2026年医学数据分析师资格考试试卷及答案

2026年医学数据分析师资格考试试卷及答案一、单项选择题（共20题，每题1分，总计20分。每题只有1个正确答案）1.依据国家卫生健康委2025年发布的《全国健康医疗大数据分类分级指南》，涉及罕见病患者个体基因组数据且一旦泄露可能导致患者遭遇就业歧视、社会排斥的数据集，安全分级应为（）A.2级B.3级C.4级D.5级2.某三甲医院2025年全年出院患者126842例，其中住院期间发生院内获得性肺炎的患者共1827例，未发生该并发症患者的平均住院日为6.2天，发生并发症患者的平均住院日为15.7天。采用倾向得分匹配控制年龄、基础疾病、手术类型等混杂因素后，院内肺炎对平均住院日的归因影响值为（）A.4.9天B.7.3天C.9.5天D.12.1天3.在真实世界研究中，为控制电子病历数据存在的未测量混杂（如患者依从性、社会经济地位）偏倚，优先选用的分析方法是（）A.多因素Logistic回归B.工具变量法C.卡方检验D.主成分分析4.按照DRG（疾病诊断相关分组）付费规则，某DRG组的权重为1.28，当地2025年DRG付费基准费率为6850元，若某医院该组病例的平均费用为7920元，且经稽核不存在高靠诊断、分解住院等违规行为，则医保部门对该组病例的实际支付标准为（）A.6850元B.7920元C.8768元D.9625元5.医学预测模型构建中，用于评价模型区分度的核心指标是（）A.Brier得分B.C-index（一致性指数）C.校准曲线截距D.决策曲线净获益6.下列符合《医疗卫生机构网络安全管理办法》中医疗数据去标识化要求的操作是（）A.删除患者姓名、身份证号字段后直接对外共享数据集B.对患者身份证号进行MD5哈希处理后保留其余诊疗字段C.移除18类直接标识符，同时对出生日期仅保留年份、住址保留至区县层级，使数据集重识别风险低于0.01%D.将患者姓名替换为随机数字编号后用于多中心临床研究7.某肿瘤登记中心2020-2025年收集的肺癌发病数据显示，地区人群肺癌粗发病率从58.2/10万上升至72.6/10万，同期60岁以上人口占比从18.7%上升至25.1%。采用直接标准化法以2020年人口年龄结构为标准，计算2025年肺癌标化发病率为59.1/10万，对发病率变化的正确解释是（）A.地区肺癌实际发病风险上升24.7%B.粗发病率上升主要由人口老龄化驱动，实际发病风险仅小幅上升C.肺癌诊断技术提升导致发病率虚高D.标化发病率无实际流行病学意义8.下列属于医学数据中结构化数据类型的是（）A.入院记录中的现病史自由文本B.病理报告的HE染色图像C.检验信息系统（LIS）中存储的血清肌酐数值D.床旁超声的动态影像9.在开展药物不良反应（ADR）信号挖掘时，若某药品对应不良事件的报告比值比（ROR）为3.2，95%置信区间为1.8~5.7，提示（）A.该药品与不良事件存在统计学关联信号B.可直接确认该药品导致该不良事件C.关联无统计学意义，无需关注D.该不良事件的发生风险低于背景水平10.临床试验数据统计分析中，符合意向性分析（ITT）原则的做法是（）A.仅纳入全程按方案完成治疗的受试者进行分析B.将所有随机化的受试者纳入分析，不管其是否完成治疗C.排除试验中出现严重不良反应的受试者数据D.根据受试者实际接受的治疗分组进行分析11.医院绩效评价中，CMI（病例组合指数）的核心含义是（）A.医院出院患者的平均权重，反映收治疾病的疑难危重程度B.医院病床周转效率C.医院患者平均住院费用水平D.医院医护人员配置强度12.电子病历数据中，用于唯一标识单次住院就诊事件的标准编码是（）A.患者身份证号B.住院就诊号（VISIT_ID）C.医保参保号D.医师工号13.生存分析中，删失数据是指（）A.研究对象失访、随访结束时未发生终点事件的数据B.数据录入错误产生的异常值C.超出参考值范围的检验数据D.未通过逻辑校验的病历数据14.国家医疗保障信息平台中，用于统一标识医疗服务项目的编码标准是（）A.ICD-10B.ICD-9-CM-3C.国家医保医用耗材分类与代码D.国家医疗服务项目分类与代码15.构建临床预测模型时，按照TRIPOD声明要求，模型验证的最低要求是（）A.仅需在建模数据集内部做交叉验证B.必须开展多中心外部验证C.内部验证加至少一个时段或中心的外部验证D.不需要验证，直接投入临床应用16.某社区卫生服务中心2025年管理的高血压患者共8624人，年内规范完成4次随访且血压达标的患者共4743人，该中心的高血压规范管理率计算方法为（）A.4743/8624×100%B.年内完成至少1次随访的患者数/8624×100%C.年内血压达标的患者数/8624×100%D.4743/辖区内常住人口数×100%17.下列数据质量维度中，反映“数据记录与真实客观情况一致程度”的是（）A.完整性B.准确性C.一致性D.及时性18.针对医疗时间序列数据（如ICU患者每小时的生命体征数据），最适用的机器学习模型是（）A.逻辑回归B.长短期记忆网络（LSTM）C.随机森林D.决策树19.医保基金监管中，识别“分解住院”行为的核心数据规则是（）A.同一位参保人15天内因同一疾病在同一家医院二次住院B.患者住院费用超过DRG支付标准C.患者住院期间使用了医保目录外药品D.住院医嘱中检查项目占比超过30%20.医学论文统计分析中，若比较三组独立样本的连续型变量（满足正态性、方差齐性），应优先选用的统计方法是（）A.t检验B.单因素方差分析C.秩和检验D.卡方检验二、多项选择题（共10题，每题2分，总计20分。每题有2-4个正确答案，多选、少选、错选均不得分）1.以下属于医学数据分析师法定职责边界的有（）A.严格落实数据安全保护要求，不得非法泄露患者个人信息B.基于真实数据分析结果支撑管理、临床决策，不得篡改、编造数据C.可以独立为患者出具疾病诊断报告D.分析过程需记录全流程溯源，保障分析结果可复现2.下列可用于混杂因素控制的研究设计或分析方法有（）A.随机对照试验B.分层分析C.多因素回归模型D.倾向性评分匹配3.医疗数据质量评估的核心维度包括（）A.完整性B.准确性C.一致性D.时效性4.真实世界证据可支持的药品监管应用场景包括（）A.罕见病治疗药物上市后有效性评价B.已上市药品新增适应症的审评C.药品上市后不良反应监测D.替代Ⅲ期临床试验的所有有效性评价5.公立医院绩效考核（“国考”）中，属于医疗质量维度的指标有（）A.手术患者并发症发生率B.低风险组病例死亡率C.门诊次均费用增幅D.电子病历应用功能水平分级6.开展多中心临床研究数据整合时，需要统一的数据标准包括（）A.疾病诊断编码统一映射至ICD-10国家临床版B.手术操作编码统一映射至ICD-9-CM-3国家临床版C.药品编码统一映射至国家医保药品分类与代码D.实验室检验结果统一单位与参考区间7.下列属于诊断试验评价指标的有（）A.灵敏度B.特异度C.ROC曲线下面积（AUC）D.NNT（需治数）8.医保DRG付费下，医院可通过数据分析实现提质增效的路径有（）A.识别超支DRG组的费用结构，管控不合理耗材、药品支出B.优化临床路径，缩短平均住院日C.对结余DRG组随意减少必要诊疗项目以增加收益D.分析低倍率、高倍率病例成因，规范编码与诊疗行为9.患者隐私保护的合规技术手段包括（）A.数据去标识化、匿名化处理B.数据访问权限分级管控C.联邦学习（数据不出域、价值可流通）D.明文存储全量患者敏感信息10.卫生统计中，反映人群健康状况的常用指标有（）A.婴儿死亡率B.孕产妇死亡率C.预期寿命D.甲类传染病发病率三、判断题（共10题，每题1分，总计10分。正确选√，错误选×）1.采用多重插补法处理缺失数据时，可直接将单次插补后的数据集用于最终统计分析，无需考虑插补不确定性。（）2.两个变量的Pearson相关系数为0.8，即可判定二者存在因果关系。（）3.电子病历数据中的“主要诊断”是指患者住院期间花费医疗资源最多的疾病诊断。（）4.敏感性分析的目的是检验分析结果的稳健性，判断假设条件、数据处理方式变化时结果是否稳定。（）5.医保结算清单中的诊断编码顺序需与出院记录的诊断顺序完全一致，不得调整。（）6.计算标化死亡率的目的是消除不同人群年龄结构差异的影响，实现不同地区、不同时间死亡率的可比。（）7.机器学习模型的AUC值越接近1，说明模型的校准度越好。（）8.依据《个人信息保护法》，处理患者的医疗健康敏感个人信息，需取得患者的单独同意。（）9.医院感染暴发是指在医疗机构或其科室的患者中，短时间内发生3例及以上同种同源感染病例的现象。（）10.做Meta分析时，若I²=85%，提示研究间存在高度异质性，应选用固定效应模型合并效应量。（）四、简答题（共3题，每题10分，总计30分）1.简述利用电子病历数据开展临床研究时常见的偏倚类型及控制方法。2.简述DRG付费下医学数据分析师需开展的核心数据支撑工作内容。3.简述医学数据全生命周期安全管理的核心环节及各环节的关键管控要点。五、案例分析题（共2题，每题10分，总计20分）1.某市疾控中心开展2025年辖区居民糖尿病流行病学调查，共纳入12000名40岁以上常住居民，调查发现糖尿病患者1440人。其中，有8年以上运动习惯的居民共4800人，糖尿病患者384人；无规律运动习惯的居民7200人，糖尿病患者1056人。请回答以下问题：（1）计算该市40岁以上居民糖尿病总患病率；（2）分别计算规律运动组和无规律运动组的糖尿病患病率；（3）计算无规律运动相对于规律运动的糖尿病患病相对危险度（RR），并解释结果含义；（4）若要证明运动与糖尿病患病的因果关联，还需要补充哪些方面的证据？2.某三甲医院2025年DRG付费年终清算数据显示，全院DRG结余率为-2.3%，其中外科系统“腹腔镜下胆囊切除术”（DRG组代码HC35）病例共1248例，组均权重0.87，当地该组支付标准为5960元，该院该组组均费用为7128元，超支率达19.6%，是全院超支最严重的DRG组。经初步数据探查：该组病例平均住院日为7.2天，比区域同级别医院平均水平多2.1天；组均耗材费用2842元，比区域平均水平高1026元，其中单次使用的微创取物袋平均费用为680元，而区域同院同款产品平均采购价为320元；组内有127例患者术后常规使用抗菌药物5天以上，符合指南推荐术后24小时内停药的病例仅占62%；有89例患者存在术前等待时间超过3天的情况。结合上述材料，请回答：（1）请梳理该DRG组超支的核心原因；（2）作为该院医学数据分析师，你会提出哪些可落地的数据分析与管理改进建议？参考答案一、单项选择题1.C解析：5级数据为一旦泄露可导致个体重大伤害的极高敏感数据，如可识别的个人基因组、传染病急性期详细信息；4级数据为泄露后可导致患者遭遇歧视、财产损失的高敏感数据，罕见病个体基因组关联患者身份时属于4级。2.B解析：未控制混杂时住院日差值为9.5天，控制混杂后归因影响需排除基础疾病、年龄等因素对住院日的叠加影响，经倾向得分匹配后的净效应为7.3天。3.B解析：工具变量法可通过与暴露相关、与混杂无关的变量控制未测量混杂，其余方法仅能控制已测量混杂。4.C解析：DRG支付标准=权重×基准费率，即1.28×6850=8768元，在无违规情况下按该标准支付。5.B解析：C-index反映模型区分不同结局个体的能力；Brier得分、校准曲线反映校准度，决策曲线反映临床实用性。6.C解析：去标识化需将重识别风险降至国家规定阈值（<0.01%），仅删除直接标识符、哈希身份证号均存在重识别风险。7.B解析：标化后发病率仅较2020年上升1.5%，粗发病率上升主要由老年人口占比提升导致。8.C解析：检验数值为结构化字段，其余为非结构化文本、影像数据。9.A解析：ROR的95%置信区间下限>1时提示存在可疑ADR信号，但不能直接确认因果关联。10.B解析：ITT分析遵循随机化原则，纳入所有随机化受试者，不随意排除脱落病例。11.A解析：CMI为医院出院病例的平均DRG权重，直接反映收治疾病的疑难程度。12.B解析：住院就诊号唯一标识单次住院事件，身份证号、医保号标识患者个人，不对应单次就诊。13.A解析：生存分析中的删失指随访结束未观察到终点事件或失访的情况。14.D解析：A为疾病诊断编码，B为手术操作编码，C为耗材编码，D为医疗服务项目编码。15.C解析：TRIPOD声明要求预测模型需开展内部验证及至少一个外部验证保障泛化性。16.A解析：高血压规范管理率指年内完成规范随访且血压达标的患者数占全部管理高血压患者数的比例。17.B解析：准确性反映数据与真实情况的一致性，完整性反映字段缺失情况，一致性反映跨系统数据匹配程度。18.B解析：LSTM为循环神经网络变体，适合处理时间序列依赖关系的医学数据。19.A解析：分解住院的核心判定规则为同一参保人短期内因同一疾病二次住院以套取医保资金。20.B解析：三组独立正态、方差齐的连续变量比较优先选用单因素方差分析，t检验仅适用于两组比较。二、多项选择题1.ABD解析：医学数据分析师无疾病诊断资质，不得出具诊断报告。2.ABCD解析：以上方法均可从设计或分析阶段控制混杂偏倚。3.ABCD解析：医疗数据质量核心维度包含完整性、准确性、一致性、时效性、可用性。4.ABC解析：真实世界证据不能替代所有Ⅲ期临床试验，仅在符合监管要求的场景下作为补充证据。5.ABD解析：门诊次均费用增幅属于运营效率维度指标。6.ABCD解析：多中心数据整合需统一疾病、手术、药品、检验等各类数据的编码与单位标准。7.ABC解析：NNT为治疗效果评价指标，不属于诊断试验指标。8.ABD解析：不得通过减少必要诊疗项目压缩成本，属于违规行为。9.ABC解析：明文存储敏感信息存在极大数据泄露风险，不符合隐私保护要求。10.ABCD解析：以上指标均为反映人群健康水平的核心统计指标。三、判断题1.×解析：多重插补需结合m次插补的结果合并统计量，考虑插补带来的不确定性，不可直接用单次插补结果分析。2.×解析：相关关系不等于因果关系，需结合时序性、混杂控制、生物学合理性等判断因果。3.√解析：主要诊断定义为本次住院中对患者健康危害最大、消耗医疗资源最多、影响住院时间最长的疾病。4.√解析：敏感性分析通过改变分析假设、数据处理方式检验结果的稳定性。5.×解析：医保结算清单的诊断编码需按照医保规则填报，突出消耗资源最多的主要诊断，无需与出院记录顺序完全一致。6.√解析：率的标化核心目的是消除人口构成差异影响，实现跨组可比。7.×解析：AUC反映模型区分度，校准曲线反映模型预测概率与实际发生概率的一致性。8.√解析：医疗健康数据属于敏感个人信息，处理需取得个人单独同意。9.√解析：符合《医院感染管理办法》中医院感染暴发的定义。10.×解析：I²>50%提示存在中高度异质性，应选用随机效应模型，同时分析异质性来源。四、简答题1.（1）选择偏倚：如就诊偏倚（伯克森偏倚）、失访偏倚，因研究对象纳入、随访过程中的非随机性导致样本代表性不足；控制方法：明确严格的纳入排除标准、提高随访率、采用加权法调整样本代表性。（2）信息偏倚：如电子病历记录的测量误差、诊断错误、编码不准确，暴露与结局的错分；控制方法：统一数据提取标准、开展数据质量校验、交叉验证多源数据（如检验系统与病历记录的一致性）。（3）混杂偏倚：年龄、性别、基础疾病等混杂因素在暴露组与非暴露组分布不均导致的效应估计偏差；控制方法：研究设计阶段采用匹配、限制，分析阶段采用多因素回归、倾向性评分、工具变量法控制混杂。2.（1）DRG分组数据质量管控：规范住院病案首页、医保结算清单的编码准确性，排查高靠诊断、编码错误、低标入院等问题，保障分组准确。（2）费用结构分析：分DRG组拆解药品、耗材、检查、护理等费用占比，对比区域标杆值识别不合理费用节点。（3）效率指标监测：追踪各DRG组的平均住院日、术前等待日、床位周转效率，识别流程堵点。（4）结余/超支归因分析：区分合理超支（如疑难病例占比高）与不合理超支（如耗材溢付、路径不规范），为临床路径优化提供数据支撑。（5）绩效对接：将DRG盈亏、效率指标纳入科室绩效核算，引导临床规范诊疗行为。3.（1）数据采集环节：建立统一数据采集标准，保障数据元规范、来源可追溯，避免非法采集非必要患者敏感信息，落实知情同意要求。（2）数据存储环节：实施分级分类存储，敏感数据加密存储，建立访问权限控制、备份恢复机制，防止数据泄露、篡改、丢失。（3）数据使用环节：严格遵循“最小必要”权限原则，数据提取、分析全程留痕可审计，涉及个人敏感信息的分析需经过伦理审查与审批。（4）数据共享环节：对外共享数据需完成去标识化/匿名化处理，开展数据安全风险评估，签订数据安全协议，严禁直接共享可识别个人身份的原始数据。（5）数据销毁环节：对超过保存期限、无需留