2026年老年能力评估师考试试题(老年人评估数据分析)及答案

2026年老年能力评估师考试试题(老年人评估数据分析)及答案一、单项选择题（每题1分，共30分）1.在评估老年人认知功能时，MMSE量表中“即刻回忆”项目得分低于多少分即提示可能存在显著记忆障碍？A.1分  B.2分  C.3分  D.4分2.使用KatzADL指数评估时，若老人在“洗澡”项需部分帮助，其余五项完全独立，其总得分应记为：A.5分  B.4分  C.3分  D.2分3.某社区65岁及以上人口占28%，其中失能率12%，若随机抽取1000人，预期失能人数最接近：A.28  B.120  C.336  D.1124.在构建老年人跌倒风险预测模型时，以下哪项变量对AUC提升贡献最小？A.过去一年跌倒史 B.步速 C.血尿酸 D.起立行走测试时间5.对Barthel指数进行Rasch分析时，outfitMNSQ>1.5提示：A.项目过易 B.项目过难 C.项目拟合差 D.被试能力高估6.采用国家老年失能标准（2025版）评估，若老人在“床椅转移”需1人协助，在“平地行走”需拐杖，其失能等级为：A.0级 B.1级 C.2级 D.3级7.在纵向追踪中，使用混合效应模型分析ADL得分随时间变化，随机斜率显著（p<0.01）说明：A.个体间变化速率差异大 B.平均变化速率不为零 C.时间变量无意义 D.模型过拟合8.某机构用CAT（计算机化自适应测验）评估认知，当信息量>25时停止测验，此举主要目的是：A.降低测量误差 B.缩短测验时长 C.提高区分度 D.增加信度9.对老年人抑郁量表GDS-15进行项目功能差异（DIF）检验，发现男性在条目7显著高于女性（p<0.01），应：A.删除条目7 B.男女分别建常模 C.加权校正 D.保留并报告10.使用LASSO回归筛选变量时，λ值由最小均方误差原则选定，最终模型保留5个变量，其偏差-方差权衡最优，此时λ：A.最大 B.最小 C.等于1 D.由交叉验证决定11.在缺失值处理中，若“步速”缺失机制为MAR，最佳策略是：A.列删 B.均值填补 C.多重插补 D.末次结转12.对老年人进行营养风险筛查，MNA-SF得分8.5，其营养状况属于：A.正常 B.轻度营养不良 C.中度营养不良 D.重度营养不良13.某研究用Cox回归分析全因死亡，发现“社交活动频率”每增加1次/周，HR=0.92（95%CI0.85-0.99），其解释正确的是：A.社交活动降低死亡风险8% B.社交活动增加死亡风险8% C.无统计学意义 D.需校正多重比较14.在聚类分析中，将老年人按功能状态分为4类，轮廓系数0.62，提示：A.聚类效果差 B.聚类效果中等 C.聚类效果良好 D.需增加类别15.对IADL量表进行验证性因子分析，CFI=0.94，RMSEA=0.08，结论为：A.模型拟合优 B.模型拟合可接受 C.模型需修正 D.样本量不足16.使用国家老年健康信息标准编码，失能原因“脑卒中后遗症”应填：A.I69.3 B.I64 C.G93.1 D.F0317.在Python中，用pandas将字符串“2025/08/15”转为日期，应写：A.pd.to_datetime('2025/08/15',format='%Y/%m/%d')B.pd.to_datetime('2025/08/15')C.pd.Timestamp('2025-08-15')D.以上均可18.对评估数据进行敏感性分析，发现剔除5%极端值后OR变化>10%，提示：A.结果稳健 B.存在异常值影响 C.样本量不足 D.模型误设19.在报告评估结果时，遵循STROBE指南，以下哪项不必在方法部分描述？A.样本量计算 B.缺失值处理 C.知情同意 D.研究假设20.用SHAP值解释XGBoost模型，发现“夜间尿频”对跌倒概率平均贡献+3.2%，其基线概率为15%，则该特征使概率升至：A.18.2% B.15.32% C.15%+3.2% D.需指数转换21.对老年人进行握力测试，男性优势手握力28kg，根据AWGS2019标准，其肌少症风险为：A.无风险 B.低危 C.中危 D.高危22.在问卷星导出数据时发现“出生日期”被系统自动拆分为三列，应使用哪一函数合并？A.CONCAT B.TEXTJOIN C.DATE D.VLOOKUP23.对重复测量资料采用GEE分析，工作相关矩阵选“可交换”，其假设为：A.任意两次测量相关相等 B.相邻两次相关更高 C.独立 D.无结构24.某老人“服药依从性”Morisky得分2，提示：A.高依从 B.中等依从 C.低依从 D.无法判断25.在R语言中，用lme4包拟合混合模型，若随机效应方差为0，说明：A.应删除随机效应 B.固定效应显著 C.模型收敛失败 D.需增加样本26.对评估数据进行标准化处理，采用Z-score，若某老人“步速”Z=+1.5，其含义为：A.高于均值1.5个标准差 B.低于均值1.5个标准差 C.高于中位数1.5倍 D.异常值27.在报告预测模型性能时，以下哪项指标最能反映临床效用？A.AUC B.准确率 C.决策曲线分析净获益 D.F1值28.对老年人进行疼痛评估，VAS评分0-10，若分布呈“J”型，最佳描述统计量为：A.均数±标准差 B.中位数（四分位距） C.几何均数 D.众数29.在SPSS中进行倾向性评分匹配，卡钳值设为0.05，其含义为：A.匹配容忍度为0.05个标准差 B.匹配比例5% C.显著性水平 D.样本损失率30.对评估数据进行时间序列分解，发现季节性波动周期为12个月，应使用哪一方法？A.STL B.ARIMA(1,0,0) C.Holt-Winters D.ARCH二、多项选择题（每题2分，共20分）31.以下哪些属于IADL范畴？A.服药 B.购物 C.洗澡 D.理财 E.做饭32.在构建老年人虚弱指数（FI）时，以下哪些变量可纳入缺陷累积？A.慢性病数量 B.认知得分 C.握力 D.视力 E.血红蛋白33.使用随机森林进行变量重要性排序时，可依据：A.Gini下降 B.排列重要性 C.SHAP值 D.偏依赖图 E.节点纯度34.对老年人进行睡眠评估，PSQI量表包含哪些维度？A.主观睡眠质量 B.入睡时间 C.睡眠效率 D.睡眠障碍 E.日间功能障碍35.在报告多元线性回归结果时，必须呈现：A.回归系数 B.95%CI C.R² D.残差图 E.VIF36.以下哪些方法可用于处理评估数据中的共线性？A.主成分分析 B.岭回归 C.方差膨胀因子筛选 D.逐步回归 E.中心标准化37.对老年人进行吞咽功能筛查，以下哪些指标提示误吸风险？A.饮水试验>3秒 B.声音湿润 C.血氧下降>2% D.咳嗽反射弱 E.口期滞留38.在Python中，以下哪些库可用于绘制交互式可视化？A.Plotly B.Bokeh C.Seaborn D.Altair E.Pyecharts39.对评估数据进行外部验证时，需检查：A.人群代表性 B.变量定义一致性 C.模型校准度 D.区分度 E.样本量40.以下哪些属于老年人能力评估数据伦理要求？A.知情同意 B.数据脱敏 C.最小够用原则 D.可撤回授权 E.商业再利用无需再同意三、判断题（每题1分，共10分）41.Cronbachα>0.9说明量表项目越多越可靠。42.对有序Logit模型，平行线假设不满足时可采用广义有序Logit。43.在多重插补后，应合并5次结果并报告合并标准误。44.若评估数据呈明显偏态，使用中位数比均值更能代表集中趋势。45.对老年人进行远程视频评估时，网络延迟>500ms将显著影响MMSE得分。46.在R语言中，使用matchit包进行1:2匹配，可用replace=TRUE允许重复对照。47.对评估数据进行敏感性分析时，E值<1.5说明结果对未测混杂不敏感。48.使用XGBoost时，增大gamma参数可降低过拟合风险。49.对老年人进行药物不良反应评估，Naranjo评分≥9分提示“很可能”。50.在报告预测模型时，TRIPOD声明要求给出模型公式或系数表。四、填空题（每空1分，共20分）51.在R语言中，使用______函数可一次性计算多个变量的描述统计量及缺失比例。52.若某老人“5次起坐”耗时16秒，按AWGS2019标准，其下肢肌力评估结果为______。53.对老年人进行口腔评估，OHAT量表满分______分，≤______分提示口腔健康风险。54.在Python中，使用pandas的______方法可对分组数据快速计算自定义聚合函数。55.某研究采用最小绝对收缩与选择算子（LASSO）进行变量筛选，最终纳入8个变量，其惩罚参数λ通过______折交叉验证确定。56.对老年人进行视力评估，采用LogMAR视力表，若读对4/5个字母，记录为______。57.在SPSS中，对分类变量进行哑变量处理，需勾选“______”选项以避免虚拟变量陷阱。58.对老年人进行听力筛查，采用HearCheck手持式测听器，若1000Hz阈值>______dBHL即需转诊。59.在报告Logistic回归结果时，OR=1.5，95%CI0.98-2.31，其统计学显著性为______。60.对评估数据进行主成分分析，若前3个主成分累计方差贡献率为78%，通常认为______。61.在R语言中，使用______包可绘制列线图（Nomogram）用于模型可视化。62.对老年人进行尿失禁评估，ICIQ-UI量表得分范围______分，得分越高提示______。63.在Python中，使用______函数可快速计算时间间隔的月份差。64.对老年人进行疼痛评估，采用FPS-R量表，若老人指向第6个人脸，其VAS等值得分约为______。65.对评估数据进行倾向性评分加权，若标准化均值差（SMD）<______，认为组间平衡良好。66.在报告随机对照试验时，CONSORT2025版要求流程图中需给出______和______两组人数。67.对老年人进行营养评估，MUST量表由______、______、______三部分组成。68.在R语言中，使用______函数可对生存资料进行加权Kaplan-Meier估计。69.对老年人进行平衡评估，Berg量表≤______分提示跌倒高风险。70.在Python中，使用______库可实现SHAP值GPU加速计算。五、简答题（每题10分，共30分）71.某社区建立老年人跌倒预测模型，采集变量23项，样本量1200例，事件数180例。请说明如何划分训练集与测试集，如何评估模型过拟合，并给出至少两种可解释性方法及实施步骤。72.现对5000名老年人进行纵向追踪，每6个月评估一次ADL，共4次。约15%数据缺失，缺失模式为MAR。请写出在R语言中使用多重插补的完整代码框架，并说明如何合并结果、报告最终效应量及其标准误。73.某机构采用CAT系统评估老年人认知功能，题库含240题，初始θ=-0.5，信息量停止规则为≥25。请说明CAT选择下一题的机制、θ估计方法及如何监控题库曝光率，并给出Python伪代码片段。六、综合案例分析（40分）背景：某医养结合机构2025年纳入800名65岁及以上老年人，建立“老年能力综合评估数据库”，变量含人口学、慢性病、功能、心理、营养、生化指标等共68项。随访1年，记录跌倒、住院、死亡三项结局。数据文件：ability2025.csv（已脱敏）。74.数据清洗与描述（10分）(1)使用Python读取数据，统计缺失比例>20%的变量，并给出删除或保留策略；(2)绘制年龄分布直方图与箱线图，标注均值、中位数、四分位距；(3)计算男女在MMSE、ADL、IADL、握力、步速五个核心指标的差异，给出效应量（Cohend）及95%CI。75.构建预测模型（15分）(1)以“1年内跌倒”为结局，采用LASSO+Logistic回归策略，给出变量筛选过程、十折交叉验证选择λ的图；(2)用Bootstrap500次进行内部验证，计算optimism-correctedAUC、Brier评分、校准斜率；(3)绘制决策曲线，说明模型在1%-20%风险阈值范围内的净获益。76.外部验证与更新（10分）(1)另取2026年新增200例作为外部验证集，展示AUC、校准图、Hosmer-Lemeshow检验；(2)若校准度不佳，采用Logistic校准法更新模型，给出更新前后校准图对比。77.结果报告与伦理（5分）(1)按TRIPOD+AI扩展声明写出模型报告摘要（≤300字），含研究设计、人群、变量、性能、局限性；(2)说明数据共享与隐私保护措施，给出去标识化代码片段。七、计算题（30分）78.某研究采用Cox回归分析老年人全因死亡，共纳入1000人，随访人年数合计8500年，死亡事件120例。模型输出如下：变量  β  SE(β)年龄(每增1岁) 0.08 0.015男性  0.55 0.12吸烟  0.30 0.10收缩压(每增10mmHg)-0.02 0.008请计算：(1)年龄每增加5岁的HR及95%CI；(2)男性与女性相比的HR及95%CI；(3)吸烟的归因危险度百分比（PAR%），假设人群吸烟率30%；(4)若某老人为70岁男性、吸烟、收缩压140mmHg，其预测1年死亡风险（基线生存S0(t)=0.98）。79.对老年人进行平衡能力评估，采用“单腿站立时间”，假设总体近似正态，μ=18秒，σ=6秒。现随机抽取n=64，测得样本均值=16.5秒。请进行假设检验（α=0.05，双侧），计算检验统计量、p值、95%CI，并说明结论。80.某机构拟比较两种跌倒干预方案，预试验显示对照组跌倒率20%，干预组预期降至12%，α=0.05，power=0.8，双侧检验。请用公式法计算所需样本量，并说明若采用整群随机设计（ICC=0.01，每群20人）应如何调整。答案与评分要点1-30：BBCCCCABBDCCACBADACBDAACAACBAA31：ABDE 32：ABCDE 33：ABCE 34：ABCDE 35：ABCE 36：ABCD 37：ABCDE 38：ABDE 39：ABCDE 40：ABCD41-50：FTTTTTFTTT51：skimr::skim 52：肌力下降 53：8，4 54：agg 55：十 56：0.02 57：将第一个类别作为参考 58：35 59：不显著 60：信息损失较少 61：rms 62：0-21，尿失禁越严重 63：relativedelta 64：60 65：0.1 66：随机化后，排除 67：BMI，体重下降，急性疾病 68：survey::svykm 69：45 70：shap71：训练:测试=7:3，分层抽样；用5折交叉验证重复20次，监控训练与验证AUC差异>0.05即过拟合；可解释性：①绘制SHAPsummaryplot，步骤：model.predict→explainer=shap.TreeExplainer→shap_values→summary_plot；②LIME局部解释，步骤：选高风险样本→lime::lime→plot_features。72：library(mice)；imp<-mice(data,m=20,maxit=50,meth='pmm')；fit<-with(imp,lm(ADL~time+age+sex));pooled<-pool(fit)；报告pooledcoefficient、SE、95%CI。73：机制：最大信息量选题，θ估计：期望后验（EAP