Zurück zu Fähigkeiten

perform-csv-assessment

pjt222
Aktualisiert Yesterday
6 Ansichten
17
2
17
Auf GitHub ansehen
Anderegeneral

Über

Diese Fähigkeit führt Computer System Validation (CSV)-Bewertungen nach der GAMP 5-Methodik durch. Sie umfasst Anwenderanforderungen, Risikobewertung, IQ/OQ/PQ-Planung, die Erstellung einer Rückverfolgbarkeitsmatrix und Validierungsabschlussberichte. Nutzen Sie sie für die Einführung neuer Systeme, die Verwaltung größerer Änderungen an bestehenden Systemen, periodische Revalidierung oder Gap-Analysen für regulatorische Inspektionen in GxP-Umgebungen.

Schnellinstallation

Claude Code

Empfohlen
Primär
npx skills add pjt222/agent-almanac -a claude-code
Plugin-BefehlAlternativ
/plugin add https://github.com/pjt222/agent-almanac
Git CloneAlternativ
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/perform-csv-assessment

Kopieren Sie diesen Befehl und fügen Sie ihn in Claude Code ein, um diese Fähigkeit zu installieren

Dokumentation


name: perform-csv-assessment description: > 按照 GAMP 5 方法执行计算机系统验证(CSV)评估。涵盖用户需求、 风险评估、IQ/OQ/PQ 规划、追溯矩阵创建和验证摘要报告。适用于 GxP 环境中引入新计算机化系统、现有已验证系统发生重大变更、 需要定期重新验证,或法规检查要求验证差距分析时使用。 locale: zh-CN source_locale: en source_commit: 6f65f316 translator: claude-opus-4-6 translation_date: 2026-03-16 license: MIT allowed-tools: Read Write Edit Bash Grep Glob metadata: author: Philipp Thoss version: "1.0" domain: compliance complexity: advanced language: multi tags: csv, gamp-5, validation, risk-assessment, iq-oq-pq, traceability

执行 CSV 评估

使用 GAMP 5 基于风险的方法,对受监管环境进行计算机系统验证评估。

适用场景

  • GxP 环境中引入新计算机化系统
  • 现有已验证系统发生重大变更
  • 需要定期重新验证
  • 法规检查准备需要验证差距分析

输入

  • 必填:系统描述(名称、用途、供应商、版本)
  • 必填:预期用途说明及法规背景(GxP 范围)
  • 必填:GAMP 5 软件类别(1–5)
  • 可选:现有用户需求规范(URS)
  • 可选:供应商文档(设计规范、发布说明、SOP)
  • 可选:以往验证文档

步骤

第 1 步:确定 GAMP 5 软件类别

对系统进行分类:

类别类型示例验证工作量
1基础软件操作系统、固件低——验证安装
3非配置产品原版 COTS低至中——验证功能
4已配置产品带配置的 LIMS中至高——验证配置
5自定义应用定制 R/Shiny 应用高——全生命周期验证

预期结果: 已明确分配类别并记录依据。 失败处理: 若类别不明确,默认选择更高类别并记录依据。

第 2 步:编写用户需求规范(URS)

创建含编号需求的 URS 文档:

# 用户需求规范
## 系统:[系统名称] v[版本]
## 文档 ID:URS-[SYS]-[NNN]

### 1. 目的
[预期用途说明]

### 2. 功能需求
| ID | 需求 | 优先级 | 来源 |
|----|------|--------|------|
| URS-001 | 系统应根据身高和体重输入计算 BMI | 必须 | 法规 SOP-xxx |
| URS-002 | 系统应为所有数据更改生成审计追踪条目 | 必须 | 21 CFR 11.10(e) |
| URS-003 | 系统应以 PDF 格式导出结果 | 应该 | 用户请求 |

### 3. 非功能需求
| ID | 需求 | 优先级 | 来源 |
|----|------|--------|------|
| URS-010 | 标准查询的系统响应时间应在 3 秒以内 | 应该 | 可用性 |
| URS-011 | 系统应通过基于角色的身份验证限制访问 | 必须 | 21 CFR 11.10(d) |

### 4. 数据完整性需求
[ALCOA+ 需求:可归因、清晰、及时、原始、准确]

### 5. 法规需求
[具体适用的 21 CFR Part 11、EU Annex 11 或其他要求]

预期结果: 所有需求均有唯一 ID、优先级及对来源的追溯。 失败处理: 将来源或优先级不明确的需求标记以供利益相关方审核。

第 3 步:执行风险评估

使用故障模式及影响分析(FMEA)应用 GAMP 5 基于风险的方法:

# 风险评估
## 文档 ID:RA-[SYS]-[NNN]

| 需求 ID | 故障模式 | 严重性 (1-5) | 概率 (1-5) | 可检测性 (1-5) | RPN | 风险等级 | 缓解措施 |
|--------|---------|------------|----------|--------------|-----|---------|---------|
| URS-001 | BMI 计算错误 | 4 | 2 | 1 | 8 | 低 | OQ 测试用例 |
| URS-002 | 审计追踪条目缺失 | 5 | 3 | 3 | 45 | 高 | IQ + OQ + 监控 |
| URS-011 | 未经授权访问 | 5 | 2 | 2 | 20 | 中 | OQ 测试 + 定期审核 |

风险优先数(RPN)= 严重性 × 概率 × 可检测性。

RPN 范围风险等级测试要求
1–12基本验证
13–36有记录的测试用例
37+完整 IQ/OQ/PQ 并重新测试

预期结果: 每个 URS 需求均有对应的风险评估行。 失败处理: 在继续前将未评估的需求升级至验证负责人。

第 4 步:定义验证策略(验证计划)

# 验证计划
## 文档 ID:VP-[SYS]-[NNN]

### 范围
- 系统:[名称] v[版本]
- GAMP 类别:[N]
- 验证方法:[前瞻性 / 回顾性 / 并发性]

### 确认阶段
| 阶段 | 范围 | 适用? | 依据 |
|------|------|--------|------|
| IQ | 安装正确性 | 是 | 验证安装、依赖项、配置 |
| OQ | 操作需求 | 是 | 验证 URS 中的功能需求 |
| PQ | 真实条件下的性能 | [是/否] | [依据] |

### 角色与职责
| 角色 | 姓名 | 职责 |
|------|------|------|
| 验证负责人 | [姓名] | 计划、协调、批准 |
| 测试人员 | [姓名] | 执行测试脚本 |
| 系统负责人 | [姓名] | 批准用于生产 |
| QA | [姓名] | 审核和签字 |

### 验收标准
- 所有关键测试用例通过
- 无未解决的关键或重大偏差
- 追溯矩阵完整

预期结果: 验证计划在测试执行前获得所有利益相关方批准。 失败处理: 未获批准的验证计划不得进行测试执行。

第 5 步:创建测试协议(IQ/OQ/PQ)

为每个确认阶段编写测试脚本:

# 操作确认协议
## 测试用例:TC-OQ-001
## 追溯至:URS-001

**目标:** 验证 BMI 计算准确性

**前提条件:**
- 系统已按 IQ 协议安装
- 测试数据集已准备好

**测试步骤:**
| 步骤 | 操作 | 预期结果 | 实际结果 | 通过/失败 |
|------|------|---------|---------|---------|
| 1 | 输入身高=180cm,体重=75kg | BMI 显示为 23.15 | | |
| 2 | 输入身高=160cm,体重=90kg | BMI 显示为 35.16 | | |
| 3 | 输入身高=0,体重=75kg | 显示错误消息 | | |

**测试人员:** _________ 日期:_________
**审核人员:** _________ 日期:_________

预期结果: 每个中等和高风险需求至少有一个测试用例。 失败处理: 在执行开始前补充缺失的测试用例。

第 6 步:构建追溯矩阵

创建需求追溯矩阵(RTM),将每个需求通过风险评估链接到测试用例:

# 追溯矩阵
## 文档 ID:TM-[SYS]-[NNN]

| URS ID | 需求 | 风险等级 | 测试用例 | 测试结果 | 状态 |
|--------|------|---------|---------|---------|------|
| URS-001 | BMI 计算 | 低 | TC-OQ-001 | 通过 | 已验证 |
| URS-002 | 审计追踪 | 高 | TC-IQ-003, TC-OQ-005 | 通过 | 已验证 |
| URS-003 | PDF 导出 | 低 | TC-OQ-008 | 通过 | 已验证 |
| URS-011 | 基于角色的访问 | 中 | TC-OQ-010, TC-OQ-011 | 通过 | 已验证 |

预期结果: 100% 的 URS 需求出现在追溯矩阵中并链接了测试结果。 失败处理: 没有链接测试结果的任何需求均被标记为验证差距。

第 7 步:编写验证摘要报告

# 验证摘要报告
## 文档 ID:VSR-[SYS]-[NNN]

### 1. 执行摘要
[系统名称] v[版本] 已根据 [VP 文档 ID] 完成验证。

### 2. 已执行的验证活动
| 活动 | 文档 ID | 状态 |
|------|--------|------|
| 用户需求 | URS-SYS-001 | 已批准 |
| 风险评估 | RA-SYS-001 | 已批准 |
| 验证计划 | VP-SYS-001 | 已批准 |
| IQ 协议/报告 | IQ-SYS-001 | 已执行——通过 |
| OQ 协议/报告 | OQ-SYS-001 | 已执行——通过 |
| 追溯矩阵 | TM-SYS-001 | 完整 |

### 3. 偏差
| 偏差 ID | 描述 | 影响 | 解决方案 |
|--------|------|------|---------|
| DEV-001 | [描述] | [影响评估] | [解决方案和依据] |

### 4. 结论
该系统满足 [URS ID] 中记录的所有用户需求,验证被认为[成功/有条件成功]。

### 5. 批准
| 角色 | 姓名 | 签名 | 日期 |
|------|------|------|------|
| 验证负责人 | | | |
| 系统负责人 | | | |
| 质量保证 | | | |

预期结果: 报告引用了所有验证交付物,并有明确的通过/失败结论。 失败处理: 若偏差未解决,报告必须说明"有条件"状态并引用 CAPA。

验证清单

  • GAMP 5 类别已分配并记录了依据
  • URS 有带优先级和来源追溯的编号需求
  • 风险评估涵盖每个 URS 需求
  • 验证计划在测试执行前获得批准
  • 测试协议具有前提条件、步骤、预期结果和签名字段
  • 追溯矩阵将每个需求链接到风险和测试结果
  • 验证摘要报告记录了所有活动、偏差和结论
  • 所有文档均有唯一文档 ID 和版本控制

常见问题

  • 过度验证:对 Category 3 软件应用 Category 5 的工作量浪费资源,应根据风险匹配工作量
  • 缺少追溯性:不追溯到测试用例的需求是看不见的差距
  • 无计划执行测试:在验证计划批准前执行测试会使结果无效
  • 忽视非功能需求:安全、性能和数据完整性需求经常被遗漏
  • 静态验证:将验证视为一次性事件,变更需要重新评估

相关技能

  • setup-gxp-r-project — 已验证 R 环境的项目结构
  • write-validation-documentation — IQ/OQ/PQ 协议和报告编写
  • implement-audit-trail — 电子记录的审计追踪实施
  • validate-statistical-output — 统计输出验证方法
  • conduct-gxp-audit — 审计已验证系统

GitHub Repository

pjt222/agent-almanac
Pfad: i18n/zh-CN/skills/perform-csv-assessment
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

Verwandte Skills

llamaguard

Andere

LlamaGuard ist Metas 7-8B-Parameter-Modell zur Moderation von LLM-Eingaben und -Ausgaben in sechs Sicherheitskategorien wie Gewalt und Hassrede. Es bietet eine Genauigkeit von 94-95 % und kann mit vLLM, Hugging Face oder Amazon SageMaker eingesetzt werden. Nutzen Sie diese Skill, um Inhaltsfilterung und Sicherheitsguardrails einfach in Ihre KI-Anwendungen zu integrieren.

Skill ansehen

cost-optimization

Andere

Diese Claude Skill unterstützt Entwickler bei der Optimierung von Cloud-Kosten durch Ressourcen-Dimensionierung, Tagging-Strategien und Ausgabenanalysen. Sie bietet einen Rahmen zur Senkung von Cloud-Ausgaben und zur Implementierung von Kosten-Governance für AWS, Azure und GCP. Nutzen Sie sie, wenn Sie Infrastrukturkosten analysieren, Ressourcen richtig dimensionieren oder Budgetvorgaben einhalten müssen.

Skill ansehen

quantizing-models-bitsandbytes

Andere

Diese Fähigkeit quantisiert LLMs auf 8-Bit- oder 4-Bit-Präzision mittels bitsandbytes und erreicht dabei eine Speicherreduzierung von 50–75 % bei minimalem Genauigkeitsverlust. Sie ist ideal für den Betrieb größerer Modelle mit begrenztem GPU-Speicher oder zur Beschleunigung von Inferenzvorgängen und unterstützt Formate wie INT8, NF4 und FP4. Die Fähigkeit integriert sich in HuggingFace Transformers und ermöglicht QLoRA-Training sowie 8-Bit-Optimierer.

Skill ansehen

dispatching-parallel-agents

Andere

Diese Claude-Fähigkeit verteilt mehrere Agenten, um drei oder mehr unabhängige Probleme gleichzeitig zu untersuchen und zu beheben. Sie ist für Szenarien konzipiert, die unabhängige Fehler umfassen, die ohne gemeinsamen Zustand oder Abhängigkeiten gelöst werden können. Die Kernfähigkeit ist die parallele Problemlösung, bei der pro unabhängigem Problembereich ein Agent zugewiesen wird, um die Effizienz zu maximieren.

Skill ansehen