Communitygithub.com

healthcare-cdss-patterns

Muster für die Entwicklung Klinischer Entscheidungsunterstützungssysteme (CDSS). Arzneimittelinteraktionsprüfung, Dosisvalidierung, klinische Bewertung (NEWS2, qSOFA), Schweregradeinteilung von Alarmen und Integration in EMR-Workflows. Verwenden Sie dies beim Erstellen klinischer Entscheidungsunterstützung – Arzneimittelinteraktionsprüfungen, Dosisvalidierung, klinische Bewertung oder Alarm-Schweregrad.

Was ist healthcare-cdss-patterns?

Dieses Skill bietet ein umfassendes Set von Mustern für die Entwicklung von Clinical Decision Support Systems (CDSS), die sicher in EMR-Workflows integriert werden können. Es ist als **reine Funktionsbibliothek ohne Seiteneffekte** konzipiert, was eine vollständige Testbarkeit und null Toleranz für falsch-negative Ergebnisse gewährleistet – eine kritische Anforderung für die Patientensicherheit. Die Hauptmodule umfassen eine Arzneimittelinteraktionsprüfung (bidirektional und kreuzreaktiv), eine Dosisvalidierung (gewichts-, alters- und nierenfunktionsabhängig), die Berechnung klinischer Scores (z. B. NEWS2) und einen Alarm-Klassifizierer (kritisch, schwerwiegend, geringfügig) mit klaren UI-Richtlinien. Das Skill richtet sich an Entwickler, die medizinische Software für Plattformen wie Claude Code, Cursor oder Codex erstellen, und betont die Vermeidung von Anti-Patterns wie optionalen Prüfungen oder stiller Fehlerbehandlung. Es wird dringend empfohlen, die bereitgestellten Teststrukturen (z. B. für Interaktionspaare und Dosisvalidierung) zu übernehmen, um die Patientensicherheit zu gewährleisten.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/healthcare-cdss-patterns

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Muster für die Entwicklung von CDSS im Gesundheitswesen

Muster für den Aufbau klinischer Entscheidungsunterstützungssysteme (CDSS), die in EMR-Workflows integriert werden können. CDSS-Module sind patientensicherheitskritisch – null Toleranz für falsch-negative Ergebnisse.

Wann verwenden

  • Implementierung von Arzneimittelinteraktionsprüfungen
  • Erstellung von Dosisvalidierungs-Engines
  • Implementierung klinischer Bewertungssysteme (NEWS2, qSOFA, APACHE, GCS)
  • Entwurf von Alarmsystemen für abnorme klinische Werte
  • Aufbau von Medikationsbestellungen mit Sicherheitsprüfungen
  • Integration von Laborwertinterpretation mit klinischem Kontext

Funktionsweise

Die CDSS-Engine ist eine reine Funktionsbibliothek ohne Seiteneffekte. Klinische Daten eingeben, Alarme ausgeben. Dies macht sie vollständig testbar.

Drei primäre Module:

  1. checkInteractions(newDrug, currentMeds, allergies) – Prüft ein neues Medikament gegen aktuelle Medikationen und bekannte Allergien. Gibt nach Schweregrad sortierte InteractionAlert[] zurück. Verwendet das Datenmodell DrugInteractionPair.
  2. validateDose(drug, dose, route, weight, age, renalFunction) – Validiert eine verschriebene Dosis gegen gewichtsbasierte, alters- und nierenfunktionsangepasste Regeln. Gibt DoseValidationResult zurück.
  3. calculateNEWS2(vitals) – National Early Warning Score 2 aus NEWS2Input. Gibt NEWS2Result mit Gesamtpunktzahl, Risikostufe und Eskalationsanleitung zurück.
EMR-UI
  ↓ (Benutzer gibt Daten ein)
CDSS-Engine (reine Funktionen, keine Seiteneffekte)
  ├── Arzneimittelinteraktionsprüfer
  ├── Dosisvalidator
  ├── Klinische Bewertung (NEWS2, qSOFA, etc.)
  └── Alarmklassifizierer
  ↓ (gibt Alarme zurück)
EMR-UI (zeigt Alarme inline an, blockiert bei kritischen)

Arzneimittelinteraktionsprüfung

interface DrugInteractionPair {
  drugA: string;           // generischer Name
  drugB: string;           // generischer Name
  severity: 'critical' | 'major' | 'minor';
  mechanism: string;
  clinicalEffect: string;
  recommendation: string;
}

function checkInteractions(
  newDrug: string,
  currentMedications: string[],
  allergyList: string[]
): InteractionAlert[] {
  if (!newDrug) return [];
  const alerts: InteractionAlert[] = [];
  for (const current of currentMedications) {
    const interaction = findInteraction(newDrug, current);
    if (interaction) {
      alerts.push({ severity: interaction.severity, pair: [newDrug, current],
        message: interaction.clinicalEffect, recommendation: interaction.recommendation });
    }
  }
  for (const allergy of allergyList) {
    if (isCrossReactive(newDrug, allergy)) {
      alerts.push({ severity: 'critical', pair: [newDrug, allergy],
        message: `Kreuzreaktivität mit dokumentierter Allergie: ${allergy}`,
        recommendation: 'Nicht ohne Allergiekonsultation verschreiben' });
    }
  }
  return alerts.sort((a, b) => severityOrder(a.severity) - severityOrder(b.severity));
}

Interaktionspaare müssen bidirektional sein: Wenn Medikament A mit Medikament B interagiert, dann interagiert auch Medikament B mit Medikament A.

Dosisvalidierung

interface DoseValidationResult {
  valid: boolean;
  message: string;
  suggestedRange: { min: number; max: number; unit: string } | null;
  factors: string[];
}

function validateDose(
  drug: string,
  dose: number,
  route: 'oral' | 'iv' | 'im' | 'sc' | 'topical',
  patientWeight?: number,
  patientAge?: number,
  renalFunction?: number
): DoseValidationResult {
  const rules = getDoseRules(drug, route);
  if (!rules) return { valid: true, message: 'Keine Validierungsregeln verfügbar', suggestedRange: null, factors: [] };
  const factors: string[] = [];

  // SICHERHEIT: Wenn Regeln Gewicht erfordern, aber Gewicht fehlt, BLOCKIEREN (nicht durchlassen)
  if (rules.weightBased) {
    if (!patientWeight || patientWeight <= 0) {
      return { valid: false, message: `Gewicht erforderlich für ${drug} (mg/kg Medikament)`,
        suggestedRange: null, factors: ['weight_missing'] };
    }
    factors.push('weight');
    const maxDose = rules.maxPerKg * patientWeight;
    if (dose > maxDose) {
      return { valid: false, message: `Dosis überschreitet Maximum für ${patientWeight}kg`,
        suggestedRange: { min: rules.minPerKg * patientWeight, max: maxDose, unit: rules.unit }, factors };
    }
  }

  // Altersbasierte Anpassung (wenn Regeln Altersgruppen definieren und Alter angegeben ist)
  if (rules.ageAdjusted && patientAge !== undefined) {
    factors.push('age');
    const ageMax = rules.getAgeAdjustedMax(patientAge);
    if (dose > ageMax) {
      return { valid: false, message: `Überschreitet altersangepasstes Maximum für ${patientAge} Jahre`,
        suggestedRange: { min: rules.typicalMin, max: ageMax, unit: rules.unit }, factors };
    }
  }

  // Nierenfunktionsanpassung (wenn Regeln eGFR-Gruppen definieren und eGFR angegeben ist)
  if (rules.renalAdjusted && renalFunction !== undefined) {
    factors.push('renal');
    const renalMax = rules.getRenalAdjustedMax(renalFunction);
    if (dose > renalMax) {
      return { valid: false, message: `Überschreitet nierenangepasstes Maximum für eGFR ${renalFunction}`,
        suggestedRange: { min: rules.typicalMin, max: renalMax, unit: rules.unit }, factors };
    }
  }

  // Absolutes Maximum
  if (dose > rules.absoluteMax) {
    return { valid: false, message: `Überschreitet absolutes Maximum ${rules.absoluteMax}${rules.unit}`,
      suggestedRange: { min: rules.typicalMin, max: rules.absoluteMax, unit: rules.unit },
      factors: [...factors, 'absolute_max'] };
  }
  return { valid: true, message: 'Innerhalb des Bereichs',
    suggestedRange: { min: rules.typicalMin, max: rules.typicalMax, unit: rules.unit }, factors };
}

Klinische Bewertung: NEWS2

interface NEWS2Input {
  respiratoryRate: number; oxygenSaturation: number; supplementalOxygen: boolean;
  temperature: number; systolicBP: number; heartRate: number;
  consciousness: 'alert' | 'voice' | 'pain' | 'unresponsive';
}
interface NEWS2Result {
  total: number;           // 0–20
  risk: 'low' | 'low-medium' | 'medium' | 'high';
  components: Record<string, number>;
  escalation: string;
}

Bewertungstabellen müssen exakt der Spezifikation des Royal College of Physicians entsprechen.

Alarm-Schweregrad und UI-Verhalten

SchweregradUI-VerhaltenErforderliche Maßnahme des Klinikers
KritischAktion blockieren. Nicht schließbarer Modal. Rot.Überschreibungsgrund muss dokumentiert werden, um fortzufahren
SchwerwiegendWarnbanner inline. Orange.Muss bestätigt werden, bevor fortgefahren wird
GeringfügigInfo-Hinweis inline. Gelb.Nur zur Kenntnisnahme, keine Aktion erforderlich

Kritische Alarme dürfen NIEMALS automatisch geschlossen oder als Toast-Benachrichtigungen implementiert werden. Überschreibungsgründe müssen im Prüfpfad gespeichert werden.

CDSS testen (Null Toleranz für falsch-negative Ergebnisse)

describe('CDSS — Patientensicherheit', () => {
  INTERACTION_PAIRS.forEach(({ drugA, drugB, severity }) => {
    it(`erkennt ${drugA} + ${drugB} (${severity})`, () => {
      const alerts = checkInteractions(drugA, [drugB], []);
      expect(alerts.length).toBeGreaterThan(0);
      expect(alerts[0].severity).toBe(severity);
    });
    it(`erkennt ${drugB} + ${drugA} (umgekehrt)`, () => {
      const alerts = checkInteractions(drugB, [drugA], []);
      expect(alerts.length).toBeGreaterThan(0);
    });
  });
  it('blockiert mg/kg Medikament bei fehlendem Gewicht', () => {
    const result = validateDose('gentamicin', 300, 'iv');
    expect(result.valid).toBe(false);
    expect(result.factors).toContain('weight_missing');
  });
  it('behandelt fehlerhafte Arzneimitteldaten ordnungsgemäß', () => {
    expect(() => checkInteractions('', [], [])).not.toThrow();
  });
});

Bestehenskriterium: 100%. Eine einzige übersehene Interaktion ist ein Patienten-Sicherheitsvorfall.

Anti-Patterns

  • CDSS-Prüfungen optional oder ohne dokumentierten Grund überspringbar machen
  • Interaktionsprüfungen als Toast-Benachrichtigungen implementieren
  • any-Typen für Arzneimittel- oder klinische Daten verwenden
  • Interaktionspaare festcodieren anstatt eine wartbare Datenstruktur zu verwenden
  • Fehler in der CDSS-Engine stillschweigend abfangen (muss Fehler lautstark anzeigen)
  • Gewichtsbasierte Validierung überspringen, wenn kein Gewicht verfügbar ist (muss blockieren, nicht durchlassen)

Beispiele

Beispiel 1: Arzneimittelinteraktionsprüfung

const alerts = checkInteractions('warfarin', ['aspirin', 'metformin'], ['penicillin']);
// [{ severity: 'critical', pair: ['warfarin', 'aspirin'],
//    message: 'Erhöhtes Blutungsrisiko', recommendation: 'Kombination vermeiden' }]

Beispiel 2: Dosisvalidierung

const ok = validateDose('paracetamol', 1000, 'oral', 70, 45);
// { valid: true, suggestedRange: { min: 500, max: 4000, unit: 'mg' } }

const bad = validateDose('paracetamol', 5000, 'oral', 70, 45);
// { valid: false, message: 'Überschreitet absolutes Maximum 4000mg' }

const noWeight = validateDose('gentamicin', 300, 'iv');
// { valid: false, factors: ['weight_missing'] }

Beispiel 3: NEWS2-Bewertung

const result = calculateNEWS2({
  respiratoryRate: 24, oxygenSaturation: 93, supplementalOxygen: true,
  temperature: 38.5, systolicBP: 100, heartRate: 110, consciousness: 'voice'
});
// { total: 13, risk: 'high', escalation: 'Dringende klinische Überprüfung. Erwägen Sie Intensivstation.' }

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/content-engine

Create platform-native content systems for X, LinkedIn, TikTok, YouTube, newsletters, and repurposed multi-platform campaigns. Use when the user wants social posts, threads, scripts, content calendars, or one source asset adapted cleanly across platforms.

affaan-m/ECC

Multi-platform content distribution across X, LinkedIn, Threads, and Bluesky. Adapts content per platform using content-engine patterns. Never posts identical content cross-platform. Use when the user wants to distribute content across social platforms.

affaan-m/fal-ai-media

Unified media generation via fal.ai MCP — image, video, and audio. Covers text-to-image (Nano Banana), text/image-to-video (Seedance, Kling, Veo 3), text-to-speech (CSM-1B), and video-to-audio (ThinkSound). Use when the user wants to generate images, videos, or audio with AI.

affaan-m/manim-video

日本語翻訳:このファイルは manim-video 用の日本語翻訳が必要です

affaan-m/remotion-video-creation

Remotion のベストプラクティス - React で動画を作成する。3D、アニメーション、音声、字幕、チャート、トランジションなどをカバーするドメイン固有の29のルール。

affaan-m/video-editing

AI-assisted video editing workflows for cutting, structuring, and augmenting real footage. Covers the full pipeline from raw capture through FFmpeg, Remotion, ElevenLabs, fal.ai, and final polish in Descript or CapCut. Use when the user wants to edit video, cut footage, create vlogs, or build video content.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

agent-self-evaluation

Use after completing any non-trivial task. The agent self-rates its output on 5 axes — accuracy, completeness, clarity, actionability, conciseness — with concrete evidence per criterion. Produces a structured 1-5 scorecard with specific improvement suggestions.

agent-sort

Build an evidence-backed ECC install plan for a specific repo by sorting skills, commands, rules, hooks, and extras into DAILY vs LIBRARY buckets using parallel repo-aware review passes. Use when ECC should be trimmed to what a project actually needs instead of loading the full bundle.

ai-first-engineering

Engineering operating model for teams where AI agents generate a large share of implementation output. Use when setting team process, review gates, or ownership rules for a codebase largely written by agents.

ai-regression-testing

Regression testing strategies for AI-assisted development. Sandbox-mode API testing without database dependencies, automated bug-check workflows, and patterns to catch AI blind spots where the same model writes and reviews code. Use when adding regression coverage to AI-assisted code, or when the same model both wrote and reviewed a change.

android-clean-architecture

Clean Architecture patterns for Android and Kotlin Multiplatform projects — module structure, dependency rules, UseCases, Repositories, and data layer patterns. Use when structuring modules, layers, or data flow in an Android or KMP project.

angular-developer

Generates Angular code and provides architectural guidance. Trigger when creating projects, components, or services, or for best practices on reactivity (signals, linkedSignal, resource), forms, dependency injection, routing, SSR, accessibility (ARIA), animations, styling (component styles, Tailwind CSS), testing, or CLI tooling.

Verwandte Skills