mcpField
F
family-health-analyzer

family-health-analyzer

github.com/huifer数据与数据库963115 次安装15 周前更新
代码仓库

关于 family-health-analyzer

用于分析家庭健康数据的技能,适合查看家族病史、疾病模式和预防方向。它结合家族资料及高血压、糖尿病模块数据生成文本或 HTML 报告,并强调风险分析不等于诊断。

主要功能

  1. 01分析家族病史与疾病聚集模式
  2. 02评估家族层面的遗传风险等级
  3. 03读取高血压和糖尿病相关数据
  4. 04生成筛查、生活方式及就医建议
  5. 05输出文本报告和可视化 HTML 报告

适用场景

  1. 01整理家庭成员的疾病史并查看模式
  2. 02根据家族病史了解风险等级
  3. 03获取筛查提醒和预防建议
  4. 04生成家庭健康趋势报告

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/huifer/wellally-health --skill family-health-analyzer

安装后在 Claude Code 中输入/family-health-analyzer确认已加载。

详细介绍

来自项目 README

家庭健康分析技能

技能概述

本技能提供家庭健康数据的深度分析,包括:

  • 遗传风险评估
  • 家族疾病模式识别
  • 家庭共同问题分析
  • 个性化预防建议
  • 可视化报告生成

触发条件

当用户请求以下内容时,使用此技能:

  • "家庭健康报告"
  • "家族病史分析"
  • "遗传风险评估"
  • "家庭健康趋势"
  • 执行 /family report 命令
  • 执行 /family risk 命令

分析步骤

步骤1: 确定分析目标

识别用户请求类型:

  • 家族病史分析
  • 遗传风险评估
  • 家庭健康趋势
  • 家庭健康报告
步骤2: 读取家庭数据

数据源:

  1. 主数据文件: data/family-health-tracker.json
  2. 集成模块数据:
    • data/hypertension-tracker.json
    • data/diabetes-tracker.json
    • data/profile.json
步骤3: 数据验证与清洗

验证项目:

  • 关系完整性
  • 年龄合理性
  • 数据一致性
步骤4: 遗传模式识别

识别算法:

  1. 家族聚集性分析
  2. 遗传模式识别
  3. 早发病例识别(通常<50岁)
步骤5: 风险计算算法

加权计算:

遗传风险评分 = (一级亲属患病数 × 0.4) +
              (早发病例数 × 0.3) +
              (家族聚集度 × 0.3)

风险等级:
- 高风险: ≥70%
- 中风险: 40%-69%
- 低风险: <40%
步骤6: 生成预防建议

建议分类:

  • 筛查建议:定期检查项目
  • 生活方式建议:饮食、运动、作息
  • 就医建议:何时就医、咨询专科

示例:

{
  "category": "screening",
  "action": "定期血压监测",
  "frequency": "每周3次",
  "start_age": 35,
  "priority": "high"
}
步骤7: 生成可视化报告

HTML报告组件:

  1. 家谱树(ECharts树图)
  2. 遗传风险热力图
  3. 疾病分布饼图
  4. 预防建议时间线
步骤8: 输出结果

输出格式:

  1. 文本报告(简洁版):命令行输出
  2. HTML报告(完整版):可视化图表

安全原则

医学安全边界
  • ✅ 仅基于家族病史进行统计分析
  • ✅ 提供预防建议和筛查提醒
  • ✅ 明确标注不确定性
  • ❌ 不进行遗传疾病诊断
  • ❌ 不预测个体发病概率
  • ❌ 不推荐具体治疗方案
免责声明

每次分析输出必须包含:

⚠️ 免责声明:
1. 本分析基于家族病史统计,仅供参考
2. 遗传风险评估不预测个体发病
3. 所有医疗决策请咨询专业医师
4. 遗传咨询建议咨询专业遗传咨询师

集成现有模块

  • 读取高血压管理数据
  • 读取糖尿病管理数据
  • 关联用药记录

技能版本: v1.0 最后更新: 2025-01-08 维护者: WellAlly Tech

评论

支持 Markdown