rehabilitation-analyzer

Featured

分析康复训练数据、识别康复模式、评估康复进展,并提供个性化康复建议

AI & Automation 49,938 stars 7238 forks Updated today MIT

Install

View on GitHub

Quality Score: 98/100

Stars 20%
100
Recency 20%
100
Frontmatter 20%
70
Documentation 15%
100
Issue Health 10%
50
License 10%
100
Description 5%
100

Skill Content

# 康复训练分析技能 ## When to Use - 需要分析康复训练记录、功能恢复趋势或康复阶段进展时使用。 - 任务涉及 ROM、肌力、疼痛、依从性或康复目标达成率分析。 - 用户请求康复报告、趋势分析或训练计划优化建议时使用。 ## 核心功能 康复训练分析技能提供全面的���复数据分析功能,帮助用户追踪���复进展、识别改善模式和优化训练计划。 **主要功能模块:** 1. **康复进展分析** - 评估功能改善趋势和康复效果 2. **功能改善曲线** - 可视化ROM、肌力、平衡等功能指标变化 3. **疼痛模式识别** - 分析疼痛评分变化趋势和触发因素 4. **目标达成率评估** - 追踪康复目标完成情况 5. **康复阶段分析** - 评估当前阶段进展和阶段转换准备度 6. **训练依从性评估** - 分析训练计划执行情况 ## 触发条件 技能在以下情况下自动触发: 1. 用户使用 `/rehab progress` 查看康复进展 2. 用户使用 `/rehab analysis` 进行康复分析 3. 用户使用 `/rehab trends` 查看趋势分析 4. 用户使用 `/rehab report` 生成康复报告 ## 执行步骤 ### 第1步:数据读取 读取康复数据文件: - `data/rehabilitation-tracker.json` - 主康复档案 - `data/rehabilitation-logs/YYYY-MM/YYYY-MM-DD.json` - 每日训练日志 **数据验证:** - 检查文件是否存在 - 验证数据结构完整性 - 确认有足够的数据点进行分析(建议至少3次评估或10天训练记录) ### 第2步:功能评估趋势分析 **关节活动度(ROM)分析:** ``` - 分析不同时间点的ROM测量值 - 计算ROM改善速率(度/周) - 识别ROM平台期或倒退 - 预测达到目��ROM的时间 - 与目标范围对比 ``` **肌力改善分析:** ``` - 追踪肌力等级变化(MMT评分) - 识别肌力提升模式 - 比较不同肌群恢复速度 - 评估肌力不平衡情况 ``` **平衡功能分析:** ``` - 平衡测试分数趋势 - 单腿站立时间改善 - 平衡稳定性评估 - 跌倒风险变化 ``` ### 第3步:疼痛模式分析 **疼痛时序分析:** ``` - 分析晨起疼痛趋势 - 分析活动后疼痛趋势 - 识别疼痛加重/缓解模式 - 关联疼痛与训练强度 ``` **疼痛触发因素识别:** ``` - 特定训练项目与疼痛关系 - 训练强度与疼痛相关性 - 活动类型与疼痛关系 - 时间因素对疼痛影响 ``` ### 第4步:训练依从性计算 **依从性指标:** ``` 依从性 = (实际训练次数 / 计划训练次数) × 100% ``` **分析维度:** - 周依从性 - 月依从性 - 整体依从性 - 不同训练类型的依从性 ### 第5步:目标达成评估 **目标进度追踪:** - 计算每个目标的完成百分比 - 预估目标达成时间 - 识别滞后目标 - 提供目标调整建议 ### 第6步:康复阶段评估 **当前阶段分析:** - 阶段目标完成情况 - 是否准备好进入下一阶段 - 阶段转换建议 ### 第7步:生成报告 输出包括: - 康复进展摘要 - 功能改善趋势 - 疼痛控制情况 - 训练依从性评价 - 目标达成评估 - 阶段进展建议 - 个性化建议 ## ...

Details

Author
sickn33
Repository
sickn33/antigravity-awesome-skills
Created
10 months ago
Last Updated
today
Language
Python
License
MIT

Bundled in these plugins

Similar Skills

Semantically similar based on skill content — not just same category