软件下载帮助文档新闻资讯

Skill UI

浏览并发现 15857+ 精选技能

全部编程开发人工智能设计创意产品商业数据科学市场营销职场通用效率工具硬件工程语言学习

搜索电子病历，共找到 16 条记录

默认排序最新上传最多下载

医疗临床决策支持系统开发模式

healthcare-cdss-patterns

affaan-m/everything-claude-code

本模块提供一套完整的临床决策支持系统（CDSS）开发模式，用于集成到电子病历（EMR）工作流中。功能包括药物相互作用检查、基于体重/年龄/肾功能的剂量校验，以及各种临床评分（如NEWS2）。核心设计遵循纯函数原则，确保系统高度可测试和安全可靠，显著提升患者用药和诊断的准确性。

临床病历系统开发最佳实践

healthcare-emr-patterns

affaan-m/everything-claude-code

这是一份详细的指南，用于构建可靠的电子病历（EMR）和电子健康记录（EHR）系统。它涵盖了患者安全协议、结构化临床工作流、药物相互作用检测、审计追踪和可访问性标准等关键领域。适用于开发高可靠性、高合规性的医疗IT解决方案。

临床深度学习医疗数据管道

K-Dense-AI/scientific-agent-skills

PyHealth是一个用于临床和医疗深度学习的模块化Python工具包。它提供了一个标准化的五阶段流程（数据集→任务→模型→训练器→指标），用于处理复杂的、多模态的医疗数据，包括电子病历、生理信号和医学影像。可用于预测死亡率、再入院风险、药物推荐或进行医学编码映射。

环境式临床文档自动化

abridge-core-workflow-a

jeremylongshore/claude-code-plugins-plus-skills

本工作流实现了Abridge端到端的临床文档记录流程。它能够捕获病患诊疗过程中的环境语音，进行实时语音转录，利用生成式AI将口述内容结构化为标准医疗记录（如SOAP、病史记录）。此外，还能自动生成诊断和操作编码（ICD-10, CPT），并将结构化数据直接推送到电子病历系统，大幅减少人工录入时间。

临床AI部署准备清单

abridge-prod-checklist

jeremylongshore/claude-code-plugins-plus-skills

这是一个用于评估和确保临床AI系统（如Abridge）在受监管的医疗环境中部署就绪的综合清单。它涵盖了HIPAA合规性、业务伙伴协议（BAA）、电子病历（EHR）集成验证（如FHIR R4）、稳健的基础设施安全（TLS 1.3、密钥管理）等关键方面，并提供了完整的上线验证和回滚流程。

临床AI系统集成参考架构

abridge-reference-architecture

jeremylongshore/claude-code-plugins-plus-skills

本文档提供了完整的参考架构蓝图，用于指导将环境AI（Abridge）系统集成到多地点、大型医疗健康体系中。详细覆盖了数据流、组件设计、FHIR R4标准，以及与Epic/Athena等主流电子病历系统（EHR）的合规集成流程。

Abridge集成迁移与升级指南

abridge-upgrade-migration

jeremylongshore/claude-code-plugins-plus-skills

本指南详细说明了Abridge API版本升级和不同电子病历记录系统（EHR）之间的迁移流程。内容涵盖了从V1到V2的零停机升级策略，并提供了高风险、多步骤的临床数据迁移方案，旨在确保在系统切换过程中临床文档数据的连续性和完整性。

Abridge Webhook事件处理

abridge-webhooks-events

jeremylongshore/claude-code-plugins-plus-skills

用于处理Abridge平台提供的临床文档生命周期事件（如记录生成完成、状态变更、签署、质量警报等）。系统接收Webhook数据，并执行严格的签名验证和幂等性检查，确保将关键医疗数据安全、可靠地同步到电子病历系统。

医疗临床决策支持系统开发模式

healthcare-cdss-patterns

本模块提供一套完整的临床决策支持系统（CDSS）开发模式，用于集成到电子病历（EMR）工作流中。功能包括药物相互作用检查、基于体重/年龄/肾功能的剂量校验，以及各种临床评分（如NEWS2）。核心设计遵循纯函数原则，确保系统高度可测试和安全可靠，显著提升患者用药和诊断的准确性。

临床病历系统开发最佳实践

healthcare-emr-patterns

这是一份详细的指南，用于构建可靠的电子病历（EMR）和电子健康记录（EHR）系统。它涵盖了患者安全协议、结构化临床工作流、药物相互作用检测、审计追踪和可访问性标准等关键领域。适用于开发高可靠性、高合规性的医疗IT解决方案。

临床笔记电子质量指标计算

computing-ecqms

maziyarpanahi/openmed

该技能用于计算电子临床质量指标（eCQMs），通过CQL（临床质量语言）和QDM模型，将自由文本临床笔记中的关键信息（如咨询记录、症状或排除原因）提取出来。它将这些文本证据提升并补充到结构化的电子病历数据中，从而准确计算出质量指标的分子和有效排除项。本工具旨在增强数据捕获能力，不能替代专业的认证测量引擎。

批量导出FHIR数据用于分析

exporting-bulk-fhir

maziyarpanahi/openmed

用于从电子病历系统或FHIR数据仓库批量提取大规模（群体级）的临床文本记录。通过FHIR Bulk Data Access执行异步导出，获取NDJSON格式的数据流。该数据流设计用于分批传输给OpenMed进行脱敏处理和命名实体识别（NER）分析，是数据分析流程的起点。

语言