SKILLEMALL.ai
EN Войти

AB clinical-data-cleaner

Используйте при очистке данных клинических испытаний, подготовке данных для подачи в FDA/EMA, стандартизации наборов данных SDTM, обработке пропущенных значений в клинических исследованиях, обнаружении выбросов в лабораторных результатах или преобразовании необработанных данных CRF в формат CDISC. Очищает и стандартизирует данные клинических испытаний для соответствия нормативным требованиям с аудиторскими следами.

машинный переводПоказать оригиналСкрыть оригинал«Use when cleaning clinical trial data, preparing data for FDA/EMA subm…»

Use when cleaning clinical trial data, preparing data for FDA/EMA submission, standardizing SDTM datasets, handling missing values in clinical studies, detecting outliers in lab results, or converting raw CRF data to CDISC format. Cleans and standardizes clinical trial data for regulatory compliance with audit trails.

ClawHub Agent Skills автор: AIpoch v1.0.0 MIT-0 12 файлов тело ≈ 2 282 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Используйте при очистке данных клинических испытаний, подготовке данных для подачи в FDA/EMA, стандартизации наборов данных SDTM, обработке пропущенных…

Как процесс B 79/100 · Почти готов — слабые места: согласованность

АнализаторДанные и аналитикаИнфраструктураБезопасностьтип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
A
98/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
94
Прогон на моделях
не было
Процессный рейтинг
B
79/100
Почти готов
Согласованность вес 8
40
Когда включается вес 12
50
Инструменты и файлы вес 18
60
три самых слабых из десяти параметров · все десять

Такой же скилл встречается ещё в 1 месте: ClawHub

Как улучшить

    Для прогона на моделях — необязательно
    • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
    • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

    Находки guard · 0

    ✓ Критических и высоких находок нет

    Просканировано файлов: 12. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "skill-author"

    Процессный рейтинг: все десять параметров 79/100

    • 40Согласованность. Имя во frontmatter (clinical-data-cleaner) не совпадает с папкой (clinical-data-cleaner-1)
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Шаги. Шагов: 67
    • 100Результат и критерий готовности. Формат результата и критерий готовности описаны
    • 100Ошибки и развилки. Развилок: 4, есть раздел про ошибки
    • 100Стоимость исполнения. Тело инструкции 2282 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • low Разделов верхнего уровня: 19. Похоже на несколько доменов в одном скилле

    Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

    Сигналы качества

    • +5В description нет примеров фраз, по которым скилл должен срабатывать
    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +2Инструкции на одном языке
    • +3Длина description 319 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 25 заголовков
    • +3Пошаговые инструкции: 67 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (10 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (3 из 3)
    • +3Все 1 скриптов описаны в инструкциях
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 94.

    Внешние проверки

    ClawHub: clean
    This skill is a local clinical data cleaning tool whose file access and outputs fit its stated purpose, with dependency and validation cautions but no evidence of hidden or malicious behavior.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.