shield_lock
JinDaGe
← Back to skills
extension
Category: Data & AnalyticsNo API key required

住院药房的抗菌药物处方分析报告

住院药房的抗菌药物处方分析报告

personAuthor: user_767538ffhubcommunity
downloadDownload package

抗菌药物处方数据分析 Skill

定位（AI 必读）

本 skill 是 AI 的工作手册，不是给学员读的说明书。

  • 学员：只提供处方点评数据文件（xls / xlsx / csv，或打包 zip）+ 选题名称，不写统计代码
  • AI：读本 skill + 学员数据 → 产出"数据画像 → 五块式研究方案（Word 文档）"
  • 目标：每一项结论都锚定学员的真实数据，禁止模板空话，结局指标全部可测出数字

Overview

核心流程：数据接收解压 → 数据画像 → 数据-选题一致性核查 → 研究空白构建 → 五块式方案输出 → Word 生成 → STROBE 自检

适用于：

  • 医院处方点评数据（门急诊 / 住院）的回顾性分析报告立项
  • 抗菌药物专项点评、基药处方、中药处方等任何"处方点评列表 + 问题明细表"结构的延伸分析
  • 药学真实世界研究（RWS）方案的起步设计

Step 1：数据接收与解压

  • Windows 环境无 unzip 时用 PowerShell：Expand-Archive -Path <zip> -DestinationPath <目标目录> -Force
  • 解压后先 find <目录> -type f 列出全部文件，识别"点评列表"与"问题明细表"两类文件
  • 用受管 Python 读取（需 pandas + xlrd + openpyxl）：.xls 用 pd.read_excel 直接读；问题明细表常见双行表头，用 header=None 读原始结构再手工解析

Step 2：数据画像（必须跑 scripts/analyze_prescriptions.py）

python scripts/analyze_prescriptions.py "点评列表.xls" [--problem "问题明细表.xls"]

脚本自动输出八项核心画像（这些数字直接进入方案正文，不得编造）：

  1. 有效处方数（去空行后）
  2. 点评结果分布（合理 / 不合理张数与率）
  3. 处方日期跨度（研究时间窗）
  4. 科室 TOP 构成（识别天然暴露组，如失智中心、老年病区）
  5. 注射剂使用率、特殊级抗菌药率、联用率
  6. 抗菌药金额（总量 / 均值 / 中位数）
  7. 年龄结构（≥65 岁占比——老年医院场景的关键分层）
  8. 问题代码分布（问题明细表逐行解析）

Step 3：数据-选题一致性核查（关键防线）

逐条比对"学员选题表述"与"数据实际来源"，发现不符必须写进方案并给出两条处理路径：

  • 例：选题写"住院药房"但数据是门(急)诊处方 → 路径 A 改题目对齐数据（推荐）；路径 B 补提住院医嘱数据
  • 禁止用 A 场景的数据回答 B 场景的问题

Step 4：研究空白构建（三类空白框架）

基于数据画像构建，缺一不可：

| 空白类型 | 构建方法 | 数据锚点示例 | |:---|:---|:---| | 人群分层空白 | 既往研究把某高风险人群当整体，未按关键变量分层 | 老年患者未按认知功能（MoCA）分层 | | 纵向趋势空白 | 干预效果评估只做前后两时点，缺多年连续趋势 | 5 年以上不合理率趋势斜率无人报告 | | 交互/机制空白 | 两个分布特征的交互变化无量化证据 | 科室构成 × 认知状态对不合理类型的影响 |

Step 5：五块式方案输出（规范详见 references/five_block_output.md）

  1. PICO 四要素表：全部写死到可执行粒度（人群含日期区间与 n、暴露含切点、结局含判定依据与问题代码）
  2. 核心假设一句话："X 通过 Y 影响 Z"句式，一口气读完无转折，预设方向（OR/RR>1 或 <1）
  3. 研究设计选型：首选设计 + 理由（必须扣住≥3 条真实数据条件）+ 一个降级备选方案
  4. 研究问题五段式：临床现象 → 已有研究 → 研究空白（关键）→ 本研究做什么 → 预期回答什么（每段 1-2 句）
  5. 自查清单：方向性 / 可检验性 / 机制性 / 具体性四维度逐条判"强/弱"，弱的直接给改法

Step 6：Word 文档生成

python scripts/gen_protocol_docx.py protocol.json -o 输出.docx
  • protocol.json 的结构见脚本头部注释，AI 按五块内容填写后渲染
  • 文档样式：宋体/黑体中文体系，蓝色表头，附 STROBE 条目映射表

Step 7：STROBE 自检（AI 输出前）

  • [ ] 结局指标是否全部可测出数字（%/均值/中位数/OR）？
  • [ ] 是否出现了"探讨/研究/了解/分析"等模糊动词、"具有重要意义"等空话？（出现即重写）
  • [ ] 数据-选题不一致是否已披露并给出处理路径？
  • [ ] 事件数 < 10×协变量数时是否改用 Firth 惩罚回归或降级设计？
  • [ ] 数据画像八项数字是否与脚本输出完全一致？

任一项为否 → 修正后再输出。

环境依赖

| 依赖 | 安装方式 | |:---|:---| | pandas / xlrd / openpyxl / python-docx | 受管 Python 下 python -m pip install pandas xlrd openpyxl python-docx | | Windows 解压 | PowerShell Expand-Archive（bash 无 unzip 时） |

版本

| 版本 | 日期 | 更新 | |:---|:---|:---| | v1.0.0 | 2026-08-20 | 首发 · 基于广州市老年医院 1481 张抗菌药物处方实战工作流整理 · 世界药师节 AI 技能培训（第二场）四组张洋 |