Communitygithub.com

pubmed-database

Fluxos de trabalho diretos de busca no PubMed e NCBI E-utilities para literatura biomédica, consultas MeSH, busca de PMIDs, recuperação de citações e monitoramento de literatura via API. Use quando uma tarefa precisa de literatura biomédica do PubMed em vez de uma busca geral na web.

O que é pubmed-database?

Esta habilidade fornece acesso estruturado à base de dados PubMed e às E-utilities do NCBI, permitindo que um agente de IA realize buscas precisas em literatura biomédica, construa consultas MeSH complexas, recupere citações e monitore publicações. Ela é particularmente útil para pesquisadores, desenvolvedores e profissionais de saúde que precisam automatizar a coleta de evidências científicas para revisões sistemáticas, meta-análises ou monitoramento de tópicos. A habilidade suporta operações como busca, sumarização e exportação de artigos, tanto via query builder quanto programaticamente com Python, shell ou outros clientes HTTP, e recomenda boas práticas como uso de tags de campo, operadores booleanos e gestão de chaves de API. O conteúdo do SKILL.md inclui guias detalhados de construção de consultas, filtros, fluxos de trabalho das E-utilities e exemplos de código, garantindo reprodutibilidade e disciplina na saída dos resultados.

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

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

Base de Dados PubMed

Utilize esta habilidade quando uma tarefa precisar de literatura biomédica do PubMed em vez de uma busca geral na web.

Quando Utilizar

  • Pesquisar MEDLINE ou literatura de ciências da vida.
  • Construir consultas PubMed com termos MeSH, tags de campo, datas ou tipos de artigo.
  • Consultar PMIDs, resumos, metadados de publicação ou citações relacionadas.
  • Executar passagens de busca para revisão sistemática que necessitem de strings de busca reproduzíveis.
  • Utilizar as E-utilities do NCBI diretamente de Python, shell ou outro cliente HTTP.

Construção de Consultas

Comece com a pergunta de pesquisa, divida-a em conceitos e depois combine os conceitos com operadores booleanos.

conceito_1 AND conceito_2 AND filtro
sinônimo_a OR sinônimo_b
NOT termo_exclusão

Tags de campo úteis no PubMed:

  • [ti]: título
  • [ab]: resumo
  • [tiab]: título ou resumo
  • [au]: autor
  • [ta]: abreviação do título do periódico
  • [mh]: termo MeSH
  • [majr]: tópico MeSH principal
  • [pt]: tipo de publicação
  • [dp]: data de publicação
  • [la]: idioma

Exemplos:

diabetes mellitus[mh] AND treatment[tiab] AND systematic review[pt] AND 2023:2026[dp]
(metformin[nm] OR insulin[nm]) AND diabetes mellitus, type 2[mh] AND randomized controlled trial[pt]
smith ja[au] AND cancer[tiab] AND 2026[dp] AND english[la]

MeSH e Subcabeçalhos

Prefira MeSH quando o conceito tiver um termo estável de vocabulário controlado. Combine MeSH com termos de título/resumo quando o tópico for novo ou a terminologia variar.

A sintaxe correta de subcabeçalho coloca o subcabeçalho antes da tag de campo:

diabetes mellitus, type 2/drug therapy[mh]
cardiovascular diseases/prevention & control[mh]

Use [majr] apenas quando o tópico deve ser central para o artigo. Pode melhorar a precisão, mas pode perder trabalhos relevantes.

Filtros

Tipos de publicação:

  • clinical trial[pt]
  • meta-analysis[pt]
  • randomized controlled trial[pt]
  • review[pt]
  • systematic review[pt]
  • guideline[pt]

Filtros de data:

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

Filtros de disponibilidade:

free full text[sb]
hasabstract[text]

Fluxo de Trabalho das E-utilities

As E-utilities do NCBI suportam fluxos de trabalho de API reproduzíveis:

  1. esearch.fcgi: pesquisa e retorna PMIDs.
  2. esummary.fcgi: retorna metadados leves do artigo.
  3. efetch.fcgi: recupera resumos ou registros completos em XML, MEDLINE ou texto.
  4. elink.fcgi: encontra artigos relacionados e recursos vinculados.

Utilize um email e chave de API para scripts de produção. Armazene chaves de API em variáveis de ambiente, nunca em arquivos versionados ou histórico de comandos.

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("hypertension[mh] AND randomized controlled trial[pt] AND 2024:2026[dp]")
print(pmids)

Para lotes, prefira os parâmetros do servidor de histórico do NCBI (usehistory=y, WebEnv, query_key) em vez de passar listas muito longas de PMIDs através de URLs.

Disciplina de Saída

Para cada passagem de busca, registre:

  • string de busca exata
  • base de dados pesquisada
  • data da pesquisa
  • filtros utilizados
  • contagem de resultados
  • formato de exportação
  • quaisquer exclusões manuais

Exemplo:

| Base de Dados | Data da Pesquisa | Consulta | Filtros | Resultados |
| --- | --- | --- | --- | ---: |
| PubMed | 2026-05-11 | `sickle cell disease[mh] AND CRISPR[tiab]` | 2020:2026[dp], English | 42 |

Lista de Verificação

  • As tags de campo são tags válidas do PubMed?
  • Os termos MeSH estão emparelhados com sinônimos de texto livre para tópicos mais recentes?
  • O intervalo de datas é explícito e apropriado?
  • O registro da busca inclui detalhes suficientes para reproduzir a consulta?
  • As chaves de API são carregadas a partir do ambiente?
  • O código HTTP chama raise_for_status() ou lida de outra forma com respostas diferentes de 200 antes de analisar?
  • Os limites de taxa são respeitados?

Referências

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.

Habilidades Relacionadas