case-summary

par nvidia

Préparer un résumé clinique complet d’un patient à partir des endpoints FHIR. Utiliser lorsqu’on demande de résumer un patient, de compiler un dossier, ou de préparer une réunion de tumor board.

npx skills add https://github.com/nvidia/dgx-spark-playbooks --skill case-summary

Prepare a complete case summary for $ARGUMENTS

Use your fhir-basics skill to query the FHIR endpoints. Use your clinical-knowledge skill to flag abnormal values and identify relevant clinical context.

Steps

  1. Find the patient -- Query GET /Patient?name={name}&_count=5 or GET /Patient?_count=1 for "first patient". Extract id, full name, birthDate, gender.

  2. Get active conditions -- Query GET /Condition?patient={id}&clinical-status=active. Extract each condition's display name, SNOMED/ICD code, onset date, and verification status. Also query for resolved conditions and list them separately (they provide clinical history context).

  3. Get recent labs -- Query GET /Observation?patient={id}&category=laboratory&_sort=-date&_count=50. "Recent" means the most recent value for each distinct LOINC code within the past 12 months. For each lab, report: name, value, unit, date, and whether it's normal/abnormal per the clinical-knowledge skill. If the Observation includes a referenceRange, use that for flagging.

  4. Get recent vitals -- Query GET /Observation?patient={id}&category=vital-signs&_sort=-date&_count=20. For blood pressure, handle the component Observation format (LOINC 85354-9 panel with systolic/diastolic in component[]). Report the most recent BP, heart rate, BMI, temperature.

  5. Get current medications -- Query GET /MedicationRequest?patient={id}&status=active. For each medication, report: drug name, dosage text, and drug class (per clinical-knowledge skill). Organize by drug class when possible.

  6. Get recent encounters (optional but adds context) -- Query GET /Encounter?patient={id}&_sort=-date&_count=5. Report type, date, and reason if available. This shows how recently the patient was seen.

  7. Compile the case summary with these sections:

    • Demographics: Name, age (calculated from birthDate), gender, address if available
    • Active Conditions: With codes and onset dates
    • Resolved Conditions (if any): Brief list for clinical history
    • Recent Labs: Grouped by category (metabolic, lipids, renal, hematology), abnormal values highlighted
    • Recent Vitals: Most recent BP, HR, BMI
    • Current Medications: With drug class annotations
    • Clinical Flags: Any abnormal values, potential care gaps (e.g., diabetic patient without A1c in 12 months, hypertensive with uncontrolled BP), or comorbidity patterns worth noting
  8. Disclaimer: "This summary is auto-generated from FHIR data for research and operational use. Verify all information before clinical decision-making."

Output Format

============================================================
PATIENT CASE SUMMARY
============================================================
Generated: {date/time}
Source: {FHIR endpoint URL}

DEMOGRAPHICS
  Name:     {full name}
  Age:      {age} years (DOB: {birthDate})
  Gender:   {gender}

ACTIVE CONDITIONS ({count})
  1. {display} (SNOMED {code}) -- onset {date}
  2. ...

RESOLVED CONDITIONS ({count})
  1. {display} -- resolved

RECENT LABS (most recent per test, past 12 months)
  Metabolic:
    HbA1c:          {value}% ({date})     ⚠ ABOVE TARGET (>7.0%)
    Fasting Glucose: {value} mg/dL ({date}) -- Normal
  Renal:
    Creatinine:     {value} mg/dL ({date}) -- Normal
    eGFR:           {value} mL/min ({date}) -- Normal
  Lipids:
    LDL:            {value} mg/dL ({date})  ⚠ ELEVATED (>100)
    ...

RECENT VITALS
  Blood Pressure: {systolic}/{diastolic} mmHg ({date})
  Heart Rate:     {value} bpm ({date})

CURRENT MEDICATIONS ({count})
  Diabetes:
    - Metformin 1000mg twice daily
  Antihypertensive:
    - Lisinopril 20mg daily
  Statin:
    - Atorvastatin 40mg daily

CLINICAL FLAGS
  ⚠ HbA1c 9.2% indicates poor glycemic control (CMS122 gap)
  ⚠ LDL 165 mg/dL above target for diabetic patient
  ✓ On statin therapy (appropriate for diabetes + elevated LDL)
  ✓ On ACE inhibitor (appropriate for diabetes + hypertension)

============================================================
Disclaimer: This summary is auto-generated from FHIR data
for research and operational use. Verify all information
before clinical decision-making.
============================================================

Plus de skills de nvidia

compileiq-debug
nvidia
Utilisez quand quelque chose ne va pas : Search() bloque, toutes les évaluations retournent INVALID_SCORE, les scores ne s'améliorent pas, chaque configuration retourne le même nombre, erreurs ptxas…
create-github-pr
nvidia
Créer des pull requests GitHub en utilisant l'interface en ligne de commande gh. Utiliser lorsque l'utilisateur souhaite créer une nouvelle PR, soumettre du code pour révision, ou ouvrir une pull request. Mots-clés de déclenchement -…
nemoclaw-maintainer-cross-issue-sweep
nvidia
Analyse les autres problèmes ouverts pour trouver ceux qu’une PR donnée pourrait également corriger ou casser accidentellement. Génère des opportunités de correctifs adjacents et des risques de contradiction avec fichier:ligne…
fhir-basics
nvidia
Apprend aux agents comment fonctionnent les API FHIR R4, quelles ressources sont disponibles, comment les interroger avec des paramètres de recherche, et comment analyser correctement tous les formats de réponse…
compileiq-validate-result
nvidia
Utiliser APRÈS qu'une recherche soit terminée et AVANT de réclamer un accélérateur ou d'expédier un ACF. Charge le CSV dump_results, extrait les K meilleurs candidats (mono-objectif)…
changelog-audit
nvidia
Auditer le CHANGELOG.md de Warp avant une publication : récupérer les entrées perdues, trier par impact utilisateur, affiner le langage des entrées, ajuster les retours à la ligne et (en mode branche de publication) mettre à jour la comparaison…
maintain-dynamic-plugins
nvidia
Maintenir les chargeurs de plugins dynamiques NeMo Relay, les manifestes, les SDK natifs Rust, le protocole worker gRPC, le SDK worker Python, la documentation, les tests et la couverture du workflow de publication
dgx-diagnose
nvidia
Diagnostiquer les problèmes courants du DGX Station GB300 — plantages CUDA, ciblage incorrect du GPU, bugs de conteneur vLLM/SGLang, problèmes d'état MIG, erreurs NVLink/Fabric Manager,…