2026年健康数据专项训练押题试题及答案

2026年健康数据专项训练押题试题及答案1.【单选】某队列研究纳入50000名35–64岁社区人群，随访10年，记录新发2型糖尿病3200例。基线时12000人HbA1c≥5.7%，其余HbA1c<5.7%。若10年内HbA1c≥5.7%组发生糖尿病2400例，<5.7%组发生800例，则HbA1c≥5.7%组相对于<5.7%组的归因危险度百分比（AR%）为A.60% B.65% C.70% D.75% E.80%2.【单选】在构建电子健康档案（EHR）预测模型时，对缺失率38%的“吸烟状态”变量进行多重插补。下列做法最可能引入“插补后分布偏移”的是A.以年龄、性别、BMI、饮酒作为预测变量，采用链式方程插补20次B.将“吸烟状态”视为二分类，使用logistic回归作为条件模型C.插补模型中未包含结局变量“急性心梗事件”D.对连续型预测变量做标准化后再插补E.合并20个插补数据集时采用Rubin规则3.【单选】某可穿戴设备24h光电容积描记（PPG）信号采样频率64Hz，欲提取心率变异性（HRV）频域指标LF（0.04–0.15Hz）。若采用4阶Butterworth带通滤波器，则根据奈奎斯特准则，最低有效数据时长至少为A.5s B.12.5s C.25s D.50s E.100s4.【单选】对1000名体检者同时测量指尖毛细血管血糖（CBG）与静脉血浆血糖（VPG），拟用Bland–Altman法评估一致性。若平均差值d̄=0.15mmol/L，差值标准差s=0.42mmol/L，则95%一致性界限（LoA）宽度为A.0.82mmol/L B.1.05mmol/L C.1.24mmol/L D.1.65mmol/L E.2.10mmol/L5.【单选】在健康大数据平台中，采用ApacheFlink对流式血压数据进行实时异常检测。若滑动窗口长度5min、滑动步长30s，事件时间特征允许最大延迟3min，则触发计算的最小水印（watermark）时间戳与当前处理时间之差不得超过A.30s B.90s C.180s D.300s E.330s6.【单选】某医院采用ICD-10编码进行疾病分类，对“急性ST段抬高型心肌梗死”映射SNOMEDCT时，下列最恰当的首选映射方式是A.直接匹配ICD-10编码I21.0至SNOMEDCT概念57054005B.采用WHO提供的ICD-10-SNOMEDCT简单映射表C.通过自然语言处理从出院记录提取实体后再映射D.使用UMLSMetathesaurus进行双向映射并人工复核E.将ICD-10文本标签向量化后做语义相似度匹配7.【单选】对200名受试者进行双能X射线吸收（DXA）体脂测量，同时用生物电阻抗（BIA）设备获取体脂率。若建立Passing–Bablok回归方程y=1.04x+1.8（单位%），则当DXA体脂率30%时，BIA对DXA的系统性比例误差为A.1.8% B.3.2% C.4.2% D.5.0% E.6.2%8.【单选】在联邦学习框架下，多家医院协同训练血糖预测模型而不共享原始数据。为防止模型更新泄露患者信息，最安全的技术组合是A.同态加密+梯度压缩B.差分隐私+安全聚合C.安全多方计算+模型蒸馏D.梯度扰动+参数剪枝E.本地差分隐私+联邦平均9.【单选】某研究使用英国生物银行（UKBiobank）全外显子组数据，拟评估罕见变异对心衰风险的影响。若采用SKAT-O检验，下列参数设置最能提高罕见变异（MAF<1%）检测效能的是A.变异权重β(MAF;a=1,b=25)B.设置MAF上限5%C.使用Bonferroni校正显著性阈值D.剔除同义变异E.纳入高频变异作为协变量10.【单选】对1200名老年人进行年度认知评估，采用潜类混合模型（LCMM）识别认知轨迹异质性。若最优模型显示3个潜类，BIC值分别为–8450、–8320、–8310，则依据BIC最小原则应选择的潜类数为A.1 B.2 C.3 D.4 E.需结合熵值再判断11.【单选】在健康数据治理中，对“可识别个人信息”进行去标识化时，HIPAASafeHarbor方法要求去除18类标识符，其中不包括A.入院日期 B.出院日期 C.出生年份 D.邮政编码前3位 E.设备标识序列号12.【单选】某研究团队利用24h尿液离子组学数据预测高血压，采用LASSO回归筛选特征。若λ_min对应模型含15个离子，λ_1se对应模型含8个离子，则选择λ_1se的主要优势是A.降低偏差 B.提高灵敏度 C.增强可解释性 D.减少计算量 E.避免过拟合13.【单选】对ICU多参数监护仪的时序生理信号进行异常检测，采用Transformer架构。若输入序列长度1024步、步长1s、嵌入维度128，则自注意力机制的计算复杂度约为A.O(128×1024)B.O(128²×1024)C.O(1024²×128)D.O(1024³) E.O(128×1024²)14.【单选】在健康数据可视化中，采用“森林图”展示多中心Meta分析结果，若某研究权重12.5%，其95%CI横线与无效线相交，则下列说法正确的是A.该研究效应量无统计学意义B.合并效应量一定无意义C.异质性一定较高D.需用随机效应模型重新合并E.该研究对总合并结果影响为零15.【单选】对5000名儿童进行生长发育纵向随访，采用SuperImpositionbyTranslationAndRotation（SITAR）模型拟合身高生长曲线。若模型随机效应包含个体“大小”“时间”“强度”三个参数，则“强度”参数主要解释A.成年靶身高差异 B.青春期突增幅度差异 C.生长速率个体差异 D.骨成熟度差异 E.出生身长差异16.【单选】在健康数据质量评估中，采用“数据元素完整度（DEC）”指标，若某字段在10000条记录中缺失450条，无效50条，则DEC为A.90% B.94.5% C.95% D.95.5% E.99%17.【单选】某市疾控中心构建流感样病例（ILI）预测模型，采用LSTM网络，输入为过去7周门诊ILI%序列。若采用滑动窗口验证，训练集、验证集、测试集按7:1:2划分，则时间窗滑动步长最优为A.1周 B.2周 C.3周 D.4周 E.7周18.【单选】在健康数据共享协议中，采用“数据使用协议（DUA）”约束第三方。下列条款最能体现“最小必要原则”的是A.允许数据接收方保留数据10年B.允许数据接收方再分发给合作机构C.限定数据仅用于“肺癌早筛算法研发”D.允许数据接收方将数据用于商业保险定价E.允许数据接收方将数据出境至母公司19.【单选】对1000名受试者进行口腔菌群16SrRNA测序，若采用DEseq2进行差异分析，下列预处理步骤最能减少假阳性的是A.抽平至最小样本读数 B.不做任何过滤 C.剔除平均相对丰度<0.01%的OTU D.对计数数据做log转换 E.用PCA降维后再分析20.【单选】在健康数据伦理审查中，IRB对“风险”评估采用“数据风险矩阵”，若数据敏感度为“高”，数据识别度为“低”，数据规模为“全基因组”，则风险等级为A.最小 B.低 C.中等 D.高 E.无法判定21.【多选】某研究采用可穿戴加速度计识别老年人跌倒事件，采样频率100Hz。下列特征对提高跌倒/日常活动分类器召回率最有帮助的是A.向量幅值（VM）峰值 B.小波熵 C.倾斜角 D.步频 E.信号幅值面积（SMA）22.【多选】在健康数据清洗中，对实验室检验“肌酐”异常值进行识别，下列规则合理的是A.低于检测下限记为缺失 B.高于3倍99分位数记为异常 C.同一患者相邻两次检测差值>50%且绝对值>20μmol/L触发复核 D.性别特异5倍中位数绝对偏差（MAD）之外记为异常 E.直接删除所有异常值23.【多选】对电子病历文本进行去身份化，下列属于“准标识符”的是A.婚姻状况 B.职业 C.民族 D.出生日期 E.就诊科室24.【多选】在健康数据安全传输中，采用TLS1.3协议，下列加密套件可提供前向保密性的是A.TLS_AES_128_GCM_SHA256 B.TLS_CHACHA20_POLY1305_SHA256 C.TLS_AES_256_GCM_SHA384 D.TLS_RSA_WITH_AES_256_GCM_SHA384 E.TLS_ECDHE_RSA_WITH_AES_128_GCM_SHA25625.【多选】对5000名体检者进行颈动脉超声IMT测量，若建立参考范围，下列统计方法可取的是A.非参数2.5–97.5百分位数 B.稳健ROS法剔除离群值后取±1.96SD C.分性别、年龄组建立quantile回归曲线 D.直接采用制造商提供的固定切点 E.用Box–Cox转换后估计正态分布界值26.【多选】在健康数据挖掘竞赛中，为防止“测试集过拟合”，下列策略有效的是A.限制每日提交次数 B.采用私有盲测榜 C.设置算法可解释性评审 D.提供合成测试数据 E.公开测试集标签27.【多选】对ICU脓毒症早期预警模型进行外部验证，下列指标可同时反映区分度与校准度的是A.Brier分数 B.净重新分类指数（NRI） C.综合判别改善指数（IDI） D.标准化净获益（sNB） E.自举法校准斜率28.【多选】在健康数据可视化仪表盘设计中，采用“视觉编码”原则，下列做法合理的是A.用红色表示血压下降、绿色表示上升 B.用面积而非半径编码数值大小 C.用同一色调不同亮度表示有序分类 D.用3D饼图展示占比 E.用动画仅突出异常变化29.【多选】对100名糖尿病患者进行连续葡萄糖监测（CGG），计算目标范围内时间（TIR，3.9–10.0mmol/L）。下列情况需将数据标记为“不可靠”的是A.每日校准次数<2次 B.传感器脱落时间>1h C.每日缺失数据>30% D.平均绝对相对差（MARD）>15% E.信号漂移>0.5mmol/L/h30.【多选】在健康数据治理中，建立“数据血缘”系统的核心功能包括A.记录字段级转换规则 B.追踪数据源头 C.记录访问日志 D.自动发现敏感字段 E.提供影响分析31.【判断】采用SMOTE算法处理健康数据类别不平衡时，合成样本总是位于少数类样本的凸包内。（ ）32.【判断】在健康数据匿名化中，k-匿名模型保证任意等价类至少包含k条记录，因此无法防止属性泄露。（ ）33.【判断】对心率序列进行频谱分析时，采用Welch法比周期图法更能降低估计方差。（ ）34.【判断】在健康数据共享平台中，采用“数据沙箱”模式可完全消除隐私泄露风险。（ ）35.【判断】对基因表达矩阵进行log2转换后，其协方差矩阵与原始矩阵的秩相同。（ ）36.【判断】在健康数据质量评估中，若两个数据源对同一字段的一致性达到98%，则无需进一步核查。（ ）37.【判断】对医学影像进行联邦学习时，采用梯度压缩一定降低模型精度。（ ）38.【判断】在健康数据可视化中，采用色盲友好配色方案可提高信息可达性。（ ）39.【判断】对体检时间序列数据采用Prophet模型预测时，节假日效应必须手动指定。（ ）40.【判断】在健康数据伦理中，获得“泛化同意”意味着未来任何研究无需再次审查。（ ）41.【填空】对1000名受试者进行空腹血糖（FPG）与糖化血红蛋白（HbA1c）线性回归，得方程̂y=0.85x+1.92其中x单位为mmol/L，y单位为%。若某患者FPG=7.5mmol/L，则模型预测HbA1c为________%，95%置信带宽度与________（统计量）成正比。42.【填空】在健康数据脱敏中，采用“噪声添加”法对年龄进行ε-差分隐私保护，若ε=0.1，则隐私预算越________，噪声尺度b越________。43.【填空】对24h动态血压监测数据，采用“清晨血压surge”定义：起床后2h平均收缩压与起床前2h平均收缩压之差。若起床后数据缺失30%，则依据________原则，该日清晨surge值应标记为缺失。44.【填空】在健康数据版本控制中，采用“语义化版本号”格式MAJOR.MINOR.PATCH，若数据库schema新增字段但向下兼容，则应升级________位。45.【填空】对500名儿童进行骨龄X线判读，若Cohen’sκ=0.82，则表明两位判读医师的可靠性接近________水平。46.【简答】说明采用“联邦迁移学习”解决多中心脑影像数据异质性问题的技术路线，限150字。47.【简答】阐述在健康数据实时流处理中“exactly-once”语义的重要性，并给出Flink实现要点，限150字。48.【简答】说明在罕见病注册研究中采用“主数据管理（MDM）”确保患者唯一性的策略，限150字。49.【简答】解释“数据可用性偏差（availabilitybias）”对健康预测模型外部效度的影响，限150字。50.【简答】概述采用“区块链”技术实现临床试验数据溯源的优势与局限，限150字。51.【计算】某医院采用新算法估算肾小球滤过率（eGFR），对100名患者同时用经典CKD-EPI公式作为参考。结果如下：算法均值72.3mL/min/1.73m²，CKD-EPI均值70.0mL/min/1.73m²，差值标准差8.4mL/min/1.73m²。（1）计算95%一致性界限；（2）若临床可接受误差为±10mL/min/1.73m²，判断新算法是否满足要求，并给出统计学依据。52.【计算】对1000名体检者进行颈围（NC）与阻塞性睡眠呼吸暂停（OSA）事件数的Poisson回归，得ln(μ)=-0.42+0.08x其中x为NC（cm）。若某人NC增加5cm，求OSA事件数相对危险度（RR）及95%CI（假设NC测量误差可忽略）。53.【计算】某可穿戴设备心率传感器在100次同时ECG测量中，真阳性88次，假阳性5次，假阴性7次。（1）计算敏感度、特异度、F1分数；（2）若人群房颤患病率1%，求阳性预测值（PPV）。54.【计算】对200名受试者进行双样本t检验，比较干预前后IL-6水平变化，得差值均值0.45pg/mL，差值标准差1.20pg/mL。（1）计算Cohen’sd；（2）若期望检测到d=0.40，α=0.05，power=90%，求所需样本量（给出公式与结果）。55.【计算】某健康数据平台采用AES-256加密存储，密钥由HSM管理。若暴力破解尝试次数2²⁵⁶，单次尝试1ns，求理论最长时间（年），并说明实际不可行原因。56.【案例分析】阅读摘要：某多中心回顾性队列纳入2018–2022年45万例住院患者，构建深度学习模型预测院内跌倒，AUC0.91（95%CI0.90–0.92），外部验证AUC0.83。模型输入包括287项EHR变量。研究未公开代码，仅提供模型API。问题：（1）指出潜在偏倚来源；（2）提出提高可重复性的三项措施；（3）说明如何评估模型公平性。57.【案例分析】某市疾控中心发布“流感疫苗有效性（VE）”快速评估报告，采用检测阴性设计（TND），2025年1–3月收集流感样病例8000例，经PCR确诊流感1200例，其中疫苗接种480例；检测阴性6800例，其中接种3200例。问题：（1）计算VE及95%CI；（2）指出TND设计的关键假设；（3）若接种与检测间隔<14天，应如何处理？58.【案例分析】某基因测序公司推出“全基因组多基因风险评分（PRS）”服务，对2型糖尿病给出风险分层。消费者小王收到报告提示“高风险”，但其家族史阴性、BMI正常。问题：（1）解释PRS与家族不一致的可能原因；（2）说明小王应如何与医生沟通；（3）列出两项PRS报告必须包含的局限性声明。59.【案例分析】某医院上线“AI辅助诊断肺炎”系统，部署在CT影像工作流程中，实时提示疑似病灶。放射科李医生发现系统对右中叶磨玻璃影敏感性低，且频繁误报血管影。问题：（1）指出可能导致敏感性低的三种技术原因；（2）提出两项持续监控模型性能指标；（3）说明如何建立“人机协同”反馈闭环。60.【案例分析】某健康App收集用户步数、睡眠、心率数据，与保险公司合作推出“动态保费”产品。用户张先生发现夜间心率数据被用于保费上调15%，而隐私政策未明确提及。问题：（1）指出该行为违反的数据伦理原则；（2）提出三项整改措施；（3）说明如何设计“用户可控”数据共享机制。——答案与解析——1.CAR%=(Ie–Iu)/Ie×100%=(2400/12000–800/38000)/(2400/12000)×100%≈70%。2.C插补模型若不含结局变量，将导致预测分布与真实分布偏移，影响下游效应估计。3.CLF最低频率0.04Hz，周期25s，按奈奎斯特准则至少需25s才能分辨。4.DLoA宽度=1.96×s×2≈1.65mmol/L。5.C最大延迟3min=180s，水印延迟超过此值将丢弃数据。6.DUMLS双向映射并人工复核可解决语义粒度差异。7.C比例误差=(1.04–1)×30%≈1.2%，截距1.8%，总系统误差≈4.2%。8.B差分隐私防止成员推断，安全聚合防止梯度泄露。9.Aβ(1,25)权重函数对罕见变异赋予更高权重，提高SKAT-O效能。10.BBIC最小原则选2类，3类比2类BIC降低<10，不支持增加复杂度。11.CHIPAASafeHarbor允许保留出生年份，其余需去除。12.Eλ_1se选择更稀疏模型，降低过拟合风险。13.C自注意力复杂度O(L²d)，L=1024，d=128。14.A95%CI与无效线相交即效应量无统计学意义。15.BSITAR“强度”参数解释青春期突增幅度差异。16.DDEC=(10000–450–50)/10000=95.5%。17.A步长1周可充分利用数据，避免信息泄漏。18.C限定用途体现最小必要原则。19.C剔除低丰度OTU减少假阳性。20.C高敏感度+低识别度+大规模→中等风险。21.ABEVM峰值、小波熵、SMA均与跌倒冲击相关。22.ABCDE直接删除可能丢失真实极端值。23.BCD职业、民族、出生日期可辅助重识别。24.ABCTLS1.3仅支持前向保密套件，DE为旧版RSA密钥交换。25.ABCE制造商固定切点忽略人群差异。26.ABC限制提交、盲测、可解释评审均可降低过拟合。27.AEBrier分数与校准斜率同时反映区分与校准。28.BCE面积编码、亮度有序、动画突出异常均合理。29.BCDE校准不足、脱落、MARD高、漂移大均影响TIR。30.ABE血缘系统需记录转换、源头、影响分析。31.错误SMOTE可生成凸包外合成样本。32.正确k-匿名无法防止属性泄露，需l-多样性或t-closeness。33.正确Welch法分段平均降低方差。34.错误数据沙箱降低但无法完全消除风险。35.正确log2为单调变换，不改变矩阵秩。36.错误高一致性仍需核查2%不一致原因。37.错误梯度压缩结合量化与误差反馈可保持精度。38.正确色盲友好配色提高可达性。39.错误Prophet可自动检测节假日。40.错误泛化同意仍需伦理框架与退出机制。41.8.3%，与差值标准误及t临界值成正比。42.小，大；ε越小噪声越大。43.缺失机制MCAR或临床合理性，标记缺失。44.MINOR位。45.几乎完美（0.81–1.00）。46.技术路线：①源域预训练3D-CNN特征提取器；②联邦平均共享权重；③目标域用少量本地数据微调全连接层；④采用差分隐私梯度扰动防止泄露；⑤通过迁移学习对齐特征空间，缓解设备、序列差异。47.Exactly-once保证每条记录仅一次计入结果，防止重复或丢失。Flink实现：启用checkpoint机制，采用两阶段提交（2PC）sink，幂等写外部系统，结合事务性Kafka生产者。48.策略：①建立统一身份标识（OID）体系；②采用确定性匹配算法（姓名+出生日期+性别+父/母名）；③引入人工复核可疑匹配；④设置主数据黄金记录；⑤定期数据治理审计。49.Availabilitybias指训练数据过度代表易获得人群（如城市、住院患者），导致模型在边缘人群表现下降，外部效度降低，需通过重采样、领域适应、公平性约束缓解。50.优势：不可篡改、时间戳、去中心化溯源；局限：性能低、存储开销大、隐私链上透明、法规适配不足、智能合约漏洞风险。51.（1）LoA=0.15±1.96×8.4→(–16.3,16.6)mL/min/1.73m²；（2）可接受±10，LoA宽度