Communitygithub.com

Preparación de Evidencia para Normas ISO

Prepara y revisa estructuralmente la evidencia de preparación para normas ISO de sistemas de gestión y competencia de laboratorios: ISO 13485 (QMS de dispositivos médicos), ISO 14971 (gestión de riesgos de dispositivos), ISO/IEC 17025 (laboratorios de ensayo y calibración) e ISO 15189 (laboratorios médicos). Útil al organizar alcance declarado, documentos controlados, archivos de gestión de riesgos, alcance de acreditación, trazabilidad, CAPA, controles de proveedores externos o manifiestos de evidencia locales acotados, y al separar los límites de evidencia entre certificación ISO y acreditación de laboratorios, inspección FDA QMSR, certificación CLIA, MDSAP y EU MDR/IVDR. No es para decisiones de aplicabilidad legal, cumplimiento, certificación o acreditación; no contiene texto de cláusulas.

¿Qué es Preparación de Evidencia para Normas ISO?

Esta skill actúa como un enrutador y asistente estructurado para preparar paquetes de evidencia de preparación para auditorías y evaluaciones de conformidad con varias normas ISO clave. Su propósito principal es ayudar a organizar el alcance declarado, los documentos controlados, los registros de implementación y la trazabilidad para su revisión humana autorizada contra una norma específica, separando claramente los diferentes 'carriles' de aseguramiento (certificación, acreditación, inspección regulatoria). La skill aplica a normas como ISO 13485, ISO 14971, ISO/IEC 17025 e ISO 15189, y proporciona un flujo de trabajo paso a paso que incluye la declaración del alcance, el inventario de documentos, la revisión de implementación de procesos y la ejecución de verificaciones enfocadas (trazabilidad, CAPA, controles de proveedores). Incluye scripts CLI de Python seguros y deterministas que operan localmente y validan manifiestos de evidencia JSON estructurados. Es fundamental entender que esta skill no realiza auditorías, no emite certificados ni acreditaciones, y no determina cumplimiento legal o regulatorio. Está diseñada para producir material de preparación de evidencia que debe ser revisado por personal autorizado. Mantiene límites estrictos: no puede certificar ni acreditar nada, no puede reemplazar a la dirección, representantes de la dirección o autoridades regulatorias, y no puede inferir competencia, conformidad o preparación a partir de plantillas o nombres de archivo. Su salida siempre debe etiquetarse como "material de preparación de evidencia para revisión humana autorizada".

Compatible con✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/K-Dense-AI/scientific-agent-skills/tree/main/skills/iso-standards-readiness

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

¿Qué hace Preparación de Evidencia para Normas ISO?

Propósito

Utilice esta skill para organizar el alcance declarado, los documentos controlados, los registros de implementación, la trazabilidad y la evidencia de preparación para una revisión humana sustantiva contra una norma específica. Resume los flujos de trabajo de procesos y proporciona verificaciones locales deterministas. No contiene texto de cláusulas y no realiza ninguna auditoría.

Esta es un enrutador. SKILL.md contiene el límite, la disciplina del carril, el flujo de trabajo compartido y el contrato de la CLI. La profundidad por norma reside en references/.

Límite no negociable

Esta skill no puede:

  • certificar ni acreditar nada, emitir o validar un certificado, programa de acreditación o licencia, ni prometer un resultado de auditoría, evaluación o inspección;
  • determinar la aplicabilidad legal/regulatoria, clasificación del dispositivo, notificabilidad, ruta de conformidad, autorización del producto, acceso al mercado, licencia, calificación del personal o cumplimiento;
  • reemplazar a la dirección autorizada, al representante de la dirección, al director del laboratorio, al responsable de calidad, al firmante autorizado, a RA/QA, al asesor legal, a las autoridades regulatorias/competentes, a un organismo notificado, a una Organización de Auditoría MDSAP, a un organismo de acreditación, a un evaluador o a un organismo de certificación;
  • validar un método, calcular o aprobar la incertidumbre de medición, establecer la trazabilidad metrológica, establecer los criterios de aceptabilidad del riesgo, o juzgar si un riesgo, una regla de decisión o un intervalo de referencia son adecuados para su propósito; ni
  • inferir implementación, competencia, conformidad, cumplimiento o preparación a partir de una plantilla, lista de verificación, nombre de archivo, palabra clave, recuento de documentos, porcentaje o resultado de un script.

Siempre etiquete las salidas como material de preparación de evidencia para revisión humana autorizada. Preserve las decisiones no resueltas como bloqueadores en lugar de resolverlas.

Derechos de autor ISO e IEC

Las normas ISO e IEC están protegidas por derechos de autor. Obtenga cada norma de ISO, IEC, un miembro nacional de ISO u otra fuente autorizada. No recupere, pegue, reproduzca ni genere texto de cláusulas. Resuma el proceso propio de la organización y cite la copia autorizada controlada. Consulte derechos de autor de ISO. Las listas de verificación de organismos de acreditación, CAP y programas que citan requisitos tienen licencia por separado; manténgalas fuera de los repositorios y mensajes compartidos también.

Normas cubiertas

Lea el archivo de referencia para la norma en juego antes de preparar la evidencia. Cada una lleva su propia edición actual, carril, vocabulario del dominio y modos de fallo.

NormaClave de perfilCarrilReferencia
ISO 13485 QMS de dispositivos médicosiso-13485Certificaciónreferences/iso-13485.md
ISO 14971 Gestión de riesgos de dispositivosiso-14971Sin carril propioreferences/iso-14971.md
ISO/IEC 17025 Laboratorios de ensayo y calibracióniso-17025Acreditaciónreferences/iso-17025.md
ISO 15189 Laboratorios médicosiso-15189Acreditaciónreferences/iso-15189.md

Una norma ausente de esta tabla está fuera del alcance de las verificaciones incluidas. No reutilice un perfil para una norma que no menciona: un vocabulario de dominio tomado de una norma diferente produce un informe que parece completo y no significa nada.

Línea base actual (lea el libro mayor antes de cualquier declaración sensible al tiempo)

  • ISO 13485:2016 Edición 3, confirmada después de su revisión sistemática de 2025. EN ISO 13485:2016/A11:2021 es una enmienda europea, no una "Enmienda 1:2021" internacional ISO.
  • ISO 14971:2019 Edición 3, confirmada en 2025, con ISO/TR 24971:2020 como su guía informativa complementaria. No existe un certificado ISO 14971.
  • ISO/IEC 17025:2017 Edición 3 sigue vigente; no se ha identificado una edición sucesora.
  • ISO 15189:2022 Edición 4 reemplazó a la edición de 2012, absorbió los requisitos de POCT anteriormente en ISO 22870, y su transición de acreditación cerró en diciembre de 2025 — implementada, no próxima.
  • FDA QMSR efectivo y aplicado desde 2026-02-02; la Parte 820 se titula Quality Management System Regulation; QSIT está retirado en favor del Programa de Cumplimiento 7382.850.
  • MDSAP el Enfoque de Auditoría actual es MDSAP AU P0002.010, fecha de versión 2026-02-02.
  • Reconocimiento de acreditación: Global Accreditation Cooperation Incorporated comenzó sus operaciones completas el 2026-01-01, reemplazando a ILAC e IAF, con su propio MRA; los resultados del antiguo IAF MLA / ILAC MRA siguen siendo reconocidos durante la transición.
  • UE: utilice los textos consolidados actuales de MDR/IVDR, las decisiones actuales de normas armonizadas del DOUE, las guías MDCG actuales y la ruta de conformidad específica del producto.

Lea references/source-ledger.md antes de hacer cualquier declaración sensible al tiempo. Registra las limitaciones de la procedencia, incluyendo qué entradas aún necesitan confirmación contra el catálogo ISO.

Mantenga los carriles de aseguramiento separados

La confusión de carriles, no la falta de documentos, causa la mayoría de los errores sustantivos aquí. La certificación, la acreditación, la inspección regulatoria, la licencia obligatoria, los programas de auditoría regulatoria y la evaluación de la conformidad del producto son decididos por diferentes organismos con diferentes bases, y ninguno sustituye al otro. Dos reglas que se violan constantemente:

  • Las organizaciones son certificadas; los laboratorios son acreditados. "ISO 17025 certificado" e "ISO 15189 certificado" son errores de categoría.
  • Un certificado nunca desplaza a un regulador. La certificación ISO 13485 no exime a nadie de la inspección de la FDA, y la acreditación ISO 15189 no satisface la CLIA.

Lea references/assurance-lanes.md para obtener la tabla completa de carriles, los límites de las declaraciones de alcance y la regla de titulación.

Flujo de trabajo principal

Paso 1: Declare la norma, el propósito y los propietarios autorizados

Nombre la(s) norma(s), el(los) carril(es) que el trabajo respalda y los propietarios: representante de la dirección o director del laboratorio, propietario de la calidad, propietario legal/de aplicabilidad, propietarios de procesos o técnicos, aprobadores y ruta de escalado. Un carril es una entrada declarada, nunca una inferencia.

PYTHONDONTWRITEBYTECODE=1 python3 scripts/validate_scope_intake.py \
  assets/templates/scope-intake-template.json --standard iso-13485

Utilice la plantilla y el perfil correspondientes:

PerfilPlantilla
iso-13485, iso-14971assets/templates/scope-intake-template.json
iso-17025assets/templates/laboratory-scope-intake-template.json
iso-15189assets/templates/medical-laboratory-scope-intake-template.json

--standard por defecto es iso-13485. Cada plantilla distribuida falla intencionalmente de forma cerrada; cópiela fuera de la skill y complétela con evidencia organizacional controlada. La aplicabilidad indeterminada genera HUMAN_DECISION_REQUIRED — déjelo como un bloqueador.

Paso 2: Congele la evidencia de fuente/versión

Para cada norma, regulación, guía, documento del programa, modelo de auditoría y fuente del producto, registre el editor, el título oficial, la edición/versión/fecha, la ubicación autorizada, las fechas de revisión de acceso y actualidad, el propietario del alcance/aplicabilidad, la evaluación de impacto, el estado, la evidencia y la aprobación.

No utilice fragmentos de búsqueda como requisitos controlados. No actualice silenciosamente una edición incorporada cuando un editor publique una nueva: la FDA incorporó una edición específica de ISO 13485, y una publicación ISO o EN posterior no la cambia.

Paso 3: Inventario de documentos y registros controlados

No cuente procedimientos con nombre ni analice palabras clave. Construya un registro explícito que vincule documentos, registros, versiones fuente, propietarios, aprobaciones, fechas de vigencia, bases de retención, capacitación y registros de cambios.

PYTHONDONTWRITEBYTECODE=1 python3 scripts/audit_document_records.py \
  assets/templates/document-register-template.json

Esta verificación es independiente de la norma. Lea references/evidence-architecture.md para conocer la arquitectura de la evidencia.

Paso 4: Revise la implementación del proceso

Evalúe los procedimientos controlados y los registros muestreados en todos los dominios que declara su perfil; el archivo de referencia por norma los enumera. Cada elemento necesita propietario, estado, IDs de evidencia, fuente/versión, aprobación y enlaces de brecha abierta.

Un procedimiento que describe una actividad no es evidencia de que la actividad ocurrió. Tome muestras de registros en cada dominio del que informe, y declare lo que muestreó y lo que no.

Paso 5: Ejecute las verificaciones enfocadas que se aplican al carril

Carriles de dispositivos (iso-13485, iso-14971) — cadena de riesgo/diseño/producción/post-comercialización:

PYTHONDONTWRITEBYTECODE=1 python3 scripts/check_traceability.py \
  assets/templates/traceability-matrix-template.json

Todas las normas — acción correctiva y efectividad:

PYTHONDONTWRITEBYTECODE=1 python3 scripts/check_capa.py \
  assets/templates/capa-record-template.json

Todas las normas — proveedores y productos y servicios proporcionados externamente, incluidos proveedores de calibración, proveedores de materiales de referencia y laboratorios de referencia o subcontratados:

PYTHONDONTWRITEBYTECODE=1 python3 scripts/check_supplier_controls.py \
  assets/templates/supplier-controls-template.json

La evidencia de efectividad de CAPA pendiente o ineficaz bloquea el cierre. Los controles críticos de proveedores permanecen bloqueados hasta que se evidencien los controles basados en riesgos y las aprobaciones.

Tenga en cuenta que check_traceability.py se refiere a la trazabilidad del diseño y el riesgo, no a la trazabilidad metrológica: las palabras chocan y es la herramienta incorrecta para el trabajo de laboratorio.

Paso 6: Aborde la evidencia regulatoria específica del carril por separado

Para el carril de dispositivos de EE. UU. solamente:

PYTHONDONTWRITEBYTECODE=1 python3 scripts/check_qmsr_transition.py \
  assets/templates/qmsr-transition-template.json

Revise la base fuente actual de la Parte 820/FDA, las disposiciones suplementarias, las referencias obsoletas de QSR/QSIT, los registros anteriores a la fecha de vigencia, los registros de gestión/calidad/auditoría de proveedores accesibles para inspección, la capacitación actual en el proceso de inspección, los registros de quejas y servicios, los controles de etiquetado/empaque, la evidencia de cambios de proveedor/software y las reclamaciones prohibidas de equivalencia de certificados. No construya un mapa de cláusulas del antiguo 820 a ISO como el marco de control actual.

Los carriles de laboratorio no tienen una verificación incluida equivalente. La evidencia de CLIA, licencias e inspección nacional permanece con el propietario de cumplimiento autorizado; consulte references/iso-15189.md.

Paso 7: Ensamble un manifiesto de preparación acotado

Copie la plantilla de evidencia fuera de la skill. Use solo rutas relativas a evidencia local .json, .md o .markdown, y un propósito de carril declarado por manifiesto.

PYTHONDONTWRITEBYTECODE=1 python3 scripts/validate_evidence_manifest.py \
  /path/to/evidence-manifest.json \
  --standard iso-17025 \
  --base-dir /path/to/controlled-export \
  --verify-files \
  --output /path/to/manifest-report.json

Luego, genere una vista de brechas a nivel de dominio contra el mismo perfil:

PYTHONDONTWRITEBYTECODE=1 python3 scripts/gap_analyzer.py \
  /path/to/evidence-manifest.json \
  --standard iso-17025 \
  --base-dir /path/to/controlled-export \
  --verify-files \
  --output /path/to/gap-report.json

El analizador utiliza etiquetas explícitas del manifiesto. No infiere evidencia a partir de nombres de archivo, palabras clave o texto de normas propietarias, y no calcula una puntuación de cumplimiento. Un dominio ausente de expected_domains se informa como not-assessed, que no es una determinación de no aplicable.

Lea references/gap-analysis-checklist.md para conocer las preguntas de revisión de fallo cerrado.

Paso 8: Revisión humana y transferencia controlada

Presente:

  • norma, alcance, carril(es) de aseguramiento y decisiones de aplicabilidad no resueltas declarados;
  • la línea base exacta de fuente/versión;
  • la evidencia muestreada y las limitaciones de esa muestra;
  • hallazgos estructurales agrupados por proceso y riesgo;
  • acciones, cambios y propietarios de CAPA con fechas;
  • estado de aprobación; y
  • la parte autorizada responsable de la siguiente decisión.

Nunca titule el resultado como "certificado", "acreditación", "informe de cumplimiento", "aprobación de auditoría", "estado considerado" o "listo para inspección". Un título adecuado es Borrador de revisión de evidencia para evaluación humana autorizada, nombrando el carril para el que se preparó.

Comportamiento de la CLI y seguridad

Todas las CLI incluidas:

  • utilizan solo la biblioteca estándar de Python;
  • no realizan solicitudes de red;
  • aceptan JSON local acotado; la verificación opcional de evidencia solo acepta JSON/Markdown local acotado;
  • rechazan entradas de enlaces simbólicos, claves JSON duplicadas, números no finitos, tamaño/profundidad/elementos excesivos y rutas de evidencia no seguras;
  • rechazan un valor --standard no listado en lugar de recurrir a un valor predeterminado;
  • no utilizan evaluación dinámica, deserialización ejecutable, pickle ni ejecución de shell;
  • rechazan sobrescribir informes a menos que --force sea explícito; y
  • producen JSON ordenado determinista.

Trate el manifiesto en sí mismo como un registro organizacional controlado. Una comparación SHA-256 opcional detecta solo una discrepancia de archivo local; no establece procedencia, autenticidad, adecuación ni confianza en un manifiesto proporcionado por el usuario. Los valores en los campos JSON local_path y evidence.location se refieren a la exportación controlada del usuario, no a los recursos de la skill incluidos; los marcadores de posición no resueltos nunca deben abrirse.

Códigos de salida:

  • 0: sin hallazgos estructurales para los campos proporcionados; no es un resultado de cumplimiento, conformidad, competencia o acreditación;
  • 1: se encontraron brechas estructurales/de evidencia;
  • 2: entrada/salida inválida o no segura, incluida una norma no listada.

Ejecute python3 scripts/<name>.py --help para cada interfaz.

Plantillas

Recepción del alcance, por perfil:

  • assets/templates/scope-intake-template.json — ciclo de vida del dispositivo
  • assets/templates/laboratory-scope-intake-template.json — ensayo/calibración
  • assets/templates/medical-laboratory-scope-intake-template.json — exámenes

Registros y registros compartidos:

  • assets/templates/document-register-template.json
  • assets/templates/capa-record-template.json
  • assets/templates/traceability-matrix-template.json
  • assets/templates/supplier-controls-template.json
  • assets/templates/evidence-manifest-template.json
  • assets/templates/qmsr-transition-template.json — solo carril de dispositivos de EE. UU.

Documentación del sistema de gestión:

  • assets/templates/quality-manual-template.json
  • assets/templates/quality-policy-template.json
  • assets/templates/quality-objectives-template.json
  • assets/templates/management-review-template.json
  • assets/templates/internal-audit-template.json
  • assets/templates/training-record-template.json

Referencias mantenidas

ArchivoPropósito
references/iso-13485.mdVocabulario del dominio del carril de dispositivos, dominios del proceso, modos de fallo
references/iso-14971.mdVocabulario de gestión de riesgos, relaciones de trazabilidad
references/iso-17025.mdVocabulario del laboratorio de ensayo/calibración, áreas técnicas, modos de fallo
references/iso-15189.mdVocabulario del laboratorio médico, disciplinas, modos de fallo, contexto regulatorio
references/source-ledger.mdLínea base de ediciones vigentes, vigencias de transición, limitaciones de procedencia
references/assurance-lanes.mdTabla de carriles de aseguramiento, límites, ejemplos de errores de categoría
references/evidence-architecture.mdArquitectura de evidencia: documento, registro, artefacto, manifiesto, muestreo
references/gap-analysis-checklist.mdPreguntas de revisión de fallo cerrado para el analizador de brechas

Individual skills in this repo

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

adaptyv

How to use the Adaptyv Bio Foundry API and Python SDK for protein experiment design, submission, and results retrieval. Use this skill whenever the user mentions Adaptyv, Foundry API, protein binding assays, protein screening experiments, BLI/SPR assays, thermostability assays, or wants to submit protein sequences for experimental characterization. Also trigger when code imports `adaptyv`, `adaptyv_sdk`, or `FoundryClient`, or references `foundry-api-public.adaptyvbio.com`.

aeon

This skill should be used for time series machine learning tasks including classification, regression, clustering, forecasting, anomaly detection, segmentation, and similarity search. Use when working with temporal data, sequential patterns, or time-indexed observations requiring specialized algorithms beyond standard ML approaches. Particularly suited for univariate and multivariate time series analysis with scikit-learn compatible APIs.

alphagenome

Look up precomputed AlphaGenome Atlas effects for any GRCh38 single-nucleotide variant (AVI score with Phred and 18 SHAP feature attributions, plus raw and quantile scores for RNA-seq, DNase, ATAC, ChIP-TF, ChIP-histone, CAGE, PRO-cap, splicing, polyadenylation and contact-map tracks), score variants or scan windows on demand with the AlphaGenome model for human and mouse (variant scoring, in silico mutagenesis, REF-versus-ALT track prediction), and build Atlas website deep links. Use when the user mentions AlphaGenome, AlphaGenome Atlas, AVI or AlphaGenome Variant Impact, DeepMind variant effect prediction, or wants to prioritise or mechanistically interpret non-coding, regulatory, splicing, enhancer, promoter, or chromatin-accessibility effects of SNVs from a VCF, credible set, or region. Research use only; not a clinical tool.

analytical-method-validation

Plan, execute, and document validation, verification, and transfer of analytical procedures under the governing framework - ICH Q2(R2) and Q14, USP <1220>/<1225>/<1226>, ICH M10 bioanalytical, CLSI EP, or ISO/IEC 17025. Use for HPLC, LC-MS/MS, GC, CE, ICP-MS, dissolution, qNMR, qPCR, NIR, and ligand binding or cell-based assays whenever the question is whether a procedure is fit for its intended purpose. Triggers include

anndata

Data structure for annotated matrices in single-cell analysis. Use when working with .h5ad files or integrating with the scverse ecosystem. This is the data format skill—for analysis workflows use scanpy; for probabilistic models use scvi-tools; for population-scale queries use cellxgene-census.

arbor

Autonomously improve a real artifact (code, training recipe, agent harness, data pipeline, prompt) against an objective and an evaluator, using Hypothesis Tree Refinement (HTR) from the Arbor paper. Use this whenever someone wants to iteratively optimize something over many experiments without overfitting — e.g.

arboreto

Infer gene regulatory networks (GRNs) from gene expression data using scalable algorithms (GRNBoost2, GENIE3). Use when analyzing transcriptomics data (bulk RNA-seq, single-cell RNA-seq) to identify transcription factor-target gene relationships and regulatory interactions. Supports distributed computation for large-scale datasets.

astropy

Core Python library for astronomy and astrophysics workflows that need Astropy APIs, including units/quantities, coordinates, FITS I/O, tables, time systems, WCS, and cosmology. Use when implementing or debugging astronomical data analysis code with Astropy.

autoskill

Observe the user

benchling-integration

Benchling Python SDK and REST API integration for registry entities, inventory, ELN entries, workflows, Benchling Apps, and Data Warehouse queries. Use when automating lab data with benchling-sdk or the v2 API.

bgpt-paper-search

Search scientific papers and retrieve structured experimental data extracted from full-text studies via the BGPT MCP server. Returns 25+ fields per paper including methods, results, sample sizes, quality scores, and conclusions. Use for literature reviews, evidence synthesis, and finding experimental details not available in abstracts alone.

bids

>

biopython

Comprehensive molecular biology toolkit. Use for sequence manipulation, file parsing (FASTA/GenBank/PDB), phylogenetics, and programmatic NCBI/PubMed access (Bio.Entrez). Best for batch processing, custom bioinformatics pipelines, BLAST automation. For quick lookups use gget; for multi-service integration use bioservices.

bioservices

Unified Python interface to 40+ bioinformatics services. Use when querying multiple databases (UniProt, KEGG, ChEMBL, Reactome) in a single workflow with consistent API. Best for cross-database analysis, ID mapping across services. For quick single-database lookups use gget; for sequence/file manipulation use biopython.

bulk-rnaseq

End-to-end bulk RNA-seq orchestrator — takes raw FASTQ reads through QC and trimming (FastQC, fastp/Trim Galore), alignment and quantification (STAR, Salmon, featureCounts), assembles a gene-level counts matrix, then hands off to differential expression (pydeseq2), pathway/GSEA enrichment (pathway-enrichment), and publication figures (scientific-visualization). Use whenever the user has bulk RNA-seq reads or quant output and wants a complete, reproducible differential-expression workflow — e.g.

cellxgene-census

Query the CZ CELLxGENE Census programmatically for versioned public single-cell and spatial transcriptomics data. Use when you need population-scale cell metadata, gene expression slices, Census summary counts, source H5AD URIs/downloads, embeddings, spatial Census data, or reference atlas comparisons across organisms, tissues, diseases, assays, and cell types. For analyzing your own local single-cell data use scanpy, anndata, or scvi-tools.

cirq

Google quantum computing framework. Use when targeting Google Quantum AI hardware, designing noise-aware circuits, or running quantum characterization experiments. Best for Google hardware, noise modeling, and low-level circuit design. For IBM hardware use qiskit; for quantum ML with autodiff use pennylane; for physics simulations use qutip.

citation-management

Comprehensive citation management for academic research. Search OpenAlex, PubMed, and Google Scholar for papers, extract accurate metadata, validate citations, and generate properly formatted BibTeX entries. This skill should be used when you need to find papers, verify citation information, convert DOIs to BibTeX, or ensure reference accuracy in scientific writing.

clinical-decision-support

Prepare and validate research-only clinical decision-support evaluation, evidence-profile, cohort, survival, biomarker/model, privacy, and governance artifacts. Use for aggregate or synthetic research documentation and traceability—not patient care or live clinical operation.

clinical-reports

Create safety-bounded draft structures and run local deterministic checks for clinical case, diagnostic, trial, safety, and aggregate research reports. Use only with synthetic, de-identified, or aggregate inputs and verified source-fact manifests; every output requires qualified review.

Skills relacionados