neptun2000/heor-agent-mcp

neptun2000/heor-agent-mcp

от neptun2000
HEORAgent – MCP сервер для фармкомпаний и CRO. Автоматизирует обзор литературы (44 источника), оценку риска смещений, CEA/BIA моделирование и подготовку HTA досье для NICE, EMA, FDA. Упрощает HEOR-...

HEORAgent MCP Server

npm version license node Try in ChatGPT Web UI EU AI Pact AI Transparency

AI-powered Health Economics and Outcomes Research (HEOR) agent as a Model Context Protocol server.

Try it now → HEORAgent on ChatGPT (ChatGPT Plus / Team) · Web UI (Claude, BYOK) · npx heor-agent-mcp for Claude Desktop / Claude Code

Automates literature review across 44 data sources, risk of bias assessment (RoB 2 / ROBINS-I / AMSTAR-2), EQ-5D value set impact estimation, state-of-the-art cost-effectiveness modelling, HTA dossier preparation for NICE / EMA / FDA / IQWiG / HAS / EU JCA, and a persistent project knowledge base — all callable as MCP tools from Claude.ai, Claude Code, and any MCP-compatible host.

Built for pharmaceutical, biotech, CRO, and medical affairs teams who need rigorous, auditable HEOR workflows without building infrastructure from scratch.


First 60 seconds

Verify your install works before wiring it into Claude / Cursor / Continue. Open two terminal tabs:

Tab 1 — start the server in HTTP mode:

MCP_HTTP_PORT=8080 npx heor-agent-mcp@latest

You should see:

Инструменты были проиндексированы:
epidemiology.extractтолько чтениеидемпотентный

Строит структурированную таблицу эпидемиологических данных (страна × распространенность × заболеваемость × определение × год) на основе строк, извлеченных агентом. Применяет явную иерархию качества источников (IHME GBD/WHO > национальное исследование/регистр > систематический обзор > отдельное наблюдательное исследование) и систему оценки по контрольному списку исследований распространенности Hoy et al. 2012 / JBI. Используйте после literature_search (с literature_search_plan) и screen_abstracts для описательной эпидемиологии - заменяет risk_of_bias для обзоров распространенности/заболеваемости. Передавайте по одной строке на страну/источник; инструмент ранжирует предпочтительные оценки по каждой стране.

Параметры
  • conditionstring
  • output_formatenum
  • rowsobject[]обязательный
  • target_countriesstring[]

    Ожидаемые страны (например, список EU-5) - отсутствующие страны отмечаются в выводе

evidence.claim_registry

Создаёт утверждения по доказательствам однократно и ссылается на них по ID во всех результатах работы (досье, публикации, материалы для плательщиков). Утверждение - это единое истинное утверждение - ICER, оценка эффекта, распространённость - сохраняемое в базе знаний проекта. Действия: 'upsert' (создаёт или обновляет утверждение; идентификатор автоматически выводится из утверждения, если не указан), 'list', 'get', 'remove' и 'import' (автоматически регистрирует утверждения из результата инструмента - передайте import_from {source_tool, result} со структурированным выводом models.cost_effectiveness (→ ICER, incremental QALYs, incremental cost) или models.budget_impact (→ net budget impact); реестр заполняется автоматически вместо ручных upsert). Каждое утверждение содержит numeric_value + value_display + unit + keywords (якоря, используемые evidence.consistency_check для поиска утверждения в тексте) + citation + source_tool/run для происхождения + status (draft/verified/superseded). Требует существующий проект (project.create). Сочетается с evidence.consistency_check (обнаруживает расхождения между документами) и publication.draft (повторно использует утверждения). Значения перечисления нечувствительны к регистру.

Параметры
  • actionenumобязательный
  • ai_disclosure_levelenum
  • claimobject
  • claim_idstring

    Для 'get' / 'remove'.

  • import_fromobject

    Для 'import': автоматически извлекает утверждения из результата работы инструмента. source_tool ∈ {models.cost_effectiveness, models.budget_impact}; result = структурированный вывод этого инструмента (объект model_results / content).

  • project_idstringобязательный
evidence.clinical_scaleтолько чтениеидемпотентный

Оценивает шкалы неврологических и когнитивных исходов (UMSARS/UPDRS/MDS-UPDRS/ADAS-Cog/MoCA/MMSE). Возвращает суммарные баллы и баллы по подшкалам, классификацию респондеров на основе MCID и сравнение траектории с референтными когортами NNIPPS/PPMI/ADNI. Интегрируется с jca_pico_scope для категорий показаний MSA (neurology_msa, orphan Phase 2 2028)/PD (neurology_pd)/AD (neurology_ad).

Параметры
  • baseline_itemsobject[]

    Необязательно: исходные показатели для анализа изменения от исходного уровня и анализа ответивших на лечение.

  • compare_cohortenum

    Естественно-историческая референтная когорта для сравнения траекторий. nnipps=MSA, ppmi=PD, adni=AD.

  • itemsobject[]обязательный

    Оценки по каждому пункту. Укажите все пункты для полной оценки или подмножество для частичной оценки с примечанием.

  • scaleenumобязательный

    Шкала клинических исходов: umsars | updrs | mds_updrs | adas_cog | moca | mmse

  • time_point_monthsnumber

    Временная точка в месяцах от исходного уровня (используется для сравнения траекторий).

evidence.confounder_expert_templateтолько чтениеидемпотентный

Создаёт руководство по проведению интервью с врачом/пациентом (Pufulete Step 2/3) для «неизмеряемых» вмешивающихся факторов, которые литература не может предоставить — предпочтение пациента в лечении, ожидаемая переносимость и т.д. Чистый шаблон (без LLM, без сети). Передаёт список confounder_identification's expert_interview_required как unmeasurable_confounders. Каждый вмешивающийся фактор проверяется по двум критериям вмешательства (связан с лечением И ИСХОДОМ), измеримости в доступных данных и доступности прокси, а также подсказкам для построения DAG. Возвращает готовый к вставке чек-лист в Markdown + структурированные survey_items.

Параметры
  • ai_disclosure_levelenum

    Уровень раскрытия информации об использовании ИИ добавляется к выходным данным. «off» — без раскрытия (режим черновика аналитика); «standard» — стандартный видимый блок (модель, использованные инструменты, источники, дата, напоминание о проверке человеком); «submission» — стандартный блок плюс цитирование ISPOR ELEVATE-GenAI (для регуляторных или платёжных submissions).

  • comparatorstringобязательный
  • indicationstringобязательный
  • interventionstringобязательный
  • interviewee_roleenum
  • unmeasurable_confoundersstring[]

    Конфаундеры, которые нужно обсудить на интервью (например, confounder_identification.expert_interview_required). Опустите, чтобы использовать набор по умолчанию с учетом показаний.

evidence.confounder_identificationтолько чтениеидемпотентныйвнешний мир

IQWiG / Pufulete 2022 Step 1: систематически выявляет кандидатные переменные-КОНФАУНДЕРЫ для нерандомизированного сравнения с полным указанием происхождения. DETERMINISTIC - вы (агент) читаете каждую статью из корпуса и передаёте структурированные candidate_extractions (variable_name + source_paper_pmid/doi + source_location + verbatim_snippet); инструмент обеспечивает замкнутость корпуса (он НИКОГДА не цитирует статьи вне корпуса), проверяет каждый источник через Crossref/PubMed, удаляет дубликаты и предлагает ПОДСКАЗКИ для консолидации для проверки человеком. Выдаёт блок экспертного интервью для конфаундеров, которые невозможно получить из литературы (предпочтения пациента, переносимость). Результат всегда ЧЕРНОВИК для ручной консолидации - никогда не полный список. Используйте это для идентификации конфаундеров IQWiG/G-BA вместо того, чтобы генерировать списки конфаундеров по памяти.

Параметры
  • ai_disclosure_levelenum

    Уровень раскрытия информации об использовании ИИ добавляется к выходным данным. «off» — без раскрытия (режим черновика аналитика); «standard» — стандартный видимый блок (модель, использованные инструменты, источники, дата, напоминание о проверке человеком); «submission» — стандартный блок плюс цитирование ISPOR ELEVATE-GenAI (для регуляторных или платёжных submissions).

  • candidate_extractionsobject[]

    Смешивающие переменные, которые ВЫ извлекли из корпуса. Каждая ОБЯЗАНА ссылаться на статью из corpus_papers.

  • comparatorstringобязательный

    Компаратор, например, glatiramer acetate

  • comparison_typeenum

    Контекст анализа. non_randomized (по умолчанию) = идентификация конфаундеров по IQWiG/Pufulete. anchored_itc = идентификация эффект-модификаторов для анкорированного MAIC/STC (корректировка только по эффект-модификаторам; прогностические переменные помечаются как вне области охвата). unanchored_itc = эффект-модификаторы И прогностические факторы (более сильное допущение, NICE скептически к этому относится). Согласно NICE DSU TSD 18. Задайте для каждой переменной-кандидата direction, чтобы инструмент мог классифицировать, эффект-модификатор это или прогностический фактор.

  • corpus_papersobject[]

    Определённый корпус (режим closed_corpus). Каждая статья: {pmid?, doi?, title, year?, abstract?, full_text_sections?}. Необходимо передать full_text_sections (из literature_fulltext), чтобы инструмент мог проверить source_location каждого кандидата по реальному заголовку раздела или таблицы.

  • indicationstringобязательный

    Показание, например, ремиттирующий рассеянный склероз.

  • interventionstringобязательный

    Вмешательство, например, диметилфумарат

  • literature_sourcesstring[]

    Источники для режима open_search (передаются в literature_search).

  • modeenum

    closed_corpus (по умолчанию): цитируются только статьи, переданные в corpus_papers. open_search: инструмент запускает literature_search + screen_abstracts и фиксирует отобранный набор как корпус.

  • outcomestring

    Необязательный первичный исход.

  • populationstring

    Необязательное уточнение популяции

  • project_idstring

    Необязательно: также загрузите корпус из хранилища raw/literature рабочей области проекта.

  • runsnumber

    Поиск выполняется в режиме open_search (1-3, по умолчанию для стабильности).

evidence.consistency_checkтолько чтениеидемпотентный

Обнаруживает расхождение (дрейф) утверждений о доказательствах между разными документами (HTA-досье, публикация, материалы для плательщиков GVD/AMCP). Загружает утверждения из реестра проекта (project_id) и/или принимает утверждения прямо в тексте, затем сканирует текст каждого переданного документа и отмечает те места, где рядом с ключевыми словами утверждения стоит ДРУГОЕ число (дрейф — например, ICER, который вы обновили в модели, но не в досье), или где утверждение отсутствует. Возвращает матрицу «утверждение × документ», список дрейфующих утверждений и детали по каждому найденному расхождению. Привязка к ключевым словам + числовая проверка: ловит дрейф чисел рядом с ключевыми словами утверждений, а не перефразированные утверждения — результат «обнаружено соответствие» необходим, но недостаточен. Работает вместе с evidence.claim_registry. Чистое обнаружение по переданному пользователем тексту.

Параметры
  • ai_disclosure_levelenum
  • claim_idsstring[]

    Необязательно: ограничьте проверку этими claim id.

  • claimsobject[]

    Встроенные утверждения (переопределяют утверждения реестра с тем же id).

  • deliverablesobject[]обязательный

    Документы для проверки, каждый в формате {name, text}.

  • project_idstring

    Загружает claims из реестра этого проекта. Необязательно, если claims переданы в запросе.

evidence.gap_analysisтолько чтениеидемпотентный

Создаёт интегрированный план генерации доказательств (iEGP). Оценивает базу доказательств по доменам HEOR (epidemiology, disease_burden, clinical_efficacy, comparative_effectiveness, safety, economic_cea, budget_impact, hrqol_utilities, adherence, unmet_need, patient_experience) — каждый со статусом (robust/limited/absent/discordant) — и инструмент возвращает пробелы, рекомендуемую активность для генерации данных по каждому пробелу, инструмент, который её реализует, результат, который она разблокирует, и план с приоритетом по серьёзности (пробелы в критически важных для принятия решений доменах в выбранном контексте получают повышенный приоритет). Опционально можно включить discordant_outcomes / single_source_outcomes из evidence.triangulation. Возвращает показатель готовности (% доменов со статусом robust) и приоритезированный план закрытия пробелов. Используйте после прохода SLR/триангуляции, чтобы решить, какие данные генерировать дальше, и для наполнения результата iEGP. Сочетается с rwe.method_select (как заполнить пробел) и workflow.living_evidence (сквозной процесс). Чистая логика; значения перечислений регистронезависимы.

Параметры
  • ai_disclosure_levelenum
  • decision_contextenum
  • discordant_outcomesstring[]

    Исходы, помеченные как несогласованные методом evidence.triangulation.

  • domainsobject[]обязательный

    Состояние доказательной базы по доменам.

  • indicationstringобязательный
  • interventionstringобязательный
  • single_source_outcomesstring[]

    Исходы при наличии только доказательств RCT или только доказательств RWE.

evidence.indirectтолько чтениеидемпотентный

Вычисляет косвенные сравнения лечения методом Бюхера (один общий компаратор) или частотным сетевым мета-анализом (полная сеть). Требует от пользователя значений эффекта (точечная оценка + 95% ДИ) из опубликованных испытаний. Поддерживает MD, OR, RR, HR. Автоматически выбирает метод по структуре сети. Когда в сети есть и прямые данные A против C, автоматически проверяет гипотезу согласованности Бюхера (z = (прямая − косвенная) / SE_diff) по NICE DSU TSD 18 / Cochrane 11.4.3 — помечает |z|≥1,96 как «существенная несогласованность», чтобы агент мог предупредить пользователя, прежде чем опираться на косвенную оценку.

Параметры
  • comparisonsobject[]обязательный

    Прямые сравнения с размерами эффекта. Требуется минимум два исследования с общим компаратором. Запросите у пользователя: точечную оценку, 95% ДИ, название исхода и меру эффекта (MD/OR/RR/HR) для каждого исследования.

  • decisionsobject[]

    Методологические решения, принятые в разговоре (выбор источника, выбор компаратора, критерии скрининга, структура модели...). Каждая запись фиксирует выбор, обоснование (почему), отклонённые альтернативы и того, кто принял решение. Встраивается в audit trail Decision Log и, когда указан проект, добавляется к wiki/decisions.md для переиспользования в последующих сессиях. Инструменты никогда не придумывают решения, а только передают то, что пользователь принял или подтвердил. Design log #52.

  • methodenum

    auto (по умолчанию): Bucher для простых путей, Frequentist NMA для 3+ рёбер. Или принудительно задайте конкретный метод.

  • targetobject

    Необязательно: конкретное сравнение для вычисления. Если не указано, вычисляются все возможные попарные сравнения.

evidence.itcтолько чтениеидемпотентный

Оценивает осуществимость непрямого сравнения лечения (ITC), проверяя три ключевых допущения (взаимозаменяемость, однородность, согласованность) и рекомендуя подходящий метод: прямое сравнение, Bucher, полный NMA, привязанный MAIC/STC, непривязанный MAIC/STC, ML-NMR, NMR/мета-регрессия подгрупп или неосуществимо. Ссылается на Cope 2014 (BMC Med), NICE DSU TSD 18 (Phillippo), Signorovitch 2023 (J Dermatol Treatment) и Cochrane Handbook гл. 10-11. Используйте это ПЕРЕД запуском evidence.indirect или evidence.population_adjusted для выбора правильного метода.

Параметры
  • connected_networkbooleanобязательный

    Истинно, если существует связная сеть доказательств, связывающая интересующие методы лечения через как минимум одного общего компаратора.

  • decisionsobject[]

    Методологические решения, принятые в разговоре (выбор источника, выбор компаратора, критерии скрининга, структура модели...). Каждая запись фиксирует выбор, обоснование (почему), отклонённые альтернативы и того, кто принял решение. Встраивается в audit trail Decision Log и, когда указан проект, добавляется к wiki/decisions.md для переиспользования в последующих сессиях. Инструменты никогда не придумывают решения, а только передают то, что пользователь принял или подтвердил. Design log #52.

  • effect_modifier_imbalanceenum

    Степень дисбаланса выявленных модификаторов эффекта между популяциями испытаний. По умолчанию: 'unknown'.

  • effect_modifiers_identifiedboolean

    True, если модификаторы эффекта выявлены на основе клинических данных или обзора литературы. По умолчанию false.

  • h2h_availableboolean

    True, если хотя бы одно head-to-head РКИ напрямую сравнивает методы лечения. По умолчанию false.

  • heterogeneity_i2_pctnumber

    Необязательно: статистика I² (%) по исследованиям одного и того же сравнения. Если она отсутствует, однородность оценивается качественно.

  • ipd_available_for_interventionboolean

    Истина, если индивидуальные данные пациентов (IPD) доступны из исследования спонсора. По умолчанию ложь.

  • n_studies_per_comparisonnumber

    Необязательно: минимальное количество исследований для каждого парного сравнения. Определяет выбор между Bucher (k=1) и NMA (k≥2).

  • outcome_typeenum

    Тип первичного исхода - определяет рекомендации по оценщику.

  • subgroup_data_availableboolean

    True, если данные по подгруппам доступны в сравнительных испытаниях для корректировки. По умолчанию false.

evidence.networkтолько чтениеидемпотентный

Анализирует результаты поиска литературы для построения карты сети доказательств. Извлекает пары вмешательство-сравнение из заголовков и рефератов, строит сеть сравнения лечения и оценивает выполнимость NMA (сетевого мета-анализа). Передайте массив результатов из предыдущего вызова literature.search.

Параметры
  • querystring

    Исходный поисковый запрос (необязательно, для контекста)

  • resultsobject[]обязательный

    Массив объектов LiteratureResult из предыдущего вызова literature.search (используйте output_format='json').

evidence.population_adjustedтолько чтениеидемпотентный

⚠️ ЭКСПЕРИМЕНТАЛЬНО / только для ориентировки. Приблизительное косвенное сравнение с поправкой на популяцию на основе сводной статистики (среднее, SD по каждой ковариате). Настоящий MAIC/STC по NICE DSU TSD 18 требует индивидуальных данных пациентов (IPD) для одного испытания. Этот инструмент завышает SE косвенного сравнения Бюхера на основе дисбаланса ковариат (штраф ESS в стиле MAIC) и применяет простую линейную корректировку на основе стандартизированных средних различий (в стиле STC). Точечные оценки следует считать приблизительными — не готовыми к подаче. Для окончательного анализа используйте IPD с регрессионной моделью исходов.

Параметры
  • decisionsobject[]

    Методологические решения, принятые в разговоре (выбор источника, выбор компаратора, критерии скрининга, структура модели...). Каждая запись фиксирует выбор, обоснование (почему), отклонённые альтернативы и того, кто принял решение. Встраивается в audit trail Decision Log и, когда указан проект, добавляется к wiki/decisions.md для переиспользования в последующих сессиях. Инструменты никогда не придумывают решения, а только передают то, что пользователь принял или подтвердил. Design log #52.

  • effect_modifiersstring[]обязательный

    Названия ковариат, модифицирующих эффект (должны присутствовать в ковариатах обоих испытаний)

  • index_trialobjectобязательный

    Испытание с данными для перевзвешивания (испытание, которое вы хотите скорректировать).

  • methodenum

    auto (по умолчанию): MAIC, если модификаторов >=2 и N>=50, иначе STC.

  • outcome_namestring

    Название сравниваемого исхода (например, «изменение HbA1c»)

  • output_formatenum
  • projectstring

    Project ID для сохранения

  • target_trialobjectобязательный

    Испытание, популяция которого соответствует целевой группе.

evidence.risk_of_biasтолько чтениеидемпотентный

Оценивает риск систематической ошибки для набора исследований с помощью соответствующего инструмента Cochrane: RoB 2 (РКИ), ROBINS-I (обсервационные исследования) или AMSTAR-2 (систематические обзоры/мета-анализы). Инструмент определяется автоматически на основе study_type или может быть задан явно. Суждения выводятся из текста аннотации — домены с недостаточным описанием помечаются как Unclear. Возвращает таблицу по каждому исследованию и объект rob_results для передачи в hta_dossier_prep для последующей GRADE-оценки на основе доказательств. Параметр studies принимает как один объект, так и массив; одиночные значения автоматически оборачиваются в массив. Значения enum нечувствительны к регистру — "RoB2"/"rob2", "AUTO"/"auto" — всё сработает.

Параметры
  • instrumentenum

    Инструмент оценки. auto (по умолчанию) определяет по study_type. rob2 для РКИ, robins_i для наблюдательных исследований, amstar2 для систематических обзоров.

  • outcomesstring[]

    Интересующие результаты для контекстной оценки домена (необязательно)

  • output_formatenum
  • studiesobject[]обязательный

    Массив объектов исследования из screen_abstracts или literature_search (output_format='json')

evidence.survivalтолько чтениеидемпотентный

Подгоняет параметрические распределения выживаемости (экспоненциальное, Вейбулла, логистическое, логнормальное, Гомпертца) к данным о времени до события на уровне пациентов (предпочтительный вариант — точное цензурированное ММП по Collett 2015 / NICE DSU TSD 14) либо к суммарным ступенчатым данным Каплана-Мейера (устаревшая аппроксимация, используется, когда доступна только оцифрованная кривая КМ из публикации). Возвращает таблицу сравнения моделей по AIC/BIC и таблицу экстраполяции. Укажите РОВНО ОДИН из параметров: event_data (строки на уровне пациентов) или km_data (таблица КМ).

Параметры
  • ai_disclosure_levelenum

    Уровень раскрытия информации об использовании ИИ. «off» = без раскрытия; «standard» = по умолчанию (модель/инструменты/источники/дата + напоминание о проверке человеком); «submission» = добавляет ссылку на ISPOR ELEVATE-GenAI. По умолчанию зависит от инструмента.

  • endpointstring

    Имя конечной точки (например, 'OS', 'PFS', 'DFS'). По умолчанию: 'OS'.

  • event_dataobject[]

    Строки времени до события на уровне пациента (ПРЕДПОЧТИТЕЛЬНО - истинный MLE согласно NICE DSU TSD 14). Каждая строка: { time, event }, где event=1 означает наблюдаемое событие, event=0 - цензурирование справа. Требуется как минимум 5 строк.

  • km_dataobject[]

    Ступенчатые сводные точки данных Каплана-Мейера (УСТАРЕВШЕЕ приближение; используйте event_data, когда доступны данные на уровне пациентов). Требуется минимум 3. Извлекайте из опубликованных кривых KM или отчётов об испытаниях.

  • output_formatenum
  • projectstring

    Project ID для сохранения

  • time_unitenum

    Единица измерения времени для данных KM (по умолчанию: месяцы)

evidence.triangulationтолько чтениеидемпотентный

Триангулирует данные РКИ и реальной клинической практики по каждому исходу. Для каждого исхода предоставляется: что показывают рандомизированные испытания (rct) и что — данные реального мира (rwe) — каждое как направление пользы (favors: intervention/comparator/no_difference) плюс опциональная точечная оценка + мера. Инструмент классифицирует согласованность (concordant / discordant / partial / single-source), а когда обе базы дают оценку по ОДНОЙ И ТОЙ ЖЕ мере — больше ли эффект в реальной практике (LARGER: долгосрочное применение, широкие гетерогенные популяции) или меньше (SMALLER: разрыв эффективность–результативность), с нормализацией знака по benefit_direction, так что 'larger' всегда означает большую пользу. Возвращает таблицу согласованности по исходам, ключевое сообщение по каждому исходу, общее утверждение о триангуляции и сводку согласованности. Используйте, чтобы собрать раздел досье «литературный обзор РКИ и РКП — ключевое сообщение по каждому релевантному исходу» или проверить, подтверждают ли данные реальной практики эффективность по данным испытаний перед подачей. РКП рассматривается как дополнение к РКИ, а не замена. Чистая логика, без внешних вызовов; значения перечислений регистронезависимы.

Параметры
  • ai_disclosure_levelenum

    Уровень раскрытия информации об использовании ИИ. «off» = без раскрытия; «standard» = стандартный; «submission» = добавляет цитирование ISPOR ELEVATE-GenAI.

  • indicationstringобязательный
  • interventionstringобязательный
  • magnitude_tolerancenumber

    Относительный допуск для того, чтобы называть две оценки эффекта «похожими» (0.15 = в пределах 15%).

  • outcomesobject[]обязательный
evidence.unmet_needтолько чтениеидемпотентный

Генерирует структурированную секцию unmet need для досье HTA (NICE STA, EMA, FDA, IQWiG, HAS, JCA, GVD, AMCP). Только потребление: сначала извлекает данные с помощью literature_search, затем передаёт только цитируемые факты по четырём измерениям HEOR — бремя болезни, ландшафт лечения, влияние на качество жизни, экономическое бремя. По умолчанию (auto_check_regulatory=true) автоматически проверяет текущий регуляторный статус компараторов в treatment_landscape.current_soc через базы первичных источников (OpenFDA/EMA EPI) и вставляет дословные цитаты из инструкций с автонумерованными ссылками. Корректно обрабатывает ошибки API — никогда не блокирует вывод досье. Установите auto_check_regulatory:false, чтобы пропустить. Создаёт стандартизированную markdown-секцию плюс один абзац unmet_need_summary для последующих инструментов. Передайте unmet_need_summary в hta_dossier(unmet_need_summary:...), чтобы предзаполнить NICE Section B (unmet need) или GVD Section 4. Лог дизайна #23 + #26.

Параметры
  • auto_check_regulatoryboolean

    Когда true (по умолчанию), автоматически запускает regulatory.status_check для каждого препарата в treatment_landscape.current_soc × inferred regions. Встраивает дословные цитаты из маркировки в текст с автоматически нумерованными ссылками. Установите false, чтобы пропустить (поведение до v1.10.1). Design log #26.

  • disease_burdenobject

    Эпидемиологические данные для показания

  • drugstringобязательный

    Название лекарства или вмешательства

  • economic_burdenobject

    Прямое и косвенное экономическое бремя болезни

  • indicationstringобязательный

    Заболевание/состояние, которое лечится

  • jurisdictionsenum[]обязательный

    Целевой(ые) рынок(ки) для этой оценки неудовлетворённых потребностей

  • literature_evidenceobject[]

    Необязательно: передайте сюда результаты literature_search, чтобы включить их в качестве подтверждающих материалов.

  • qol_impactobject

    Влияние на качество жизни, связанное со здоровьем, по оценке пациентов

  • treatment_landscapeobject

    Текущий стандарт медицинской помощи и его ограничения. Используйте только доказательства, полученные через literature_search или другие проверенные источники. Утверждения о регуляторном статусе или одобрении должны подкрепляться актуальной маркировкой или ссылками на регуляторные документы; если подтверждения нет, лучше опустить, чем домысливать.

examplesтолько чтениеидемпотентный

Получает предварительно заполненный JSON-ввод, готовый к копированию и запуску, для любого из инструментов с большой схемой (cost_effectiveness_model, budget_impact_model, survival_fitting, population_adjusted_comparison, evidence_indirect). Используйте, когда хотите продемонстрировать инструмент, но не хотите придумывать ввод с нуля - пример можно редактировать, чтобы изменить названия вмешательств, затраты, популяции и т.д. перед вызовом самого инструмента.

Параметры
  • toolenum

    Инструмент, для которого нужно получить пример. Не указывайте, чтобы вывести список всех доступных примеров.

governance.self_checkтолько чтениеидемпотентный

Оценивает AI-ассистированный рабочий процесс HTA/HEOR по 6 аспектам управления (прозрачность, проверка цитирования, контроль человека, обработка PHI/данных, предвзятость и справедливость, аудируемость), каждый из которых привязан к проверенным доменам отчетности ELEVATE-GenAI (ISPOR Working Group on Generative AI, Value in Health 2025). Два режима: 'describe' (описание рабочего процесса в свободной форме + структурированные запросы - пустой запрос получает оценку 'insufficient', никогда не 'pass') и 'audit_record' (передать предыдущий HEORAgent AuditRecord для автоматического вывода прозрачности/цитирования/аудируемости). Возвращает оценочную карту Red/Amber/Green/Insufficient, вердикт, зависящий от варианта использования ('любой Red блокирует готовность к отправке'), индивидуальные меры по смягчению, сводку governance_summary для передачи и блок раскрытия ELEVATE. Только подмножество управления - не оценивает домены оценки модели ELEVATE (устойчивость, калибровка, развертывание/эффективность). Дизайн-лог #34.

Параметры
  • ai_disclosure_levelenum

    Уровень раскрытия информации об использовании ИИ добавляется к выходным данным. «off» — без раскрытия (режим черновика аналитика); «standard» — стандартный видимый блок (модель, использованные инструменты, источники, дата, напоминание о проверке человеком); «submission» — стандартный блок плюс цитирование ISPOR ELEVATE-GenAI (для регуляторных или платёжных submissions).

  • audit_recordobject

    Предыдущая запись AuditRecord от HEORAgent (режим audit_record). Автоматически выводит прозрачность/цитирование/аудируемость.

  • contextobject
  • modeenum

    'describe' = оценить workflow_description + probes; 'audit_record' = автоматически получить из HEORAgent AuditRecord.

  • probesobject

    Один пробник на измерение. Каждый имеет вид {answer: 'yes'|'no'|'partial'|null, detail?}. Отсутствие или null → оценивается как 'insufficient' (никогда не засчитывается).

  • workflow_descriptionstring

    Описывает в свободной форме рабочий процесс с ИИ-помощью: что делает ИИ и куда попадает его результат.

hta.dossierтолько чтениеидемпотентный

Структурирует доказательства в формат подачи заявки для конкретного органа HTA (NICE STA, EMA, FDA, IQWiG, HAS, EU JCA или Global Value Dossier). Создает черновики разделов с анализом пробелов и таблицами качества доказательств auto-GRADE. Принимает выходные данные от literature.search и models.cost_effectiveness. Значения перечисления не чувствительны к регистру — "NICE"/"nice", "STA"/"sta" и т.д. — все работают.

Параметры
  • ai_disclosure_levelenum

    Уровень раскрытия информации об использовании ИИ. «off» = без раскрытия; «standard» = по умолчанию (модель/инструменты/источники/дата + напоминание о проверке человеком); «submission» = добавляет ссылку на ISPOR ELEVATE-GenAI. По умолчанию зависит от инструмента.

  • confounder_sectionstring

    Необязательно: markdown_report из confounder_identification (IQWiG Pufulete Step 1). Вставляется дословно как «Annex: Confounder Identification» перед анализом пробелов. Журнал проектирования №43.

  • decisionsobject[]

    Методологические решения, принятые в разговоре (выбор источника, выбор компаратора, критерии скрининга, структура модели...). Каждая запись фиксирует выбор, обоснование (почему), отклонённые альтернативы и того, кто принял решение. Встраивается в audit trail Decision Log и, когда указан проект, добавляется к wiki/decisions.md для переиспользования в последующих сессиях. Инструменты никогда не придумывают решения, а только передают то, что пользователь принял или подтвердил. Design log #52.

  • drug_namestringобязательный

    Генерическое или торговое название лекарственного средства/вмешательства.

  • evidence_summaryany

    Входные клинические доказательства. Принимает: текстовую строку с кратким изложением, ИЛИ массив JSON из объектов LiteratureResult от literature.search (используйте output_format='json'). При передаче в виде массива автоматически формирует таблицу GRADE качества доказательств.

  • health_inequalitiesobject

    Данные о неравенствах в сфере здоровья согласно модульному обновлению NICE PMG36 от мая 2025 года. Требуется NICE для вмешательств, затрагивающих неблагополучные группы. intervention_impact: 'narrows'/'neutral'/'widens'/'unknown'.

  • heterogeneity_per_outcomeobject

    Необязательно: I² и количество исследований для каждого исхода (из инструмента evidence_indirect). Если указано, несогласованность GRADE вычисляется на основе I², а не эвристики. Пример: { 'overall survival': { i_squared_pct: 45, n_studies: 6 } }

  • hta_bodyenumобязательный

    Формат досье для HTA-органов. 'nice'=NICE STA (Великобритания); 'ema'=EMA CTD; 'fda'=инструкция по применению FDA; 'iqwig'=AMNOG (Германия); 'has'=комитет по прозрачности (Франция); 'jca'=совместная клиническая оценка ЕС (Регламент 2021/2282); 'gvd'=Global Value Dossier (базовый документ для разных рынков).

  • indicationstringобязательный

    Заболевание или состояние, которое лечится (например, «сахарный диабет 2 типа», «немелкоклеточный рак легкого»).

  • mfn_contextobject

    Необязательный контекст ценообразования MFN. Когда указан basket_prices и hta_body принимает одно из значений {nice, ema, fda, iqwig, has, jca, gvd}, формирует раздел MFN Exposure с расчётом потолка и анализом разрыва с США. Design log #27.

  • model_resultsany

    JSON-вывод из models.cost_effectiveness: используется для заполнения раздела Economic Evidence Summary.

  • output_formatenum

    Формат вывода. 'text' возвращает Markdown; 'json' возвращает структурированные разделы; 'docx' создает документ Word и сохраняет его на диск.

  • picosobject[]

    Специфично для JCA: список PICO из решения о скоупинге. Каждый PICO генерирует собственный раздел досье. Если список опущен, создается один PICO по умолчанию.

  • projectstring

    Идентификатор проекта для сохранения базы знаний. Если задан, черновик досье сохраняется в ~/.heor-agent/projects/{project}/raw/dossiers/

  • pv_classificationobject

    Необязательно: структурированная классификация ФВ из инструмента pv_classify. При ее наличии досье включает раздел «План фармаконадзора» с модулем GVP, шаблоном ENCePP, обязательствами по подаче и последствиями для RMP. Передайте сюда вывод pv_classify.

  • regulatory_landscapeobject[]

    Необязательно: массив объектов RegulatoryStatusResult из regulatory.status_check (через hta_workflow Phase 3.6). Когда он указан и hta_body входит в {nice, jca, gvd}, отображает раздел Regulatory Landscape с таблицей comparator × region × status. Design log #26.

  • rob_resultsany

    Вывод из инструмента evidence.risk_of_bias. Когда этот вывод предоставлен, домен GRADE Risk of Bias использует структурированное суждение (rob_judgment, downgrade, rationale) вместо эвристической оценки.

  • severity_modifierobject

    NICE PMG36: входные данные модификатора тяжести (заменили модификатор конца жизни, апрель 2022 г.). Укажите absolute_qaly_shortfall (в годах) и/или proportional_qaly_shortfall (0-1). Вес модификатора: <12 абсолютный И <0.85 пропорциональный → 1.0×; 12-18 или 0.85-0.95 → 1.2×; ≥18 или ≥0.95 → 1.7×.

  • submission_typeenumобязательный

    Тип заявки. 'sta'/'mta' для NICE; 'initial'/'renewal'/'variation' для JCA; 'early_access' для ускоренных процедур.

  • unmet_need_summarystring

    Необязательно: синтез неудовлетворённой потребности объёмом в один абзац из инструмента evidence.unmet_need. Передайте сюда result.unmet_need_summary из evidence.unmet_need. Добавляется в начало раздела Unmet Need для NICE (раздел B) и GVD (раздел 4).

  • upgrading_per_outcomeobject

    Опционально: флаги повышения GRADE для каждого исхода в наблюдательных исследованиях (Guyatt 2011). Ключи: названия исходов; значения задают large_effect ('none'/'large'/'very_large'), dose_response (логическое значение) и plausible_confounding_toward_null (логическое значение). Игнорируются для доказательств РКИ. Максимум +2 шага.

hta.gba_ppddтолько чтениевнешний мир

Верифицируемый PPDD-движок для оценки выгоды немецкого G-BA (AMNOG). Собирает пакет Peers / Precedent / Drift / Delta для класса препаратов + показание, где каждый факт имеет тег происхождения: peers берутся только из отобранной, проверенной базы прецедентов G-BA (или из цитирований агента, проверенных через verify_citations); всё, что не удаётся проверить, помечается как unknown, НИКОГДА не выдумывается. Пересчитывает релевантность peers для каждого кандидата zVT (подходящий компаратор) — это главный риск AMNOG. Детерминированный (без LLM). Питает hta_review_simulation и виртуальную панель G-BA. ВЫ (агент) передаёте peer_drugs (члены класса) и candidate_facts с цитированиями — инструмент отслеживает происхождение. Лог разработки #49.

Параметры
  • ai_disclosure_levelenum

    Уровень раскрытия информации об использовании ИИ добавляется к выходным данным. «off» — без раскрытия (режим черновика аналитика); «standard» — стандартный видимый блок (модель, использованные инструменты, источники, дата, напоминание о проверке человеком); «submission» — стандартный блок плюс цитирование ISPOR ELEVATE-GenAI (для регуляторных или платёжных submissions).

  • candidate_factsobject[]

    Извлечённые агентом факты Peers/Precedent/Drift/Delta, каждый с указанием источника (doi/pmid/url). Проверены через verify_citations; непроверенные факты помечаются, а не утверждаются.

  • drugstringобязательный

    Оцененный препарат (генерик).

  • drug_classstring

    Класс препарата, например «IL-17 inhibitor».

  • indicationstringобязательный

    Показание, например «бляшечный псориаз».

  • line_of_therapystring

    например, '2L после анти-TNF'.

  • peer_drugsstring[]

    Члены класса, которые нужно искать как аналоги в базе знаний G-BA (каждый возвращает свой рейтинг и zVT, или unknown).

  • zvt_candidatesobject[]

    Предложите подходящие компараторы (zVT) для запуска в качестве сценариев.

hta.living_gvd

Поддерживает живое глобальное досье (Living Global Value Dossier) как артефакт с поддержкой сравнения, чтобы при обновлении пересоздавались только те секции, значения которых изменились, а не всё GVD. Действия: 'snapshot' (снимок) — записывает, какие утверждения из реестра используются для каждой секции GVD (передай sections [{name, claim_ids}]), фиксируя текущее значение каждого утверждения как базовое; и 'refresh' (обновление) — сравнивает снимок с живым реестром утверждений и возвращает список устаревших секций для пересоздания, со старыми→новыми значениями по каждому утверждению. Строится на evidence.claim_registry (единственный источник истины) и работает вместе с workflow.living_evidence (которая вызывает этот инструмент на каждом цикле живого обновления). Сравнение по значению (погрешность 0,5% / точное совпадение), а также отмечает секции, у которых утверждения были удалены или заменены. Требует существующего проекта. Этот инструмент вычисляет разницу и список регенерации; сама регенерация выполняется hta.dossier. Значения перечислений без учёта регистра.

Параметры
  • actionenumобязательный
  • ai_disclosure_levelenum
  • project_idstringобязательный
  • sectionsobject[]

    Для 'snapshot': разделы GVD и идентификаторы утверждений, из которых каждый построен.

hta.panel_simulationтолько чтениевнешний мир

Симулятор виртуальной институциональной панели HTA. hta_body='gba' (по умолчанию): точный состав слушания G-BA §35a (mündliche Anhörung) — IQWiG/биостатистик, G-BA/GKV-SV оценщик, KOL/клинический эксперт, представитель пациентов. hta_body='nice': статистик/техническая команда/клинический эксперт/эксперт по пациентам NICE EAG. hta_body='eu_jca': JCA оценщик/со-оценщик/объём PICO государства-члена (требуется drug_class). hta_body='us_payer': медицинский директор/фармакоэкономист плательщика. Каждое место тонко оборачивает существующий детерминированный инструмент HEORAgent вокруг ОДНОГО общего, проверенного по цитированиям пакета доказательств (передайте вывод hta.gba_ppdd как ppdd_pack для тела gba). Обсуждает ценность/доказательства/объём компаратора/доступ — НИКОГДА не клиническую рекомендацию по лечению (это обеспечивается защитой MLR, которая переписывает любые формулировки «рекомендовать/предпочесть/выбрать X вместо Y»). Повторно запускает чувствительные к компаратору места для каждого кандидата zVT (подходящий компаратор) через zvt_scenarios. Опциональный пакетный режим question_set распределяет ожидаемые вопросы досье по соответствующим местам. Детерминированный (без LLM). Каждый артефакт несёт баннер SYNTHETIC-симуляции и требует проверки человеком перед использованием в представлении. Дизайн-лог #50.

Параметры
  • ai_disclosure_levelenum

    Уровень раскрытия информации об использовании ИИ добавляется к выходным данным. «off» — без раскрытия (режим черновика аналитика); «standard» — стандартный видимый блок (модель, использованные инструменты, источники, дата, напоминание о проверке человеком); «submission» — стандартный блок плюс цитирование ISPOR ELEVATE-GenAI (для регуляторных или платёжных submissions).

  • conveneenum[]

    Какие места созвать. По умолчанию: полный состав выбранного hta_body.

  • dossier_markdownstring

    Запасной вариант, когда ppdd_pack не указан.

  • dossier_sectionsobject
  • drugstringобязательный
  • drug_classstring

    Обязательно для jca.pico_scope для мест, где hta_body='eu_jca'; при отсутствии значения по умолчанию используется 'other' (с предупреждающим замечанием). Для других значений hta_body игнорируется.

  • hta_bodyenum

    Тело HTA. По умолчанию: gba. Каждое тело имеет свой список мест по умолчанию (см. convene).

  • indicationstringобязательный
  • model_resultsobject
  • picoobject
  • ppdd_packobject

    Проверенный пакет доказательств из hta.gba_ppdd (журнал проектирования #49). Передайте объект его содержимого напрямую.

  • question_setstring[]

    Пакетный режим 'Q&A Mailbox': набор ожидаемых вопросов по досье; каждый вопрос рассылается по соответствующим созванным местам и получает ответ с повторным использованием уже вычисленных результатов базового сценария (без нового вызова инструмента). Максимум 50.

  • zvt_scenariosobject[]

    Подходящие компараторы-кандидаты (zVT) для повторного запуска в качестве сценариев.

hta.review_simulationтолько чтениеидемпотентный

Предсказывает уточняющие вопросы, которые орган HTA задаст по досье, ДО подачи. Использует выходные данные hta.dossier / hta.workflow (dossier_markdown), структурированные разделы dossier_sections или просто {drug, indication, pico, model_results} для предварительного анализа. Выполняет детерминированное сканирование пробелов и рисков по таксономии из 10 категорий (comparator, indirect comparison, survival extrapolation, clinical risk-of-bias, economic-model structure, utilities, decision uncertainty, subgroups, real-world evidence, innovation/added-benefit) и возвращает ранжированные ОЖИДАЕМЫЕ вопросы с обоснованием, серьезностью (critical/standard/minor), тем, что комитет ищет, и предложенным ответом. Ссылки на прецеденты только из белого списка (проверенная таблица NICE TA) и никогда не утверждают, что вопрос исторически задавался. v1 органы: NICE EAG и G-BA/IQWiG (FDA, HAS, EU JCA → v2). Полностью детерминирован; содержит блок раскрытия ISPOR ELEVATE-GenAI. Журнал дизайна #38.

Параметры
  • ai_disclosure_levelenum

    Уровень раскрытия информации об использовании ИИ добавляется к выходным данным. «off» — без раскрытия (режим черновика аналитика); «standard» — стандартный видимый блок (модель, использованные инструменты, источники, дата, напоминание о проверке человеком); «submission» — стандартный блок плюс цитирование ISPOR ELEVATE-GenAI (для регуляторных или платёжных submissions).

  • dossier_markdownstring

    Черновик досье (например, переданный из вывода hta.dossier или hta.workflow). Основной вход: скан считывает его.

  • dossier_sectionsobject

    Структурированный текст досье как альтернатива/дополнение к dossier_markdown.

  • drugstringобязательный

    Название дженерика.

  • hta_bodyenum

    Орган HTA для симуляции. 'nice' = письмо с разъяснениями NICE EAG; 'gba_iqwig' = возражения G-BA/IQWiG по формальной оценке. FDA, HAS, EU JCA: v2.

  • indicationstringобязательный

    Показание / популяция.

  • max_questionsnumber

    Ограничение на возвращаемые вопросы (сначала сохраняются самые серьёзные). Сводка по-прежнему указывает полное количество.

  • model_resultsobject

    Объект результатов экономической модели (из cost_effectiveness_model), если dossier_markdown не предоставлен, сигнализирует о том, что модель существует.

  • picoobject

    PICO. компаратор управляет компаратором и детекторами косвенного сравнения.

hta.utilityтолько чтениеидемпотентный

Ищи характеристики наборов значений EQ-5D (UK 3L, England 5L, новый UK 5L 2026, NICE DSU mapping) или оценивай влияние нового набора значений UK EQ-5D-5L на ICER/QALY для заданного типа показаний. Ссылается на Biz, Hernández Alava, Wailoo (2026) Value in Health. Используй, когда пользователь спрашивает о переходе NICE на 5L, наборах значений полезности UK или влиянии на подачу заявок в NICE STA.

Параметры
  • actionenumобязательный

    'lookup' возвращает один набор значений; 'compare' возвращает все четыре рядом; 'estimate_impact' возвращает оценки изменений ICER/QALY для типа показания.

  • base_icernumber

    Необязательно: спроецировать текущий ICER на будущее с учетом нового UK 5L.

  • base_incremental_qalynumber

    Необязательно: текущий инкрементальный прирост QALY для прогноза на будущее по новой британской 5L.

  • indication_typeenum

    Категория показания (обязательна для 'estimate_impact'). 'non_cancer_qol_only' = хронические состояния, влияющие только на QoL (мигрень, UC, атопический дерматит, HS, бляшечный псориаз): здесь наблюдается наибольший рост ICER.

  • value_setenum

    Идентификатор набора значений (обязателен для 'lookup'). 'uk_5l_new' - это версия 2026 года, находящаяся на консультации в NICE.

hta.workflowтолько чтениевнешний мир

Сквозной оркестратор подачи заявки HTA. Один вызов запускает literature_search (стабильность по принципу PRISMA через runs=N) → screen_abstracts (фильтр PICO) → risk_of_bias (автоматический RoB 2/ROBINS-I/AMSTAR-2) → cost_effectiveness_model (Марковская модель + 1000 PSA, параметры по умолчанию из показания) → hta_dossier (автоматическое понижение GRADE по результатам RoB) → validate_links (пост-хок аудит URL). Возвращает сводный отчёт с таймингами по фазам, полным черновиком досье и таблицей проверки URL. Используйте как готовую замену в один вызов для 4-5 отдельных промптов, которые обычной LLM пришлось бы писать вручную для последовательного вызова этих инструментов. Каждая фаза обёрнута в безопасный запуск, так что сбой на одном шаге не прерывает весь конвейер.

Параметры
  • ai_disclosure_levelenum

    Уровень раскрытия информации об использовании ИИ. «off» = без раскрытия; «standard» = по умолчанию (модель/инструменты/источники/дата + напоминание о проверке человеком); «submission» = добавляет ссылку на ISPOR ELEVATE-GenAI. По умолчанию зависит от инструмента.

  • auto_check_regulatoryboolean

    Если true (по умолчанию), Phase 3.6 рассылает regulatory.status_check по компараторам из pico.comparator и unmet_need_inputs.treatment_landscape.current_soc. Результаты передаются в hta_dossier как regulatory_landscape (отображает раздел 'Regulatory Landscape' для nice/jca/gvd/amcp). При ошибках API корректно снижает функциональность. Установите false, чтобы пропустить. Design log #26.

  • ce_inputsobject

    Необязательные входные параметры модели экономической эффективности. Если они не указаны, применяются разумные значения по умолчанию (efficacy_delta=0.25; drug_cost_annual=1000; SoC=0).

  • confounder_candidate_extractionsobject[]

    Необязательные кандидаты в конфаундеры, извлечённые агентом для фазы 2.5; каждый должен ссылаться на статью, прошедшую скрининг (pmid/doi/title). Журнал проектирования №43.

  • decisionsobject[]

    Методологические решения, принятые в разговоре (выбор источника, выбор компаратора, критерии скрининга, структура модели...). Каждая запись фиксирует выбор, обоснование (почему), отклонённые альтернативы и того, кто принял решение. Встраивается в audit trail Decision Log и, когда указан проект, добавляется к wiki/decisions.md для переиспользования в последующих сессиях. Инструменты никогда не придумывают решения, а только передают то, что пользователь принял или подтвердил. Design log #52.

  • drugstringобязательный

    Название лекарства или вмешательства

  • drug_classenum
  • fetch_full_textboolean

    Когда true (при include_confounder_identification=true), этап 2.4 запускает literature_fulltext по отобранным статьям и передаёт открытые разделы Methods/Results и базовые таблицы в confounder_identification, чтобы source_location каждого кандидата можно было сверить с реальным текстом. По умолчанию выключено (из-за затрат на токены). Design log #47.

  • hta_bodyenum

    Определяет целевой орган HTA для черновика досье.

  • include_confounder_identificationboolean

    Когда true, Phase 2.5 выполняет confounder_identification (IQWiG Pufulete Step 1) в режиме closed_corpus по литературе, прошедшей скрининг, и добавляет приложение 'Confounder Identification'. Design log #43.

  • indicationstringобязательный

    Заболевание или состояние (произвольный текст).

  • is_orphanboolean

    Лекарственный препарат с орфанным статусом. Влияет на право включения в сферу JCA (орфанные препараты входят в сферу JCA в 2028 году, а обычные лекарственные препараты - в 2030).

  • jurisdictionsenum[]
  • literature_runsnumber

    Число проходов стабилизации дедупликации для фазы literature_search. Для воспроизводимости уровня HTA в проекте по умолчанию используется 3.

  • max_literature_resultsnumber
  • perspectiveenum

    Экономическая перспектива для этапа модели затраты-эффективность.

  • picoobject

    Необязательные критерии PICO для фазы скрининга (по умолчанию определяются на основе лекарства и показания).

  • require_real_ce_inputsboolean

    Когда true, ПРОПУСКАЕТ фазу оценки экономической эффективности, если только ce_inputs не предоставляет реальные затраты на препарат/компаратор и показатель эффекта, вместо запуска на сфабрикованных значениях по умолчанию и выдачи заглушки ICER. По умолчанию false выполняет CE, но громко помечает любой ICER на основе значений по умолчанию как заглушку/не готовый к подаче. Design log #35.

  • skip_ce_modelboolean

    Пропустите этап модели экономической эффективности (например, для досье, содержащих только клинические данные).

  • sourcesenum[]
  • submission_typeenum
  • unmet_need_inputsobject

    Необязательные структурированные входные данные для Phase 3.5 (evidence.unmet_need). Используются только при hta_body='gvd'. Когда они поданы, оркестратор запускает evidence.unmet_need и передает полученный unmet_need_summary в Phase 5 hta_dossier (предварительно заполняя GVD Section 4 / NICE Section B). Design log #23.

icf.readability_checkтолько чтениеидемпотентный

Оценивает читаемость текста Формы информированного согласия (ICF). Возвращает уровень по Флешу-Кинкейду, индекс легкости чтения Флеша, индекс тумана Ганнинга, уровень SMOG, а также разбор по предложениям с выявлением самых проблемных, детектор медицинского жаргона с вариантами на простом языке и вердикт «сдал/погранично/не сдал» относительно целевого уровня (по умолчанию 8 — по рекомендациям FDA/NIH). Работает в паре с irb_review при планировании исследования: исследователь вставляет черновик ICF, получает конкретный список правок. Чистая логика, без внешних API.

Параметры
  • icf_textstringобязательный

    Основной текст ICF. Подойдёт и обычный текст, и Markdown.

  • jargon_checkboolean

    Запускать ли поиск в словаре медицинского жаргона. По умолчанию: true.

  • target_grade_levelinteger

    Целевой уровень образования в США для вердикта о прохождении по FKGL. FDA/NIH обычно используют 8; некоторые IRB используют 6 (строже).

irb.reviewтолько чтениеидемпотентный

Классифицирует планируемое исследование по 45 CFR 46 (US Common Rule) + EU CTR 536/2014, чтобы подготовить каркас заявки для IRB или комитета по этике. Возвращает: уровень рецензирования (exempt §46.104 cat 1–8 / expedited §46.110 cat 1–7 / full-board §46.108), путь рецензирования по EU CTR с таймлайном, обязательства по уязвимым группам (Subpart B/C/D), план управления данными по GDPR Art. 9 + HIPAA §164.514, фреймворк отчётов о SAE (CTR Annex III / FDA IND / PSUR), уровень сложности ICF, фреймворк COI (PHS 42 CFR 50 / EU CTR Art. 14), и готовое к вставке сопроводительное письмо. Версия v1 покрывает EU+US; UK/Japan/Canada запланированы на v2. Опциональный ввод pv_classification привязывает рецензирование IRB к регуляторной категории PV — когда primary_category равно PASS_imposed, таймлайны SAE переопределяются в пользу CTR Annex III. Значения перечисления нечувствительны к регистру — "interventional"/"Interventional", "us_irb"/"US_IRB" и т.д. работают одинаково.

Параметры
  • benign_behaviouralboolean

    Установите true для безвредных поведенческих вмешательств у взрослых (45 CFR 46.104(d)(3)).

  • blood_draw_within_limitsboolean

    Установите true для сбора крови в пределах объемных лимитов OHRP (45 CFR 46.110 cat 2).

  • broad_consent_obtainedboolean

    Устанавливает true, когда получено широкое согласие на вторичное исследование / хранение образцов (45 CFR 46.104(d)(7-8)).

  • data_handlingenumобязательный
  • exempt_category_hintenum

    Подсказка: отметьте это как исследование образовательных практик согласно 45 CFR 46.104(d)(1).

  • expedited_category_claiminteger[]

    Категории ускоренного рассмотрения согласно 45 CFR 46.110 (1-7), которые, по мнению исследователя, применимы. Инструмент выполнит проверку; если он не согласен, оба варианта отображаются как advisory_warnings.

  • federal_demonstrationboolean

    Установите true для поддерживаемого федеральным правительством исследовательского/демонстрационного проекта (45 CFR 46.104(d)(5)).

  • funding_sourceenumобязательный
  • indicationstringобязательный
  • interventionstringобязательный
  • jurisdictionsenum[]
  • marketed_drugboolean

    Установите true, если исследование использует коммерческий препарат в соответствии с инструкцией (это приводит к ускоренной категории 1, пострегистрационной системе PSUR).

  • multi_siteboolean
  • noninvasive_collectionboolean

    Установите значение «истина» для проспективного сбора биологических образцов неинвазивными методами (45 CFR 46.110, категория 3).

  • noninvasive_procedureboolean

    Установите значение true для неинвазивного сбора данных (ЭКГ, ЭЭГ, артериальное давление, ультразвук) (45 CFR 46.110, категория 4).

  • population_includes_decisionally_impairedboolean
  • population_includes_pediatricboolean
  • population_includes_pregnantboolean
  • population_includes_prisonersboolean
  • pv_classificationobject

    Предоставляет необязательный структурированный вывод от pv_classify. Считывается только primary_category; PASS_imposed запускает сроки SAE согласно Приложению III к CTR.

  • recording_collectionboolean

    Установите значение true для коллекции записей голоса / цифровых / изображений (45 CFR 46.110, категория 6).

  • risk_levelenum
  • study_designenumобязательный
  • taste_testboolean

    Устанавливает значение true для оценки вкуса / качества продуктов / приемлемости для потребителей (45 CFR 46.104(d)(6)).

jca.pico_scopeтолько чтениеидемпотентный

Производит каноническую матрицу PICO для Совместной клинической оценки ЕС (JCA) для пары препарат-показание. Возвращает единый список PICO (в соответствии с процессом JCA по Регламенту 2021/2282) плюс наборы компараторов по странам, предпочтения инструментов оценки исходов, фокус на подгруппы популяции и предупреждение о гетерогенности. Передавайте pico_matrix.picos напрямую в hta_dossier({hta_body:"jca", picos: ...}). Версия v1 охватывает DE/FR/IT/ES/NL + UK (пост-брексит контекст). Предупреждение о гетерогенности срабатывает при ≥3 различных молекулах компараторов в ≥2 юрисдикциях: это предположение на уровне инструмента, а не опубликованный порог EUnetHTA; используйте предупреждение как сигнал запустить evidence_network + itc_feasibility, а не как окончательный диагноз. Детали компараторов для NSCLC с мутацией EGFR сейчас смоделированы только для line_of_therapy="second_line"; для других линий используется общий химиотерапевтический якорь с предупреждением. Значения перечисления нечувствительны к регистру — "DE"/"de", "first_line"/"First_Line" и т.д. все работают.

Параметры
  • biomarker_statusstring

    Необязательный статус биомаркера (например, 'EGFR T790M positive', 'PD-L1 TPS ≥50%').

  • drugstringобязательный

    Название лекарства.

  • drug_classenumобязательный
  • force_proceed_out_of_scopeboolean

    Переопределяет проверку допустимости по области действия JCA. По умолчанию false. Установите true, чтобы в любом случае создать матрицу в стиле JCA, когда показание ещё не входит в область действия JCA (например, для работы по дизайну протокола или упреждающему доступу на рынок). Результат в любом случае будет содержать явное предупреждение о выходе за пределы области действия.

  • indicationstringобязательный

    Заболевание/состояние.

  • is_orphanboolean

    Необязательно. Орфанный лекарственный препарат. Влияет на соответствие критериям сферы действия JCA (орфанные препараты попадают в сферу действия с 13 января 2028 года, обычные лекарственные препараты - с 13 января 2030 года).

  • jurisdictionsenum[]
  • line_of_therapyenum
  • mechanism_of_actionstring
  • regulatory_contextenum
knowledge.readтолько чтениеидемпотентный

Читает файл из дерева raw/ или wiki/ проекта. Путь указывается относительно корня проекта. Доступны только поддеревья raw/ и wiki/.

Параметры
  • pathstringобязательный

    Относительный путь (например, 'wiki/trials/sustain-6.md' или 'raw/literature/pubmed_12345.md')

  • projectstringобязательный

    ID проекта

knowledge.searchтолько чтениеидемпотентный

Ищет совпадения текста в базе знаний проекта (raw/ и wiki/). Возвращает пути к файлам с номерами строк и фрагментами. Используйте это, чтобы найти ранее полученные материалы, запуски моделей и скомпилированное содержимое wiki без повторных запросов к внешним API.

Параметры
  • case_sensitiveboolean

    Регистро-зависимый поиск (по умолчанию: false)

  • max_resultsnumber

    Максимум возвращаемых совпадений (по умолчанию 20, максимум 100)

  • pathsenum[]

    Какие поддеревья искать. По умолчанию: оба.

  • projectstringобязательный

    Project ID (должен существовать)

  • querystringобязательный

    Поисковый запрос: поиск по нескольким терминам находит ЛЮБОЙ термин (OR).

knowledge.writeидемпотентный

Записывает файл в дерево wiki/ проекта. Путь ДОЛЖЕН начинаться с 'wiki/' и заканчиваться на '.md'. Использует это для компиляции/организации доказательств из файлов raw/ в структурированную базу знаний. Поддерживает вики-ссылки в стиле Obsidian [[wikilinks]].

Параметры
  • contentstringобязательный

    Разметка Markdown. Может включать YAML-фронтматтер и [[вики-ссылки]].

  • pathstringобязательный

    Относительный путь, начинающийся с 'wiki/', заканчивающийся на .md (например, 'wiki/trials/sustain-6.md')

  • projectstringобязательный

    ID проекта

literature.fulltextтолько чтениеидемпотентныйвнешний мир

Извлекает ПОЛНЫЙ ТЕКСТ (разделы «Методы»/«Результаты» + таблицы исходных характеристик/результатов) для уже найденных статей по PMID, PMCID или DOI из Europe PMC (открытый доступ PMC + авторские рукописи + препринты). Доступ ограничен лицензией: для статей не в открытом доступе тело текста не возвращается (full_text_available:false) — возвращается только указатель. Используйте ПОСЛЕ literature_search/screen_abstracts, чтобы прочитать текст методов, который обычно опущен в аннотациях — например, для выявления confounder_identification (таблицы исходных характеристик), risk_of_bias (текст про рандомизацию/ослепление) или извлечения survival/ITC данных. Детерминированная выборка (без LLM); вы читаете возвращённые разделы. Передавайте до 20 статей.

Параметры
  • ai_disclosure_levelenum

    Уровень раскрытия информации об использовании ИИ добавляется к выходным данным. «off» — без раскрытия (режим черновика аналитика); «standard» — стандартный видимый блок (модель, использованные инструменты, источники, дата, напоминание о проверке человеком); «submission» — стандартный блок плюс цитирование ISPOR ELEVATE-GenAI (для регуляторных или платёжных submissions).

  • articlesobject[]обязательный

    Статьи для получения (максимум 20). Каждая должна содержать как минимум один из идентификаторов: pmid / pmcid / doi.

  • force_refreshboolean

    Обходит 24-часовой кэш и повторно получает данные. По умолчанию false.

  • include_tablesboolean

    Включает извлечённые таблицы (исходные характеристики, результаты) отдельно от прозы. По умолчанию: true.

  • max_chars_per_articlenumber

    Ограничение количества символов в прозаических разделах для каждой статьи (2000-200000, по умолчанию 60000). Слишком большие тела обрезаются с маркером.

literature.living_reviewтолько чтениевнешний мир

LOCKED-протоколом LIVING систематический обзор литературы с дельта-обновлением. Stateless: инструмент ничего не хранит — состояние сохраняет вызывающая сторона. Два режима: 'init' блокирует протокол, запускает baseline literature.search и возвращает baseline записи, которые вы сохраняете; 'refresh' принимает протокол + ваши previous_records, заново запускает поиск и возвращает дельту (новые/удаленные записи, детерминированный флаг material-change, рекомендуемые последующие повторные запуски и дату следующего обновления). Material-change срабатывает при: новом RCT, ≥ порогового числа новых записей или conference late-breaker. Cadence (monthly/quarterly/half_yearly/annual/conference_adhoc) — это рекомендация для вашего планировщика (например, Vercel Cron) — никакого таймера на сервере нет. Направляйте material refresh в evidence_network / itc_feasibility. Design log #39.

Параметры
  • ai_disclosure_levelenum

    Уровень раскрытия информации об использовании ИИ добавляется к выходным данным. «off» — без раскрытия (режим черновика аналитика); «standard» — стандартный видимый блок (модель, использованные инструменты, источники, дата, напоминание о проверке человеком); «submission» — стандартный блок плюс цитирование ISPOR ELEVATE-GenAI (для регуляторных или платёжных submissions).

  • as_ofstring

    ISO-дата запуска обновления (по умолчанию — сегодня); определяет next_refresh_due.

  • modeenumобязательный

    'init' = протокол блокировки + базовый поиск; 'refresh' = повторный запуск + diff относительно previous_records.

  • new_records_thresholdnumber

    Порог существенного изменения количества новых записей.

  • previous_recordsobject[]

    обновляет только — набор записей предыдущего запуска, из вашего хранилища (например, Supabase).

  • prior_run_indexnumber

    Обновляет только предыдущий run_index для учёта.

  • protocolobjectобязательный
  • recommended_cadenceenum
  • review_idstring

    Непрозрачная метка для вашего учёта; сервер никогда не обращается к ней.

literature.screenтолько чтениеидемпотентный

Отсеивает результаты литературного поиска по критериям PICO. Оценивает каждый абстракт по релевантности исследовательскому вопросу, классифицирует дизайн исследования и возвращает ранжированный короткий список с решениями о включении/исключении и причинами. Для описательной эпидемиологии опускайте вмешательство/сравнение и передавайте популяцию + состояние + исходы. Передайте массив результатов из предыдущего вызова literature.search (используйте output_format='json'). Следует методологии скрининга из Главы 4 Кокрейновского справочника.

Параметры
  • ai_disclosure_levelenum

    Уровень раскрытия информации об использовании ИИ добавляется к выходным данным. «off» — без раскрытия (режим черновика аналитика); «standard» — стандартный видимый блок (модель, использованные инструменты, источники, дата, напоминание о проверке человеком); «submission» — стандартный блок плюс цитирование ISPOR ELEVATE-GenAI (для регуляторных или платёжных submissions).

  • criteriaobjectобязательный

    Критерии включения PICO

  • decisionsobject[]

    Методологические решения, принятые в разговоре (выбор источника, выбор компаратора, критерии скрининга, структура модели...). Каждая запись фиксирует выбор, обоснование (почему), отклонённые альтернативы и того, кто принял решение. Встраивается в audit trail Decision Log и, когда указан проект, добавляется к wiki/decisions.md для переиспользования в последующих сессиях. Инструменты никогда не придумывают решения, а только передают то, что пользователь принял или подтвердил. Design log #52.

  • exclude_study_typesstring[]

    Дополнительные типы исследований для исключения (например, ['case_report', 'narrative_review']). Редакционные статьи/комментарии всегда исключаются.

  • include_thresholdnumber

    Порог оценки релевантности для включения (0-1, по умолчанию 0.3). Меньше - более широкий охват.

  • min_yearnumber

    Исключает исследования, опубликованные до этого года.

  • output_formatenum
  • projectstring

    Project ID для сохранения

  • resultsobject[]обязательный

    Массив объектов LiteratureResult из предыдущего вызова literature.search (используйте output_format='json').

literature.searchтолько чтениеидемпотентныйвнешний мир

Ищет в PubMed, ClinicalTrials.gov, bioRxiv/medRxiv, ChEMBL, FDA Orange Book, FDA Purple Book, корпоративных источниках (Embase, ScienceDirect, Cochrane, Citeline, Pharmapendium, Cortellis), источниках справочных цен HTA (CMS NADAC, PSSRU, NHS National Cost Collection, BNF, PBS Schedule), источниках LATAM (DATASUS, CONITEC, ANVISA, PAHO, IETS, FONASA), источниках APAC (HITAP) и источниках оценок и руководств HTA (NICE TAs, CADTH CDR/pCODR, ICER, PBAC PSDs, G-BA AMNOG, HAS Transparency Committee, IQWiG, AIFA, TLV Sweden, INESSS Quebec) доказательства по лекарству или показанию. Возвращает структурированные результаты, включая прецеденты HTA и решения по оценке, с полным журналом аудита, подходящим для подачи заявок HTA.

Параметры
  • date_fromstring

    Исключает результаты до этой даты (формат ISO: YYYY-MM-DD)

  • decisionsobject[]

    Методологические решения, принятые в разговоре (выбор источника, выбор компаратора, критерии скрининга, структура модели...). Каждая запись фиксирует выбор, обоснование (почему), отклонённые альтернативы и того, кто принял решение. Встраивается в audit trail Decision Log и, когда указан проект, добавляется к wiki/decisions.md для переиспользования в последующих сессиях. Инструменты никогда не придумывают решения, а только передают то, что пользователь принял или подтвердил. Design log #52.

  • free_text_querystring

    Простые термины для источников Embase (Scopus), IHME GBD и реестровых источников: из pipeline_inputs.free_text_query. Обязательно, когда запрос содержит полевые теги [MeSH]/[tiab].

  • literature_search_planobject[]

    План запроса для каждого источника из search.strategy_build pipeline_inputs.literature_search_plan. Если он задан, каждый шаг выполняется последовательно со своими источниками и запросом (PubMed Entrez или простые концептуальные термины). Предпочтителен для описательной эпидемиологии.

  • max_resultsnumber

    Максимальное количество возвращаемых результатов (по умолчанию: 5, макс.: 50).

  • output_formatenum

    Формат вывода. 'docx' требует тариф с хостингом.

  • projectstring

    Идентификатор проекта для сохранения базы знаний. Если задан, результаты сохраняются в ~/.heor-agent/projects/{project}/raw/literature/

  • querystring

    Научный вопрос или запрос PubMed Entrez. Для PubMed со стратегией SIGN используйте pipeline_inputs.pubmed_query.

  • runsnumber

    Число запусков поиска (от 1 до 5, по умолчанию 1). Несколько запусков дедуплицируют результаты и ранжируют их по согласованности. Используйте runs=3 для получения полных и стабильных результатов.

  • sourcesenum[]

    Источники данных для запроса. По умолчанию: pubmed, clinicaltrials, biorxiv, chembl, wiley, embase. Для Europe PMC используйте 'europe_pmc' (40 млн+ аннотаций, полные тексты, препринты и руководства; охват полных текстов шире, чем у PubMed; хорошо подходит для извлечения конфаундеров и исходных характеристик). Для масштабного систематического обзора литературы (SLR) и поиска компараторов методом снежного кома используйте 'openalex' (250 млн+ работ и граф цитирований) и 'semantic_scholar' (граф цитирований и связанные работы). Для эпидемиологических и демографических данных используйте 'who_gho' и 'world_bank'. Для статистики здравоохранения ОЭСР (расходы, больничные койки, врачи, ожидаемая продолжительность жизни) используйте 'oecd'. Для оценок Global Burden of Disease используйте 'ihme_gbd'. Для одобрений препаратов FDA используйте 'orange_book'. Для биологических препаратов и биоаналогов FDA используйте 'purple_book'. Enterprise (требуется API-ключ): 'cochrane' (COCHRANE_API_KEY), 'citeline' (CITELINE_API_KEY), 'pharmapendium' (PHARMAPENDIUM_API_KEY), 'cortellis' (CORTELLIS_API_KEY). Справочники затрат для HTA: 'cms_nadac', 'pssru', 'nhs_costs', 'bnf', 'pbs_schedule'. Источники LATAM: 'datasaus', 'conitec', 'anvisa', 'paho', 'iets', 'fonasa'. Источники APAC: 'hitap'. Источники по оценке и прецедентам HTA: 'nice_ta', 'cadth_reviews', 'icer_reports', 'pbac_psd', 'gba_decisions', 'has_tc', 'iqwig', 'aifa', 'tlv', 'inesss'. Методологические источники HEOR: 'ispor', 'wiley' (Pharmacoeconomics, Health Economics, Value in Health, через CrossRef), 'ohe' (Office of Health Economics: анализ наборов ценностей, методология HTA), 'euroqol' (EuroQol Group: инструмент EQ-5D, страновые наборы ценностей, крос-валки).

  • study_typesenum[]

    Фильтруйте результаты по дизайну исследования. Значения: 'rct' (рандомизированные контролируемые исследования), 'meta_analysis', 'observational' (когортные / случай-контроль / поперечные исследования), 'review' (систематические обзоры, нарративные обзоры).

models.budget_impactтолько чтениеидемпотентный

Оценивает общее бюджетное влияние внедрения нового вмешательства на срок от 1 до 5 лет. Следует рекомендациям ISPOR по анализу бюджетного влияния (Mauskopf 2007, Sullivan 2014). Вычисляет чистые затраты для плательщика по годам, включая захват доли рынка, вытеснение других методов лечения и рост популяции. ВАЖНО: drug_cost_annual и comparator_cost_annual: обязательные числовые входные данные. Если пользователь их не указал, используйте свои обученные знания о опубликованных ценах (NHS BNF/Drug Tariff для перспективы NHS, WAC/AWP для us_payer) или последние оценки затрат из оценки NICE в качестве наилучшей оценки, НЕ отказывайтесь запускать модель. Пометьте любые самостоятельно указанные цены в выводе как 'estimated from published list price' и укажите источник.

Параметры
  • admin_cost_annualnumber

    Годовые административные расходы (относятся к обеим группам). По умолчанию 0.

  • ae_cost_annualnumber

    Годовые затраты на нежелательные явления для вмешательства. По умолчанию 0.

  • comparatorstringобязательный

    Текущий стандарт медицинской помощи

  • comparator_ae_cost_annualnumber

    Годовая стоимость нежелательного явления для компаратора. По умолчанию 0.

  • comparator_cost_annualnumberобязательный

    Годовые затраты на препарат сравнения

  • displacementobject[]

    Существующие методы лечения, вытесняемые вмешательством (доля пациентов, переходящих на него, сэкономленные расходы)

  • drug_cost_annualnumberобязательный

    Годовая стоимость приобретения лекарственного препарата для вмешательства

  • eligible_populationnumberобязательный

    Число подходящих пациентов в первый год.

  • indicationstringобязательный

    Заболевание или состояние

  • interventionstringобязательный

    Новый препарат или метод лечения

  • market_shareobjectобязательный

    Ожидаемая доля рынка вмешательства по годам (0-1). Отсутствующие годы экстраполируются от последнего определённого значения.

  • monitoring_cost_annualnumber

    Годовая стоимость мониторинга вмешательства. По умолчанию 0.

  • output_formatenum

    Используйте 'xlsx' для структурированного отчета Excel со всеми входными данными, расчетами по годам и журналом аудита на отдельных вкладках. Рабочая книга - это ОТЧЕТ: изменение ячеек не перезапускает модель. Для повторного запуска снова вызовите инструмент с измененными параметрами.

  • perspectiveenumобязательный

    Позиция плательщика: 'nhs' (NHS Великобритании), 'us_payer' (коммерческое страхование/Medicare в США) или 'societal' (затраты в более широком смысле, включая потери производительности). Определяет валюту и категории затрат.

  • population_growth_ratenumber

    Годовой темп прироста населения (например, 0.02 для 2%). По умолчанию 0.

  • projectstring

    Project ID для сохранения

  • time_horizon_yearsnumber

    Горизонт бюджета в годах (1-10, по умолчанию 5)

models.cost_effectivenessтолько чтениеидемпотентный

Строит анализ затраты-полезность (ICER, QALY, PSA, анализ чувствительности) для лекарства по сравнению с компаратором. Следует рекомендациям надлежащей практики ISPOR и эталонному случаю NICE. Включает вероятностный анализ чувствительности (PSA), односторонний анализ чувствительности и кривую приемлемости затрат-эффективности (CEAC). ПРИМЕЧАНИЕ: показатели полезности зависят от набора значений — заявки в Великобритании с 2026+ перейдут с DSU 3L→5L-сопоставления на новый британский набор значений EQ-5D-5L (консультация NICE с 2026-04-15 по 2026-05-13). Используйте инструмент utility_value_set для проверки ожидаемого влияния на ICER перед финализацией входных данных.

Параметры
  • ai_disclosure_levelenum

    Уровень раскрытия информации об использовании ИИ. «off» = без раскрытия; «standard» = по умолчанию (модель/инструменты/источники/дата + напоминание о проверке человеком); «submission» = добавляет ссылку на ISPOR ELEVATE-GenAI. По умолчанию зависит от инструмента.

  • clinical_inputsobjectобязательный

    Параметры клинической эффективности и безопасности, определяющие марковские переходы.

  • comparatorstringобязательный

    Компаратор (стандарт медицинской помощи)

  • cost_inputsobjectобязательный

    Годовые затраты на одного пациента в базовой валюте для выбранной перспективы.

  • decisionsobject[]

    Методологические решения, принятые в разговоре (выбор источника, выбор компаратора, критерии скрининга, структура модели...). Каждая запись фиксирует выбор, обоснование (почему), отклонённые альтернативы и того, кто принял решение. Встраивается в audit trail Decision Log и, когда указан проект, добавляется к wiki/decisions.md для переиспользования в последующих сессиях. Инструменты никогда не придумывают решения, а только передают то, что пользователь принял или подтвердил. Design log #52.

  • indicationstringобязательный

    Заболевание или состояние

  • interventionstringобязательный

    Название лекарства или лечения.

  • mfn_sensitivityobject

    Необязательный анализ чувствительности цены MFN. Если он задан, вывод включает блок mfn_sensitivity с ICER для каждой ценовой точки и ценами пересечения WTP. Журнал разработки #27.

  • model_typeenum

    Тип модели. По умолчанию: markov. Используйте 'partsa' для онкологии: требует survival_inputs (обработчик теперь жёстко завершается с ошибкой, если partsa задан без него).

  • output_formatenum

    Используйте 'xlsx' для структурированного отчёта Excel с входными данными, матрицей переходов, итерациями PSA и CEAC на отдельных вкладках. Книга Excel - ОТЧЁТ: редактирование ячеек не перезапускает модель. Чтобы перезапустить модель, снова вызовите инструмент с изменёнными параметрами.

  • perspectiveenumобязательный

    Экономическая перспектива: 'nhs' (NHS Великобритании, WTP £25-35K/QALY), 'us_payer' (стандарт ICER $100-150K/QALY) или 'societal' (более широкие затраты, включая производительность).

  • projectstring

    Идентификатор проекта для хранения базы знаний. Если задан, запуск модели сохраняется в ~/.heor-agent/projects/{project}/raw/models/

  • psa_iterationsnumber

    Итерации PSA (по умолчанию: 1000, максимум: 10000)

  • run_owsaboolean

    Запускает односторонний анализ чувствительности (по умолчанию: true). Установите false, чтобы пропустить OWSA и ускорить большие PSA-прогоны.

  • run_psaboolean

    Запускает вероятностный анализ чувствительности (по умолчанию: true).

  • scenariosobject[]

    Необязательный анализ сценариев: массив переопределений именованных параметров. Каждый сценарий повторно запускает модель с указанными изменениями. Максимум 10 сценариев.

  • summary_metricenum

    Итоговая метрика для числителя ICER. 'qaly' (по умолчанию, базовый случай NICE), 'evlyg' (равноценные годы жизни, совместимо с CMS IRA; CMS запрещает QALY при переговорах о ценах на лекарства по программе Medicare IRA согласно §1194(e)(2)) или 'both' для отображения обеих метрик рядом.

  • survival_inputsobject

    Требуется, когда model_type='partsa'. Входные значения медианы выживаемости (в месяцах) для OS/PFS, необязательные переопределения компаратора и выбор параметрического распределения. Исправление Codex P1 (2026-05-07).

  • time_horizonstringобязательный

    Горизонт моделирования: 'lifetime', '5yr', '10yr' или число лет.

  • utility_inputsobject

    Веса QALY для каждого состояния здоровья (необязательно; если не указано, по умолчанию выводятся из эффективности).

project.createидемпотентный

Инициализирует новое рабочее пространство проекта HEOR со скелетом директорий и метаданными project.yaml. Идемпотентен — возвращает существующий проект, если уже создан. Требуется перед использованием параметра project в других инструментах. Значения перечислений нечувствительны к регистру: "NICE", "Nice" и "nice" все работают для hta_targets.

Параметры
  • drugstringобязательный

    Название лекарства или вмешательства

  • hta_targetsenum[]

    Целевые органы HTA (необязательно). Без учёта регистра: принимаются «NICE», «Nice» и «nice».

  • indicationstringобязательный

    Заболевание/состояние, которое лечится

  • notesstring

    Заметки проекта в свободной форме (необязательно)

  • project_idstringобязательный

    Короткий идентификатор (буквенно-цифровые символы и дефисы, например, 'semaglutide-t2d')

publication.draftтолько чтениеидемпотентный

Составляет публикацию — аннотацию, рукопись, постер или краткое описание для широкой аудитории — используя утверждения из реестра проекта, чтобы в публикации фигурировали те же эталонные показатели, что и в досье. Структурирует контент по типу (структурированная аннотация / рукопись в формате IMRaD / постер / краткое описание), автоматически выбирает руководство по отчётности для типа исследования (CONSORT для РКИ, STROBE для обсервационных исследований, PRISMA для систематических обзоров, CHEERS для экономических оценок), задаёт лимит слов (по умолчанию для каждого типа, можно переопределить) и формирует чек-лист соответствия GPP2022 и ICMJE (критерии авторства, раскрытие информации, финансирование, регистрация испытания, обмен данными). Передавайте reference_claim_ids + project_id, чтобы подтянуть зарегистрированные утверждения в раздел «Результаты». Помечает превышающие лимит черновики, незарегистрированные РКИ и устаревшие утверждения; отмечает, что ИИ не может быть автором (ICMJE). Работает совместно с evidence.claim_registry и evidence.consistency_check. Значения перечислений нечувствительны к регистру.

Параметры
  • ai_disclosure_levelenum
  • backgroundstring
  • conclusionsstring
  • fundedboolean
  • medical_writing_supportboolean
  • methodsstring
  • objectivestring
  • project_idstring

    Обязателен, если reference_claim_ids не пуст.

  • reference_claim_idsstring[]

    Забирает идентификаторы из реестра, чтобы вставить их в Results (единый источник истины).

  • resultsstring
  • study_designenum
  • targetstring

    Журнал или конгресс, например, 'ISPOR 2026', 'Value in Health'.

  • titlestringобязательный
  • trial_registration_idstring
  • typeenumобязательный
  • word_limitnumber

    Переопределяет стандартный лимит слов для каждого типа.

pv.classifyтолько чтениеидемпотентный

Классифицирует запланированное исследование по регуляторной категории фармаконадзора EMA (PASS обязательное/добровольное, PAES, RMP Приложение 4, DUS, регистр активного наблюдения, регистр беременностей, спонтанные сообщения, план ICH E2E). Возвращает соответствующий модуль GVP + категорию исследования по ENCePP (не идентификатор зарегистрированного протокола — сверяйтесь с чек-листом Кодекса поведения ENCePP для шаблонов) + обязательства по подаче отчётов + последствия для RMP + аналог FDA. Используйте ПЕРЕД подготовкой досье HTA или перед разработкой пострегистрационного исследования. Передайте структурированный вывод pv_classification в hta_dossier, чтобы заполнить его раздел «План фармаконадзора». Значения перечисления нечувствительны к регистру — "RCT"/"rct", "EU"/"eu" и т.д. — всё работает.

Параметры
  • drugstringобязательный

    Название лекарства.

  • imposed_by_authorityboolean
  • indicationstringобязательный

    Заболевание/состояние.

  • jurisdictionsenum[]
  • multi_countryboolean
  • population_includes_paediatricboolean
  • population_includes_pregnantboolean
  • primary_objectiveenumобязательный
  • regulatory_contextenumобязательный
  • study_designenumобязательный
pv.comparative_safetyтолько чтениеидемпотентный

Строит сравнительный профиль безопасности на уровне класса по данным спонтанных сообщений (FAERS / EudraVigilance / VigiBase / WHO VigiBase). Ранжирует top-N нежелательных явлений для каждого продукта в классе лекарств по частоте сообщений на 1000 подвергшихся воздействию (укажите exposed_population на продукт) или по сырому количеству сообщений, размещает продукты рядом в матрице сравнения классов и выдает ключевые наблюдения — общий профиль класса, дифференциаторы на уровне продукта и явные отметки для events_of_interest (например, сообщение, что 'cardiovascular' не вошло в топ-10 ни для одного продукта). Опционально накладывает непропорциональность (PRR / ROR / IC / EBGM) для каждой пары лекарство-НЯ, если вы передадите grand_total, total_reports на продукт и event_total на НЯ. Дополняет pv.signal_workflow (который оценивает одно лекарство × одно НЯ). ⚠️ Частота спонтанных сообщений отражает поведение при репортировании, а не заболеваемость — результат это сравнительный профиль репортирования, только для генерации гипотез. Чистая логика, без внешних вызовов.

Параметры
  • ai_disclosure_levelenum

    Уровень раскрытия информации об использовании ИИ. «off» = без раскрытия; «standard» = стандартный; «submission» = добавляет цитирование ISPOR ELEVATE-GenAI.

  • data_sourceenum
  • drug_classstringобязательный

    Метка терапевтического класса, например 'anti-CGRP migraine mAbs'.

  • events_of_intereststring[]

    Нежелательные явления, о которых нужно явно сообщать во всех продуктах (сопоставление по подстроке), например ['cardiovascular','constipation'].

  • grand_totalnumber

    a+b+c+d - все сообщения в базе данных. Укажите (с total_reports по каждому продукту и event_total по каждому AE) для расчета диспропорциональности.

  • indicationstringобязательный
  • productsobject[]обязательный

    Для сравнения нужно как минимум два продукта.

  • reporting_period_monthsnumber
  • top_nnumber
pv.signal_workflowтолько чтениеидемпотентный

Вычисляет статистики disproportionality (PRR, ROR, IC/BCPNN, MGPS/EBGM) на основе пользовательских данных о количестве случаев лекарство-НЯ и выносит вердикт о сигнале в соответствии с EMA GVP Module IX rev 2. Возвращает вердикт (нет/усиление/подтверждён/ранее известный/опровергнут), рекомендации по дальнейшим действиям и канонический текст для раздела RMP о сигналах. Чтобы классифицировать результат как previously_known_signal, передайте ОБА параметра prior_known_signals И reported_event — тогда инструмент сможет сопоставить disproportionality с конкретным известным событием. Опционально добавляет соображения GVP P.III по наблюдению беременности (рождение/3 мес/12 мес), если оба параметра pregnancy_exposure и rmp_has_pregnancy_concern равны true. Работает в паре с pv_classify. ⚠️ MGPS v1 использует однослойное гамма-Пуассоновское сжатие — если в базе данных есть смещение по полу/возрасту, EBGM/EB05 могут быть завышены; стратифицированный MGPS запланирован на v2. v1 принимает пользовательские количества случаев; v2 также будет интегрировать программный доступ к EVDAS в соответствии с Регламентом 2025/1466.

Параметры
  • case_countsobjectобязательный
  • data_sourceenum
  • drugstringобязательный
  • indicationstringобязательный
  • outcome_seriousboolean
  • pregnancy_exposureboolean
  • prior_known_signalsstring[]
  • reporting_period_monthsnumber
  • rmp_has_pregnancy_concernboolean
pv.social_listening_triageтолько чтениеидемпотентный

Сортирует уже собранные посты из соцсетей на предмет сообщаемости в фармаконадзор в соответствии с EMA GVP Module VI. Для каждого поста вызывающая модель передаёт структурированную оценку того, какие из четырёх элементов ICSR присутствуют (identifiable_reporter, identifiable_patient, suspect_product, adverse_event), а также опционально тональность / темы / термины нежелательных реакций (adverse_event_terms). Инструмент применяет детерминированный тест валидности по четырём элементам (все четыре → валидный сообщаемый ICSR с таймером 15 дней для серьёзных / 90 дней для несерьёзных; только продукт+событие → требуется follow-up; нет НР → только качественная информация), подсчитывает тональность/темы/термины НР и выводит обязательства по отчётности и оговорки о валидности. Он НЕ парсит и НЕ запускает NLP — вызывающая модель извлекает поля для каждого поста, сохраняя аудируемость вывода. Работает в паре с rwe.social_listening_protocol (дизайн исследования) и pv.signal_workflow (оценка сигналов). ⚠️ Данные соцсетей — источник RWE с наименьшей валидностью: выводы о тональности/темах только для генерации гипотез. Чистая логика, без внешних вызовов.

Параметры
  • ai_disclosure_levelenum

    Уровень раскрытия информации об использовании ИИ. «off» = без раскрытия; «standard» = стандартный; «submission» = добавляет цитирование ISPOR ELEVATE-GenAI.

  • drugstringобязательный
  • indicationstringобязательный
  • platformstring
  • postsobject[]обязательный
regulatory.status_checkтолько чтениеидемпотентныйвнешний мир

Ищет текущий статус одобрения препарата по первичным источникам (OpenFDA для США, EMA EPI для ЕС). Возвращает одобренные показания, дословный текст инструкции, ограничения по возрасту/весу/полу, предупреждения в чёрной рамке, статус REMS, противопоказания, URL источников и метку времени запроса. Отказывается утверждать «not approved» при отсутствии в базе - вместо этого выводит «unknown». Кеш на 24 часа с флагом force_refresh. Используйте ДО любого утверждения о статусе одобрения, педиатрическом показании или нормативных ограничениях. Design log #25.

Параметры
  • drugstringобязательный

    Название препарата: МНН (fremanezumab), МНН+суффикс (fremanezumab-vfrm) или торговое название (Ajovy, без учёта регистра).

  • force_refreshboolean

    Обойди 24-часовой кэш и повторно получи данные из первоисточника. Используй для изменений меток в тот же день.

  • include_label_historyboolean

    Зарезервировано для v1.7.2, игнорируется в v1.7.0.

  • indicationstring

    Необязательно: сузить результаты до показаний, содержащих этот текст (например, 'pediatric', 'migraine').

  • regionenumобязательный

    Регион регулирования. 'uk' отложен до v1.7.1 (нет публичного eMC API). 'global' запрашивает US.

rwe.method_selectтолько чтениеидемпотентный

Выбирает подходящий дизайн исследования реальной клинической практики (RWE) для исследовательского вопроса. Ранжирует пять основных методологий RWE — ретроспективный анализ баз данных, опрос, обзор литературы, обзор медицинских карт, мониторинг социальных сетей — относительно вашей исследовательской цели, доступных данных, контекста принятия решений (HTA/плательщик, регуляторный, клинические рекомендации, внутренняя стратегия, исследовательский) и требуемой строгости (исследовательский / поддерживающий / для подачи). Возвращает основную рекомендацию + ранжированные альтернативы, каждая со своим уровнем валидности результатов, предупреждениями об искажениях и инструментами на этом сервере, которые её реализуют (например, literature.search, pv.signal_workflow, evidence.population_adjusted). Сообщает, когда ни один из возможных методов не соответствует запрошенной строгости, и предлагает триангуляцию по взаимодополняющим дизайнам. Чистая логика принятия решений, <200 мс, без внешних вызовов. Значения перечислений нечувствительны к регистру.

Параметры
  • ai_disclosure_levelenum

    Уровень раскрытия информации об использовании ИИ. «off» = без раскрытия; «standard» = по умолчанию (модель/инструменты/источники/дата + напоминание о проверке человеком); «submission» = добавляет ссылку на ISPOR ELEVATE-GenAI. По умолчанию зависит от инструмента.

  • available_dataenum[]

    Источники данных, к которым у вас есть доступ. Оставьте пустым, если неизвестно: в этом случае выполнимость будет помечена как неподтверждённая, а методы не будут исключены.

  • decision_contextenum
  • research_objectiveenumобязательный

    Основной тип исследовательского вопроса.

  • rigor_requiredenum
rwe.social_listening_protocolтолько чтениеидемпотентный

Создаёт протокол исследования на основе social-listening (мониторинг социальных сетей) для RWE-исследования. На вход подаются препарат, показание, цели (patient_experience, sentiment, adverse_event_monitoring, unmet_need, treatment_adherence, disease_awareness), платформы, юрисдикции по конфиденциальности и стартовые ключевые слова — на выходе полный протокол: цели и область применения, стратегия поиска, критерии включения/исключения, план анализа (сентимент + тематический + извлечение НЯ с кодировкой MedDRA), управление данными/конфиденциальность/этика (GDPR ст. 6/9 и пункты HIPAA включаются в зависимости от юрисдикции), ОБЯЗАТЕЛЬНЫЙ раздел по фармаконадзору (GVP Module VI применяется к любому систематическому обзору цифровых медиа, независимо от цели или владельца канала — эскалируется, когда is_mah_managed_channel имеет значение true), результаты, обязательный/рекомендуемый чек-лист соответствия и ограничения. Сочетается с pv.social_listening_triage (исполнение) и irb.review. ⚠️ Social-listening — метод RWE с наименьшей достоверностью: результаты качественные/гипотезогенерирующие; триангулируйте с дизайнами более высокой достоверности. Чистая логика, внешних вызовов нет; значения перечисления нечувствительны к регистру.

Параметры
  • ai_disclosure_levelenum

    Уровень раскрытия информации об использовании ИИ. «off» = без раскрытия; «standard» = стандартный; «submission» = добавляет цитирование ISPOR ELEVATE-GenAI.

  • drugstringобязательный
  • indicationstringобязательный
  • is_mah_managed_channelboolean

    True, если канал спонсируется или управляется держателом регистрационного удостоверения: это повышает обязательства по проактивному сбору и отчетности о нежелателных явлениях.

  • keywordsstring[]
  • objectivesenum[]обязательный
  • platformsenum[]обязательный
  • privacy_jurisdictionsenum[]
  • time_window_monthsnumber
search.strategy_buildтолько чтениевнешний мир

Генерирует формальный поисковый запрос для систематического обзора по стандарту PRISMA на основе исследовательского вопроса / PICOS. Возвращает пронумерованные блоки синтаксиса для Embase и PubMed по каждой нити обзора (экономическая, клиническая, HRQoL, эпидемиология). Для PubMed — живые подсчеты через NCBI E-utilities: по каждой строке концепта, по всем концептам вместе и по полным запросам для каждой нити (концепт AND SIGN-фильтр NOT исключения AND ограничения). Блоки для Embase готовы к вставке — подсчеты для Embase НЕ вычисляются. Когда запрошена одна нить, pipeline_inputs.pubmed_query содержит полный запрос для этой нити; при нескольких нитях он остается только с концептами (см. pubmed_strand_counts). Эмтри-термы в Embase — ЧЕРНОВИК: сверьте с Emtree.

Параметры
  • age_limitenum

    Необязательное ограничение по возрастной группе (MeSH/Emtree): child 0–12, adolescent 13–17, adult 18–44, middle_aged 45–64, senior 65+

  • ai_disclosure_levelenum

    Уровень раскрытия информации об использовании ИИ добавляется к выходным данным. «off» — без раскрытия (режим черновика аналитика); «standard» — стандартный видимый блок (модель, использованные инструменты, источники, дата, напоминание о проверке человеком); «submission» — стандартный блок плюс цитирование ISPOR ELEVATE-GenAI (для регуляторных или платёжных submissions).

  • condition_termsstring[]обязательный

    Синонимы заболевания/состояния для блока концепта (≥1)

  • date_fromstring

    YYYY-MM-DD; нижняя граница года публикации

  • date_tostring

    YYYY-MM-DD; верхняя граница (по умолчанию - текущий год)

  • decisionsobject[]

    Методологические решения, принятые в разговоре (выбор источника, выбор компаратора, критерии скрининга, структура модели...). Каждая запись фиксирует выбор, обоснование (почему), отклонённые альтернативы и того, кто принял решение. Встраивается в audit trail Decision Log и, когда указан проект, добавляется к wiki/decisions.md для переиспользования в последующих сессиях. Инструменты никогда не придумывают решения, а только передают то, что пользователь принял или подтвердил. Design log #52.

  • intervention_termsstring[]

    Необязательные синонимы вмешательства.

  • languageenum

    Необязательное ограничение по языку

  • picosobject

    Структурированный PICOS

  • population_termsstring[]

    Фразы о населении/географии (например, 'adults in the United Kingdom'): разворачиваются в adult, England, Scotland, Wales, UK и т.д. Держите отдельно от condition_terms.

  • research_questionstring

    Исследовательский вопрос в свободной форме (необязателен, если указаны PICO)

  • run_countsboolean

    Получает реальные счётчики PubMed (по умолчанию true)

  • strandsenum[]обязательный

    Проверьте цепочки для генерации (≥1).

trial.enrollment_criteriaтолько чтениеидемпотентныйвнешний мир

Получает критерии набора/допуска для клинического исследования из ClinicalTrials.gov по номеру NCT. Возвращает структурированные критерии отбора (включения/исключения), первичные исходы, дизайн исследования и описание популяции. Используйте это ДО того, как строить анализ расхождений между исследуемой и реальной популяцией. Всегда вызывайте этот инструмент, а не полагайтесь на знания из обучающих данных о наборе в исследования.

Параметры
  • nct_idstringобязательный

    Идентификатор ClinicalTrials.gov, например NCT04184622

utils.validate_linksтолько чтениеидемпотентныйвнешний мир

Проверяет URL через HEAD-запросы и анализирует HTTP-статусы. Возвращает категорию: working (200), browser_only (401/403/407 — сайты, блокирующие ботов, но работающие в браузере), broken (404/410) или timeout/error. ВСЕГДА используй этот инструмент перед тем, как показывать ссылки пользователю — битые ссылки разрушают доверие. Передавай все URL, которые собираешься цитировать.

Параметры
  • timeout_msnumber

    Таймаут на URL в мс (по умолчанию 10000, максимум 30000)

  • urlsstring[]обязательный

    Список URL-адресов для проверки (не более 50)

utils.verify_citationsтолько чтениеидемпотентныйвнешний мир

Проверяет цитирования DOI/PMID через Crossref + NCBI E-utilities. Возвращает статус каждой цитаты: verified (разрешено), fabricated (идентификатор корректного формата, который разрешается в НИЧТО, вероятно, вымышленный DOI), unverifiable (сетевая ошибка или некорректный идентификатор — никогда не утверждает, что это вымысел), или url_only (URL без разрешимого DOI/PMID). Используйте это, чтобы отлавливать галлюцинированные ссылки ДО их представления — обычные LLM фабрикуют ~36-40% DOI. Передавайте до 100 цитат.

Параметры
  • ai_disclosure_levelenum

    Уровень раскрытия информации об использовании ИИ добавляется к выходным данным. «off» — без раскрытия (режим черновика аналитика); «standard» — стандартный видимый блок (модель, использованные инструменты, источники, дата, напоминание о проверке человеком); «submission» — стандартный блок плюс цитирование ISPOR ELEVATE-GenAI (для регуляторных или платёжных submissions).

  • citationsobject[]обязательный

    Цитаты для проверки (не более 100). Каждая может содержать DOI, PMID, URL и/или название.

  • timeout_msnumber

    Таймаут на запрос в мс (по умолчанию 8000, максимум 30000)

workflow.living_evidenceтолько чтениеидемпотентный

Оркестрирует сквозной конвейер living-evidence — AI-усиленный SLR → living knowledge base → deliverables для JCA/HTA ('от обзора до возмещения'). Возвращает упорядоченный ранбук вызовов инструментов: для stage='baseline' — полная цепочка (literature.search → screen → risk_of_bias → triangulation → network/indirect → cost_effectiveness → budget_impact → gap_analysis → claim_registry → dossier/JCA → consistency_check → living_review init); для stage='refresh' — только те шаги, которые запускаются переданными сигналами (material_change + recommended_downstream из literature.living_review, drifting_claims из evidence.consistency_check), так что неизменённое обновление — почти no-op. Это детерминированный генератор ранбуков — он НЕ выполняет шаги и не хранит состояние (вызывающий агент их выполняет; хост отвечает за персистентность и расписание обновлений). Используйте его для управления или документирования живого конвейера. Значения перечислений регистронезависимы.

Параметры
  • ai_disclosure_levelenum
  • deliverablesstring[]

    Результаты, входящие в область охвата, например ['living_gvd','jca_submission','hta_submission','iegp'].

  • drifting_claimsstring[]

    Из evidence.consistency_check: управляет регенерацией поставляемого результата.

  • indicationstringобязательный
  • interventionstringобязательный
  • material_changeboolean

    Из обновления literature.living_review - управляет шагами повторного выполнения.

  • new_recordsnumber
  • project_idstring
  • recommended_downstreamstring[]

    Из literature.living_review (например, ['evidence_network','itc_feasibility']).

  • stageenum
workflow.maicтолько чтениеидемпотентный

Запускает стандартный пайплайн MAIC по поиску и отбору публикаций за один вызов: оценка пригодности ITC + параллельный поиск по литературе (широкий и по каждому исследованию) + отбор по PICO + построение сети доказательств. НЕ запускает автоматически оценку риска смещений (risk_of_bias — ей нужны названные исследования; отчёт подскажет, что на отобранном наборе нужно запустить risk_of_bias) и останавливается до проведения MAIC/Bucher (для них требуются данные отдельных пациентов или оценки эффектов на уровне исследований). Собирает структурированный отчёт из 9 разделов с явными следующими шагами. Используйте этот инструмент как единый оркестратор вместо того, чтобы вручную выстраивать цепочку из базовых инструментов через Claude/ChatGPT.

Параметры
  • anchoredboolean

    Anchored (по умолчанию true) → корректирует только модификаторы эффекта. false → unanchored: модификаторы эффекта И прогностические факторы (гораздо более сильное допущение; NICE относится скептически). Задает comparison_type. NICE DSU TSD 18. Design log #48.

  • comparatorstringобязательный

    Название препарата сравнения

  • corpus_papersobject[]

    Необязательный структурированный корпус для пути подачи: идентификация модификаторов эффекта выполняется в closed_corpus по этим полям {pmid?, doi?, title, year?, abstract?}. Опущено → запасной вариант open_search discovery. Журнал проектирования #48.

  • decisionsobject[]

    Методологические решения, принятые в разговоре (выбор источника, выбор компаратора, критерии скрининга, структура модели...). Каждая запись фиксирует выбор, обоснование (почему), отклонённые альтернативы и того, кто принял решение. Встраивается в audit trail Decision Log и, когда указан проект, добавляется к wiki/decisions.md для переиспользования в последующих сессиях. Инструменты никогда не придумывают решения, а только передают то, что пользователь принял или подтвердил. Design log #52.

  • effect_modifier_extractionsobject[]

    Необязательные кандидаты в модификаторы эффекта, извлечённые агентом. direction: treatment_predictor/both = модификатор эффекта; prognostic = прогностический фактор. Журнал дизайна #48.

  • effect_modifiersstring[]

    Необязательные модификаторы эффекта, известные из клинических данных.

  • fetch_full_textboolean

    Когда значение равно true (вместе с corpus_papers), извлекает полнотекстовую версию открытого доступа и передаёт её в идентификацию модификаторов эффекта, чтобы source_location можно было проверить по реальному тексту подгруппы/таблицы. Design log #48.

  • include_confounder_identificationboolean

    Когда true, после скрининга запускает идентификацию EFFECT-MODIFIER (confounder_identification с comparison_type, заданным из anchored) и добавляет раздел. Дизайн-лог #43/#48.

  • indicationstringобязательный

    Заболевание/состояние.

  • interventionstringобязательный

    Название препарата/вмешательства.

  • max_results_per_searchnumber
  • outcome_typeenum
  • picoobject

    Необязательные критерии PICO для скрининга (значения по умолчанию выводятся).

  • runs_per_searchnumber
  • trials_comparatorstring[]

    Необязательные названия испытаний компаратора (например, INSPIRE, COMMAND).

  • trials_interventionstring[]

    Необязательные названия испытаний (например, QUASAR, ASTRO) для параллельного поиска.

1.35.0основная
1.16.0
1.15.1
1.15.0
1.14.4
1.14.2
1.14.0
1.11.3
1.11.1
1.11.0
1.10.2
1.10.1
1.9.2
1.9.0
1.6.3
1.6.2
1.6.1
1.6.0
1.5.2
1.5.1
1.5.0
1.4.2
1.4.1
1.4.0
1.3.2
1.3.1
1.2.2
1.2.1
1.2.0
1.1.1
1.1.0
1.0.6
1.0.5
1.0.4
1.0.3
1.0.2
1.0.1
1.0.0
0.9.10
0.9.8
0.9.6
0.9.5
0.9.4
0.9.3
0.9.2
0.9.1
0.9.0
0.7.1
0.7.0
0.3.0
0.2.0
0.1.7
0.1.6
0.1.5
0.1.4
0.1.3
0.1.2
0.1.0

Выберите клиент, чтобы установить neptun2000/heor-agent-mcp:

Любой клиент

Конфиг добавления MCP сервера стандартный, обычно он не меняется вообще, поэтому подходит практически к любому ИИ клиенту, поддерживающему MCP.

{
  "mcpServers": {
    "neptun2000-heor-agent-mcp-enqan3lsyk": {
      "args": [
        "heor-agent-mcp"
      ],
      "command": "npx"
    }
  }
}
CursorCursor

Перейдите по ссылке и сервер автоматически будет добавлен в Cursor. Либо откройте/создайте файл ~/.cursor/mcp.json(%USERPROFILE%\.cursor\mcp.json на Windows) и добавьте конфиг сервера:

{
  "mcpServers": {
    "neptun2000-heor-agent-mcp-enqan3lsyk": {
      "args": [
        "heor-agent-mcp"
      ],
      "command": "npx"
    }
  }
}
VS Code

Создайте .vscode/mcp.json в проекте (ключ верхнего уровня — servers):

{
  "servers": {
    "neptun2000-heor-agent-mcp-enqan3lsyk": {
      "type": "stdio",
      "args": [
        "heor-agent-mcp"
      ],
      "command": "npx"
    }
  }
}

Либо добавьте сервер через терминал:

code --add-mcp "{\"name\":\"neptun2000-heor-agent-mcp-enqan3lsyk\",\"type\":\"stdio\",\"args\":[\"heor-agent-mcp\"],\"command\":\"npx\"}"
ClaudeClaude Desktop

Откройте Settings → Developer → Edit Config — это откроет файл claude_desktop_config.json:

  • macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
  • Windows: %APPDATA%\Claude\claude_desktop_config.json

Впишите сервер и полностью перезапустите Claude Desktop:

{
  "mcpServers": {
    "neptun2000-heor-agent-mcp-enqan3lsyk": {
      "args": [
        "heor-agent-mcp"
      ],
      "command": "npx"
    }
  }
}
Claude CodeClaude Code

Добавьте сервер одной командой в терминале:

claude mcp add neptun2000-heor-agent-mcp-enqan3lsyk -- npx heor-agent-mcp

Либо через JSON-конфиг:

claude mcp add-json neptun2000-heor-agent-mcp-enqan3lsyk "{\"args\":[\"heor-agent-mcp\"],\"command\":\"npx\"}"
CodexCodex

Добавьте сервер командой в терминале:

codex mcp add neptun2000-heor-agent-mcp-enqan3lsyk -- npx heor-agent-mcp

Либо вручную в ~/.codex/config.toml(%USERPROFILE%\.codex\config.toml на Windows):

[mcp_servers.neptun2000-heor-agent-mcp-enqan3lsyk]
command = "npx"
args = ["heor-agent-mcp"]
PerplexityPerplexity

MCP доступен подписчикам Perplexity Pro / Max / Enterprise. Локальные серверы — только в приложении для macOS.

  1. Откройте Настройки аккаунта → Connectors.
  2. Установите вспомогательное приложение PerplexityXPC (один раз).
  3. Нажмите Add Connector → вкладка Simple.
  4. В поле Server Name укажите neptun2000/heor-agent-mcp, а в поле команды запуска — строку ниже:
npx heor-agent-mcp

Нажмите Save и дождитесь статуса Running.

WindsurfWindsurf

Откройте Windsurf Settings → Cascade → MCP Servers или отредактируйте файл ~/.codeium/windsurf/mcp_config.json:

{
  "mcpServers": {
    "neptun2000-heor-agent-mcp-enqan3lsyk": {
      "args": [
        "heor-agent-mcp"
      ],
      "command": "npx"
    }
  }
}
ClineCline

В панели Cline нажмите иконку MCP Servers → Configure → Configure MCP Servers (или отредактируйте ~/.cline/mcp.json) и добавьте сервер:

{
  "mcpServers": {
    "neptun2000-heor-agent-mcp-enqan3lsyk": {
      "args": [
        "heor-agent-mcp"
      ],
      "command": "npx",
      "disabled": false,
      "autoApprove": []
    }
  }
}
Continue

Создайте файл в .continue/mcpServers/ (например neptun2000-heor-agent-mcp-enqan3lsyk.yaml) или добавьте блок в config.yaml. MCP работает только в режиме agent:

mcpServers:
  - name: neptun2000-heor-agent-mcp-enqan3lsyk
    command: npx
    args:
      - "heor-agent-mcp"
Zed

Выполните agent: add context server или откройте настройки (zed: open settings file) и добавьте сервер в объект context_servers:

{
  "context_servers": {
    "neptun2000-heor-agent-mcp-enqan3lsyk": {
      "args": [
        "heor-agent-mcp"
      ],
      "command": "npx"
    }
  }
}

Похожие MCP-сервера

connerlambden/bgpt-mcp

connerlambden/bgpt-mcp

от connerlambden

Сервер BGPT даёт AI-помощникам и Python-скриптам доступ к структурированным данным из научных статей: методам, результатам и выводам. Незаменим для обзоров литературы и проверки гипотез.

JavaScript⭐ 43
musharna/plant-genomics-mcp

musharna/plant-genomics-mcp

от musharna

MCP-сервер с 32 инструментами для поиска и анализа геномных локусов растений. Использует 11 открытых источников (Ensembl Plants, Phytozome, UniProt и др.) для получения аннотаций, гомологов и путей...

Python⭐ 7
pallaprolus/mendeley-mcp

pallaprolus/mendeley-mcp

от pallaprolus

MCP-сервер, который подключает вашу библиотеку Mendeley к ИИ-ассистентам вроде Claude. Ищите статьи, управляйте папками, читайте аннотации и даже извлекайте полный текст PDF. Незаменим для исследователей — работа с литературой через LLM становится быстрой и удобной.

Python⭐ 46
cafferychen777/ChatSpatial

cafferychen777/ChatSpatial

от cafferychen777

ChatSpatial - MCP-сервер для пространственной транскриптомики на естественном языке. Вместо генерации скриптов использует 20 инструментов и 65 методов - от загрузки до визуализации. Для Visium, Xen...

Python⭐ 45
longevity-genie/gget-mcp

longevity-genie/gget-mcp

от longevity-genie

MCP сервер для библиотеки gget: AI-ассистенты выполняют сложные запросы к геномным базам: поиск генов, BLAST и предсказание белков. Инструмент полезен биоинформатикам для анализа геномики через естественный язык.

Python⭐ 33
ammawla/encode-toolkit

ammawla/encode-toolkit

от ammawla

MCP-сервер для геномных исследований: поиск по ENCODE, интеграция 14 баз (GTEx, ClinVar, GWAS) и запуск пайплайнов с генерацией методов - всё на естественном языке в Claude. Для биоинформатиков и г...

Python⭐ 21
© Каталог MCP, 2026. Все права защищены.
Проект не аффилирован с Anthropic и любыми упомянутыми продуктами.
Все названия и торговые марки принадлежат их владельцам.
Контакты для связи: hi@mcp-katalog.ru

Лука Никитин