alterlab-clinical-decision

临床决策支持文档

描述

为制药公司、临床研究人员和医学决策者生成专业的临床决策支持（CDS）文档。此技能专注于分析型、基于证据的文档，为治疗策略和药物开发提供信息：

1. 患者队列分析 - 按生物标志物分层的群体分析，并对统计学结局进行比较
2. 治疗建议报告 - 基于证据的临床指南，包含 GRADE 分级和决策算法

所有文档均以可供发表的 LaTeX/PDF 文件形式生成，用于制药研究、监管支持分析和临床指南制定。

**范围与安全性：**这些决策支持文档面向具备资质的临床医生、医学事务团队和指南小组，而非针对个体患者的医嘱。每项试验结果、指南建议、批准状态和分级都必须来自用户提供的来源，或来自你在本次会话中检索并引用的来源（例如，通过 alterlab-pubmed 或 alterlab-clinicaltrials）；切勿凭记忆补充，因为看似合理但有误的风险比或指南类别可能会影响处方决策。下方示例中的数字仅为示意性占位符。每份文档都必须包含 AI 辅助声明和“供专家审阅”提示。

**注意：**对于床旁个体患者治疗计划，请改用 alterlab-treatment-plans 技能。对于拟投稿至期刊的单患者病例报告（例如遵循 CARE 指南的病例），请使用 alterlab-clinical-reports。此技能侧重于制药和研究场景中的群体层级分析与证据综合。

**写作风格：**对于面向医学期刊、可供发表的文档，请参阅 alterlab-venue-templates 技能中的 medical_journal_styles.md，了解结构式摘要、证据措辞以及 CONSORT/STROBE 合规方面的指南。

功能

文档类型

患者队列分析

• 基于生物标志物的患者分层（分子亚型、基因表达、IHC）
• 分子亚型分类（例如，GBM 间充质-免疫活跃型与神经前体型、乳腺癌亚型）
• 采用统计分析的结局指标（OS、PFS、ORR、DOR、DCR）
• 亚组间的统计学比较（风险比、p 值、95% CI）
• 使用 Kaplan-Meier 曲线和 log-rank 检验进行生存分析
• 疗效表格和瀑布图
• 比较疗效分析
• 制药领域的队列报告（试验亚组、真实世界证据）

治疗建议报告

• 针对特定疾病状态的循证治疗指南
• 建议强度分级（GRADE，以 ACCP 风格代码 1A–2C 报告）
• 证据质量评估（高、中、低、极低）
• 使用 TikZ 图表绘制治疗算法流程图
• 基于生物标志物的治疗线次排序
• 包含临床和分子标准的决策路径
• 制药策略文档
• 为医学会制定临床指南

临床特性

• 生物标志物整合：基因组改变（突变、CNV、融合）、基因表达特征、IHC 标志物、PD-L1 评分
• 统计分析：风险比、p 值、置信区间、生存曲线、Cox 回归、log-rank 检验
• 证据分级：GRADE 确定性（以 ACCP 风格的 1A–2C 代码报告）、Oxford CEBM 证据级别、证据质量评估
• 临床术语：SNOMED-CT、LOINC、规范的医学术语、试验命名
• 法规合规：HIPAA 去标识化、保密性页眉、符合 ICH-GCP 要求
• 专业排版：0.5in 紧凑页边距、按颜色区分建议、可供发表

制药和研究用例

此技能专为制药和临床研究应用而设计：

药物开发

• II/III 期试验分析：按生物标志物分层的疗效和安全性分析
• 亚组分析：展示不同患者亚组治疗效果的森林图
• 伴随诊断开发：将生物标志物与药物反应关联起来
• 监管支持：为 IND/NDA 文件提供证据摘要（申报材料本身遵循申办方模板和 ICH M4/eCTD 结构）

医学事务

• KOL 教育材料：面向意见领袖的循证治疗算法
• 医学战略文件：竞争格局和定位策略
• 顾问委员会材料：队列分析和治疗建议框架
• 发表计划：可直接用于同行评审期刊投稿的分析

临床指南

• 指南制定：采用 GRADE 方法为专科协会综合证据
• 共识建议：由多方利益相关者共同制定治疗算法
• 实践标准：基于生物标志物的治疗选择标准
• 质量指标：循证绩效指标

真实世界证据

• RWE 队列研究：对来自 EMR 数据的患者队列进行回顾性分析
• 比较疗效：在真实世界环境中直接比较不同治疗方案
• 结局研究：研究临床实践中的长期生存和安全性
• 卫生经济学：按生物标志物亚组进行成本效益分析

何时使用此技能

在需要以下操作时使用此技能：

• 分析患者队列，按生物标志物、分子亚型或临床特征进行分层
• 生成治疗建议报告，为临床指南或制药策略提供证据评级
• 比较结局，通过统计分析（生存率、响应率、风险比）比较患者亚组
• 编制制药研究文件，用于药物开发、临床试验或监管申报
• 制定临床实践指南，采用 GRADE 进行证据评级并制定决策算法
• 记录基于生物标志物的疗法选择，用于群体层面（而非个体患者）
• 综合多项试验或真实世界数据来源的证据
• 创建临床决策算法，使用流程图展示治疗顺序

不适用的情况

场景	请改用
个体患者治疗计划、床旁护理记录或针对患者的方案	alterlab-treatment-plans
用于期刊投稿的单患者病例报告（CARE）	alterlab-clinical-reports
汇总已发表研究中的效应量（随机效应模型、I²、漏斗图）	alterlab-meta-analysis
在 ClinicalTrials.gov 搜索试验，或通过 NCT ID 获取试验记录	alterlab-clinicaltrials
使用 EHR 数据训练机器学习风险预测模型	alterlab-pyhealth

文档结构

每份 CDS 文档都应以一页执行摘要开篇，置于目录或详细章节之前。医学事务和指南小组的读者会在第 1 页决定是否继续阅读以及如何阅读，因此摘要必须独立呈现关键结果。

第 1 页执行摘要结构

每份 CDS 文档的第一页应仅包含执行摘要，并包含以下内容：

必需元素（全部位于第 1 页）：

1. 文档标题和类型

   • 主标题（例如 “Biomarker-Stratified Cohort Analysis” 或 “Evidence-Based Treatment Recommendations”）
   • 副标题，注明疾病状态和重点

2. 报告信息框（使用彩色 tcolorbox）

   • 文档类型和目的
   • 分析／报告日期
   • 疾病状态和患者群体
   • 作者／机构（如适用）
   • 分析框架或方法

3. 关键发现框（使用 tcolorbox 的 3–5 个彩色框）

   • 主要结果（蓝色框）：主要疗效／结局发现
   • 生物标志物洞察（绿色框）：关键分子亚型发现
   • 临床意义（黄色／橙色框）：可操作的治疗启示
   • 统计摘要（灰色框）：风险比、p 值、关键统计数据
   • 安全性要点（红色框，如适用）：关键不良事件或警示

视觉要求：

• 使用 \thispagestyle{empty} 移除第 1 页的页码
• 所有内容必须在第 1 页内（位于 \newpage 之前）
• 使用不同颜色的 tcolorbox 环境建立视觉层次
• 框内内容应便于快速浏览，并突出最重要的信息
• 使用项目符号，不要使用叙述性段落
• 在目录或详细章节之前，以 \newpage 结束第 1 页

LaTeX 首页结构示例（所有值均为示意性占位内容）：

\maketitle
\thispagestyle{empty}

% Report Information Box
\begin{tcolorbox}[colback=blue!5!white, colframe=blue!75!black, title=Report Information]
\textbf{Document Type:} Patient Cohort Analysis\\
\textbf{Disease State:} HER2-Positive Metastatic Breast Cancer\\
\textbf{Analysis Date:} \today\\
\textbf{Population:} 60 patients, biomarker-stratified by HR status
\end{tcolorbox}

\vspace{0.3cm}

% Key Finding #1: Primary Results
\begin{tcolorbox}[colback=blue!5!white, colframe=blue!75!black, title=Primary Efficacy Results]
\begin{itemize}
    \item Overall ORR: 72\% (95\% CI: 59-83\%)
    \item Median PFS: 18.5 months (95\% CI: 14.2-22.8)
    \item Median OS: 35.2 months (95\% CI: 28.1-NR)
\end{itemize}
\end{tcolorbox}

\vspace{0.3cm}

% Key Finding #2: Biomarker Insights
\begin{tcolorbox}[colback=green!5!white, colframe=green!75!black, title=Biomarker Stratification Findings]
\begin{itemize}
    \item HR+/HER2+: ORR 68\%, median PFS 16.2 months
    \item HR-/HER2+: ORR 78\%, median PFS 22.1 months
    \item HR status significantly associated with outcomes (p=0.041)
\end{itemize}
\end{tcolorbox}

\vspace{0.3cm}

% Key Finding #3: Clinical Implications
\begin{tcolorbox}[colback=orange!5!white, colframe=orange!75!black, title=Clinical Recommendations]
\begin{itemize}
    \item Strong efficacy observed regardless of HR status (Grade 1A)
    \item HR-/HER2+ patients showed numerically superior outcomes
    \item Treatment recommended for all HER2+ MBC patients
\end{itemize}
\end{tcolorbox}

\newpage
\tableofcontents  % TOC on page 2
\newpage  % Detailed content starts page 3

患者队列分析（详细章节——第 3 页及之后）

• 队列特征：人口统计学信息、基线特征、患者筛选标准
• 生物标志物分层：分子亚型、基因组改变、IHC 特征
• 治疗暴露：各亚组接受的治疗、给药方案、治疗持续时间
• 结局分析：应答率（ORR、DCR）、生存数据（OS、PFS）、DOR
• 统计方法：Kaplan-Meier 生存曲线、风险比、log-rank 检验、Cox 回归
• 亚组比较：按生物标志物分层的疗效、森林图、统计显著性
• 安全性概况：各亚组的不良事件、剂量调整、停药情况
• 临床建议：基于生物标志物特征的治疗启示
• 图表：瀑布图、泳道图、生存曲线、森林图
• 表格：人口统计学信息表、生物标志物频率、各亚组结局

治疗建议报告（详细章节——第 3 页及以后）

治疗建议执行摘要的第 1 页应包括：

1. 报告信息框：疾病状态、指南版本/日期、目标人群
2. 关键建议框（绿色）：按治疗线列出 3-5 条经 GRADE 分级的首要建议
3. 生物标志物决策标准框（蓝色）：影响治疗选择的关键分子标志物
4. 证据摘要框（灰色）：支持建议的主要试验（例如 KEYNOTE-189、FLAURA）
5. 关键监测框（橙色/红色）：必要的安全性监测要求

详细章节（第 3 页及以后）：

• 临床背景：疾病状态、流行病学、当前治疗格局
• 目标人群：患者特征、生物标志物标准、分期
• 证据综述：系统性文献综合、指南摘要、试验数据
• 治疗方案：可用疗法及其作用机制
• 证据分级：对每条建议进行 GRADE 评估（1A、1B、2A、2B、2C）
• 按治疗线提出的建议：一线、二线及后续治疗
• 生物标志物指导的选择：基于分子特征的决策标准
• 治疗算法：展示决策路径的 TikZ 流程图
• 监测方案：安全性评估、疗效监测、剂量调整
• 特殊人群：老年人、肾/肝功能损害者、合并症患者
• 参考文献：包含试验名称和引文的完整书目

输出格式

页面布局：

• 第 1 页：整页执行摘要，包含 3-5 个彩色 tcolorbox 元素
• 第 2 页：目录（可选）
• 第 3 页及以后：包含方法、结果、图表的详细章节

文档规格：

• 主要格式：LaTeX/PDF，页边距为 0.5in，以实现紧凑、高信息密度的展示
• 篇幅：通常为 5-15 页（1 页执行摘要 + 4-14 页详细内容）
• 风格：符合出版要求，达到制药行业标准
• 首页：第 1 页始终为完整的整页执行摘要（参见“文档结构”章节）

视觉元素：

• 颜色：
  • 第 1 页信息框：蓝色=数据/信息，绿色=生物标志物/建议，黄色/橙色=临床意义，红色=警告
  • 建议框（绿色=强烈建议，黄色=有条件建议，蓝色=需要进一步研究）
  • 生物标志物分层（按颜色区分分子亚型）
  • 统计显著性（按颜色区分 p 值、风险比）
• 表格：
  • 包含基线特征的人口统计学资料
  • 各亚组的生物标志物频率
  • 结局表（按分子亚型列出 ORR、PFS、OS、DOR）
  • 按队列列出的不良事件
  • 带 GRADE 评级的证据摘要表
• 图表：
  • Kaplan-Meier 生存曲线，标注 log-rank p 值和风险人数表
  • 展示患者最佳疗效的瀑布图
  • 带置信区间的亚组分析森林图
  • TikZ 决策算法流程图
  • 展示个体患者时间线的泳道图
• 统计数据：风险比及 95% CI、p 值、中位生存时间、里程碑生存率
• 合规性：按照 HIPAA Safe Harbor 进行去标识化，对专有数据添加保密声明

集成

此技能与以下内容集成：

• alterlab-scientific-writing：引文管理、统计报告、证据综合
• alterlab-clinical-reports：医学术语、HIPAA 合规性、单患者病例报告
• alterlab-scientific-schematics：用于决策算法和治疗路径的 TikZ 流程图
• alterlab-treatment-plans：将队列分析得出的见解应用于个体患者（双向）

路由：此技能与相关技能的区别

区分标准是分析单位：此技能针对群体（队列、亚组、证据基础）；相关技能针对单个患者。

请求	技能
队列／亚组分析、生物标志物分层、GRADE 分级指南、制药／RWE 策略文档（群体层面）	此技能
个体患者护理计划、SMART 目标、针对病历的患者个体化给药／监测	alterlab-treatment-plans
用于期刊投稿的单患者病例报告（例如遵循 CARE 指南）	alterlab-clinical-reports

此技能的示例：“按激素受体状态分析 60 名 HER2+ 乳腺癌患者的生存结局。”

使用示例

患者队列分析

示例 1：NSCLC 生物标志物分层

> Analyze a cohort of 45 NSCLC patients stratified by PD-L1 expression (<1%, 1-49%, ≥50%) 
> receiving pembrolizumab. Include outcomes: ORR, median PFS, median OS with hazard ratios 
> comparing PD-L1 ≥50% vs <50%. Generate Kaplan-Meier curves and waterfall plot.

示例 2：GBM 分子亚型分析

> Generate cohort analysis for 30 GBM patients classified into Cluster 1 (Mesenchymal-Immune-Active) 
> and Cluster 2 (Proneural) molecular subtypes. Compare outcomes including median OS, 6-month PFS rate, 
> and response to TMZ+bevacizumab. Include biomarker profile table and statistical comparison.

示例 3：乳腺癌 HER2 队列

> Analyze 60 HER2-positive metastatic breast cancer patients treated with trastuzumab-deruxtecan, 
> stratified by prior trastuzumab exposure (yes/no). Include ORR, DOR, median PFS with forest plot 
> showing subgroup analyses by hormone receptor status, brain metastases, and number of prior lines.

治疗建议报告

示例 1：HER2+ 转移性乳腺癌指南

> Create evidence-based treatment recommendations for HER2-positive metastatic breast cancer including 
> biomarker-guided therapy selection. Use GRADE system to grade recommendations for first-line 
> (trastuzumab+pertuzumab+taxane), second-line (trastuzumab-deruxtecan), and third-line options. 
> Include decision algorithm flowchart based on brain metastases, hormone receptor status, and prior therapies.

示例 2：晚期 NSCLC 治疗算法

> Generate treatment recommendation report for advanced NSCLC based on PD-L1 expression, EGFR mutation, 
> ALK rearrangement, and performance status. Include GRADE-graded recommendations for each molecular subtype, 
> TikZ flowchart for biomarker-directed therapy selection, and evidence tables from KEYNOTE-189, FLAURA, 
> and CheckMate-227 trials.

示例 3：多发性骨髓瘤治疗线次序

> Create treatment algorithm for newly diagnosed multiple myeloma through relapsed/refractory setting. 
> Include GRADE recommendations for transplant-eligible vs ineligible, high-risk cytogenetics considerations, 
> and sequencing of daratumumab, carfilzomib, and CAR-T therapy. Provide flowchart showing decision points 
> at each line of therapy.

证据分级

此技能采用两个互补维度（完整矩阵请参阅 references/treatment_recommendations.md 和 assets/recommendation_strength_guide.md）：

• 推荐强度——强（1 级，“我们推荐”：获益明确大于风险）与有条件／弱（2 级，“我们建议”：存在权衡，患者价值观很重要）。另设第三个“研究”层级，用于标示证据不足。
• 证据确定性——高／中等／低／极低，依据 GRADE 工作组的领域评定（因偏倚风险、不一致性、间接性、不精确性、发表偏倚而降级；观察性数据则可因效应量大、剂量－反应关系、合理的混杂因素而升级）。

全文使用的简洁字母代码（1A、1B、2A、2B、2C）属于 ACCP/Guyatt 表示法（由 ACCP/CHEST 抗栓指南推广），它将两个维度合并为一个标签。GRADE 本身不使用这些代码；同时引用两者时，应将其报告为 ACCP 风格的表示法，且绝不可编造缺乏底层证据支持的等级。

（生物标志物、结局指标和统计方法的细节见上文功能部分及 references/ 文件。）

最佳实践

队列分析

1. 患者选择透明度：清楚记录纳入／排除标准、患者流程及排除原因
2. 生物标志物说明：注明检测方法、平台（例如 FoundationOne、Caris）、临界值和验证状态
3. 统计严谨性：
   • 报告风险比及 95% 置信区间，而不只是 p 值
   • 在生存分析中注明中位随访时间
   • 说明所用统计检验（log-rank、Cox 回归、Fisher 精确检验）
   • 适当时校正多重比较
4. 结局定义：采用标准准则：
   • 疗效：RECIST 1.1；免疫治疗采用 iRECIST
   • 不良事件：NCI CTCAE — v6.0（于 2025 年发布；NCI 赞助的试验自 2026 年 1 月起启动），或方案指定的版本（许多正在进行的试验仍使用 v5.0）；注明所用版本
   • 体能状态：ECOG 或 Karnofsky
5. 生存数据呈现：
   • 中位 OS/PFS 及 95% CI
   • 里程碑生存率（6 个月、12 个月、24 个月）
   • Kaplan-Meier 曲线下方的风险人数表
   • 清楚标示删失数据
6. 亚组分析：预先指定亚组；清楚标明探索性分析与预先计划分析
7. 数据完整性：报告缺失数据及其处理方式

治疗推荐报告

1. 证据分级透明度：
   • 始终使用 GRADE；如需组合标签，可采用 ACCP 风格的代码（1A–2C）
   • 记录每项分级的理由
   • 明确说明证据质量（高、中、低、极低）
2. 全面的证据审查：
   • 将 3 期随机试验作为主要证据
   • 对新兴疗法补充 2 期数据
   • 注明真实世界证据和荟萃分析
   • 列出试验名称（例如 KEYNOTE-189、CheckMate-227）及可验证的参考信息（PMID/DOI 或注册 ID）
3. 生物标志物指导的建议：
   • 将特定生物标志物与治疗建议关联起来
   • 指明检测方法和经过验证的检测方法
   • 纳入伴随诊断的 FDA/EMA 批准状态，并根据当前标签核实（批准状态可能变化）
4. 临床可操作性：每项建议都应提供明确的实施指导
5. 决策算法清晰度：TikZ 流程图应明确无歧义，并包含清晰的是/否决策点
6. 特殊人群：涵盖老年人、肾/肝功能损害、妊娠和药物相互作用
7. 监测指导：指明安全性实验室检查、影像检查及频率
8. 更新频率：注明建议日期，并制定定期更新计划

通用最佳实践

1. 首页执行摘要：
   • 编写完整的执行摘要，占满第 1 页
   • 使用 3–5 个彩色 tcolorbox 元素突出关键发现
   • 第 1 页不放目录或详细章节
   • 使用 \thispagestyle{empty}，并以 \newpage 结束
   • 这是最重要的一页——应能在 60 秒内快速浏览
2. 去标识化：生成文档前，移除全部 18 项 HIPAA 标识符（安全港方法）
3. 法规合规：为专有制药数据添加保密声明
4. 可直接发表的格式：使用 0.5in 页边距、专业字体和颜色编码的章节
5. 可复现性：记录所有统计方法，以便复现
6. 利益冲突：适用时披露制药行业资助或相关关系
7. 视觉层级：统一使用彩色框（蓝色=数据，绿色=生物标志物，黄色/橙色=建议，红色=警告）

参考资料

详细指南请参阅 references/ 目录：

• 患者队列分析和分层方法
• 治疗建议的制定
• 临床决策算法
• 生物标志物分类和解读
• 结局分析和统计方法
• 证据综合和分级系统

模板

LaTeX 模板请参阅 assets/ 目录：

• cohort_analysis_template.tex - 按生物标志物分层的患者队列分析及统计比较
• treatment_recommendation_template.tex - 基于证据并采用 GRADE 分级的临床实践指南
• clinical_pathway_template.tex - 用于治疗顺序安排的 TikZ 决策算法流程图
• biomarker_report_template.tex - 分子亚型分类和基因组概况报告

模板功能：

• 0.5in 页边距，排版紧凑
• 颜色编码的建议框
• 用于人口统计学、生物标志物和结局的专业表格
• 内置支持 Kaplan-Meier 曲线、瀑布图、森林图
• GRADE 证据分级表
• 制药文档的保密页眉

脚本

分析和可视化工具请参阅 scripts/ 目录：

• generate_survival_analysis.py - 使用 log-rank 检验、风险比和 95% CI 生成 Kaplan-Meier 曲线（也涵盖队列和亚组分析的生存统计需求）
• create_cohort_tables.py - 人口统计学特征、生物标志物频率和结局表格
• build_decision_tree.py - 为治疗算法生成 TikZ 流程图
• biomarker_classifier.py - 按分子亚型进行患者分层的算法
• validate_cds_document.py - 质量与合规性检查（HIPAA、统计报告标准）

属于 AlterLab Academic Skills 套件。