occupational-health-analyzer
分析职业健康数据、识别工作相关健康风险、评估职业健康状况、提供个性化职业健康建议。支持与睡眠、运动、心理健康等其他健康数据的关联分析。
Best use case
occupational-health-analyzer is best used when you need a repeatable AI agent workflow instead of a one-off prompt.
分析职业健康数据、识别工作相关健康风险、评估职业健康状况、提供个性化职业健康建议。支持与睡眠、运动、心理健康等其他健康数据的关联分析。
Teams using occupational-health-analyzer should expect a more consistent output, faster repeated execution, less prompt rewriting.
When to use this skill
- You want a reusable workflow that can be run more than once with consistent structure.
When not to use this skill
- You only need a quick one-off answer and do not need a reusable workflow.
- You cannot install or maintain the underlying files, dependencies, or repository context.
Installation
Claude Code / Cursor / Codex
Manual Installation
- Download SKILL.md from GitHub
- Place it in
.claude/skills/occupational-health-analyzer/SKILL.mdinside your project - Restart your AI agent — it will auto-discover the skill
How occupational-health-analyzer Compares
| Feature / Agent | occupational-health-analyzer | Standard Approach |
|---|---|---|
| Platform Support | Not specified | Limited / Varies |
| Context Awareness | High | Baseline |
| Installation Complexity | Unknown | N/A |
Frequently Asked Questions
What does this skill do?
分析职业健康数据、识别工作相关健康风险、评估职业健康状况、提供个性化职业健康建议。支持与睡眠、运动、心理健康等其他健康数据的关联分析。
Where can I find the source code?
You can find the source code on GitHub using the link provided at the top of the page.
SKILL.md Source
# 职业健康分析技能 ## 核心功能 职业健康分析技能提供全面的职业健康数据分析功能,帮助用户追踪工作相关健康问题、识别职业健康风险、评估工作环境人机工程水平和优化职业健康。 **主要功能模块:** 1. **职业健康风险评估** - 久坐、视屏终端、倒班工作、重复性劳损、工作压力等多维度风险评估 2. **工作相关问题追踪** - 颈肩腰腿痛、眼疲劳、腕管综合征等症状监测 3. **人机工程评估** - 工作站、椅子、显示器、键盘、环境等全方位评估 4. **职业病筛查** - 基于工作类型的职业病风险评估和筛查建议 5. **趋势分析** - 症状发展、改善效果、风险变化趋势 6. **关联分析** - 与睡眠、运动、心理健康、慢性病模块的关联分析 7. **个性化建议** - 工作姿势、休息提醒、设备建议、环境优化 8. **预警系统** - 高风险模式、症状恶化、职业病风险预警 ## 触发条件 技能在以下情况下自动触发: 1. 用户使用 `/work trend` 查看职业健康趋势 2. 用户使用 `/work status` 查看综合健康状态 3. 用户使用 `/work recommend` 获取改进建议 4. 用户使用 `/work assess` 进行综合评估 5. 用户使用 `/work issue` 记录问题后的分析 6. 用户使用 `/work ergonomic` 进行人机工程评估后的分析 ## 医学安全边界 **本技能不能做的事:** - ❌ 不进行职业病诊断 - ❌ 不出具职业病诊断证明 - ❌ 不替代工作场所健康监护 - ❌ 不预测疾病发展 - ❌ 不处理急性健康危机 **本技能能做的事:** - ✅ 职业健康风险评估和筛查 - ✅ 工作相关症状识别和追踪 - ✅ 人机工程评估和改进建议 - ✅ 职业病风险预警 - ✅ 工作环境改善建议 - ✅ 健康记录保存(就医时参考) - ✅ 与其他健康数据的关联分析 ## 执行步骤 ### 第1步:数据读取 读取职业健康数据文件: - `data-example/occupational-health-tracker.json` - 主职业健康档案 **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 ### 第2步:职业健康风险评估 #### 久坐风险评估(Sedentary Risk Score) **评分维度(每个维度0-10分)**: 1. **每天久坐时间** (sedentary_time_daily) - >8小时:10分 - 6-8小时:7分 - 4-6小时:4分 - <4小时:1分 2. **休息频率** (break_frequency) - 无休息:10分 - 每3小时+:8分 - 每2小时:5分 - 每小时:2分 3. **每周运动时间** (weekly_exercise_minutes) - 0分钟:10分 - <60分钟:7分 - 60-150分钟:4分 - >150分钟:1分 4. **现有症状** (existing_symptoms_severity) - 严重症状:10分 - 中度症状:7分 - 轻度症状:4分 - 无症状:1分 **总分计算**: ``` 总分 = 久坐时间 + 休息频率 + 运动时间 + 现有症状 范围:4-40分 ``` **风险等级判定**: - 低风险:4-13分 - 中风险:14-26分 - 高风险:27-40分 #### 视屏终端风险评估(VDT Risk Score) **评分维度(每个维度0-10分)**: 1. **每天屏幕时间** (screen_time_daily) - >8小时:10分 - 6-8小时:7分 - 4-6小时:4分 - <4小时:1分 2. **20-20-20法则遵守** (rule_20_20_20_compliance) - 从不遵守:10分 - 偶尔遵守:6分 - 经常遵守:3分 - 总是遵守:1分 3. **照明条件** (lighting_quality) - 很差:10分 - 较差:7分 - 一般:4分 - 良好:1分 4. **眼部症状** (eye_symptoms_severity) - 严重症状:10分 - 中度症状:7分 - 轻度症状:4分 - 无症状:1分 **总分计算和风险等级判定同久坐风险** #### 综合风险评估 **综合风险等级计算**: ``` 综合风险分数 = max(久坐风险, 视屏风险, 倒班风险, 劳损风险, 压力风险) 如果有多个高风险因素(≥27分),综合风险等级上调一级 如果有3个及以上中风险因素(14-26分),综合风险等级上调一级 ``` ### 第3步:人机工程评估 #### 评估维度和评分 **椅子评估**(0-20分): ``` - 可调节性(0-5分) - 腰椎支撑(0-5分) - 座椅深度(0-5分) - 扶手(0-5分) ``` **显示器评估**(0-20分): ``` - 高度(0-7分) - 距离(0-7分) - 角度(0-6分) ``` **键盘和鼠标评估**(0-20分): ``` - 键盘位置(0-5分) - 鼠标位置(0-5分) - 手腕支撑(0-10分) ``` **工作台评估**(0-20分): ``` - 高度(0-10分) - 空间(0-10分) ``` **环境评估**(0-20分): ``` - 照明(0-7分) - 噪音(0-7分) - 温度(0-6分) ``` **总分计算**: ``` 总分 = 椅子 + 显示器 + 键盘鼠标 + 工作台 + 环境 范围:0-100分 评分等级: - 优秀:0-20分 - 良好:21-40分 - 一般:41-60分 - 较差:61-80分 - 差:81-100分 ``` ### 第4步:职业病筛查 #### 基于工作类型的筛查推荐 **办公室工作**: ``` 必查项目: - 视力测试(每年1次) - 肌肉骨骼评估(每年1次) ``` **体力劳动**: ``` 必查项目: - 肌肉骨骼评估(每年1次) - 肺功能检查(粉尘环境每年1次) ``` **倒班工作**: ``` 必查项目: - 睡眠质量评估(每6个月1次) - 心理健康筛查(每年1次) ``` **噪音环境工作**: ``` 必查项目: - 听力测试(每年1次) ``` **粉尘/化学环境工作**: ``` 必查项目: - 肺功能检查(每年1次) - 皮肤病筛查(每年1次) ``` ### 第5步:关联分析 #### 睡眠-职业健康关联 - 倒班工作与睡眠质量的相关性 - 睡眠不足与工作相关症状的关系 #### 运动-职业健康关联 - 久坐工作与运动量的关系 - 运动与肌肉骨骼症状的关系 #### 心理健康-职业健康关联 - 工作压力与心理状态的关系 - 职业健康问题与心理症状的关联 ### 第6步:生成报告 输出包括: - 职业健康状况摘要 - 风险评估结果和趋势 - 工作相关问题分析 - 人机工程评估结果 - 职业病筛查建议 - 与其他健康因素的关联分析 - 预警信息(如适用) - 个性化建议和行动计划 ## 输出格式 ### 职业健康分析报告结构 ```markdown # 职业健康分析报告 **报告日期**: YYYY-MM-DD **分析周期**: YYYY-MM-DD 至 YYYY-MM-DD **数据完整性**: 良好 ⚠️ **重要提示**:本报告仅供参考,不构成职业病诊断。 --- ## 1. 职业健康状况摘要 [整体评价:优秀/良好/一般/需改进/高风险] - 综合风险等级:[低/中/高] - 职业健康评分:X/100 - 人机工程评分:X/100 - 活跃问题数:X个 - 整体趋势:改善/稳定/恶化 ## 2. 风险评估结果 ### 久坐风险评估 **风险等级**: 🟢 低风险 | 🟡 中风险 | 🔴 高风险 **风险评分**: X/40 **建议**: [具体建议] ### 视屏终端风险评估 **风险等级**: 🟢 低风险 | 🟡 中风险 | 🔴 高风险 **风险评分**: X/40 **建议**: [具体建议] ## 3. 工作相关问题分析 ### 当前活跃问题 - [问题1]: 严重程度、频率、持续时间 - [问题2]: 严重程度、频率、持续时间 ### 症状趋势 - 改善的问题 - 稳定的问题 - 恶化的问题 ⚠️ ## 4. 人机工程评估 **人机工程评分**: X/100 **评分等级**: 优秀/良好/一般/较差/差 ### 改进建议 - 高优先级建议 - 中优先级建议 - 低优先级建议 ## 5. 职业病筛查 ### 推荐筛查 - [筛查项目1] - 建议时间 - [筛查项目2] - 建议时间 ## 6. 综合建议 ### 立即行动 - [行动项] ### 本周行动计划 - [行动项1] - [行动项2] ### 预防措施 - [预防措施列表] --- **报告生成时间**: YYYY-MM-DD HH:MM:SS ⚠️ **免责声明**:本报告仅供参考,不构成职业病诊断或治疗建议。 ``` ## 错误处理 ### 数据文件不存在 ``` 错误:未找到职业健康数据文件 建议:请先使用 /work assess 命令创建数据 ``` ### 数据不足 ``` 警告:数据不足以进行趋势分析 建议:至少需要3次评估记录 ``` ### 高风险预警 ``` 🔴 职业病高风险警告 检测到以下高风险因素: - [列出高风险因素] 建议行动: 1. 立即就医,进行职业病诊断 2. 咨询职业医学专科医生 3. 考虑工作调整 ``` ## 数据源说明 **主要数据源**: - `data-example/occupational-health-tracker.json` - 职业健康主数据 **关联数据源**: - `data-example/sleep-tracker.json` - 睡眠数据 - `data-example/fitness-tracker.json` - 运动数据 - `data-example/mental-health-tracker.json` - 心理健康数据 --- **技能版本**: v1.0.0 **最后更新**: 2025-01-08 **维护者**: WellAlly Tech
Related Skills
weightloss-analyzer
分析减肥数据、计算代谢率、追踪能量缺口、管理减肥阶段
travel-health-analyzer
分析旅行健康数据、评估目的地健康风险、提供疫苗接种建议、生成多语言紧急医疗信息卡片。支持WHO/CDC数据集成的专业级旅行健康风险评估。
tcm-constitution-analyzer
分析中医体质数据、识别体质类型、评估体质特征,并提供个性化养生建议。支持与营养、运动、睡眠等健康数据的关联分析。
sleep-analyzer
分析睡眠数据、识别睡眠模式、评估睡眠质量,并提供个性化睡眠改善建议。支持与其他健康数据的关联分析。
rehabilitation-analyzer
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
pyhealth
Comprehensive healthcare AI toolkit for developing, testing, and deploying machine learning models with clinical data. This skill should be used when working with electronic health records (EHR), clinical prediction tasks (mortality, readmission, drug recommendation), medical coding systems (ICD, NDC, ATC), physiological signals (EEG, ECG), healthcare datasets (MIMIC-III/IV, eICU, OMOP), or implementing deep learning models for healthcare applications (RETAIN, SafeDrug, Transformer, GNN).
nutrition-analyzer
分析营养数据、识别营养模式、评估营养状况,并提供个性化营养建议。支持与运动、睡眠、慢性病数据的关联分析。
mental-health-analyzer
分析心理健康数据、识别心理模式、评估心理健康状况、提供个性化心理健康建议。支持与睡眠、运动、营养等其他健康数据的关联分析。
health-trend-analyzer
分析一段时间内健康数据的趋势和模式。关联药物、症状、生命体征、化验结果和其他健康指标的变化。识别令人担忧的趋势、改善情况,并提供数据驱动的洞察。当用户询问健康趋势、模式、随时间的变化或"我的健康状况有什么变化?"时使用。支持多维度分析(体重/BMI、症状、药物依从性、化验结果、情绪睡眠),相关性分析,变化检测,以及交互式HTML可视化报告(ECharts图表)。
goal-analyzer
分析健康目标数据、识别目标模式、评估目标进度,并提供个性化目标管理建议。支持与营养、运动、睡眠等健康数据的关联分析。
fitness-analyzer
分析运动数据、识别运动模式、评估健身进展,并提供个性化训练建议。支持与慢性病数据的关联分析。
family-health-analyzer
分析家族病史、评估遗传风险、识别家庭健康模式、提供个性化预防建议