# tooluniverse-diagnostic-test-evaluation

Скилл tooluniverse-diagnostic-test-evaluation оценивает точность диагностических тестов и биомаркеров по таблице 2×2 или непрерывным шкалам. Рассчитывает чувствительность, специфичность, ROC AUC и байесовскую вероятность.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode, Windsurf (Devin Desktop), Claude.ai · 129 установок · ★ 1798 у репозитория
- Автор: mims-harvard
- Лицензия: Apache-2.0 · policy=mirror · лицензия открытая, файл — в исходнике
- Исходник: https://github.com/mims-harvard/ToolUniverse/tree/HEAD/skills/tooluniverse-diagnostic-test-evaluation/SKILL.md
- Обновлён: 2026-10-24
- Проверка безопасности: автоматическая, 2026-11-16 (текст) — признаков вредоносного кода не нашли.
- HTML: https://affpapa.org/nevibecode/skills/tooluniverse-diagnostic-test-evaluation

## Что делает

Скилл структурирует оценку диагностической точности по трём сценариям. Для фиксированного порога и таблицы сопряжённости 2×2 утилита `Epidemiology_diagnostic` считает чувствительность, специфичность, точность, отношения правдоподобия LR+ и LR−, а также прогностическую ценность положительного и отрицательного результатов (PPV и NPV).

При работе с непрерывными биомаркерами инструмент `ROC_analysis` или скрипт `roc_analysis.py` строят ROC-кривую, вычисляют площадь под ней (AUC) с 95% бутстреп-интервалом и находят оптимальный порог по индексу Юдена. Если задана априорная вероятность заболевания, команда `Epidemiology_bayesian` пересчитывает результат теста в апостериорную вероятность по теореме Байеса.

Для оценки двух тестов на одной выборке базового скрипта недостаточно: расчёт парного теста Делона в него не входит.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add mims-harvard/ToolUniverse --skill tooluniverse-diagnostic-test-evaluation -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/tooluniverse-diagnostic-test-evaluation/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/tooluniverse-diagnostic-test-evaluation/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add mims-harvard/ToolUniverse --skill tooluniverse-diagnostic-test-evaluation -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/tooluniverse-diagnostic-test-evaluation/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add mims-harvard/ToolUniverse --skill tooluniverse-diagnostic-test-evaluation -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/tooluniverse-diagnostic-test-evaluation/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install mims-harvard/ToolUniverse skills/tooluniverse-diagnostic-test-evaluation
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/tooluniverse-diagnostic-test-evaluation/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add mims-harvard/ToolUniverse --skill tooluniverse-diagnostic-test-evaluation -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/mims-harvard/ToolUniverse --path skills/tooluniverse-diagnostic-test-evaluation
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/tooluniverse-diagnostic-test-evaluation/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add mims-harvard/ToolUniverse --skill tooluniverse-diagnostic-test-evaluation -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/mims-harvard/ToolUniverse/tree/HEAD/skills/tooluniverse-diagnostic-test-evaluation/SKILL.md

## Когда брать
- рассчитать чувствительность, специфичность, LR+ и LR− по таблице 2×2
- построить ROC-кривую и найти оптимальный порог по индексу Юдена
- вычислить апостериорную вероятность болезни через теорему Байеса
- оценить PPV и NPV с учётом реальной распространённости заболевания

## Примеры запросов агенту
- Оцени диагностическую точность по таблице 2x2: TP=90, FP=10, TN=180, FN=20 через Epidemiology_diagnostic
- Запусти ROC_analysis для файла scores.csv и найди оптимальный порог Юдена
- Посчитай апостериорную вероятность болезни через Epidemiology_bayesian при чувствительности 0.90, специфичности 0.95 и распространённости 0.10

## Похожие
- [clinical-decision-support](https://affpapa.org/nevibecode/skills/clinical-decision-support.md) — скилл · 60 установок
- [ab-test-analysis](https://affpapa.org/nevibecode/agents/voltagent-ab-test-analysis.md) — субагент · ★ 6505 у репозитория
- [ads-test](https://affpapa.org/nevibecode/skills/ads-test.md) — скилл · 4000 установок
- [ad-test-designer](https://affpapa.org/nevibecode/skills/ad-test-designer.md) — скилл · 1100 установок
- [ab-test-setup](https://affpapa.org/nevibecode/skills/openclaudia-ab-test-setup.md) — скилл · 435 установок
- [analyze-test](https://affpapa.org/nevibecode/commands/analyze-test.md) — команда · ★ 28211 у репозитория

Из того же набора: [mims-harvard/tooluniverse](https://affpapa.org/nevibecode/by/mims-harvard/tooluniverse.md) — 136 карточек

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md
