返回顶部
a

arrive-guideline-architectARRIVE方案生成

Generate ARRIVE 2.0 compliant animal research protocols with structured

作者: admin | 来源: ClawHub
源自
ClawHub
版本
V 0.1.0
安全检测
已通过
196
下载量
免费
免费
0
收藏
概述
安装方式
版本历史

arrive-guideline-architect

ARRIVE 指南架构师

概述

基于AI的协议设计工具,可创建符合ARRIVE 2.0指南(动物研究:体内实验报告)的、可发表的动物研究方案。生成用于伦理审查、透明报告和可重复科学的结构化文档。

关键能力:

  • - 方案生成:完整的ARRIVE 2.0合规研究方案
  • 样本量计算器:含论证的统计功效分析
  • 合规性检查器:验证现有方案是否符合ARRIVE标准
  • 随机化方案:生成并记录分配策略
  • 伦理支持:IACUC方案模板和动物福利文档
  • 报告模板:含必要要素的稿件准备

使用时机

✅ 使用此技能的场景:

  • - 设计需要伦理审批的新动物研究
  • 准备IACUC(机构动物护理和使用委员会)申请
  • 为要求ARRIVE合规的期刊(PLOS、Nature等)撰写稿件
  • 验证现有方案的透明度和完整性
  • 培训研究人员掌握动物研究最佳实践
  • 规划需要标准化方案的多中心研究
  • 审查基金申请方案

❌ 请勿使用场景:

  • - 人体临床试验 → 使用clinical-protocol-designer
  • 体外研究(仅细胞培养)→ 不适用ARRIVE要求
  • 野生动物实地研究 → 使用专门的野生动物研究指南
  • 兽医临床病例 → 使用兽医病例报告标准
  • 系统评价/荟萃分析 → 使用PRISMA指南

集成:

  • - 上游:sample-size-power-calculator(统计设计)
  • 下游:iacuc-protocol-drafter(伦理提交)、manuscript-prep-assistant(发表)

核心能力

1. ARRIVE 2.0方案构建器

生成涵盖全部10项基本要素的完整方案:

python
from scripts.arrive_builder import ARRIVEBuilder

builder = ARRIVEBuilder()

生成完整方案

protocol = builder.generate_protocol( title=化合物X在2型糖尿病小鼠模型中的疗效, species=Mus musculus, strain=db/db, groups=[ {name: 对照组, n: 15, treatment: 溶媒}, {name: 低剂量组, n: 15, treatment: 10 mg/kg}, {name: 高剂量组, n: 15, treatment: 50 mg/kg} ], primary_endpoint=空腹血糖降低, duration_days=28 )

protocol.save(protocol.md)

生成内容:

  1. 1. 研究设计:实验组、时间线、终点
  2. 样本量:含论证的功效计算
  3. 纳入/排除:动物选择标准
  4. 随机化:分配方法(软件/硬件)
  5. 盲法:谁、何时、如何实施盲法
  6. 结局指标:主要、次要、探索性终点
  7. 统计方法:分析计划、软件、显著性水平
  8. 实验动物:物种、品系、性别、年龄、体重、来源
  9. 实验程序:含时间安排的详细方法
  10. 结果报告:数据呈现模板

2. 样本量计算器

含ARRIVE合规论证的统计功效分析:

python
from scripts.sample_size import SampleSizeCalculator

calc = SampleSizeCalculator()

使用效应量计算

result = calc.calculate( testtype=twosamplettest, effect_size=0.8, # Cohens d alpha=0.05, power=0.80, expected_dropout=0.10 # 10%脱落率 )

输出:每组n=26(总计78,考虑10%脱落率)

功能特点:

  • - 效应量选择:Cohens d、比值比、风险比
  • 多重比较:Bonferroni、FDR校正
  • 脱落调整:考虑预期脱落率
  • 论证文本:自动生成样本量依据
  • 功效曲线:生成不同样本量的功效计算

3. 合规性验证器

对照ARRIVE 2.0检查现有方案:

bash
python scripts/validate.py --input my_protocol.md --format markdown

输出:

✅ 基本10项:10/10 完成
⚠️ 推荐集:8/15 完成
缺失:数据共享声明、利益冲突

详细报告:

  • - 项目1(研究设计):完成
  • 项目2(样本量):完成
  • 项目3(纳入标准):缺失 - 需添加排除标准
  • ...

验证级别:

  • - 基本10项:所有发表必需
  • 推荐集:顶级期刊要求
  • 期刊特定:针对特定出版商的定制检查

4. 随机化与盲法生成器

创建含文档的分配方案:

python
from scripts.randomization import RandomizationGenerator

gen = RandomizationGenerator()

生成分配方案

allocation = gen.generate( n_animals=45, n_groups=3, method=block_randomization, # 或simple、stratified block_size=6, seed=42 # 用于可重复性 )

输出分配表

allocation.save(allocation_table.csv) allocation.generateblindingkey(blinding_key.xlsx)

支持的方法:

  • - 简单随机化
  • 区组随机化(固定/随机区组大小)
  • 分层随机化(按性别、年龄、基线)
  • 协变量自适应最小化

常见模式

模式1:药效研究

治疗干预研究模板:

json
{
study_type: efficacy,
species: Mus musculus,
model: 疾病模型(如db/db糖尿病小鼠),
intervention: 测试化合物,
groups: [
假手术对照,
疾病对照(溶媒),
阳性对照(参考药物),
测试化合物(低剂量),
测试化合物(高剂量)
],
primary_endpoint: 疾病生物标志物,
secondary_endpoints: [安全性标志物, 组织病理学],
sampling_timepoints: [基线, 第2周, 第4周]
}

关键考虑因素:

  • - 包含阳性对照用于实验验证
  • 多剂量建立剂量-反应关系
  • 基于预期效应量的功效计算
  • 样本量考虑疾病变异性

模式2:毒理学研究

安全性评估模板:

json
{
study_type: toxicology,
species: 大鼠,
duration: 28天重复给药,
dose_levels: [溶媒, 低, 中, 高, 极限],
endpoints: [
临床观察(每日),
体重(每周两次),
摄食量,
临床病理学(血液学、生化),
尸检和脏器重量,
组织病理学
],
recovery_groups: true // 14天恢复期
}

关键考虑因素:

  • - 基于MTD(最大耐受剂量)的剂量选择
  • 恢复组用于可逆性评估
  • 全面的临床病理学检测组合
  • 所有高剂量和对照组动物的组织病理学

模式3:行为学研究

神经科学/行为研究模板:

json
{
study_type: behavioral,
species: C57BL/6小鼠,
tests: [
旷场实验(焦虑/运动),
高架十字迷宫(焦虑),
新物体识别(记忆),
条件性恐惧(学习)
],
controls: [
阳性药理学对照,
阴性对照(溶媒)
],
blinding: 视频分析采用盲法进行,
randomization: 测试顺序采用拉丁方设计
}

关键考虑因素:

  • - 平衡测试顺序(学习效应)
  • 盲法视频分析以防止偏倚
  • 标准化测试环境(光照、噪音)
  • 实验者培训和可靠性测试

模式4:手术模型研究

基于程序的研究模板:

json
{
study_type: surgical,
procedure: 心肌梗死(LAD结扎),
species: Sprague-Dawley大鼠,
sham_control: true,
perioperative_care: {
analgesia: 丁丙诺啡缓释剂,
antibiotics: 恩诺沙星,
monitoring: 体温、呼吸、疼痛评分
},
outcome_measures: [
存活率,
超声心动图,
组织学梗死面积
],
humane_endpoints: [严重痛苦, 无法活动]
}

标签

skill ai

通过对话安装

该技能支持在以下平台通过对话安装:

OpenClaw WorkBuddy QClaw Kimi Claude

方式一:安装 SkillHub 和技能

帮我安装 SkillHub 和 arrive-guideline-architect-1776109443 技能

方式二:设置 SkillHub 为优先技能安装源

设置 SkillHub 为我的优先技能安装源,然后帮我安装 arrive-guideline-architect-1776109443 技能

通过命令行安装

skillhub install arrive-guideline-architect-1776109443

下载

⬇ 下载 arrive-guideline-architect v0.1.0(免费)

文件大小: 20.77 KB | 发布时间: 2026-4-15 11:44

v0.1.0 最新 2026-4-15 11:44
Initial release of ARRIVE Guideline Architect: AI-powered tool for creating ARRIVE 2.0 compliant animal research protocols.

- Generates structured, publication-ready protocols covering all ARRIVE 2.0 essential items and recommended sets.
- Provides sample size calculator with statistical power analysis and auto-justification.
- Validates existing protocols for ARRIVE compliance and highlights missing elements.
- Supports creation of randomization schemes and blinding documentation.
- Includes templates and guidance for drug efficacy, toxicology, and behavioral studies.
- Designed to enhance research transparency, reproducibility, and ethical compliance in in vivo studies.

Archiver·手机版·闲社网·闲社论坛·羊毛社区· 多链控股集团有限公司 · 苏ICP备2025199260号-1

Powered by Discuz! X5.0   © 2024-2025 闲社网·线报更新论坛·羊毛分享社区·http://xianshe.com

p2p_official_large
返回顶部