P
PMCF Plan Completeness Checker
作者:注册老炮@MedXpert I SynomosAIv2
PMCF 计划完整性检查器 — PMCF 计划写了一半交上去,公告机构说缺方法缺终点缺统计考量,来回补件三个月(零依赖,确定性输出,rc=0/1/2,--json 机器可读)。
下载量
290
点赞
73
价格
免费
技能文档
--- name: pmcf-plan-check title: "PMCF Plan Completeness Checker" slug: pmcf-plan-check display_name: PMCF 计划完整性检查器 display_name_en: PMCF Plan Completeness Checker version: 1.0.1 agent_created: true author: SynomosAI license: MIT allowed-tools: Read, Glob, Grep, Bash, Write, Task category: medtech-reg platforms: [windows, macos, linux, cli] platform_compatibility: [windows, macos, linux] copyright: SynomosAI description: PMCF 计划完整性检查器 — PMCF 计划写了一半交上去,公告机构说缺方法缺终点缺统计考量,来回补件三个月(零依赖,确定性输出,rc=0/1/2,--json 机器可读)。 description_zh: "PMCF 计划完整性检查器:查 PMCF 计划是否缺方法/终点/统计考量,避免公告机构多次补件延期(零依赖,确定性 JSON IR,rc=0/1/2,--json)。" description_en: "Check PMCF plan completeness: methods, endpoints and statistical considerations, avoiding months of notified-body refill cycles (zero-dependency, deterministic JSON IR, rc=0/1/2, --json)." classification: skillhub: ["medtech-reg", "medical-device", "post-market"] clawhub: ["productivity", "development"] iso_25010: ["Functional suitability"] read_when: - PMCF 计划初稿缺关键方法定义/终点考量/统计分析,需避免公告机构多次补件 - 正式提交公告机构前快速校验文档是否具备完整合规要素 - 零依赖环境需确定性输出(rc=0/1/2)做自审查 risk_tier: medium risk_rationale: "调用 API/读写文件/本地执行,最小权限,密钥走 Secret;若实际涉对外代执行(push/发布/发送/上架)须人工复评,改 high 并走负责人批准。" tags: [pmcf-plan-check, 医疗器械合规, PMCF, medtech-reg] ai_protocol: true spec: usk/1.0 interface: type: cli entry_point: scripts/pmcf_plan_check.py runtime: python3 call_pattern: args output_schema: stdout: structured JSON IR exit_code: rc=0 ok / rc=1 warning / rc=2 bad input changelog: "1.0.1: Bilingual rewrite (EN-first) + read_when/classification; risk_rationale ref neutralized; 1.0.0 initial" --- > 凡自治之物 · LGD 治理学 · 创造术家族 | 评测协议:skill-quality-gate ## English # PMCF Plan Completeness Checker ## When to use When a PMCF plan draft is missing key method definitions, endpoint considerations, or statistical analysis, and you want to avoid months of notified-body refill cycles. Use in a zero-dependency environment that needs deterministic output (rc=0/1/2) for self-review before formal submission. ## How to use Run `python scripts/pmcf_plan_check.py --input plan.json --json --rc_level 1`. Use `--input_file` for the path, `--output_format json` for machine-readable results, and `--required_rc` to set the target compliance level. ## Workflow 1. Prepare the PMCF plan draft as input. 2. Run `python scripts/pmcf_plan_check.py` with correct args. 3. Read the rc code and listed missing items (deterministic, no randomness). 4. If non-zero, record gaps, fix the doc, and re-run. 5. Confirm final output is machine-readable and archive-ready. ## Evidence & safety - Evidence: TBD; Version: 1.0.1; Security: no independent scan (TBD). ## 中文 # PMCF 计划完整性检查器 ## 何时用 PMCF 计划初稿已完成但缺关键方法定义、终点考量或统计分析数据,需避免公告机构多次补件延期;零依赖环境需确定性输出(rc=0/1/2)做自审查时使用。 ## 用法 执行 `python scripts/pmcf_plan_check.py --input plan.json --json --rc_level 1`。`--input_file` 指定路径,`--output_format json` 取机器可读结果,`--required_rc` 设定目标合规等级。 ## 流程 准备计划草案 → 运行脚本传参校验 → 读 rc 码与缺失项清单(确定性)→ 非零则记录差异修复后重跑 → 确认机器可读可归档。 ## 证据与安全声明 - 证据:TBD;版本:1.0.1;安全:未做独立安全扫描(TBD)。
使用说明
# PMCF 计划完整性检查器 / PMCF Plan Completeness Checker
   
> `pmcf-plan-check` v1.0.0 · Zero-dependency · Deterministic output (JSON IR) · Receipt-style errors
**交公告机构之前,先用十条核心要素把 PMCF 计划过一遍秤。**
**EN**: Weigh your PMCF plan against ten core elements before the notified body does.
**关键词 / Keywords**: PMCF计划 MDCG 2020-7 MDCG 2019-8 上市后临床随访 CER 公告机构 补件
## Install & Try / 安装即试
```bash
mkdir -p ~/.claude/skills/pmcf-plan-check/scripts
curl -fsSL https://raw.githubusercontent.com/zhaoxinghua09-cell/agent-skills/main/skills/pmcf-plan-check/scripts/pmcf_plan_check.py -o ~/.claude/skills/pmcf-plan-check/scripts/pmcf_plan_check.py
python ~/.claude/skills/pmcf-plan-check/scripts/pmcf_plan_check.py --help
```
其他 Agent:`~/.config/opencode/skills/`、`~/.agents/skills/` 等同结构放置;cross-platform 对话内直接装。
## Usage / 用法
```bash
# 按字段逐项检查
python scripts/pmcf_plan_check.py --fields objectives=随访生存率变化 methods=文献+登记库 endpoints=并发症发生率 follow_up_period=24个月 statistical_plan=单臂目标值法 benefit_risk_linkage=是 pms_linkage=是 cer_update_trigger=年度 responsible_person=RA经理 timeline=2026Q4启动
# 或用 JSON 计划文件
python scripts/pmcf_plan_check.py --plan pmcf.json --json
```
## Sample output / 真机输出
```
$ pmcf_plan_check.py --plan pmcf.json
完整性 8/10(80%)
缺失:statistical_plan(统计考量)
存疑:follow_up_period 未含具体时长
建议补齐后重跑至 10/10 再提交公告机构。
```
## Exit codes & error receipts / 退出码与修复回执
- rc=0 ok / rc=1 findings / rc=2 usage
| 错误码 | 含义 | 建议修复 |
|---|---|---|
| PMCF_E_MISSING_FIELD | 核心要素缺失 | 按 README 要素表补齐对应字段 |
| PMCF_E_WEAK_FIELD | 字段有值但内容存疑(如随访期无数值) | 补充可核验的量化内容 |
| PMCF_E_NO_INPUT | 未提供 --plan 或 --fields | 任选其一提供计划内容 |
## FAQ
**检查通过等于公告机构认可吗?**
不等于。本工具核对的是 MDCG 2020-7/2019-8 提炼的核心要素完整性,公告机构还会审查方法学合理性。
**NMPA 侧能用吗?**
PMCF 概念源自 EU MDR;NMPA 上市后临床随访要求参照国内指导原则执行,本工具输出对两侧均为要素清单参考。
## Links / 快链
- 仓库: https://github.com/zhaoxinghua09-cell/agent-skills/tree/main/skills/pmcf-plan-check
- 家族门户: https://zhaoxinghua09-cell.github.io/lgd-hub/
- Issues: https://github.com/zhaoxinghua09-cell/agent-skills/issues
## Disclaimer / 免责
pmcf-plan-check 输出为确定性格式/结构判定与规则化建议,不构成法规意见、安全承诺或专业咨询;关键决策请人工复核并以官方最新要求为准。
License MIT © pmcf-plan-check authors. LGD-Powered badge: [定版真源](https://SynomosAI.cn/badge/powered/svg/lgd-powered-en.svg?v=84)
---
## License & attribution
**分层许可(务必并读;代码许可不覆盖文档与理论文本)**
- **代码**(本包 `.py` 文件):**MIT**
- **本 `README.md` / `SKILL.md` 及其中的理论文本、方法论与一切理论表述**:**不在 MIT 覆盖范围内**,保留所有权利(All rights reserved)
```
© 2026 SynomosAI. All rights reserved.
理论署名 (attribution) : LGD(Lifecycle Governance Doctrine / 全程治理论)— SynomosAI initiative
名称状态 (name status) : "SynomosAI" — 未申请实体注册、未申请商标注册
(not a registered legal entity; no trademark registered)
生产参考部署 (production reference, self-reported) : 无(未声明外部生产参考部署)
← 非认证、非背书、非监管认可(not a certification or endorsement)
代码许可 (code license) : 本包未附 LICENSE 文件(许可待定)
本文本与理论表述不在任何代码许可覆盖范围内
引用格式 (cite as) : 本资产无 DOI
```
(上列为《LGD 对外表述规范》§3.2 统一块,**整体复制、未删改**;发布/重提前须照最新版本复核。)支持平台:Qoder · QoderWork · Claude · Codex 等 AI 编程助手