Communitygithub.com

Veronica0206/vera-clinical-trial-designing

Open-Source-Claude-Code-Skill für quantitative klinische Studiendesigns: Stichprobengröße, Bayesian Go/No-Go, frequentistische Sensitivität, Power-Kurven, PPOS. R-basiert, erzeugt CSV + PDF.

Was ist vera-clinical-trial-designing?

Dies ist ein Open-Source-Claude-Code-Skill für die quantitative Planung klinischer Studien, der speziell für Forscher, Biostatistiker und medizinische Fachkräfte entwickelt wurde, die Fallzahlschätzungen, Adaptive Designs oder Bayesianische Entscheidungsrahmen benötigen. Er unterstützt die Berechnung von Stichprobengrößen für Überlegenheits- und Nichtunterlegenheitsstudien, die Durchführung von Go/No-Go-Entscheidungen mit Bayesianischen Posterior-Wahrscheinlichkeiten, die Erstellung von Power-Kurven für verschiedene Effektstärken sowie die Analyse der frequentistischen Sensitivität und der Predictive Probability of Success (PPOS). Der Skill ist vollständig R-basiert und erzeugt sowohl CSV-Dateien (für numerische Ergebnisse) als auch PDF-Berichte (für grafische Ausgaben wie Power-Kurven oder PPOS-Trajektorien). Er kann nahtlos in Claude Code als eigenständiger Skill integriert werden, sodass Entwickler und Forscher Study-Design-Entscheidungen direkt über die Befehlszeile oder über Agenten-Workflows automatisieren können. Der gesamte Code ist Open Source, um Transparenz und Reproduzierbarkeit zu gewährleisten.

Funktioniert mit✓Claude Code~Codex CLI~Cursor
npx skills add Veronica0206/vera-clinical-trial-designing

In Ihrer bevorzugten KI fragen

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

Dokumentation

Was macht vera-clinical-trial-designing?

Open-Source-Claude-Code-Skill für quantitative klinische Studiendesigns: Stichprobengröße, Bayesian Go/No-Go, frequentistische Sensitivität, Power-Kurven, PPOS. R-basiert, erzeugt CSV + PDF.

Übersicht

Dieser Skill automatisiert wesentliche Berechnungen für die Planung klinischer Studien mit R. Er wurde entwickelt, um die Lücke zwischen statistischer Methodik und der schnellen Prototypenerstellung im Kontext von KI-Agenten zu schließen.

Hauptfunktionen

  • Stichprobengrößenberechnung: Unterstützt Überlegenheits- und Nichtunterlegenheitsdesigns basierend auf vorgegebenen Alpha-, Beta- und Effektstärkenparametern.
  • Bayesian Go/No-Go: Verwendet Posterior-Wahrscheinlichkeiten, um nach Zwischenanalysen über Fortfahren oder Abbruch einer Studie zu entscheiden.
  • Frequentistische Sensitivität: Analysiert, wie sich Änderungen in Annahmen (z. B. Effektstärke, Variabilität) auf die statistische Power auswirken.
  • Power-Kurven: Erzeugt visuelle Kurven, die die Power in Abhängigkeit von der Stichprobengröße zeigen.
  • PPOS (Predictive Probability of Success): Prognostiziert die Erfolgswahrscheinlichkeit einer Studie auf Basis aktueller Daten und simulierter zukünftiger Ergebnisse.

Voraussetzungen

  • R (Version >= 4.0) muss installiert sein, einschließlich der Pakete gsDesign, rpact und rmarkdown.
  • Claude Code (oder ein kompatibler KI-Agent), der den Skill laden kann.

Installation

  1. Klone das Repository:
    git clone https://github.com/Veronica0206/vera-clinical-trial-designing.git
    
  2. Installiere die erforderlichen R-Pakete (falls nicht vorhanden):
    install.packages(c("gsDesign", "rpact", "rmarkdown"))
    
  3. Platziere den Skill-Ordner im Skill-Verzeichnis deines Claude-Code-Projekts (Standard: ~/.claude/skills/).

Verwendung

Sobald der Skill geladen ist, kannst du Claude Code bitten, klinische Studiendesigns durchzuführen:

// Beispiel-Eingabeaufforderung für Claude Code
Führe eine Stichprobengrößenberechnung für eine Überlegenheitsstudie mit Alpha = 0.05, Power = 0.80 und Effektstärke = 0.5 durch.

Der Skill führt dann das entsprechende R-Skript aus und gibt die Ergebnisse als CSV- und PDF-Dateien unter ./output/ zurück.

Unterstützung

Melde Probleme oder Funktionsanfragen im GitHub Issues-Bereich.

Lizenz

MIT

Verwandte Skills