されたアウトカムと期間、登録数と適格基準、適切なデザイン、または必要な結果モジュールなど）がレコードに含まれる場合に限り、verification_passed を設定します。確認できたシグナルを verification_note に記載してください。hasResults だけから数値エンドポイントを利用できると推測しないでください。

assets/shortlist-schema.json のフィールドをすべて入力し、shortlist.json を提示する前に scripts/validate_shortlist.py を実行します。試験レコードでは、intent_group = Data とし、登録情報または結果に適した evidence_type を指定します。主識別子には nct_id を使用します。

関連論文が必要な場合は、選択した NCT ID を <NCT_ID>[si] の検索軸として jinko-task-literature-search に渡します。jinko-task-extract-data-table は、定量的な情報源を特定して確認した後にのみ使用します。

成果物

• frame.json：承認済みの範囲、Entity Table、フィルター、および検索軸の定義
• 検索軸ごとの正規化 JSON、生 API JSON、および表 JSON
• merged_trials.json：検索軸を横断して統合した、決定論的な候補一覧
• shortlist.json：スキーマに準拠した優先順位付き候補

NCT リンク、タイトル、フェーズ／ステータス、結果の公開状況、対象集団、介入、主要アウトカム、および優先順位の理由を含む簡潔な Markdown 表示を提示します。関連論文は Author (Year) [PMID] の形式で引用し、jinko-task-literature-search の規則に従います。スコープ設定済みの候補と、分析に使用できるデータを明確に区別してください。