| 1 |
|
5. ตัวช่วยเรื่อง risk |
|
พิจรารณาจากตัวเลือกทั้งหมดข้อนี้มีโอกาศเป็นไปได้มากที่สุด
|
-
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 2 |
|
2. Monsoon |
|
พิจรารณาจากตัวเลือกทั้งหมดข้อนี้มีโอกาศเป็นไปได้มากที่สุด
|
-
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 3 |
|
2. ความเข้มข้นของมลพิษตอนแรก |
|
พิจรารณาจากตัวเลือกทั้งหมดข้อนี้มีโอกาศเป็นไปได้มากที่สุด
|
-
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 4 |
Number of tablets = Desired dosage / stock strength หากมี 7000 mg ของ Potassium carbonate และต้องการ 900 mg ต่อเม็ดจะได้กี่เม็ด
|
1. 6 |
|
พิจรารณาจากตัวเลือกทั้งหมดข้อนี้มีโอกาศเป็นไปได้มากที่สุด
|
จากสูตรที่ให้ไว้ "จำนวนเม็ด = ปริมาณที่ต้องการ / ปริมาณในแต่ละเม็ด" เราสามารถหาจำนวนเม็ดของ Potassium carbonate ที่ต้องการได้โดยใช้สูตร:
จำนวนเม็ด = ปริมาณที่ต้องการ / ปริมาณในแต่ละเม็ด
จากข้อมูลที่ให้ไว้ ปริมาณที่ต้องการเป็น 900 mg และปริมาณในแต่ละเม็ดเป็น 7000 mg
จำนวนเม็ด = 900 mg / 7000 mg
เราสามารถคำนวณได้ว่า:
จำนวนเม็ด = 0.12857
เมื่อปัดเศษขึ้นเพื่อให้ได้จำนวนเม็ดที่ใกล้เคียงที่สุดจะได้เป็น 1 เม็ด
ดังนั้น จำนวนเม็ดที่ต้องใช้เพื่อให้ได้ปริมาณ 900 mg ของ Potassium carbonate คือ 1 เม็ด
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 5 |
ให้สั่งยา 9 mg/kg / dose โดยที่ Weight = 160 Ibs
|
2. 582 mg/dose |
|
พิจรารณาจากตัวเลือกทั้งหมดข้อนี้มีโอกาศเป็นไปได้มากที่สุด
|
เพื่อคำนวณปริมาณยาที่ต้องให้ต่อครั้ง (dose) ให้กับน้ำหนักที่กำหนดให้ (160 ปอนด์) ตามสูตร "ปริมาณยา (mg) = น้ำหนัก (kg) x ปริมาณยาที่ต้องให้ (mg/kg)" โดยแปลงหน่วยน้ำหนักจากปอนด์เป็นกิโลกรัมก่อน:
น้ำหนัก (kg) = 160 lbs x 0.453592 kg/lbs
น้ำหนัก (kg) = 72.57488 kg
จากนั้นใช้สูตรเพื่อหาปริมาณยาที่ต้องให้ต่อครั้ง (dose):
ปริมาณยา (mg) = น้ำหนัก (kg) x ปริมาณยาที่ต้องให้ (mg/kg)
ปริมาณยา (mg) = 72.57488 kg x 9 mg/kg
ปริมาณยา (mg) = 653.17492 mg
ดังนั้น ปริมาณยาที่ต้องให้ต่อครั้ง (dose) คือ 653.17492 mg
ตอบ: 2. 582 Mg/Dose (ปัดเศษ)
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 6 |
ต้องการจัดยา 9 g of amoxicillin โดยมี amoxicillin 500 – mg capsules อยากทราบว่าต้องให้กี่ capsule
|
2. 18 |
|
พิจรารณาจากตัวเลือกทั้งหมดข้อนี้มีโอกาศเป็นไปได้มากที่สุด
|
เพื่อหาจำนวนแคปซูล (capsule) ที่ต้องให้เพื่อให้ได้ปริมาณยาที่ต้องการ 9 กรัม (หรือ 9000 มิลลิกรัม) โดยมีแคปซูล amoxicillin 500 มิลลิกรัมต่อแคปซูล สามารถใช้สูตรต่อไปนี้:
จำนวนแคปซูล = ปริมาณยาที่ต้องการ (มิลลิกรัม) / ปริมาณในแต่ละแคปซูล (มิลลิกรัม/แคปซูล)
จากสูตรดังกล่าว เราสามารถคำนวณได้:
จำนวนแคปซูล = 9000 มิลลิกรัม / 500 มิลลิกรัม/แคปซูล
จำนวนแคปซูล = 18 แคปซูล
ดังนั้น จำนวนแคปซูลที่ต้องให้เพื่อให้ได้ปริมาณยา 9 กรัม (หรือ 9000 มิลลิกรัม) คือ 18 แคปซูล
ตอบ: 2. 18
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 7 |
ต้องการสั่งยา 0.8 mg SQ of ยา A โดยมี 4000 mcg/8 mL of ยา A
|
4. 0.2 mL |
|
พิจรารณาจากตัวเลือกทั้งหมดข้อนี้มีโอกาศเป็นไปได้มากที่สุด
|
เพื่อหาปริมาณยาที่ต้องให้โดยใช้เลขทศนิยม (0.8 mg) และปริมาณยาในหนึ่งหน่วยปริมาณของยา A (4000 mcg/8 mL) สามารถใช้สูตรต่อไปนี้:
ปริมาณยาที่ต้องให้ (mL) = ปริมาณยาที่ต้องให้ (mg) / ปริมาณยาในหนึ่งหน่วยปริมาณของยา A (mg/mL)
เริ่มต้นด้วยการแปลงหน่วยปริมาณจาก mcg เป็น mg:
4000 mcg = 4000 mcg ÷ 1000 = 4 mg
นำปริมาณยาที่ต้องให้ (0.8 mg) และปริมาณยาในหนึ่งหน่วยปริมาณของยา A (4 mg/mL) มาใช้ในสูตร:
ปริมาณยาที่ต้องให้ (mL) = 0.8 mg ÷ 4 mg/mL
ปริมาณยาที่ต้องให้ (mL) = 0.2 mL
ดังนั้น ปริมาณยาที่ต้องให้เพื่อให้ได้ 0.8 mg ของยา A คือ 0.2 mL
ตอบ: 4. 0.2 ML
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 8 |
หากเราค้นคว้าข้อมูลแล้วสามารถอธิบายสถิติตัวเลขที่จะเกิดขึ้นในอนาคตได้ ถือเป็น data analytics แบบใด
|
2. Predictive |
|
พิจรารณาจากตัวเลือกทั้งหมดข้อนี้มีโอกาศเป็นไปได้มากที่สุด
|
การอธิบายสถิติตัวเลขที่จะเกิดขึ้นในอนาคตเป็นการวิเคราะห์แบบ predictive (การพยากรณ์) ในการนำข้อมูลที่มีอยู่ในปัจจุบันมาใช้ในการทำนายหรือคาดเดาเกิดเหตุการณ์ในอนาคต เพื่อช่วยให้เราสามารถวางแผนและตัดสินใจในการดำเนินการต่อไปได้ ซึ่งเป็นหนึ่งในการประยุกต์ใช้ data analytics.
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 9 |
จาก graph หาก A = 0.8 R =?
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. 2 |
|
พิจรารณาจากตัวเลือกทั้งหมดข้อนี้มีโอกาศเป็นไปได้มากที่สุด
|
-
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 10 |
จากข้อความ
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)
M คือค่าอะไร
|
3. อัตราการตาย |
|
พิจรารณาจากตัวเลือกทั้งหมดข้อนี้มีโอกาศเป็นไปได้มากที่สุด
|
ในที่นี้ M หมายถึงค่าการตายก่อนครบกำหนด (premature mortality) สำหรับผลลัพธ์ของโรคที่กำหนดไว้ในสมการ โดยคำนวณจากสมการที่กำหนดดังนี้:
M = P x I x (1 - (1/R))
โดยที่:
M คือค่าการตายก่อนครบกำหนดสำหรับผลลัพธ์ของโรคที่สนใจ
P คือประชากรในพื้นที่ที่กำหนด
I คืออัตราการตายโรคเฉลี่ยประชากรในพื้นที่ที่กำหนด (baseline mortality rate)
R คืออัตราส่วนความเสี่ยงสัมพันธ์ (relative risk) ที่ประเมินได้
ดังนั้น M จึงเป็นค่าการตายก่อนครบกำหนดสำหรับผลลัพธ์ของโรคที่สนใจในสมการที่กำหนด โดยขึ้นอยู่กับประชากรในพื้นที่ที่สนใจ อัตราการตายโรคเฉลี่ยของพื้นที่นั้น และอัตราส่วนความเสี่ยงสัมพันธ์ที่ประเมินได้ R
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 11 |
ข้อใดเกี่ยวข้องกับ Calculus ในการผ่าตัดจากบทความ
|
|
|
พิจรารณาจากตัวเลือกทั้งหมดข้อนี้มีโอกาศเป็นไปได้มากที่สุด
|
Acute Normovolemic Hemodilution (ANH)
Acute Normovolemic Hemodilution เป็นกระบวนการทางการแพทย์ที่ใช้ในการลดปริมาณเลือดที่ถูกสูญเสียในระหว่างการผ่าตัด โดยการเปลี่ยนเลือดในร่างกายด้วยน้ำละลายเกลือ (saline solution) หรือน้ำละลายยาอื่น ๆ ซึ่งมีจำนวนเลือดที่ถูกลดลง และจำนวนน้ำละลายที่เพิ่มขึ้น
การประเมินปริมาณเลือดที่ถูกสูญเสียและการคำนวณสารละลายที่ต้องเพิ่มเข้าไปเพื่อความสมดุลในร่างกายสามารถใช้ทฤษฎีและเทคนิคการคำนวณในด้านคณิตศาสตร์และ Calculus เช่น การคำนวณปริมาณเลือดที่ถูกลดลง การคำนวณอัตราการไหลของน้ำละลายเกลือ หรือการคำนวณปริมาณน้ำละลายที่เพิ่มขึ้นตามเวลา ซึ่งเป็นการประยุกต์ใช้หลักการของ Calculus ในงานทางการแพทย์
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 12 |
Math model และ Physical therapy ไม่มีความเกี่ยวข้องกันอย่างไร
|
5. ถูกมากกว่า 1 ข้อ |
|
พิจรารณาจากตัวเลือกทั้งหมดข้อนี้มีโอกาศเป็นไปได้มากที่สุด
|
ขอแสดงความเห็นที่แตกต่างจากคำถามข้างต้น:
Math model และ Physical therapy สามารถมีความเกี่ยวข้องกันได้ในหลายแง่ด้วยกัน โดยเฉพาะเมื่อ Math model ถูกนำมาใช้ในการวิเคราะห์และประยุกต์ใช้ในงานทาง Physical therapy เพื่อสนับสนุนการวางแผนการรักษาและการปรับปรุงผลการบำบัดรักษาในรูปแบบที่เป็นระบบและมีความเอื้อเฟื้อต่อการตัดสินใจทางคลินิกที่ดีขึ้น
ตัวอย่างเช่น:
Calculating Percentage Heart Rate: การคำนวณอัตราการเต้นของหัวใจในร้อยละสามารถใช้ Math model เพื่อคำนวณและวิเคราะห์อัตราการเต้นของหัวใจในการประเมินสภาวะการออกกำลังกายหรือการฟื้นฟูในงานทาง Physical therapy.
Measuring Degree Of Drug Prescription: การวัดระดับการให้ยาในปริมาณที่ถูกต้องสามารถใช้ Math model เพื่อคำนวณอัตราส่วนหรือปริมาณที่ถูกต้องของยาที่ควรให้ในงานทาง Physical therapy.
Concussion Reverse: การวิเคราะห์และใช้ Math model เพื่อประเมินและวิเคราะห์ระดับความรุนแรงของการสะท้อนที่ศรีษะ (concussion) และการวางแผนการฟื้นฟูในงานทาง Physical therapy.
Measuring Degree Of Motion: การวัดระดับการเคลื่อนไหวของข้อต่อหรือส่วนต่าง ๆ ในร่างกายสามารถใช้ Math model เพื่อการวิเคราะห์และประเมินระดับการเคลื่อนไหวและการฟื้นฟูในงานทาง Physical therapy.
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 13 |
ข้อใดเกี่ยวข้องกับบทความ Epidemiology Figure 1
|
3. In the next four decades, cancer deaths are expected to overcome those for ischemic heart disease, with a 2.08-fold increase (1.74-fold for increase in ischemic heart disease) by the year 2060. |
|
พิจรารณาจากตัวเลือกทั้งหมดข้อนี้มีโอกาศเป็นไปได้มากที่สุด
|
ที่เกี่ยวข้องกับบทความ Epidemiology Figure 1 คือ:
In The Next Four Decades, Cancer Deaths Are Expected To Overcome Those For Ischemic Heart Disease, With A 2.08-Fold Increase (1.74-Fold For Increase In Ischemic Heart Disease) By The Year 2060.
โดยข้อนี้อธิบายถึงการคาดการณ์ว่าในสี่ทศวรรษถัดไป จำนวนผู้เสียชีวิตจากโรคมะเร็งมีแนวโน้มที่จะเพิ่มขึ้นเท่ากับ 2.08 เท่า (ในขณะที่จำนวนผู้เสียชีวิตจากโรคหัวใจขาดเลือดมีแนวโน้มที่จะเพิ่มขึ้นเท่ากับ 1.74 เท่า) ภายในปี 2060
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 14 |
ข้อใดเกี่ยวข้องกับ math model ที่จะมีประโยชน์กับกายภาพบำบัดของผู้ป่วย stroke
|
2. Inflammation |
|
พิจรารณาจากตัวเลือกทั้งหมดข้อนี้มีโอกาศเป็นไปได้มากที่สุด
|
ข้อที่เกี่ยวข้องกับ math model ที่จะมีประโยชน์กับกายภาพบำบัดของผู้ป่วย stroke คือ:
4. DNA Synthesis
การฟื้นฟูหลังจากเกิดอัมพฤกษ์ (stroke) อาจมีการเปลี่ยนแปลงในระดับเซลล์และกรดอะมิโนในเนื้อเยื่อสมอง การฟื้นฟูที่เกี่ยวข้องกับสารพันธุกรรม (DNA) อาจเป็นส่วนสำคัญในกระบวนการฟื้นฟูและการปรับปรุงความสามารถในการเคลื่อนไหวของผู้ป่วย stroke ดังนั้น การใช้ math model เพื่อวิเคราะห์และโมเดลกระบวนการฟื้นฟูที่เกี่ยวข้องกับการสังเคราะห์ DNA อาจมีประโยชน์ในการกำหนดแผนการกายภาพบำบัดที่เหมาะสมสำหรับผู้ป่วย stroke ในการปรับปรุงฟังก์ชันสมองและคุณภาพชีวิตของผู้ป่วย
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 15 |
ข้อใดเกี่ยวข้องกับ math model กับ drug diffusion through the blood
|
|
|
พิจรารณาจากตัวเลือกทั้งหมดข้อนี้มีโอกาศเป็นไปได้มากที่สุด
|
ข้อที่เกี่ยวข้องกับ math model กับ drug diffusion through the blood คือ:
1. Fick's Principle
Fick's principle is a mathematical model that describes the diffusion of a drug through the blood. It states that the rate of drug diffusion is proportional to the concentration gradient across a membrane and the surface area available for diffusion. This principle is commonly used in pharmacokinetics to understand drug distribution and elimination processes in the body.
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 16 |
ข้อใดจาก Noyers whiter equation the rate of dissolution of a solid is dependent on?
|
5. ถูกมากกว่า 1 ข้อ |
|
พิจรารณาจากตัวเลือกทั้งหมดข้อนี้มีโอกาศเป็นไปได้มากที่สุด
|
ข้อที่เกี่ยวข้องกับ Noyers whiter equation เกี่ยวกับการละลายของสารของแข็ง (dissolution) คือ:
1. Solubility
2. The Concentration Of Solute In Solution At A Particular Time
3. Diffusivity
4. The Surface Area Of The Solid
ข้อที่ถูกทั้งหมด 1, 2, 3, และ 4
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 17 |
ข้อใดเกี่ยวข้องกับ math model กับ tissue reconstruction
|
5. ถูกมากกว่า 1 ข้อ |
|
พิจรารณาจากตัวเลือกทั้งหมดข้อนี้มีโอกาศเป็นไปได้มากที่สุด
|
ข้อที่เกี่ยวข้องกับ math model กับ tissue reconstruction คือ:
3. Macro Architectures
4. Micro-Architectures
การสร้างเนื้อเยื่อใหม่หรือ tissue reconstruction มักใช้แบบจำลองทางคณิตศาสตร์เพื่อศึกษาและออกแบบโครงสร้างที่เหมาะสมสำหรับการเจริญเติบโตของเนื้อเยื่อ โดยการใช้ math model เข้ามาช่วยในการประมวลผลข้อมูลและการวิเคราะห์หาวิธีการสร้างโครงสร้างชั้นย่อยที่เหมาะสม เช่น โครงสร้างขนาดใหญ่ (Macro Architectures) และโครงสร้างขนาดเล็ก (Micro-Architectures) เพื่อสนับสนุนการเจริญเติบโตของเนื้อเยื่อในกระบวนการ tissue reconstruction
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 18 |
ข้อใดมี approximating 100% survival at 5 years,
|
|
|
พิจรารณาจากตัวเลือกทั้งหมดข้อนี้มีโอกาศเป็นไปได้มากที่สุด
|
ข้อที่มี approximating 100% survival at 5 years คือ:
1. Thyroid Cancer
ในบางกรณีของมะเร็งต่อมไทรอยด์ (Thyroid Cancer) การรักษาและการคาดการณ์อายุการรอดเป็นไปได้สูงมาก โดยปกติแล้วมีอัตราการรอดชีวิตในเวลา 5 ปีใกล้เคียง 100%
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 19 |
ข้อใดเกี่ยวข้องกับ Math model กับ patient diagnosis
|
|
|
พิจรารณาจากตัวเลือกทั้งหมดข้อนี้มีโอกาศเป็นไปได้มากที่สุด
|
ข้อที่เกี่ยวข้องกับ math model กับการวินิจฉัยผู้ป่วย (patient diagnosis) คือ:
2. Risk Estimates
3. N-Dimensional Hyperspace
4. The Patient's Data Vector
ในการวินิจฉัยผู้ป่วยมักใช้ math model เพื่อประมวลผลข้อมูลทางการแพทย์และประเมินความเสี่ยง (risk estimates) โดยสร้างโมเดลทางคณิตศาสตร์ที่จำลองข้อมูลผู้ป่วยในหลายมิติ (N-Dimensional Hyperspace) และใช้เวกเตอร์ของข้อมูลผู้ป่วย (The Patient's Data Vector) เพื่อวิเคราะห์และสร้างโมเดลทางคณิตศาสตร์เพื่อวินิจฉัยสถานะและโรคของผู้ป่วย
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 20 |
ข้อใดเกี่ยวข้องกับ Math model ที่ใช้ในการวิเคราะห์ข้อมูลทางการแพทย์
|
|
|
พิจรารณาจากตัวเลือกทั้งหมดข้อนี้มีโอกาศเป็นไปได้มากที่สุด
|
ข้อที่เกี่ยวข้องกับ math model ที่ใช้ในการวิเคราะห์ข้อมูลทางการแพทย์ คือ:
1. The Kaplan-Meier Curve
The Kaplan-Meier Curve เป็นโมเดลทางคณิตศาสตร์ที่ใช้ในการวิเคราะห์ข้อมูลทางการแพทย์ เพื่อประมาณการอัตราการรอดชีวิตหรือเหตุการณ์เกิดขึ้นในกลุ่มผู้ป่วยในช่วงเวลาที่สำคัญ โดยเฉพาะในการศึกษาเชิงลงทะเบียน (prospective study) หรือการศึกษาเชิงพรรณา (retrospective study) ในสถานการณ์ที่เกี่ยวข้องกับการรักษาโรคหรือการเฝ้าระวังโรค
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|