2025年医学数据分析师考试试卷及答案.docxVIP

2025年医学数据分析师考试试卷及答案

一、单项选择题（每题2分，共30分）

1.某研究收集了1000例糖尿病患者的年龄、性别、BMI、空腹血糖（mmol/L）、糖化血红蛋白（%）及是否合并视网膜病变（是/否）数据，其中属于等级变量的是：

A.性别

B.BMI

C.糖化血红蛋白

D.是否合并视网膜病变

2.为比较两种降压药物（A药、B药）对高血压患者收缩压的干预效果，研究纳入80例患者，随机分为两组，每组40例。干预4周后测量收缩压（连续变量），若两组数据均满足正态分布且方差齐，应选择的统计方法是：

A.独立样本t检验

B.配对t检验

C.卡方检验

D.Mann-WhitneyU检验

3.某电子病历系统中，患者主诉字段内容为“反复咳嗽咳痰3月，加重伴发热1周”，此类数据属于：

A.结构化数据

B.半结构化数据

C.非结构化数据

D.时序数据

4.在构建糖尿病患者住院费用预测模型时，若自变量包括年龄（岁）、住院天数（天）、是否手术（0/1）、并发症数量（个），因变量为住院费用（元，偏态分布），最适合的模型是：

A.线性回归

B.对数线性回归

C.逻辑回归

D.生存分析

5.以下哪种方法可用于检测数据集中的异常值？

A.主成分分析（PCA）

B.箱线图（BoxPlot）

C.混淆矩阵（ConfusionMatrix）

D.受试者工作特征曲线（ROC曲线）

6.某队列研究随访5年，观察指标为“是否发生冠心病”（结局事件），部分患者因失访未观察到结局，此类数据需采用的分析方法是：

A.卡方检验

B.Cox比例风险模型

C.方差分析

D.秩和检验

7.医学数据清洗中，针对“某患者年龄字段值为-5”的错误，最合理的处理方式是：

A.直接删除该记录

B.用样本均值替换

C.标记为缺失值并核查原始病历

D.用相邻记录的年龄填充

8.为评估某肿瘤标志物（连续变量）对癌症的诊断效能，应优先选择的统计指标是：

A.敏感度

B.特异度

C.AUC（曲线下面积）

D.阳性预测值

9.在R语言中，使用`lm(y~x1+x2,data=df)`拟合线性回归模型后，若要检验模型整体显著性，应查看的统计量是：

A.调整R2

B.F统计量

C.t统计量

D.残差平方和

10.某医院电子病历系统中，“手术名称”字段存在“腹腔镜胆囊切除术”“LC术”“腹腔镜下胆囊切除”等多种表述，此类问题属于：

A.数据缺失

B.数据冗余

C.数据不一致

D.数据噪声

11.以下哪种机器学习算法更适合处理高维医学基因组数据（如10000个基因表达值预测疾病）？

A.支持向量机（SVM）

B.k近邻（k-NN）

C.决策树

D.线性回归

12.医学数据可视化中，若需展示某疾病发病率随年份（2000-2024年）的变化趋势，最适合的图表是：

A.散点图

B.柱状图

C.折线图

D.箱线图

13.在伦理审查中，医学数据分析需遵守的核心原则不包括：

A.患者隐私保护（如去标识化处理）

B.数据使用的最小必要原则

C.研究结果的商业盈利优先

D.知情同意（除非豁免）

14.某研究比较三种治疗方案对抑郁症患者HAMD评分（连续变量）的影响，每组样本量分别为30、32、28，数据满足正态分布和方差齐性，应选择的统计方法是：

A.单因素方差分析（One-wayANOVA）

B.重复测量方差分析

C.卡方检验

D.Kruskal-Wallis检验

15.若某医学数据库中“出生日期”字段格式为“2023/13/01”（月份13为错误），此类错误属于：

A.逻辑错误

B.格式错误

C.值域错误

D.一致性错误

二、简答题（每题8分，共40分）

1.简述医学数据中“缺失值”的常见类型（至少3种）及处理原则。

2.比较Logistic回归与随机森林在医学预测模型中的优缺点（需结合医学场景）。

3.解释“混杂变量”的定义，并举例说明在观察性研究中控制混杂变量的常用方法（至少3种）。

4.简述医学数据可视化的核心目标，并列举3种适用于展示分类变量与连续变量关系的图表及适用场景。

5.某研究拟用电子病历数据构建“急性心肌梗死患者30天再入院风险预测模型”，请说明数据预处理阶段需重点关注的质量问题（至少5项）。