前言¶

做臨牀輔助類應用的開發者都會遇到同一個問題：模型能背指南、能算 NNT，但用戶問的是「這個病人該不該做這個檢查、該不該用這個藥、該不該轉診」。如果只是讓模型自由發揮，輸出會忽強忽弱，證據強度和不確定性也說不清。下面介紹的 Skill「臨牀決策與循證醫學」就是針對這一環節的：它用 PICO 框架把問題結構化，用 GRADE 給證據分級，用 NNT/NNH 做量化權衡，並在關鍵數值上保留醫師的終診權。對開發者來說，它的價值在於把循證決策的流程固化下來，而不是每次都從頭推理。

這是什麼¶

「臨牀決策與循證醫學」是一個社區發佈的 Skill，座標 @user_054f2eea/clinical-decision-making，當前版本 1.0.0，分類 professional，來源 community，發佈者 user_054f2eea，不需要 API key。一句話定位：PICO 問題構建、證據檢索與 GRADE 分級、NNT/NNH 決策分析、不確定性管理，讓每一次臨牀決策有據可循、有度可量。官方地址：https://api.skillhub.cn/user_054f2eea/clinical-decision-making ，SkillHub 頁面：https://www.skillhub.cn/skills/user_054f2eea/clinical-decision-making 。

它解決的是「模型在臨牀決策場景下輸出不可控」的問題。和直接讓模型自由回答不同，這個 Skill 要求先構建結構化的臨牀問題，再檢索證據、分級、做決策分析，最後明確不確定性，流程上可複用、結果上可解釋。

核心功能¶

已覈實的能力有四項，對應循證決策的一個完整鏈條：

1、PICO 問題構建。把臨牀問題拆成人羣（P）、干預（I）、對照（C）、結局（O）四個要素，避免提問過於籠統，後續檢索和分級纔有抓手。

2、證據檢索與 GRADE 推薦強度分級。對檢索到的證據按 GRADE 體系給出推薦強度，而不是籠統地「強推薦/弱推薦」。

3、臨牀決策分析。用 NNT（需治人數）、NNH（需害人數）、決策閾值做量化權衡。資料中給出兩條核心準則：NNT<10 通常值得做；NNH<NNT 須謹慎。

4、不確定性管理。當證據不足或存在分歧時，給出觀察等待、治療試驗、轉診時機等處理路徑，而不是強行給出結論。

核心準則有三條，貫穿整個 Skill：證據不是規則（須結合經驗與患者偏好）；NNT<10 通常值得做，NNH<NNT 須謹慎；患者偏好是決策必要輸入。

此外，Skill 內置了謹慎機制：NNT/NNH 的具體值不直接拍板（資料中稱 L5 謹慎機制），並帶反方證據複覈和置信度標註（H/M/L）。這對開發者而言是重要的安全邊界：量化結果只是參考，不是處置依據。

安裝與啓用¶

需要說明的是：已抓取資料未提供該 Skill 的安裝命令、目錄結構或配置字段，也沒有給出 Cursor、Codex CLI、Claude Code 各自的差異，因此這裏不編造命令。獲取方式以官方頁面爲準：

官方地址：

https://api.skillhub.cn/user_054f2eea/clinical-decision-making

SkillHub 頁面：

https://www.skillhub.cn/skills/user_054f2eea/clinical-decision-making

從資料可確認的屬性是：不需要 API key，標籤爲 requires_api_key=false；分類爲 healthcare，屬於 professional 分類下的健康類技能。安裝前請到官方頁面確認當前版本的安裝方式與運行環境要求。

典型用法¶

已抓取資料未提供該 Skill 的可復現示例腳本或調用樣例，因此本節只描述其觸發方式和典型問題形態，不虛構輸入輸出。

觸發方式：當用戶提出與臨牀決策或循證醫學相關的問題時啓用。資料中列出的觸發詞包括：臨牀決策、該不該做這個檢查、該不該用這個藥、該不該轉診、循證醫學、證據強度、GRADE。也就是說，用戶問「這個病人該不該用這個藥」或「這個證據強度如何」時，就進入該 Skill 的處理流程。

典型問題形態可以歸納爲四類，對應核心功能的四個環節：

• 問題構建類：「針對某人羣、某干預、某對照、某結局，臨牀問題應該怎麼提？」
• 證據分級類：「某篇研究或某條指南的證據強度如何，推薦強度是多少？」
• 決策分析類：「某干預的 NNT/NNH 是多少，值不值得做？」
• 不確定性類：「證據不足時，應該觀察等待、治療試驗還是轉診？」

由於 Skill 內置了反方證據複覈和置信度標註，實際輸出會同時給出結論、反方證據、以及 H/M/L 的置信度，而不是單一結論。使用時注意：量化值（NNT/NNH）僅供決策參考，不得直接作爲處置依據。

適用場景與注意¶

適合兩類使用者。一是做臨牀輔助工具的開發者，需要把循證決策流程固化成可複用的能力，而不是每次重新推理。二是需要覈對證據強度與決策閾值的使用者，例如在治療選擇、檢查選擇、轉診時機上需要量化參考的場景。

限制和坑有三點，均來自資料中的免責聲明和核心準則，需要如實告知用戶：

1、不替代醫師診斷與診療決策，不構成醫療行爲。這是 Skill 的官方定位，也是終診權在醫師這一原則的體現。

2、證據分級與決策分析基於公開文獻與指南，存在更新滯後與個體差異。也就是說，NNT/NNH 等數值可能與最新研究不一致，需要結合患者實際情況判斷。

3、NNT/NNH 等量化值僅供決策參考，不得直接作爲處置依據。Skill 內置的 L5 謹慎機制就是爲了降低誤用風險：具體數值不直接拍板，而是由具備資質的醫師結合患者實情作出決策。

另外，由於該 Skill 需要結合患者偏好（核心準則之一），單純輸入疾病名稱而忽略患者偏好，會削弱決策質量。使用時應把患者偏好作爲必要輸入一起提供。

結尾¶

回顧一下：這個 Skill 把循證決策拆成了問題構建、證據分級、決策分析、不確定性管理四個環節，並在量化結果上保留醫師的終診權。對需要「讓每一次臨牀決策都有據可循、有度可量」的場景，它是一個流程化的工具，而不是一個自動下結論的機器。官方地址：https://api.skillhub.cn/user_054f2eea/clinical-decision-making ，SkillHub 頁面：https://www.skillhub.cn/skills/user_054f2eea/clinical-decision-making 。具體安裝與啓用方式請以官方頁面爲準。