临床决策与循证医学
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_054f2eea/clinical-decision-making。
技能介绍
解决什么问题
临床决策很容易滑向两种偏差:要么凭经验拍板,把个案当规律;要么机械照搬指南,把证据当规则。真实场景里,医师面对的是具体的 65 岁合并糖尿病和高血压的肺炎患者,指南写的却是人群层面的平均效应。差距不在"有没有证据",而在证据强度、效果大小、风险代价、患者意愿这四件事有没有被逐项量化。本技能要做的是把这套量化过程结构化,让决策从"我觉得"变成"依据是什么、置信度多少、哪里需要核对"。
核心能力:循证决策五步法
- PICO 问题构建:把模糊的主诉拆成患者特征(
P)、干预(I)、对照(C)、结局(O),例如阿莫西林克拉维酸 vs 呼吸喹诺酮,看临床治愈率与不良反应。 - 证据检索与分级:按
1a(同质 RCT 系统评价)到5(专家意见)分层,4 级以下证据仅作描述、不进入推荐。 - GRADE 推荐强度:用
↑↑/↑/↓/↓↓标记强推荐到强反对,并对应固定措辞("推荐使用" / "建议使用"),避免同一条建议出现两种强度表述。 - 决策分析:核心是
NNT/NNH/ 阈值。只知道"有效"不够,必须知道"治多少人能获益一例、多少人会因治疗受害一例"。 - 不确定性管理:诊断不确定但风险低时,走观察等待或治疗性试验;风险高时才升级干预。
防幻觉与反方复核
循证场景的幻觉代价很高:编造一个 NNT=17 或一句"有研究显示",可能直接改变治疗选择。因此技能内置四道约束:
- 数字即证据:任何
NNT/NNH/阈值/百分比必须带出处,无角标即违规。 [L4]强制降级:凭记忆给出的具体数值改写为范围,并附「需医师核对指南/最新数据」。- 引用可追溯:提 Cochrane 或某指南时给出版本或 URL,禁止模糊表述。
- G-9 反方复核:对每条"推荐/不推荐"做对抗性检查——人群能否外推?
NNH是否被忽略?患者偏好纳入了吗?无法被证据推翻的反方意见,结论降级为「需医师核实」。
每条关键建议还会带置信度标记 [H] / [M] / [L],命中高利害场景(急诊溶栓、抗凝启用、化疗方案)时追加审计日志。
适用边界
- 终诊权在医师:本技能只输出评估框架与时间窗提示,急诊介入、抗凝启用、肿瘤方案的最终决定归专科医师或 MDT。
- 推荐强度 ≠ 强制执行:
↑↑只代表获益明显大于风险,仍需结合患者价值观与风险承受力。 - 证据库需人工更新:指南和证据会过期,输出中标注「需核对最新版」不代表数据已同步。
- 隐私:决策分析不输出可识别患者信息。
一句话总结:它把循证医学的过程固化下来,而不是把结论替你说出来。
使用场景
- 急诊胸痛患者就诊时,构建PICO问题并评估溶栓时间窗与适应证,输出框架供医师参考。
- 面对高血压合并房颤患者,用CHA2DS2-VASc和HAS-BLED评估抗凝启用的出血风险权衡。
- 为社区获得性肺炎患者选择抗生素时,对比阿莫西林克拉维酸与呼吸喹诺酮的临床治愈率证据。
- 肿瘤MDT讨论前,整理靶向治疗的决策要素与证据等级,生成结构化报告供多学科参考。
适合人员
- 急诊科医师需要在时间窗内完成溶栓或介入决策,要求AI提供评估框架而非直接拍板。
- 基层全科医生面对高血压和糖尿病患者,需要基于GRADE强推荐与NNT数值调整用药方案。
- 医学知识工程师构建循证临床决策系统,要求AI具备证据分级与防幻觉校验机制。
- 肿瘤MDT协调员在讨论前整理靶向治疗方案,需要AI输出决策要素与证据等级的结构化报告。