Communitygithub.com

pubmed-database

Direkte PubMed- und NCBI-E-Utilities-Workflows für biomedizinische Literatur, MeSH-Abfragen, PMID-Suche, Zitationsabruf und API-gestütztes Literatur-Monitoring. Verwenden Sie diese Fähigkeit, wenn eine Aufgabe biomedizinische Literatur aus PubMed benötigt und keine allgemeine Websuche.

Was ist pubmed-database?

Diese Fähigkeit ermöglicht es KI-Agenten, biomedizinische Literatur aus PubMed und den NCBI E-Utilities direkt zu durchsuchen und abzurufen. Sie ist speziell für Aufgaben konzipiert, die eine präzise, kontrollierte Suche in der medizinischen und lebenswissenschaftlichen Fachliteratur erfordern – im Gegensatz zu allgemeinen Websuchen. Der Skill unterstützt den Aufbau komplexer Suchabfragen mit MeSH-Begriffen, Feld-Tags (z.B. [ti], [ab], [mh]), booleschen Operatoren und verschiedenen Filtern wie Publikationstyp, Datum oder Verfügbarkeit. Darüber hinaus integriert er direkt die Nutzung der NCBI E-Utilities (esearch, esummary, efetch, elink) über Python, Shell oder andere HTTP-Clients und zeigt bewährte Verfahren wie API-Key-Verwaltung, Rate-Limiting und systematische Protokollierung der Suchergebnisse. Diese Fähigkeit ist plattformunabhängig für jeden KI-Agenten geeignet, der Text- oder Code-Ausführung (insbesondere Python) unterstützt, und zielt auf Anwendungsfälle wie systematische Reviews, Literaturrecherchen und die Zitationsanalyse ab.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/everything-claude-code/tree/main/skills/scientific-db-pubmed-database

In Ihrer bevorzugten KI fragen

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

Dokumentation

PubMed-Datenbank

Verwenden Sie diese Fähigkeit, wenn eine Aufgabe biomedizinische Literatur aus PubMed benötigt und keine allgemeine Websuche.

Wann verwenden

  • Durchsuchen von MEDLINE oder lebenswissenschaftlicher Literatur.
  • Erstellen von PubMed-Abfragen mit MeSH-Begriffen, Feld-Tags, Daten oder Artikeltypen.
  • Nachschlagen von PMIDs, Abstracts, Publikationsmetadaten oder verwandten Zitaten.
  • Durchführen von systematischen Suchdurchläufen, die wiederholbare Suchstrings benötigen.
  • Nutzung der NCBI E-Utilities direkt aus Python, der Shell oder einem anderen HTTP-Client.

Abfragekonstruktion

Beginnen Sie mit der Forschungsfrage, teilen Sie sie in Konzepte auf und kombinieren Sie diese dann mit booleschen Operatoren.

Konzept_1 UND Konzept_2 UND Filter
Synonym_a ODER Synonym_b
NICHT Ausschlussbegriff

Nützliche PubMed-Feld-Tags:

  • [ti]: Titel
  • [ab]: Abstract
  • [tiab]: Titel oder Abstract
  • [au]: Autor
  • [ta]: Zeitschriftentitel-Abkürzung
  • [mh]: MeSH-Begriff
  • [majr]: Haupt-MeSH-Thema
  • [pt]: Publikationstyp
  • [dp]: Veröffentlichungsdatum
  • [la]: Sprache

Beispiele:

Diabetes mellitus[mh] UND Behandlung[tiab] UND systematische Übersicht[pt] UND 2023:2026[dp]
(Metformin[nm] ODER Insulin[nm]) UND Diabetes mellitus, Typ 2[mh] UND randomisierte kontrollierte Studie[pt]
Smith ja[au] UND Krebs[tiab] UND 2026[dp] UND english[la]

MeSH und Unterüberschriften

Bevorzugen Sie MeSH, wenn das Konzept einen stabilen kontrollierten Vokabularbegriff hat. Kombinieren Sie MeSH mit Begriffen aus Titel/Abstract, wenn das Thema neu ist oder die Terminologie variiert.

Die korrekte Syntax für Unterüberschriften setzt die Unterüberschrift vor das Feld-Tag:

Diabetes mellitus, Typ 2/Arzneimitteltherapie[mh]
Herz-Kreislauf-Erkrankungen/Prävention & Kontrolle[mh]

Verwenden Sie [majr] nur, wenn das Thema zentral für den Artikel sein muss. Dies kann die Präzision verbessern, aber möglicherweise relevante Arbeiten übersehen.

Filter

Publikationstypen:

  • klinische Studie[pt]
  • Meta-Analyse[pt]
  • randomisierte kontrollierte Studie[pt]
  • Übersicht[pt]
  • systematische Übersicht[pt]
  • Leitlinie[pt]

Datumsfilter:

2026[dp]
2020:2026[dp]
2026/03/15[dp]

Verfügbarkeitsfilter:

freier Volltext[sb]
hatAbstract[text]

E-Utilities-Workflow

NCBI E-Utilities unterstützen wiederholbare API-Workflows:

  1. esearch.fcgi: Suchen und PMIDs zurückgeben.
  2. esummary.fcgi: Leichte Artikel-Metadaten zurückgeben.
  3. efetch.fcgi: Abstracts oder vollständige Datensätze in XML, MEDLINE oder Text abrufen.
  4. elink.fcgi: Verwandte Artikel und verlinkte Ressourcen finden.

Verwenden Sie eine E-Mail-Adresse und einen API-Key für Produktionsskripte. Speichern Sie API-Keys in Umgebungsvariablen, niemals in committeten Dateien oder im Befehlsverlauf.

import os
import time
import requests

BASE = "https://eutils.ncbi.nlm.nih.gov/entrez/eutils"


def esearch(query: str, retmax: int = 20) -> list[str]:
    params = {
        "db": "pubmed",
        "term": query,
        "retmode": "json",
        "retmax": retmax,
        "tool": "ecc-pubmed-search",
        "email": os.environ.get("NCBI_EMAIL", ""),
    }
    api_key = os.environ.get("NCBI_API_KEY")
    if api_key:
        params["api_key"] = api_key

    response = requests.get(f"{BASE}/esearch.fcgi", params=params, timeout=30)
    response.raise_for_status()
    time.sleep(0.35)
    return response.json()["esearchresult"]["idlist"]


pmids = esearch("Hypertonie[mh] UND randomisierte kontrollierte Studie[pt] UND 2024:2026[dp]")
print(pmids)

Für Stapelverarbeitungen bevorzugen Sie die Parameter des NCBI-Verlaufsservers (usehistory=y, WebEnv, query_key) anstatt sehr langer PMID-Listen über URLs zu übergeben.

Ausgabedisziplin

Für jeden Suchdurchlauf notieren Sie:

  • genauen Suchstring
  • durchsuchte Datenbank
  • Suchdatum
  • verwendete Filter
  • Anzahl der Ergebnisse
  • Exportformat
  • etwaige manuelle Ausschlüsse

Beispiel:

| Datenbank | Suchdatum | Abfrage | Filter | Ergebnisse |
| --- | --- | --- | --- | ---: |
| PubMed | 2026-05-11 | `Sichelzellenkrankheit[mh] UND CRISPR[tiab]` | 2020:2026[dp], Englisch | 42 |

Überprüfungs-Checkliste

  • Sind die Feld-Tags gültige PubMed-Tags?
  • Sind MeSH-Begriffe für neuere Themen mit Freitext-Synonymen kombiniert?
  • Ist der Datumsbereich explizit und angemessen?
  • Enthält das Suchprotokoll genügend Details, um die Abfrage zu reproduzieren?
  • Werden API-Keys aus der Umgebung geladen?
  • Ruft der HTTP-Code raise_for_status() auf oder behandelt er auf andere Weise Nicht-200-Antworten vor dem Parsen?
  • Werden Rate-Limits eingehalten?

Referenzen

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/claude-api

Anthropic Claude API patterns for Python and TypeScript. Covers Messages API, streaming, tool use, vision, extended thinking, batches, prompt caching, and Claude Agent SDK. Use when building applications with the Claude API or Anthropic SDKs.

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

affaan-m/everything-claude-code

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/everything-claude-code-conventions

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/frontend-design

Create distinctive, production-grade frontend interfaces with high design quality. Use when the user asks to build web components, pages, or applications and the visual direction matters as much as the code quality.

affaan-m/gget

gget CLI and Python workflow for quick genomic database queries, sequence lookup, BLAST-style searches, enrichment checks, and reproducible bioinformatics evidence logs.

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

affaan-m/motion-ui

Production-ready UI motion system for React/Next.js. Use when implementing animations, transitions, or motion patterns.

affaan-m/project-guidelines-example

Example project-specific skill template based on a real production application.

affaan-m/pubmed-database

Direct PubMed and NCBI E-utilities search workflows for biomedical literature, MeSH queries, PMID lookup, citation retrieval, and API-backed literature monitoring.

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

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.

Verwandte Skills