Documents de Soutien aux Décisions Cliniques

Description

Générez des documents professionnels de soutien aux décisions cliniques (SDC) pour les sociétés pharmaceutiques, les chercheurs cliniques et les décideurs médicaux. Cette compétence se spécialise dans les documents analytiques fondés sur des preuves qui informent les stratégies de traitement et le développement de médicaments :

Analyse de Cohorte de Patients - Analyses de groupes stratifiées par biomarqueurs avec comparaisons statistiques des résultats
Rapports de Recommandations de Traitement - Directives cliniques fondées sur des preuves avec notation GRADE et algorithmes décisionnels

Tous les documents sont générés sous forme de fichiers LaTeX/PDF prêts pour la publication, optimisés pour la recherche pharmaceutique, les soumissions réglementaires et le développement de directives cliniques.

Remarque : Pour les plans de traitement de patients individuels au lit du malade, utilisez la compétence treatment-plans à la place. Cette compétence se concentre sur les analyses au niveau du groupe et la synthèse des preuves dans les contextes pharmaceutiques/de recherche.

Style d'écriture : Pour les documents prêts pour la publication destinés aux revues médicales, consultez le guide venue-templates medical_journal_styles.md pour des conseils sur les résumés structurés, le langage fondé sur des preuves et la conformité CONSORT/STROBE.

Capacités

Types de Documents

Analyse de Cohorte de Patients

Stratification de patients basée sur les biomarqueurs (sous-types moléculaires, expression génique, IHC)
Classification des sous-types moléculaires (p. ex., GBM mésenchymateux-immunitaire-actif vs proneurale, sous-types de cancer du sein)
Métriques de résultats avec analyse statistique (OS, PFS, ORR, DOR, DCR)
Comparaisons statistiques entre les sous-groupes (rapports de risque instantané, valeurs p, IC 95%)
Analyse de survie avec courbes de Kaplan-Meier et tests du log-rank
Tableaux d'efficacité et diagrammes en cascade
Analyses d'efficacité comparative
Rapports de cohorte pharmaceutique (sous-groupes d'essai, données du monde réel)

Rapports de Recommandations de Traitement

Directives de traitement fondées sur des preuves pour des états pathologiques spécifiques
Notation de la force des recommandations (système GRADE : 1A, 1B, 2A, 2B, 2C)
Évaluation de la qualité des preuves (élevée, modérée, faible, très faible)
Diagrammes d'algorithmes de traitement avec diagrammes TikZ
Séquençage des lignes de traitement basé sur les biomarqueurs
Voies décisionnelles avec critères cliniques et moléculaires
Documents de stratégie pharmaceutique
Développement de directives cliniques pour les sociétés médicales

Caractéristiques Cliniques

Intégration des Biomarqueurs : Altérations génomiques (mutations, CNV, fusions), signatures d'expression génique, marqueurs IHC, notation PD-L1
Analyse Statistique : Rapports de risque instantané, valeurs p, intervalles de confiance, courbes de survie, régression de Cox, tests du log-rank
Notation des Preuves : Système GRADE (1A/1B/2A/2B/2C), niveaux CEBM Oxford, évaluation de la qualité des preuves
Terminologie Clinique : SNOMED-CT, LOINC, nomenclature médicale appropriée, nomenclature d'essai
Conformité Réglementaire : Dé-identification HIPAA, en-têtes de confidentialité, alignement ICH-GCP
Formatage Professionnel : Marges compactes de 0,5 po, recommandations codées par couleur, prêtes pour la publication, appropriées pour les soumissions réglementaires

Cas d'Usage Pharmaceutique et de Recherche

Cette compétence est spécifiquement conçue pour les applications pharmaceutiques et de recherche clinique :

Développement de Médicaments

Analyses d'Essais Phase 2/3 : Analyses d'efficacité et de sécurité stratifiées par biomarqueurs
Analyses de Sous-groupes : Diagrammes en forêt montrant les effets du traitement dans les sous-groupes de patients
Développement de Diagnostics Compagnons : Liaison des biomarqueurs à la réponse aux médicaments
Soumissions Réglementaires : Documentation IND/NDA avec résumés des preuves

Affaires Médicales

Documents de Formation des KOL : Algorithmes de traitement fondés sur des preuves pour les leaders d'opinion
Documents de Stratégie Médicale : Paysage concurrentiel et stratégies de positionnement
Documents des Réunions Consultatives : Cadres d'analyses de cohortes et de recommandations de traitement
Planification de Publication : Analyses prêtes pour les manuscrits dans les revues évaluées par les pairs

Directives Cliniques

Développement de Directives : Synthèse des preuves avec méthodologie GRADE pour les sociétés spécialisées
Recommandations de Consensus : Développement d'algorithmes de traitement multi-intervenants
Normes de Pratique : Critères de sélection du traitement basés sur les biomarqueurs
Mesures de Qualité : Mesures de rendement fondées sur des preuves

Données du Monde Réel

Études de Cohorte RWE : Analyses rétrospectives de cohortes de patients à partir de données EMR
Efficacité Comparative : Comparaisons de traitements en tête-à-tête dans les contextes du monde réel
Recherche sur les Résultats : Survie à long terme et sécurité en pratique clinique
Économie de la Santé : Analyses de rentabilité par sous-groupe de biomarqueurs

Quand Utiliser

Utilisez cette compétence lorsque vous avez besoin de :

Analyser les cohortes de patients stratifiées par biomarqueurs, sous-types moléculaires ou caractéristiques cliniques
Générer des rapports de recommandations de traitement avec notation des preuves pour les directives cliniques ou les stratégies pharmaceutiques
Comparer les résultats entre les sous-groupes de patients avec analyse statistique (survie, taux de réponse, rapports de risque instantané)
Produire des documents de recherche pharmaceutique pour le développement de médicaments, les essais cliniques ou les soumissions réglementaires
Développer des directives de pratique clinique avec notation des preuves GRADE et algorithmes décisionnels
Documenter la sélection de thérapie guidée par biomarqueurs au niveau de la population (non pour les patients individuels)
Synthétiser les preuves à partir de plusieurs essais ou sources de données du monde réel
Créer des algorithmes décisionnels cliniques avec diagrammes pour le séquençage des traitements

N'utilisez PAS cette compétence pour :

Plans de traitement de patients individuels (utilisez la compétence treatment-plans)
Documentation des soins cliniques au lit du malade (utilisez la compétence treatment-plans)
Protocoles de traitement simples spécifiques aux patients (utilisez la compétence treatment-plans)

Amélioration Visuelle avec Schémas Scientifiques

⚠️ OBLIGATOIRE : Chaque document de soutien aux décisions cliniques DOIT inclure au moins 1-2 figures générées par l'IA en utilisant la compétence scientific-schematics.

Ceci n'est pas optionnel. Les documents de décision clinique nécessitent des algorithmes visuels clairs. Avant de finaliser un document :

Générez au minimum UN schéma ou diagramme (p. ex., algorithme décisionnel clinique, voie de traitement ou arbre de stratification par biomarqueurs)
Pour les analyses de cohortes : incluez un diagramme de flux des patients
Pour les recommandations de traitement : incluez un organigramme décisionnel

Comment générer des figures :

Utilisez la compétence scientific-schematics pour générer des diagrammes de qualité pour publication alimentés par l'IA
Décrivez simplement votre diagramme souhaité en langage naturel
Nano Banana Pro générera, examinera et affinera automatiquement le schéma

Comment générer des schémas :

python scripts/generate_schematic.py "your diagram description" -o figures/output.png

L'IA générera automatiquement :

Des images de qualité pour publication avec formatage approprié
Révision et affinement par itérations multiples
Accessibilité garantie (adaptée aux daltoniens, contraste élevé)
Sortie sauvegardée dans le répertoire figures/

Quand ajouter des schémas :

Diagrammes d'algorithmes décisionnels cliniques
Diagrammes de voies de traitement
Arbres de stratification par biomarqueurs
Diagrammes de flux des cohortes de patients (style CONSORT)
Visualisations des courbes de survie
Diagrammes de mécanismes moléculaires
Tout concept complexe qui bénéficie d'une visualisation

Pour des conseils détaillés sur la création de schémas, veuillez consulter la documentation de la compétence scientific-schematics.

Structure du Document

EXIGENCE CRITIQUE : Tous les documents de soutien aux décisions cliniques DOIVENT commencer par un résumé exécutif complet en première page qui s'étend sur toute la première page avant toute table des matières ou sections détaillées.

Structure du Résumé Exécutif de la Page 1

La première page de chaque document SDC doit contenir UNIQUEMENT le résumé exécutif avec les composants suivants :

Éléments Requis (tous en page 1) :

Titre et Type du Document
- Titre principal (p. ex., « Analyse de Cohorte Stratifiée par Biomarqueurs » ou « Recommandations de Traitement Fondées sur des Preuves »)
- Sous-titre avec état pathologique et domaine d'application
Encadré d'Informations du Rapport (utilisant tcolorbox colorée)
- Type et objectif du document
- Date de l'analyse/du rapport
- État pathologique et population de patients
- Auteur/institution (le cas échéant)
- Cadre d'analyse ou méthodologie
Encadrés de Constatations Clés (3-5 encadrés colorés utilisant tcolorbox)
- Résultats Principaux (encadré bleu) : Constatations principales d'efficacité/de résultats
- Insights sur les Biomarqueurs (encadré vert) : Constatations clés des sous-types moléculaires
- Implications Cliniques (encadré jaune/orange) : Implications de traitement actionnables
- Résumé Statistique (encadré gris) : Rapports de risque instantané, valeurs p, statistiques clés
- Points Forts de la Sécurité (encadré rouge, le cas échéant) : Événements indésirables critiques ou avertissements

Exigences Visuelles :

Utilisez \thispagestyle{empty} pour supprimer les numéros de page de la page 1
Tout le contenu doit tenir sur la page 1 (avant \newpage)
Utilisez des environnements tcolorbox colorés avec des couleurs différentes pour la hiérarchie visuelle
Les encadrés doivent être scannables et mettre en évidence les informations les plus critiques
Utilisez des listes à puces, non des paragraphes narratifs
Terminez la page 1 avec \newpage avant la table des matières ou les sections détaillées

Structure LaTeX d'Exemple de Première Page :

\maketitle
\thispagestyle{empty}

% Encadré d'Informations du Rapport
\begin{tcolorbox}[colback=blue!5!white, colframe=blue!75!black, title=Report Information]
\textbf{Document Type:} Patient Cohort Analysis\\
\textbf{Disease State:} HER2-Positive Metastatic Breast Cancer\\
\textbf{Analysis Date:} \today\\
\textbf{Population:} 60 patients, biomarker-stratified by HR status
\end{tcolorbox}

\vspace{0.3cm}

% Constatation Clé #1 : Résultats Principaux
\begin{tcolorbox}[colback=blue!5!white, colframe=blue!75!black, title=Primary Efficacy Results]
\begin{itemize}
    \item Overall ORR: 72\% (95\% CI: 59-83\%)
    \item Median PFS: 18.5 months (95\% CI: 14.2-22.8)
    \item Median OS: 35.2 months (95\% CI: 28.1-NR)
\end{itemize}
\end{tcolorbox}

\vspace{0.3cm}

% Constatation Clé #2 : Insights sur les Biomarqueurs
\begin{tcolorbox}[colback=green!5!white, colframe=green!75!black, title=Biomarker Stratification Findings]
\begin{itemize}
    \item HR+/HER2+: ORR 68\%, median PFS 16.2 months
    \item HR-/HER2+: ORR 78\%, median PFS 22.1 months
    \item HR status significantly associated with outcomes (p=0.041)
\end{itemize}
\end{tcolorbox}

\vspace{0.3cm}

% Constatation Clé #3 : Implications Cliniques
\begin{tcolorbox}[colback=orange!5!white, colframe=orange!75!black, title=Clinical Recommendations]
\begin{itemize}
    \item Strong efficacy observed regardless of HR status (Grade 1A)
    \item HR-/HER2+ patients showed numerically superior outcomes
    \item Treatment recommended for all HER2+ MBC patients
\end{itemize}
\end{tcolorbox}

\newpage
\tableofcontents  % TOC on page 2
\newpage  % Detailed content starts page 3

Analyse de Cohorte de Patients (Sections Détaillées - Page 3+)

Caractéristiques de la Cohorte : Démographie, caractéristiques de base, critères de sélection des patients
Stratification par Biomarqueurs : Sous-types moléculaires, altérations génomiques, profils IHC
Exposition au Traitement : Thérapies reçues, dosage, durée du traitement par sous-groupe
Analyse des Résultats : Taux de réponse (ORR, DCR), données de survie (OS, PFS), DOR
Méthodes Statistiques : Courbes de survie de Kaplan-Meier, rapports de risque instantané, tests du log-rank, régression de Cox
Comparaisons de Sous-groupes : Efficacité stratifiée par biomarqueurs, diagrammes en forêt, signification statistique
Profil de Sécurité : Événements indésirables par sous-groupe, modifications de dose, arrêts
Recommandations Cliniques : Implications de traitement basées sur les profils de biomarqueurs
Figures : Diagrammes en cascade, diagrammes de baignade, courbes de survie, diagrammes en forêt
Tableaux : Tableau de démographie, fréquence des biomarqueurs, résultats par sous-groupe

Rapports de Recommandations de Traitement (Sections Détaillées - Page 3+)

Le résumé exécutif de la page 1 pour les recommandations de traitement doit inclure :

Encadré d'Informations du Rapport : État pathologique, version/date de la directive, population cible
Encadré des Recommandations Clés (vert) : Top 3-5 recommandations notées GRADE par ligne de traitement
Encadré des Critères Décisionnels des Biomarqueurs (bleu) : Marqueurs moléculaires clés influençant la sélection du traitement
Encadré du Résumé des Preuves (gris) : Grands essais soutenant les recommandations (p. ex., KEYNOTE-189, FLAURA)
Encadré de Surveillance Critique (orange/rouge) : Exigences essentielles de surveillance de la sécurité

Sections Détaillées (Page 3+) :

Contexte Clinique : État pathologique, épidémiologie, paysage du traitement actuel
Population Cible : Caractéristiques des patients, critères de biomarqueurs, stadification
Synthèse des Preuves : Synthèse systématique de la littérature, résumé des directives, données d'essai
Options de Traitement : Thérapies disponibles avec mécanisme d'action
Notation des Preuves : Évaluation GRADE pour chaque recommandation (1A, 1B, 2A, 2B, 2C)
Recommandations par Ligne : Thérapies de première, deuxième et lignes suivantes
Sélection Guidée par Biomarqueurs : Critères décisionnels basés sur les profils moléculaires
Algorithmes de Traitement : Diagrammes de flux TikZ montrant les voies décisionnelles
Protocole de Surveillance : Évaluations de sécurité, surveillance de l'efficacité, modifications de dose
Populations Particulières : Personnes âgées, altération rénale/hépatique, comorbidités
Références : Bibliographie complète avec noms d'essais et citations

Format de Sortie

EXIGENCE OBLIGATOIRE DE PREMIÈRE PAGE :

Page 1 : Résumé exécutif pleine page avec 3-5 éléments tcolorbox colorés
Page 2 : Table des matières (optionnel)
Page 3+ : Sections détaillées avec méthodes, résultats, figures, tableaux

Spécifications du Document :

Principal : LaTeX/PDF avec marges de 0,5 po pour une présentation compacte et dense en données
Longueur : Généralement 5-15 pages (1 page de résumé exécutif + 4-14 pages de contenu détaillé)
Style : Prêt pour la publication, qualité pharmaceutique, approprié pour les soumissions réglementaires
Première Page : Toujours un résumé exécutif complet s'étendant sur toute la page 1 (voir section Structure du Document)

Éléments Visuels :

Couleurs :
- Encadrés de la page 1 : bleu=données/information, vert=biomarqueurs/recommandations, jaune/orange=implications cliniques, rouge=avertissements
- Encadrés de recommandations (vert=recommandation forte, jaune=conditionnelle, bleu=recherche nécessaire)
- Stratification par biomarqueurs (sous-types moléculaires codés par couleur)
- Signification statistique (valeurs p codées par couleur, rapports de risque instantané)
Tableaux :
- Démographie avec caractéristiques de base
- Fréquence des biomarqueurs par sous-groupe
- Tableau des résultats (ORR, PFS, OS, DOR par sous-type moléculaire)
- Événements indésirables par cohorte
- Tableaux du résumé des preuves avec notations GRADE
Figures :
- Courbes de survie de Kaplan-Meier avec valeurs p du log-rank et tableaux du nombre à risque
- Diagrammes en cascade montrant la meilleure réponse par patient
- Diagrammes en forêt pour les analyses de sous-groupes avec intervalles de confiance
- Diagrammes d'algorithmes décisionnels TikZ
- Diagrammes de baignade pour les chronologies de patients individuels
Statistiques : Rapports de risque instantané avec IC 95%, valeurs p, temps de survie médian, taux de survie aux jalons
Conformité : Dé-identification selon la méthode Safe Harbor HIPAA, avis de confidentialité pour les données propriétaires

Intégration

Cette compétence s'intègre avec :

scientific-writing : Gestion des citations, rapport statistique, synthèse des preuves
clinical-reports : Terminologie médicale, conformité HIPAA, documentation réglementaire
scientific-schematics : Diagrammes de flux TikZ pour les algorithmes décisionnels et les voies de traitement
treatment-plans : Applications individuelles des insights dérivés de cohortes (bidirectionnelle)

Différenciateurs Clés par Rapport à la Compétence Treatment-Plans

Soutien aux Décisions Cliniques (cette compétence) :

Public : Sociétés pharmaceutiques, chercheurs cliniques, comités de directives, affaires médicales
Portée : Analyses au niveau de la population, synthèse des preuves, développement de directives
Focus : Stratification par biomarqueurs, comparaisons statistiques, notation des preuves
Sortie : Documents analytiques multi-pages (5-15 pages typiquement) avec de nombreuses figures et tableaux
Cas d'Usage : Développement de médicaments, soumissions réglementaires, directives de pratique clinique, stratégie médicale
Exemple : « Analyser 60 patients atteints d'un cancer du sein HER2+ par statut du récepteur hormonal avec résultats de survie »

Compétence Treatment-Plans :

Public : Cliniciens, patients, équipes de soins
Portée : Planification des soins des patients individuels
Focus : Objectifs SMART, interventions spécifiques aux patients, plans de surveillance
Sortie : Plans de soins concis et actionnables de 1-4 pages
Cas d'Usage : Soins cliniques au lit du malade, documentation EMR, planification centrée sur le patient
Exemple : « Créer un plan de traitement pour un patient de 55 ans atteint d'un diabète de type 2 nouvellement diagnostiqué »

Quand utiliser chacun :

Utilisez clinical-decision-support pour : analyses de cohortes, études de stratification par biomarqueurs, développement de directives de traitement, documents de stratégie pharmaceutique
Utilisez treatment-plans pour : plans de soins individuels des patients, protocoles de traitement pour des patients spécifiques, documentation clinique au lit du malade

Exemple d'Utilisation

Analyse de Cohorte de Patients

Exemple 1 : Stratification par Biomarqueurs du NSCLC

> Analyser une cohorte de 45 patients atteints d'un NSCLC stratifiés par expression PD-L1 (<1%, 1-49%, ≥50%) 
> recevant le pembrolizumab. Inclure les résultats : ORR, PFS médian, OS médian avec rapports de risque instantané 
> comparant PD-L1 ≥50% vs <50%. Générer des courbes de Kaplan-Meier et un diagramme en cascade.

Exemple 2 : Analyse du Sous-type Moléculaire du GBM

> Générer une analyse de cohorte pour 30 patients atteints de GBM classifiés en Cluster 1 (Mésenchymateux-Immunitaire-Actif) 
> et Cluster 2 (Proneurale) sous-types moléculaires. Comparer les résultats incluant OS médian, taux PFS à 6 mois, 
> et réponse à TMZ+bévacizumab. Inclure le tableau du profil de biomarqueurs et la comparaison statistique.

Exemple 3 : Cohorte de Cancer du Sein HER2

> Analyser 60 patients atteints d'un cancer du sein métastatique HER2-positif traités par trastuzumab-deruxétécane, 
> stratifiés par exposition antérieure au trastuzumab (oui/non). Inclure ORR, DOR, PFS médian avec diagramme en forêt 
> montrant les analyses de sous-groupes par statut du récepteur hormonal, métastases cérébrales et nombre de lignes antérieures.

Rapport de Recommandations de Traitement

Exemple 1 : Directives sur le Cancer du Sein Métastatique HER2+

> Créer des recommandations de traitement fondées sur des preuves pour le cancer du sein métastatique HER2-positif incluant 
> la sélection de thérapie guidée par biomarqueurs. Utiliser le système GRADE pour noter les recommandations de première ligne 
> (trastuzumab+pertuzumab+taxane), deuxième ligne (trastuzumab-deruxétécane) et options de lignes suivantes. 
> Inclure un diagramme d'algorithme décisionnel basé sur les métastases cérébrales, le statut du récepteur hormonal et les thérapies antérieures.

Exemple 2 : Algorithme de Traitement du NSCLC Avancé

> Générer un rapport de recommandations de traitement pour le NSCLC avancé basé sur l'expression PD-L1, la mutation EGFR, 
> la réarrangement ALK et le statut de performance. Inclure les recommandations notées GRADE pour chaque sous-type moléculaire, 
> diagramme de flux TikZ pour la sélection de thérapie dirigée par biomarqueurs et tableaux des preuves des essais KEYNOTE-189, FLAURA 
> et CheckMate-227.

Exemple 3 : Séquençage des Lignes de Traitement du Myélome Multiple

> Créer un algorithme de traitement pour le myélome multiple nouvellement diagnostiqué en passant par le contexte récidivant/réfractaire. 
> Inclure les recommandations GRADE pour les patients admissibles à la transplantation vs non admissibles, les considérations de cytogénétique à haut risque, 
> et le séquençage de la daratumumab, carfilzomib et thérapie par CAR-T. Fournir un diagramme de flux montrant les points décisionnels 
> à chaque ligne de traitement.

Caractéristiques Clés

Classification des Biomarqueurs

Génomique : Mutations, CNV, fusions géniques
Expression : RNA-seq, scores IHC
Sous-types moléculaires : Classifications spécifiques aux maladies
Actionnabilité clinique : Orientation de la sélection de thérapie

Métriques de Résultats

Survie : OS (survie globale), PFS (survie sans progression)
Réponse : ORR (taux de réponse objectif), DOR (durée de réponse), DCR (taux de contrôle de la maladie)
Qualité : Statut de performance ECOG, fardeau des symptômes
Sécurité : Événements indésirables, modifications de dose

Méthodes Statistiques

Analyse de survie : Courbes de Kaplan-Meier, tests du log-rank
Comparaisons de groupes : Tests t, chi-carré, exact de Fisher
Tailles d'effet : Rapports de risque instantané, rapports de cotes avec IC 95%
Signification : Valeurs p, corrections pour comparaisons multiples

Notation des Preuves

Système GRADE

1A : Recommandation forte, preuves de haute qualité
1B : Recommandation forte, preuves de qualité modérée
2A : Recommandation faible, preuves de haute qualité
2B : Recommandation faible, preuves de qualité modérée
2C : Recommandation faible, preuves de faible qualité

Force de la Recommandation

Forte : Les bénéfices dépassent clairement les risques
Conditionnelle : Des compromis existent, les valeurs du patient sont importantes
Recherche : Preuves insuffisantes, essais cliniques nécessaires

Bonnes Pratiques

Pour les Analyses de Cohortes

Transparence de la Sélection des Patients : Documenter clairement les critères d'inclusion/exclusion, le flux des patients et les raisons des exclusions
Clarté des Biomarqueurs : Spécifier les méthodes d'essai, les plates-formes (p. ex., FoundationOne, Caris), les points de coupure et l'état de validation
Rigueur Statistique :
- Rapporter les rapports de risque instantané avec IC 95% de confiance, pas seulement les valeurs p
- Inclure le temps médian de suivi pour les analyses de survie
- Spécifier les tests statistiques utilisés (log-rank, régression de Cox, exact de Fisher)
- Tenir compte des comparaisons multiples le cas échéant
Définitions des Résultats : Utiliser les critères standards :
- Réponse : RECIST 1.1, iRECIST pour l'immunothérapie
- Événements indésirables : Version 5.0 de CTCAE
- Statut de performance : ECOG ou Karnofsky
Présentation des Données de Survie :
- OS/PFS médian avec IC 95%
- Taux de survie aux jalons (6 mois, 12 mois, 24 mois)
- Tableaux du nombre à risque sous les courbes de Kaplan-Meier
- Censure clairement indiquée
Analyses de Sous-groupes : Pré-spécifier les sous-groupes ; étiqueter clairement les analyses exploratoires vs pré-planifiées
Complétude des Données : Rapporter les données manquantes et la façon dont elles ont été traitées

Pour les Rapports de Recommandations de Traitement

Transparence de la Notation des Preuves :
- Utiliser le système GRADE de façon cohérente (1A, 1B, 2A, 2B, 2C)
- Documenter le rationnel pour chaque note
- Indiquer clairement la qualité des preuves (élevée, modérée, faible, très faible)
Synthèse Complète des Preuves :
- Inclure les essais randomisés de phase 3 comme preuves primaires
- Compléter avec les données de phase 2 pour les thérapies émergentes
- Noter les données du monde réel et les méta-analyses
- Citer les noms d'essai (p. ex., KEYNOTE-189, CheckMate-227)
Recommandations Guidées par Biomarqueurs :
- Lier les biomarqueurs spécifiques aux recommandations de thérapie
- Spécifier les méthodes de test et les essais validés
- Inclure l'état d'approbation FDA/EMA pour les diagnostics compagnons
Actionnabilité Clinique : Chaque recommandation doit avoir un guide de mise en œuvre clair
Clarté de l'Algorithme Décisionnel : Les diagrammes de flux TikZ doivent être sans ambiguïté avec des points décisionnels oui/non clairs
Populations Particulières : Aborder les personnes âgées, l'altération rénale/hépatique, la grossesse, les interactions médicamenteuses
Orientation de Surveillance : Spécifier les analyses de sécurité, les images et la fréquence
Fréquence de Mise à Jour : Dater les recommandations et prévoir des mises à jour périodiques

Bonnes Pratiques Générales

Résumé Exécutif de la Première Page (OBLIGATOIRE) :
- TOUJOURS créer un résumé exécutif complet en première page qui s'étend sur toute la première page
- Utiliser 3-5 éléments tcolorbox colorés pour mettre en évidence les constatations clés
- Pas de table des matières ni de sections détaillées en page 1
- Utiliser \thispagestyle{empty} et terminer par \newpage
- C'est la page la plus importante - elle doit être scanned en 60 secondes
Dé-identification : Supprimer les 18 identificateurs HIPAA avant la génération du document (méthode Safe Harbor)
Conformité Réglementaire : Inclure les avis de confidentialité pour les données pharmaceutiques propriétaires
Formatage Prêt pour la Publication : Utiliser des marges de 0,5 po, des polices professionnelles, des sections codées par couleur
Reproductibilité : Documenter toutes les méthodes statistiques pour permettre la réplication
Divulgation des Conflits d'Intérêts : Divulguer le financement pharmaceutique ou les relations applicables
Hiérarchie Visuelle : Utiliser les encadrés colorés de façon cohérente (bleu=données, vert=biomarqueurs, jaune/orange=recommandations, rouge=avertissements)

Références

Consulter le répertoire references/ pour des conseils détaillés sur :

Méthodes d'analyse et de stratification des cohortes de patients
Développement des recommandations de traitement
Algorithmes décisionnels cliniques
Classification et interprétation des biomarqueurs
Analyse des résultats et méthodes statistiques
Synthèse et systèmes de notation des preuves

Modèles

Consulter le répertoire assets/ pour les modèles LaTeX :

cohort_analysis_template.tex - Analyse de cohorte de patients stratifiée par biomarqueurs avec comparaisons statistiques
treatment_recommendation_template.tex - Directives de pratique clinique fondées sur des preuves avec notation GRADE
clinical_pathway_template.tex - Diagrammes d'algorithmes décisionnels TikZ pour le séquençage des traitements
biomarker_report_template.tex - Rapports de classification des sous-types moléculaires et de profil génomique
evidence_synthesis_template.tex - Synthèse systématique des preuves et résumés des méta-analyses

Caractéristiques des Modèles :

Marges de 0,5 po pour une présentation compacte
Encadrés de recommandations codés par couleur
Tableaux professionnels pour la démographie, les biomarqueurs et les résultats
Support intégré pour les courbes de Kaplan-Meier, les diagrammes en cascade et les diagrammes en forêt
Tableaux de notation des preuves GRADE
En-têtes de confidentialité pour les documents pharmaceutiques

Scripts

Consulter le répertoire scripts/ pour les outils d'analyse et de visualisation :

generate_survival_analysis.py - Génération de courbes de Kaplan-Meier avec tests du log-rank, rapports de risque instantané, IC 95%
create_waterfall_plot.py - Visualisation de la meilleure réponse pour les analyses de cohortes
create_forest_plot.py - Visualisation des analyses de sous-groupes avec intervalles de confiance
create_cohort_tables.py - Tableaux de démographie, fréquence des biomarqueurs et résultats
build_decision_tree.py - Génération de diagrammes de flux TikZ pour les algorithmes de traitement
biomarker_classifier.py - Algorithmes de stratification des patients par sous-type moléculaire
calculate_statistics.py - Rapports de risque instantané, régression de Cox, tests du log-rank, exact de Fisher
validate_cds_document.py - Vérifications de qualité et de conformité (HIPAA, normes de rapport statistique)
grade_evidence.py - Assistant d'évaluation GRADE automatisée pour les recommandations de traitement