2026年健康数据分析师岗位健康数据收集试题(附答案)

2026年健康数据分析师岗位健康数据收集试题(附答案)一、单项选择题（每题2分，共20分）1.以下哪类数据属于非结构化健康数据？A.电子病历中的诊断编码（ICD-10）B.体检报告中的血压数值（收缩压/舒张压）C.医生门诊记录中的病程描述文本D.实验室检查中的血糖检测值（mmol/L）2.在社区健康档案数据收集中，若某老年患者的“最近一次体检日期”字段为空，这主要反映数据质量的哪项指标不达标？A.一致性B.完整性C.准确性D.时效性3.针对可穿戴设备（如智能手环）采集的运动心率数据，为避免“运动模式误判导致心率异常高值”的问题，最有效的预处理步骤是？A.对连续缺失值进行线性插值B.基于设备型号建立心率正常范围阈值C.剔除单日记录少于8小时的数据D.结合用户历史运动强度数据进行异常值检测4.根据2025年修订的《健康医疗数据安全管理条例》，以下哪项操作无需获得患者单独授权？A.将患者电子病历用于新药临床试验统计分析B.向省级公共卫生平台上报传染病确诊病例数据C.基于去标识化后的社区高血压患者数据开展流行病学研究D.将患者基因检测结果共享给第三方健康管理机构5.某医院需整合HIS系统（医院信息系统）、LIS系统（实验室信息系统）和PACS系统（影像归档系统）的健康数据，其数据结构差异主要体现在？A.数据存储介质（磁盘/云服务器）B.数据提供频率（实时/批量）C.数据标准化程度（结构化/半结构化）D.数据所有权归属（医院/患者）6.公共卫生机构在收集区域慢性病（如糖尿病）流行率数据时，优先选择的数据源是？A.药店购药记录（胰岛素、降糖药）B.社区卫生服务中心建档的慢性病管理台账C.互联网医疗平台的在线问诊记录D.保险公司的慢性病理赔数据7.以下哪种场景最适合采用“实时数据采集”模式？A.医院月末汇总门诊患者年龄分布B.疾控中心监测流感样病例的暴发趋势C.体检中心整理季度体检异常指标统计D.科研机构分析近5年肿瘤发病率变化8.为验证某社区健康问卷的信度，需重点考察的是？A.问卷问题是否覆盖目标健康指标（如吸烟史、BMI）B.不同调查员使用同一问卷对同一人群的调查结果一致性C.问卷问题表述是否符合当地居民的语言习惯D.问卷填写完成后数据录入系统的错误率9.在收集孕妇孕期健康数据时，以下哪项属于“情境化数据”？A.孕妇的年龄、孕周B.孕期产检次数、超声检查结果C.家庭居住环境（如是否有二手烟暴露）D.妊娠期糖尿病筛查的空腹血糖值10.某健康管理公司计划通过用户APP收集饮食数据，为提高数据准确性，最有效的设计是？A.设置“自动识别食物图片”功能（基于AI图像识别）B.提供标准化食物分量参考图（如“1拳头米饭=100g”）C.限制每日填写次数为3次（早/中/晚）D.对填写完整的用户给予积分奖励二、简答题（每题8分，共40分）1.简述健康数据收集中“数据溯源”的核心目的及实现方法。2.对比分析电子健康记录（EHR）与可穿戴设备健康数据的主要差异（至少列出4项）。3.列举3种常见的健康数据采集质量控制措施，并说明其适用场景。4.解释“健康数据采集的伦理边界”，并举例说明实践中需规避的风险点。5.某社区需收集65岁以上老年人跌倒风险相关数据，设计一份包含5个关键变量的采集清单（需注明变量类型及采集方式）。三、案例分析题（每题20分，共40分）案例1：某市疾控中心拟建立“心脑血管疾病早期预警数据平台”，需整合以下多源数据：二级以上医院的急诊就诊记录（包含症状、生命体征、初步诊断）社区卫生服务中心的高血压/糖尿病患者随访记录（包含血压/血糖监测值、用药情况）区域120急救调度系统数据（包含发病地点、呼叫时间、到达医院）气象部门提供的区域温度、湿度、气压实时数据问题：（1）指出上述数据中需重点关注的“时间对齐”问题，并提出解决方案；（8分）（2）分析气象数据与心脑血管疾病数据的关联逻辑，说明采集气象数据时需额外注意的质量要求；（6分）（3）列举2项该平台数据采集过程中可能面临的隐私风险，并提出对应的防护措施。（6分）案例2：某互联网健康公司推出“睡眠健康管理”APP，用户通过绑定智能手环上传睡眠监测数据（包括入睡时间、深睡时长、夜间觉醒次数），同时需填写每日压力自评（1-10分）、咖啡摄入量（杯/日）。近期用户反馈数据准确性不足，经初步排查发现：部分用户手环因电量低导致睡眠时段数据中断；压力自评分数集中在“5分”附近，存在随意填写现象；咖啡摄入量因用户对“1杯”的定义不同（如有人认为150ml为1杯，有人认为300ml为1杯）导致数据偏差。问题：（1）针对手环数据中断问题，设计2种数据补全策略，并说明各自优缺点；（8分）（2）分析压力自评数据“集中化”的可能原因，提出3种优化采集设计的方法；（6分）（3）提出咖啡摄入量数据标准化的解决方案（需包含具体操作步骤）。（6分）答案---一、单项选择题1.C（非结构化数据指无固定格式的文本、图像等，医生病程描述为自由文本）2.B（字段缺失直接影响完整性）3.D（结合用户历史数据可更精准识别个体异常，避免统一阈值的局限性）4.B（法定传染病上报属于公共卫生职责，无需单独授权）5.C（HIS/LIS多为结构化数据，PACS影像属半结构化/非结构化）6.B（社区建档数据是最直接的慢性病管理记录，覆盖更全面）7.B（流感监测需实时跟踪病例变化趋势）8.B（信度强调测量结果的一致性，不同调查员间的一致性是信度指标）9.C（情境化数据指与健康行为相关的环境、社会因素）10.B（标准化参考图可减少用户对分量的主观误差，比AI识别更易操作）二、简答题1.核心目的：确保数据来源可追溯，验证数据真实性与可靠性，为后续分析提供质量依据。实现方法：①为每条数据添加元信息（如采集时间、设备编号、操作人员ID）；②建立数据链路日志（记录从原始提供到存储的全流程）；③通过哈希值校验关键数据段（如诊断编码、检测值）的完整性。2.差异：①数据提供主体：EHR由医疗专业人员提供，可穿戴设备由用户主动/被动提供；②数据结构：EHR多为结构化（如检验数值）或半结构化（如病程记录），可穿戴设备多为时序结构化（如每分钟心率）；③数据维度：EHR包含诊断、治疗等临床决策信息，可穿戴设备侧重生理指标连续监测；④数据质量控制：EHR通过医疗规范（如病历书写规范）保障，可穿戴设备依赖设备准确性与用户依从性。3.措施及场景：①逻辑校验（如年龄＞120岁标记为异常）——适用于结构化数据字段合理性检查；②交叉验证（如用体检报告中的身高体重复核问卷中的BMI计算值）——适用于多源数据一致性确认；③现场复核（如对问卷填写不完整的用户进行电话回访）——适用于主观报告类数据（如症状自评）的补全。4.伦理边界：指在数据收集中需平衡科学价值与个体权益，确保不侵犯隐私、不利用信息不对称获取数据。风险点举例：①强制要求患者签署“数据使用授权书”作为就诊前提（侵犯自主选择权）；②未明确告知儿童健康数据的具体用途（忽视未成年人知情同意权）；③收集与健康无关的敏感信息（如宗教信仰）却未说明必要性（过度采集）。5.采集清单示例：变量1：最近1年跌倒次数（定量，问卷询问+家属佐证）变量2：视力情况（定性，眼科检查结果/问卷勾选“正常/模糊/失明”）变量3：日常用药中是否含镇静类药物（二分类，查阅用药清单+患者自述）变量4：居家环境是否有防滑措施（定性，上门核查勾选“有/无”）变量5：平衡能力测试得分（定量，通过“单腿站立试验”测量秒数）三、案例分析题案例1（1）时间对齐问题：急诊就诊记录的“就诊时间”、120调度的“呼叫时间”与社区随访的“测量时间”可能存在时间单位差异（如急诊记录到分钟，社区记录到日期）。解决方案：统一时间格式为“年-月-日时:分:秒”；对社区随访中仅记录日期的数据，补充默认时间（如上午9:00）；通过事件关联（如某患者120呼叫时间为10:30，对应急诊就诊时间应为10:45-11:00）进行时间校准。（2）关联逻辑：低温、低气压可能诱发血管收缩，增加心脑血管事件风险。质量要求：①时间精度需与健康事件匹配（如气象数据需每小时更新，而非每日）；②空间精度需细化到街道级（避免区域平均数据掩盖局部差异）；③需验证气象设备的校准记录（确保温度、气压测量值准确）。（3）隐私风险及措施：①急诊记录中的患者姓名、身份证号可能被泄露——采用去标识化技术（删除直接标识符，对间接标识符如“65岁男性+某街道”进行泛化处理）；②120调度的发病地点（如具体门牌号）可能暴露患者住址——将地址模糊化为“某街道某小区”层级。案例2（1）补全策略：①前向填充法（用中断前最后一条有效数据填充）——优点：操作简单，保留趋势；缺点：可能高估深睡时长（若实际已觉醒）。②基于用户历史睡眠模式插值（如用户平均每夜觉醒2次，按间隔补充觉醒时间）——优点：更符合个体特征；缺点：需大量历史数据支持，新用户不适用。（2）集中化原因：用户对“压力”的主观感知模糊，缺乏明确评价标准；APP未提供压力场景示例（如“工作加班”对应7分）；用户为快速完成填写选择中间值。优化方法：①增加压力锚点（如“无压力=1分，考试前一天=7分，失业=10分”）；②设置“是否需要详细描述压力事件”的可选填空；③对连续3