LogoClawIndex
案例技能关于
LogoClawIndex

relsa-severity-assessment - 用RELSA评估实验动物研究严重程度

基于实验动物研究中的福利测量计算相对参考集的RELSA严重程度评分,并生成探索性ARIMA预测。

标签

更新于: 2026-10-08

能力

典型输入

典型输出

该技能可以做什么

  • 计算RELSA严重程度评分
  • 按基线归一化测量值
  • 构建可复用参考集
  • 使用ARIMA预测评分
  • 用KDE定义严重程度阈值
  • 用RMSE、PICP、MPIW评估预测

输入

  • 动物测量CSV文件
  • 动物标识符
  • 时间点
  • 福利测量值
  • 变量方向性
  • 基线时间
  • 参考队列
  • 预测目标时间

输出

  • 逐动物严重程度评分
  • 变量级评分权重
  • ARIMA评分预测
  • 预测区间
  • 严重程度阈值或区域
  • 预测评估指标
  • 参考模型文件
  • 评分输出CSV文件

要求

  • Python 3.12或更高版本
  • numpy、pandas、scipy、statsmodels
  • 生成图表需matplotlib
  • 文件系统读写权限
  • Bash执行权限
  • 安装或上游审查需网络访问

来源

  • 规范: SKILL.md

ClawIndex

OpenClaw Skills 与 Use Case 索引

ClawIndex 是一个生态驱动的 OpenClaw Skills 与真实 Use Case 索引站。

索引

Skills·
Cases

Meta

关于·
声明·
邮箱·
GitHub
© 2026 ClawIndex 保留所有权利。
动物福利
严重程度评估
RELSA
ARIMA预测
实验动物
3R原则与优化
欧盟指令2010/63/EU
计算RELSA严重程度评分
按基线归一化测量值
构建可复用参考集
使用ARIMA预测评分
动物测量CSV文件
动物标识符
时间点
逐动物严重程度评分
变量级评分权重
ARIMA评分预测