agentleFS
embryossaembryossa/embryo-lab-data/.claude/skills/reformat-1c-report/SKILL.md

reformat-1c-report

Skill0 starsChanged 30 days agoMITView on GitHub

Deterministic cleaner for Fertimed's raw 1C MIS export (.xlsx) — filters cohort rows and fills/recomputes established fields (MII→OCC→follicles chain, embryologist/doctor priority, frozen count, age, binary outcome), keeping every original column name/order intact. Standalone from the main analytics pipeline.

The file

Files
SKILL.md

Первичная подготовка данных 1С Fertimed (отдельно от основного пайплайна)

Это НЕ часть scripts/run_analysis.py / src/embryo/clinics/fertimed.py. Тот пайплайн их не импортирует и не читает результат этого skill — независимые процессы. Этот skill существует для случаев, когда нужна ТОЛЬКО очищенная таблица (для других проектов по этой же клинике), без построения cycle_uid, без KPI/DT/TabPFN и без канонических переименований колонок.

Правила ниже — owner-approved техзадание от 2026-07-19, применяются на месте, к оригинальным заголовкам колонок исходного Excel — колонки не переименовываются, не добавляются, не удаляются. Меняются только строки (фильтр когорты) и значения внутри уже существующих колонок (заполнение пропусков либо полный пересчёт значения).

Что делает clean_fertimed_1c.py

Единственный файл, полностью самодостаточный (только pandas/openpyxl/numpy, никаких импортов из src/embryo) — специально, чтобы этот skill можно было целиком скопировать в другой проект и запускать там без изменений.

python clean_fertimed_1c.py <входной .xlsx> [--output <путь>] [--sheet <имя_или_индекс>]

Без --output результат кладётся рядом со входом как <имя>_cleaned.xlsx. Последняя строка stdout — ровно абсолютный путь к результату, ничего больше (так вызывающий агент сможет надёжно взять его для ответа пользователю). Диагностика (сколько строк отфильтровано, сколько пропусков заполнено) идёт в stderr.

Фильтр строк — применяется в этом порядке (итоговая маска — AND всех трёх, но диагностика в stderr считает отсев пошагово, как в техзадании):

  1. Исход переноса не пусто.
  2. Число инсеминированных присутствует и численно — иначе строка удаляется сразу (только циклы, где реально проводили оплодотворение).
  3. Лечение (без учёта регистра/пробелов) — одно из: криоперенос, икси, эко, эко + икси, получение як (реципиент). Пустые, «Только пункция», «Инсеминация», «ПГТ на размороженных эмбрионах» отбрасываются. Лечение больше нигде не используется — это ненадёжный маркер реального метода оплодотворения (см. ниже про IVF/ICSI).

Заполнение пропусков (только реально пустые ячейки, если не указано иное). Порядок важен: Число MII заполняется первым, затем Число ОКК подтягивается из уже заполненного Число MII, затем Количество фолликулов — из уже заполненного Число ОКК. Так как фильтр когорты гарантирует, что Число инсеминированных известно у каждой оставшейся строки, у цепочки всегда есть с чего начать — пропусков в этих трёх колонках после очистки не остаётся вообще:

  • Число MII пусто → значение Число инсеминированных (то же правило, что в основном пайплайне: используем MII, если он реально известен, иначе Inseminated — см. CLAUDE.md). Применяется теперь ко всем строкам, а не только к чистому ЭКО.
  • Число ОКК пусто → значение (уже заполненного) Число MII.
  • Количество фолликулов пусто → значение (уже заполненного) Число ОКК. КАФ не используется вообще (известно, что вносится ненадёжно).
  • № попытки пусто → 1
  • День переноса пусто → 5
  • АМГ пусто → та же формула, что normalize.impute_amh (age/AFC/OCC, клип в [0.1, 12.0]); возраст парсится из текста ("34 года") только во временной переменной для формулы.
  • ИМТ/BMI пусто → константа 24.0 (если такая колонка вообще есть в выгрузке — в текущем формате Fertimed её нет, шаг тогда просто no-op).
  • Эмбриолог, проводивший оплодотворение пусто → Эмбриолог на пункции, если и там пусто → Эмбриолог на переносе. Именно эта колонка (после заполнения по приоритету) — KPI-релевантный эмбриолог; напрямую она часто теряется при выгрузке.
  • Врач на пункции пусто → Врач на переносе. Это основной/KPI-релевантный врач.

Полный пересчёт (перезаписывает существующее значение для всех строк когорты, не только пропуски):

  • Заморожено эмбрионов = Заморожено эмбрионов + Заморожено бластоцист (Заморожено бластоцист при этом не трогается).
  • Возраст — парсится из текста в число ("34 года"/"26 лет"/"31 год" → 34/26/31). Если распарсить не удалось — ячейка остаётся пустой (не подставляется никакой дефолт; дефолт 35 используется только внутри формулы АМГ, в выходную таблицу не попадает).
  • Исход переноса — кодируется в 0/1: 1, если в тексте ячейки встречается подстрока +28 (то есть «+28 дней» — подтверждённая клиническая беременность, неважно одно- или многоплодная), иначе 0 (биохимическая беременность либо беременность не наступила). Фильтр когорты уже гарантирует, что эта ячейка непустая у всех оставшихся строк.

Намеренно НЕ трогается — эти колонки owner пометил как не используемые для отчёта (донорские коды, ФИО суррогатной матери, исходы родов/осложнений, SMF, FET, PGT-TVP/PGT-ET, КАФ и т.п.): они остаются в файле как есть, на своём месте, просто ни в одном правиле выше не участвуют. Явно решено (2026-07-19) их не вырезать из выходной таблицы.

Как это используется

Команда /reformat-1C-report <путь к .xlsx> запускает выделенного субагента fertimed-1c-reformatter, который загружает этот skill и выполняет clean_fertimed_1c.py из этой же папки. Агент отчитывается только полным путём к результату — сам файл в контекст агента не грузится (не нужно передавать целиком персональные данные пациентов модели без необходимости).

Перенос в другой проект: скопировать всю папку .claude/skills/reformat-1c-report/ (plus .claude/agents/fertimed-1c-reformatter.md и .claude/commands/reformat-1C-report.md, если нужен и сам вызов командой) — скрипт не ссылается ни на что за пределами своей папки.

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.