| 1 |
Number of tablets = Desired dosage / stock strength หากมี 1500 mg ของ Calcium carbonate และต้องการ 750 mg ต่อเม็ดจะได้กี่เม็ด
|
5. 2 |
|
Number of tablets = 1500 mg / 750 mg = 2 tablets
|
Number of tablets = Desired dosage / stock strength
|
5 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 2 |
ให้สั่งยา 4 mg/kg / dose โดยที่ Weight = 130 Ibs
|
2. 236.4 mg/dose |
|
จำนวนยาที่ต้องให้ = 4 mg/kg x 59 kg = 236 mg/dose
|
เนื่องจากน้ำหนักในคำสั่งเป็นหน่วย pound (Ibs) แต่ยาจะต้องให้เป็นหน่วยกิโลกรัม (kg) ดังนั้นเราจะต้องแปลงหน่วยน้ำหนักก่อน
1 กิโลกรัม (kg) = 2.20462 ปอนด์ (pound)
ดังนั้น น้ำหนักของผู้ป่วยคือ 130 ปอนด์ (Ibs) หรือ ประมาณ 59 กิโลกรัม (kg)
จำนวนยาที่ต้องให้ต่อโดสคือ 4 mg/kg ดังนั้น เราจะคูณน้ำหนักของผู้ป่วยด้วย 4 เพื่อหาจำนวนยาที่ต้องให้
|
5 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 3 |
ต้องการจัดยา 2 g of amoxicillin โดยมี amoxicillin 500 – mg capsules อยากทราบว่าต้องให้กี่ capsule
|
4. 4 |
|
2000 มิลลิกรัม ÷ 500 มิลลิกรัม/แคปซูล = 4 แคปซูล
|
เนื่องจากมีแคปซูลละ 500 มิลลิกรัม จึงต้องหารายละเอียดดังนี้ : 2 กรัม = 2000 มิลลิกรัม แล้วจึงนำไปหารด้วย500มิลลิกรัมซึ่งเป็นปริมาณยาในแต่ละแคปซูล
|
5 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 4 |
ต้องการสั่งยา 0.3 mg SQ of ยา A โดยมี 1000 mcg/2 mL of ยา A
|
3. 0.6 mL |
|
0.3 mg *(1000mcg/1mg)*(2mL/1000mcg)=0.6mL
|
เราสามารถคำนวณเป็นจำนวนของยา A ที่ต้องใช้ได้ดังนี้
0.3 mg = 300 mcg
จากนั้นเราสามารถคำนวณปริมาณของยา A ที่ต้องใช้ได้ดังนี้
1000 mcg / 2 mL = 500 mcg / 1 mL
ดังนั้น 300 mcg จะเป็นเท่ากับ 0.6 mL
|
5 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 5 |
หากเราค้นคว้าข้อมูลแล้วสามารถคาดการณ์สถิติตัวเลขที่จะเกิดขึ้นในอนาคตได้ ถือเป็น data analytics แบบใด
|
2. Predictive |
|
คาดการณ์สถิติตัวเลขที่จะเกิดขึ้นในอนาคตเป็นการวิเคราะห์ข้อมูลแบบ Predictive analytics
|
Predictive analytics เป็นการใช้ข้อมูลประวัติศาสตร์เพื่อทำนายเหตุการณ์ที่จะเกิดขึ้นในอนาคต โดยอาศัยโมเดลและอัลกอริทึมต่างๆ เพื่อคาดการณ์ผลลัพธ์ที่จะเกิดขึ้นในอนาคตโดยใช้ข้อมูลที่มีอยู่ และสามารถช่วยสร้างเป้าหมาย และกลยุทธ์การดำเนินงานให้เหมาะสมกับการเปลี่ยนแปลงของสภาพแวดล้อมในอนาคต
|
5 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 6 |
จาก graph หาก R =5 A = ?
The infection attack rate is the total proportion of the population that is eventually infected during the epidemic, and it is denoted by A. This infection attack rate is completely determined by the reproduction number R and the contact process that describes who contacts whom. To illustrate the basic shape of the relation between the reproduction number R and the infection attack rate A. We suppose that infectious contacts are made at random
This provides us with a simple and robust relation that indicates what would happen if a new infection were to hit a completely susceptible population: if the
|
2. 0.9 |
|
|
|
5 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 7 |
จากตาราง facilitators คืออะไร
|
3. ตัวช่วยให้ใช้ predictive model ง่ายขึ้น |
|
ความหมายของคำว่าfeatures that increase the ease of use prediction model
|
features that increase the ease of use prediction model แปลว่า คุณลักษณะที่เพิ่มรูปแบบการคาดคะเนความง่ายในการใช้งาน
|
5 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 8 |
จากกราฟอยากทราบว่า Comparison of observed and ANN model forecasted values of daily AQI in (a) Summer, (b) Monsoon, (c) Post Monsoon and (d) Winter seasons during the year 2006.
Math model เกี่ยวกับเรื่องใด
|
2. Air pollution |
|
|
|
5 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 9 |
อยากทราบว่าจากตารางด้านล่าง ค่า X ในตารางหมายถึงสิ่งใด
|
2. ความเข้มข้นของมลพิษ |
|
pollutant concentration แปลว่า ความเข้มข้นของมลพิษ
|
pollutant concentration แปลว่า ความเข้มข้นของมลพิษ
|
5 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 10 |
จากข้อความ P คือค่าอะไร
Previous studies that applied the IER model in the analysis of ambient air pollution-related disease burden only focused on four specific diseases, which are IHD, stroke, COPD, and LC, because the development of the IER model relies to a great extent on the available RR information of these diseases, The IER model was increasingly used to estimate the attributable mortality using the result of calculated RR. Previous study has evaluated the global PM2.5 concentration-mortality relationships by using the IER model outputs. By applying the estimated relative risk (R), the premature mortality (M) for a specific disease outcome in a population is measured using Equation 3, with P and I indicating population and regional average annual disease mortality rate (also known as baseline mortality rate), respectively.
M = P x I x (1-( 1)/R)
|
3. อัตราการตาย |
|
ค่า P ในข้อความนี้คืออัตราการตายจากโรคในประชากรเฉลี่ยปีละ
|
ตัวแปร P นี้ถูกนำมาใช้ในสูตรการคำนวณสำหรับการประเมินผลกระทบของมลพิษในอากาศต่อการตายก่อนวัย (premature mortality) จากโรคหลายชนิดที่เกี่ยวข้องกับมลพิษในอากาศ โดยใช้โมเดล IER (Integrated Exposure Response) ในการประมาณค่าผลกระทบของมลพิษในอากาศ โดยอัตราการตายนี้จะถูกนำไปคูณกับค่า I ซึ่งเป็นอัตราการตายโรคเบื้องต้นของพื้นที่นั้นๆ เพื่อหาจำนวนผู้เสียชีวิตก่อนวัยที่เกิดจากโรคนั้นๆ ที่เกี่ยวข้องกับมลพิษในอากาศในพื้นที่นั้นๆ
|
10 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 11 |
จงอธิบายและยกตัวอย่างการใช้ calculus ในการผ่าตัด
|
ในการผ่าตัด การใช้ calculus จะมีประโยชน์อย่างมากในการคำนวณหาค่าต่างๆ เช่น ค่าความเฉียงของเส้นตัดศีรษะเขตของวงกลม หรือค่าพื้นที่ของรูปทรงเรขาคณิต ดังนั้น เราสามารถนำความรู้และเทคนิคทางคณิตศาสตร์มาใช้เพื่อช่วยในการแก้ปัญหาทางการแพทย์และศิลปกรรมได้ |
|
ตัวอย่างการใช้ calculus ในการผ่าตัดเชิงเส้น เช่น การตัดเส้นตรงด้วยมีด การคำนวณจำนวนผ้าห่อที่ต้องใช้เพื่อแปลงเป็นสิ่งที่เป็นรูปทรงกลม เพื่อคำนวณค่าพื้นที่ของวงกลมที่ต้องใช้ในการสร้างเทเบิ้ล และอื่นๆ
|
Calculus เป็นสาขาของคณิตศาสตร์ที่ใช้ในการศึกษาพฤติกรรมของฟังก์ชัน โดยเฉพาะอย่างยิ่งการศึกษาเกี่ยวกับการเปลี่ยนแปลงของฟังก์ชัน ซึ่งเป็นสิ่งสำคัญในการจำลองและวิเคราะห์การกระทำต่างๆในสิ่งต่างๆ รวมถึงการผ่าตัดแล้วก็เป็นอีกหนึ่งทางเลือกที่สามารถใช้ในการแก้ปัญหาในด้านต่างๆได้
|
10 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 12 |
math model และ Physical therapy มีความเกี่ยวข้องกันอย่างไร
|
Math model และ Physical therapy มีความเกี่ยวข้องกันในด้านการออกแบบและวิเคราะห์การรักษาโรคหรือความผิดปกติทางกายภาพ โดยเฉพาะอย่างยิ่งในการแก้ไขปัญหาทางกายภาพที่มีความซับซ้อน และการออกแบบโปรแกรมการฝึกซ้อมเพื่อเพิ่มประสิทธิภาพในการฟื้นฟูสมรรถภาพหลังจากการบาดเจ็บหรือศัลยกรรม |
|
นอกจากนี้ การใช้โมเดลคณิตศาสตร์เช่น โมเดลการเคลื่อนไหวของร่างกายและโมเดลการฟื้นฟูสมรรถภาพหลังจากการบาดเจ็บเป็นต้น ยังช่วยให้ผู้ที่ดูแลผู้ป่วยสามารถวิเคราะห์และประเมินผลการรักษาได้อย่างถูกต้องและมีประสิทธิภาพมากขึ้นด้วย
|
การรักษาทางกายภาพในบางครั้งอาจใช้วิธีการทางคณิตศาสตร์เพื่อให้เข้ากับโจทย์ที่ต้องการ เช่น การใช้คณิตศาสตร์เพื่อแก้ไขปัญหาการเคลื่อนไหวของกระดูกและกล้ามเนื้อ การวิเคราะห์รูปแบบการเคลื่อนไหวของร่างกายเพื่อให้เกิดการปรับเปลี่ยนที่เหมาะสมและการวิเคราะห์ข้อมูลทางกายภาพเพื่อเลือกวิธีการรักษาที่เหมาะสม
|
10 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 13 |
จากบทความ Mathematical Models in Infectious Disease Epidemiology จงเสนอแนะวิธีคำนวณยาในการรักษาโรค smallpox
|
Quantity of medication = (Number of infected individuals x Duration of treatment x Dose per day) / Bioavailability |
|
วิธีการคำนวณยาในการรักษาโรค smallpox สามารถทำได้โดยใช้ mathematical models โมเดล SEIR โดยใช้ข้อมูลจากการสำรวจปริมาณการแพร่กระจายของเชื้อไวรัสและการตอบสนองของผู้ป่วยต่อการรักษาด้วยยา เมื่อได้ข้อมูลแล้วสามารถคำนวณปริมาณยาที่ต้องใช้ในการรักษาโรค smallpox โดยใช้สูตร Quantity of medication = (Number of infected individuals x Duration of treatment x Dose per day) / Bioavailability โดยแต่ละตัวแปรหมายถึง จำนวนผู้ป่วยที่ต้องการรักษาโรค smallpox, ระยะเวลาที่ต้องการให้ยากับผู้ป่วย ปริมาณยาที่ต้องการให้กับผู้ป่วยต่อวัน และ Bioavailability ตามลำดับ
|
ทฤษฎีหลักคิดของ mathematical models ใน infectious disease epidemiology คือการใช้คณิตศาสตร์และโมเดลทางคณิตศาสตร์เพื่อศึกษาและทำนายการแพร่กระจายของโรคติดเชื้อในประชากร โดยมีเป้าหมายเพื่อให้สามารถวิเคราะห์และคาดการณ์ความเสี่ยงของการแพร่กระจายของโรคในอนาคต และออกแบบกลยุทธ์การควบคุมและการป้องกันการแพร่กระจายของโรคในที่สุด
โมเดลทางคณิตศาสตร์ที่มักถูกใช้ในการศึกษาโรคติดเชื้อระบบหนึ่งคือโมเดล SEIR (Susceptible-Exposed-Infected-Recovered) ซึ่งจะแบ่งประชากรเป็น 4 กลุ่ม
|
10 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 14 |
จงหา math model ที่จะมีประโยชน์กับกายภาพบำบัดของผู้ป่วย stroke
|
หนึ่งในวิธีการใช้ math model เพื่อช่วยในการบำบัดกายภาพของผู้ป่วย stroke คือการใช้งาน model การเรียนรู้ของเครื่องจักร (Machine Learning) ซึ่งสามารถใช้ในการวิเคราะห์ภาพเคลื่อนไหวของผู้ป่วยที่มีโรคหลอดเลือดสมองสมัครเลือด (stroke) ซึ่งจะช่วยให้บุคลากรทางการแพทย์สามารถติดตามและประเมินผลการรักษาโดยการวิเคราะห์และเปรียบเทียบข้อมูลเกี่ยวกับการเคลื่อนไหวของผู้ป่วยก่อนและหลังการรักษา |
|
การรักษาโรคหลอดเลือดสมองสมัครเลือดหรือ "stroke" นั้นสามารถใช้การบำบัดกายภาพเพื่อเพิ่มความสามารถในการเคลื่อนไหวและปรับปรุงฟังก์ชันการทำงานของสมองได้ ตัวอย่างเช่น การฝึกการเดิน การฝึกการพูด การฝึกการเขียน และการฝึกการอ่าน
|
โรคหลอดเลือดสมองสมัครเลือดหรือ "stroke" เป็นโรคที่เกิดจากการขาดเลือดสมองหรือการเสียชีวิตของเซลล์สมอง ซึ่งส่งผลให้เกิดอาการด้านการเคลื่อนไหว ปัญหาในการพูด หรือปัญหาเชิงสมองอื่น ๆ
|
10 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 15 |
จงอธิบายเรื่อง math model กับ drug diffusion through the blood
|
Mathematical model ที่ใช้ในการแพร่กระจายยาผ่านเลือดมีหลายแบบ แต่ Diffusion equation เป็น mathematical model ที่ได้รับความนิยมสูงสุด โดยสมการนี้อธิบายถึงการแพร่กระจายของสารผ่านสื่อ สามารถใช้สมการนี้ในการจำลองการเคลื่อนที่ของยาผ่านเลือด โดยที่ยาจะถูกพิจารณาเป็นสารที่แพร่กระจาย และเลือดจะถูกพิจารณาเป็นสื่อ |
|
การแพร่กระจายยาผ่านเลือดมีปัจจัยหลายอย่างที่สามารถส่งผลต่อการแพร่กระจาย เช่น ลักษณะโมเลกุลของยา อัตราการไหลของเลือด และความมีอยู่ของสารอื่นในเลือด เมื่อใช้ mathematical model นี้ นักวิจัยสามารถจำลองปัจจัยเหล่านี้และทำนายผล
|
Mathematical modeling เป็นกระบวนการใช้สมการและสูตรทางคณิตศาสตร์เพื่ออธิบายและทำนายปรากฏการณ์ในโลกจริง ในกรณีของการแพร่กระจายยาผ่านเลือด การใช้ mathematical modeling สามารถช่วยในการเข้าใจว่ายาถูกนำพาผ่านระบบไหลเวียนเลือดไปยังเป้าหมายอย่างไร
Diffusion equation เป็นสมการอนุพันธ์บางส่วนที่อธิบายความเปลี่ยนแปลงของความเข้มข้นของยาตามเวลาและพื้นที่ สมการนี้ใช้ diffusion coefficient เพื่อแสดงอัตราการแพร่กระจายของยาผ่านเลือด และ initial drug concentration เพื่อกำหนดจุดเริ่มต้นของการแพร่กระจาย
|
10 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 16 |
จงอธิบายว่า Noyers whiter equation เกี่ยวข้องกับ drug release อย่างไร
|
สมการ Noyes-Whitney เป็นสมการที่ใช้ในการอธิบายการปล่อยสารเคมีจากตัวยา (drug release) ในระบบละลายเหลือง (dissolution system) |
|
สมการ Noyes-Whitney มีความสำคัญในการออกแบบและพัฒนายา เนื่องจากสามารถใช้เพื่อประเมินและคำนวณการปล่อยสารจากตัวยาในระบบละลายเหลืองได้ และจะช่วยให้เราเข้าใจขั้นตอนการละลายตัวยาในละลายเหลืองได้ดียิ่งขึ้น ซึ่งจะมีผลต่อการกำหนดเงื่อนไขในการออกแบบรูปแบบการควบคุมความปล่อยสารในยาและการคำนวณสูตรการให้ยาในอนาคต
|
สมการ Noyes-Whitney เป็นสมการที่ใช้ในการอธิบายการปล่อยสารเคมีจากตัวยา (drug release) ในระบบละลายเหลือง (dissolution system) โดยพิจารณาความสัมพันธ์ระหว่างอัตราการละลายตัวยาและพื้นที่ผิวของตัวยาที่มีการสัมผัสกับละลายเหลือง สมการนี้เชื่อมโยงอัตราการละลายตัวยา (dM/dt) กับพื้นที่ผิวของตัวยาที่มีการสัมผัสกับละลายเหลือง (A), ความเร็วในการละลายของตัวยาในละลายเหลือง (dCs/dt) และค่าสัมประสิทธิ์ละลายของตัวยาในละลายเหลือง (D)
|
10 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 17 |
จงยกตัวอย่าง math model ที่ใช้ในเรื่อง tissue reconstruction
|
diffusion tensor imaging (DTI)และ finite element method (FEM) |
|
Math model ที่ใช้ใน tissue reconstruction อาจเป็น diffusion tensor imaging (DTI) ซึ่งใช้คลื่นแม่เหล็กไฟฟ้าวัดการเคลื่อนที่ของน้ำในเนื้อเยื่อเพื่อสร้างภาพเครื่องหมายการณ์ของโครงสร้างเนื้อเยื่อ และ finite element method (FEM) ซึ่งใช้คณิตศาสตร์เพื่อจำลองพฤติกรรมของวัสดุ เพื่อสร้างเนื้อเยื่อหรืออวัยวะจากเซลล์ต่างๆ ทั้งนี้มีวัตถุประสงค์เพื่อการวินิจฉัยและรักษาผู้ป่วยเป็นไปได้ง่ายขึ้น
|
การนำคณิตศาสตร์มาใช้ในการจำลองและสร้างภาพเครื่องหมายการณ์ของเนื้อเยื่อหรืออวัยวะที่ถูกตัดออกมาจากผู้ป่วย เพื่อใช้ในการวินิจฉัยและรักษาผู้ป่วยเป็นไปได้ง่ายขึ้น โดยสามารถใช้ math model ต่างๆ เช่น diffusion tensor imaging (DTI) หรือ finite element method (FEM) ในการสร้างภาพเครื่องหมายการณ์ของเนื้อเยื่อหรืออวัยวะ โดยจะนำผลวิเคราะห์ที่ได้จาก math model มาใช้ในการวินิจฉัยโรคหรือความผิดปกติของเนื้อเยื่อ และเพื่อช่วยในการวิจัยและพัฒนาเทคโนโลยีใหม่ๆ เพื่อการรักษาผู้ป่วยให้ดียิ่งขึ้นในอนาคต
|
10 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 18 |
จงอธิบายเรื่อง Integrated exposure response model
|
Integrated Exposure Response Model (IER) เป็นแบบจำลองทางคณิตศาสตร์ที่ใช้สำหรับประเมินผลกระทบที่เกิดจากสารพิษต่อสุขภาพมนุษย์ |
|
ต้องพิจารณาการสัมผัสกับสารพิษตลอดช่วงเวลา และต้องพิจารณาผลกระทบจากการสัมผัสต่อสุขภาพที่หลากหลาย เช่น ผลกระทบทางชีววิทยา อาการป่วย และการเสียชีวิต
|
เป้าหมายของ IER คือการประมาณการผลกระทบจากสารพิษโดยอาศัยข้อมูลเชิงพื้นที่และข้อมูลการสัมผัสของบุคคลที่ตกลงมา โดยผลการประเมินจะใช้เพื่อช่วยตัดสินใจในการจัดการความเสี่ยงและการวางแผนการป้องกันสารพิษในอนาคต
|
10 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 19 |
Math model สามารถนำมาประยุกต์ใช้กับ patient diagnosis
|
การใช้ Math Model ในการวินิจฉัยโรคของผู้ป่วยสามารถทำได้โดยใช้ข้อมูลจากผู้ป่วยเพื่อสร้างแบบจำลองทางคณิตศาสตร์ เช่น โมเดลการเรียนรู้ของเครื่อง, โมเดลแบบทำนายหรือโมเดลสถิติ เพื่อช่วยวินิจฉัยโรคและทำนายอาการของผู้ป่วย |
|
โดยตัวอย่างเช่นการใช้โมเดลการเรียนรู้ของเครื่องในการวินิจฉัยโรคมะเร็งเต้านม โดยใช้ข้อมูลการตรวจเอ็กซ์เรย์หรือการตรวจมะเร็งเต้านมเพื่อสร้างแบบจำลองทางคณิตศาสตร์ เพื่อช่วยวินิจฉัยว่าผู้ป่วยมีความเสี่ยงต่อการเป็นมะเร็งเต้านมและการรักษาอย่างไรได้บ้าง
|
สามารถนำ Math Model มาช่วยวิเคราะห์ข้อมูลในการวิจัยทางการแพทย์ เพื่อพัฒนาการวินิจฉัยและการรักษาโรคได้อีกด้วย
|
10 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 20 |
จงยกตัวอย่าง Math model ที่ใช้ในการวิเคราะห์ข้อมูลทางการแพทย์
|
Logistic Regression ซึ่งเป็นแบบจำลองการวิเคราะห์ข้อมูลที่ใช้ในการหาความสัมพันธ์ระหว่างตัวแปรอิสระกับตัวแปรตาม |
|
โดยมักนำมาใช้วิเคราะห์ความเสี่ยงหรือการประเมินผลของการรักษาโรค เช่นการวิเคราะห์ปัจจัยเสี่ยงต่อการเป็นโรคหลอดเลือดสมอง การทำนายการเกิดโรคมะเร็ง หรือการวิเคราะห์ความเป็นไปได้ในการเกิดภาวะหัวใจวายของผู้ป่วยที่มีประวัติเป็นโรคเบาหวานและความดันโลหิตสูง
|
Logistic Regression จะทำการคำนวณความน่าจะเป็นของผลเฉลี่ยที่เป็นไปได้สูงสุดในการเกิดเหตุการณ์ดังกล่าว จากตัวแปรอิสระที่เป็นข้อมูลเชิงปริมาณและเชิงคุณภาพต่างๆ ที่มีอยู่ในข้อมูลแล้วคำนวณหาค่าความสัมพันธ์กันแล้วใช้ในการวิเคราะห์และทำนายผลของการรักษาโรคนั้นๆ ด้วยความแม่นยำที่สูง
|
10 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|