Przejdź do treści
Biblioteka skilli
Medycyna i zdrowie · Pisanie

case-summary

/case-summary

Przygotowuje kompletne podsumowanie przypadku klinicznego pacjenta z endpointów FHIR, np. do omówienia na tumor board.

Licencja
Apache-2.0
Ostatnia zmiana repozytorium
23.10.2026

Ocena i bezpieczeństwo

100/ 100Klasa: dobry
Format25 / 25
Frontmatter z nazwą i opisem, poprawna nazwa, opis do 1024 znaków, nazwa zgodna z folderem.
Odkrywalność25 / 25
Opis mówi, kiedy użyć skilla, ma sensowną długość i jest w 3. osobie.
Treść35 / 35
Co najmniej 150 słów i do 500 linii, nagłówki, listy kroków, przykłady albo kod.
Higiena15 / 15
Bez zaślepek typu TODO, bez ścieżek Windows, z licencją.
Ryzykobrak sygnałów w skanie
Pliki w paczce
1
Skrypty
0
Komentarze HTML
0
Adresy URL w SKILL.md
0
Przestarzałość

Brak sygnałów. Repozytorium zmienione 23.10.2026, bez odwołań do wycofanych modeli i API.

Licencja

Apache-2.0, otwarta: można używać i zmieniać, z zachowaniem licencji i informacji o zmianach.

Co robi i kiedy

Przygotowuje kompletne podsumowanie przypadku klinicznego pacjenta z endpointów FHIR, np. do omówienia na tumor board.

Oryginalny opis (EN)

Prepare a complete clinical case summary for a patient from FHIR endpoints. Use when asked to summarize a patient, compile a case, or prepare for tumor board.

Jak działa

  1. Steps
  2. Output Format
Sekcje z nagłówków SKILL.md, w oryginale · 87 linii, 516 słów
Podgląd SKILL.md
---
name: case-summary
description: Prepare a complete clinical case summary for a patient from FHIR endpoints. Use when asked to summarize a patient, compile a case, or prepare for tumor board.
metadata:
  openclaw:
    requires:
      bins: ["python3"]
---

Prepare a complete case summary for $ARGUMENTS

Use your fhir-basics skill to query the FHIR endpoints. Use your clinical-knowledge skill to flag abnormal values and identify relevant clinical context.

## Steps

1. **Find the patient** -- Query `GET /Patient?name={name}&_count=5` or `GET /Patient?_count=1` for "first patient". Extract `id`, full name, birthDate, gender.

2. **Get active conditions** -- Query `GET /Condition?patient={id}&clinical-status=active`. Extract each condition's display name, SNOMED/ICD code, onset date, and verification status. Also query for resolved conditions and list them separately (they provide clinical history context).

3. **Get recent labs** -- Query `GET /Observation?patient={id}&category=laboratory&_sort=-date&_count=50`. "Recent" means the most recent value for each distinct LOINC code within the past 12 months. For each lab, report: name, value, unit, date, and whether it's normal/abnormal per the clinical-knowledge skill. If the Observation includes a `referenceRange`, use that for flagging.

4. **Get recent vitals** -- Query `GET /Observation?patient={id}&category=vital-signs&_sort=-date&_count=20`. For blood pressure, handle the component Observation format (LOINC 85354-9 panel with systolic/diastolic in `component[]`). Report the most recent BP, heart rate, BMI, temperature.

5. **Get current medications** -- Query `GET /MedicationRequest?patient={id}&status=active`. For each medication, report: drug name, dosage text, and drug class (per clinical-knowledge skill). Organize by drug class when possible.

6. **Get recent encounters** (optional but adds context) -- Query `GET /Encounter?patient={id}&_sort=-date&_count=5`. Report type, date, and reason if available. This shows how recently the patient was seen.

7. **Compile the case summary** with these sections:
   - **Demographics**: Name, age (calculated from birthDate), gender, address if available
   - **Active Conditions**: With codes and onset dates
   - **Resolved Conditions** (if any): Brief list for clinical history
   - **Recent Labs**: Grouped by category (metabolic, lipids, renal, hematology), abnormal values highlighted
   - **Recent Vitals**: Most recent BP, HR, BMI
   - **Current Medications**: With drug class annotations
   - **Clinical Flags**: Any abnormal values, potential care gaps (e.g., diabetic patient without A1c in 12 months, hypertensive with uncontrolled BP), or comorbidity patterns worth noting

8. **Disclaimer**: "This summary is auto-generated from FHIR data for research and operational use. Verify all information before clinical decision-making."

## Output Format

```
============================================================
PATIENT CASE SUMMARY
============================================================
Generated: {date/time}
Source: {FHIR endpoint URL}

DEMOGRAPHICS
  Name:     {full name}
  Age:      {age} years (DOB: {birthDate})
  Gender:   {gender}

ACTIVE CONDITIONS ({count})
  1. {display} (SNOMED {code}) -- onset {date}
  2. ...

RESOLVED CONDITIONS ({count})
  1. {display} -- resolved

RECENT LABS (most recent per test, past 12 months)
  Metabolic:
    HbA1c:          {value}% ({date})     ⚠ ABOVE TARGET (>7.0%)
    Fasting Glucose: {value} mg/dL ({date}) -- Normal
  Renal:
    Creatinine:     {value} mg/dL ({date}) -- Normal
    eGFR:           {value} mL/min ({date}) -- Normal
  Lipids:
    LDL:            {value} mg/dL ({date})  ⚠ ELEVATED (>100)
    ...

RECENT VITALS
  Blood Pressure: {systolic}/{diastolic} mmHg ({date})
  Heart Rate:     {value} bpm ({date})

CURRENT MEDICATIONS ({count})
  Diabetes:
    - Metformin 1000mg twice daily
  Antihypertensive:
    - Lisinopril 20mg daily
  Statin:
    - Atorvastatin 40mg daily

CLINICAL FLAGS
  ⚠ HbA1c 9.2% indicates poor glycemic control (CMS122 gap)
  ⚠ LDL 165 mg/dL above target for diabetic patient
  ✓ On statin therapy (appropriate for diabetes + elevated LDL)
  ✓ On ACE inhibitor (appropriate for diabetes + hypertension)

============================================================
Disclaimer: This summary is auto-generated from FHIR data
for research and operational use. Verify all information
before clinical decision-making.
============================================================
```

Wersje

W bazie nie ma innych skilli o nazwie case-summary.

Identyczna treść występuje jeszcze w 1 innych folderach na GitHubie. Tu pokazujemy jedną, najlepiej ocenioną kopię.

Migawka bazy z 28.10.2026 · wersja paczki b1d39e6f4976 (skrót SHA-256 całej paczki)

Pobrania w ostatnich 30 dniach: 0 · ranking

Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.

Podobne skille

  • 100patient-demographics-summary
    Pobiera i formatuje pełne podsumowanie danych demograficznych pacjenta z zasobów FHIR Patient, RelatedPerson i Coverage, np. gdy ktoś prosi o dane pacjenta.
  • 100insurance-coverage-summary
    Pobiera i analizuje zasoby FHIR Coverage i Organization, tworząc ustrukturyzowane podsumowanie ubezpieczenia pacjenta wraz z analizą koordynacji świadczeń (podstawowe i dodatkowe).
  • 100medical-case-report-generator
    Tworzy zrozumiały dla pacjenta wpis (tweet) z opisem przypadku medycznego na podstawie zdjęć przypadku i nazwy choroby.
  • 100clinical-summary
    Tworzy wierne streszczenia kliniczne: podsumowanie dokumentacji pacjenta ze ścisłą chronologią, uzgodnieniem leków i rozwiniętymi skrótami albo streszczenie badania z wielkościami efektu, ryzykami bezwzględnymi, szkodami i ograniczeniami.
  • 100curatr
    Ocenia jakość danych FHIR w dokumentacji medycznej pacjenta, wskazuje błędne kody i brakujące pola prostym językiem, stosuje zatwierdzone poprawki z Provenance i przygotowuje prośbę do placówki.
  • 100phi-redaction
    Stosuje ostrożne wzorce redakcji danych zdrowotnych (PHI) w zasobach FHIR przed dostępem agenta AI oraz w potokach danych klinicznych z deidentyfikacją.

Uwagi i zgłoszenia

Wiadomość trafi do Bartosza Sokolińskiego. Adres e-mail jest potrzebny tylko do odpowiedzi. Szczegóły w polityce prywatności.