什么是 tooluniverse-adverse-event-detection?
使用 FDA FAERS 数据、药物标签、不成比例分析(PRR、ROR、IC)和生物医学证据检测和分析药物不良事件信号。生成带有证据分级的定量安全信号评分 (0-100)。用于上市后监测、药物警戒、药物安全评估、不良事件调查和监管决策支持。 来源:mims-harvard/tooluniverse。
使用 FDA FAERS 数据、药物标签、不成比例分析(PRR、ROR、IC)和生物医学证据检测和分析药物不良事件信号。生成带有证据分级的定量安全信号评分 (0-100)。用于上市后监测、药物警戒、药物安全评估、不良事件调查和监管决策支持。
通过命令行快速安装 tooluniverse-adverse-event-detection AI 技能到你的开发环境
来源:mims-harvard/tooluniverse。
Automated pipeline for detecting, quantifying, and contextualizing adverse drug event signals using FAERS disproportionality analysis, FDA label mining, mechanism-based prediction, and literature evidence. Produces a quantitative Safety Signal Score (0-100) for regulatory and clinical decision-making.
Differentiation from tooluniverse-pharmacovigilance: This skill focuses specifically on signal detection and quantification using disproportionality analysis (PRR, ROR, IC) with statistical rigor, produces a quantitative Safety Signal Score (0-100), and performs comparative safety analysis across drug classes. The pharmacovigilance skill provides broader safety profiling without the same depth of signal detection...
CRITICAL: This is the core of the skill. For each top adverse event (at least top 15-20), calculate PRR, ROR, and IC with 95% confidence intervals.
使用 FDA FAERS 数据、药物标签、不成比例分析(PRR、ROR、IC)和生物医学证据检测和分析药物不良事件信号。生成带有证据分级的定量安全信号评分 (0-100)。用于上市后监测、药物警戒、药物安全评估、不良事件调查和监管决策支持。 来源:mims-harvard/tooluniverse。
为搜索与 AI 引用准备的稳定字段与命令。
npx skills add https://github.com/mims-harvard/tooluniverse --skill tooluniverse-adverse-event-detection使用 FDA FAERS 数据、药物标签、不成比例分析(PRR、ROR、IC)和生物医学证据检测和分析药物不良事件信号。生成带有证据分级的定量安全信号评分 (0-100)。用于上市后监测、药物警戒、药物安全评估、不良事件调查和监管决策支持。 来源:mims-harvard/tooluniverse。
打开你的终端或命令行工具(如 Terminal、iTerm、Windows Terminal 等) 复制并运行以下命令:npx skills add https://github.com/mims-harvard/tooluniverse --skill tooluniverse-adverse-event-detection 安装完成后,技能将自动配置到你的 AI 编程环境中,可以在 Claude Code、Cursor 或 OpenClaw 中使用
https://github.com/mims-harvard/tooluniverse