Agent Skills
返回列表
检验分析质控工具包

检验分析质控工具包

数据分析 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_800d68d6/analysis-toolkit。

技能介绍

要解决什么问题

检验实验室日常要算精密度、画 Levey-Jennings 质控图、做室间比对的 ANOVA 与 Z 值、拟合标准曲线并估 LOD/LOQ，还要把结果写成可读报告。零散脚本容易在公式、临界值查表和数据列约定上不一致，也难保证「场景完整」——算完数却没有对应的可视化与判定结论。

技能如何工作

analysis-toolkit 按场景组织，而不是堆独立函数。架构上分四层：细粒度算子（统计、不确定度、回归等）、Pipeline 编排、场景模板（分析逻辑）与报告模板（HTML 可视化），二者可独立组合。算子通过注册表维护，并配合缺口检测与公式级自测试，减少「调用了错误实现」的风险。

典型流程是：从用户表述识别场景与参数 → 选定算子或内置 Pipeline 模板 → 在 pandas.DataFrame 上执行（常用列名如 value_col、group_col、date_col）→ 返回数值结果并附带 HTML 报告。覆盖能力包括室内质控（多水平精密度、重复限、质控图）、室间/批次比对（ANOVA、F 临界值、Z 值、Youden 图）、方法验证（线性/多项式曲线、GB/T 27417 与 ICH 的 LOD/LOQ、回收率、曲线不确定度、PCA 一致性）、以及趋势监控（日/周/月聚合、滚动统计、Prophet 预测）。详细算法与接口见技能内 references/*.md 渐进式文档。

适用边界与注意点

定位在检验检测行业的质控与通用统计分析；通用公式可处理其他行业数据，但不内置农产品/食品等专有判定标准。数据量不足时会 ValueError 或在 result["warnings"] 中提示（例如精密度每水平至少 2 行、质控图建议 ≥10 点、Prophet 需 ≥3 个聚合时间点）。运行依赖 Python 3.8+ 与 numpy/pandas/matplotlib，可离线使用；精度受 IEEE 754 双精度限制。

使用场景

  • 同一实验室多水平质控数据已录入，需要计算各水平 SD/RSD、合成标准差，并绘制 Levey-Jennings 图标注 ±3σ 失控点。
  • 室间质评或能力验证收到多家实验室同一项目的平行测定值，需要单因素 ANOVA、F 临界值判定及 ISO 13528 的 Z 值分级结论。
  • 新方法或仪器变更后，要用浓度梯度数据拟合标准曲线（含强制过零），并按 GB/T 27417 或 ICH 估算 LOD/LOQ 与回收率。
  • 历史室内质控或批次结果按日/周/月聚合后，需要滚动统计趋势线，并用 Prophet 给出未来区间的 95% 预测带供风险研判。

适合人员

  • 临床或第三方检测实验室的质控专员，例行室内精密度与质控图分析后要生成带可视化的 HTML 质控报告备查。
  • 负责组织室间比对或能力验证的技术负责人，需对多实验室数据统一跑 ANOVA、Z 值并输出 Youden 比对图。
  • 分析化学或微生物检测领域的方法验证工程师，关注标准曲线、曲线不确定度、PCA 一致性评价及定量限判定依据。
  • 维护 LIMS 或自建报表的实验室数据工程师，已将测定结果整理为 pandas DataFrame，希望按固定列名批量调用 Pipeline 模板出数与报告。