| 1 |
มีการสั่งยาให้เด็ก โดยมี 80 mg/kg/day 3 ครั้งต่อวัน เด็กน้ำหนัก 45 lbs และยามีความเข้มข้น 20 mg/ml จงคำนวณ dose ยาในหน่วย ml
|
3. 28 ml |
|
|
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 2 |
หมอต้องการให้ nitroglycerin (IV) โดยใช้สูตร
(0.1 mg/min)/(75 mg) x 500mL = 0.66 mL/min
(0.66 mL)/minute x 60minute/hour = 40 mL/hour
อยากทราบว่าข้อใดไม่เกี่ยว
|
4. อัตราเร็วของ pump |
|
อัตราเร็วของ Pump
การคำนวณนี้ไม่ได้ระบุหรือเกี่ยวข้องกับการให้ nitroglycerin (IV) โดยตรง แต่เป็นการพูดถึงอัตราเร็วของปั๊มที่ใช้ในการให้ยา อัตราเร็วของปั๊มอาจมีผลต่ออัตราการให้ยาแต่ไม่ได้ถูกกำหนดโดยตรงในสูตรที่ให้มา |
ข้อที่ไม่เกี่ยวข้องกับการคำนวณให้ nitroglycerin (IV) ตามสูตรที่กำหนดคือ:
อัตราเร็วของ Pump
การคำนวณนี้ไม่ได้ระบุหรือเกี่ยวข้องกับการให้ nitroglycerin (IV) โดยตรง แต่เป็นการพูดถึงอัตราเร็วของปั๊มที่ใช้ในการให้ยา อัตราเร็วของปั๊มอาจมีผลต่ออัตราการให้ยาแต่ไม่ได้ถูกกำหนดโดยตรงในสูตรที่ให้มา
ดังนั้น คำตอบที่ถูกต้องคือ 4. อัตราเร็วของ Pump
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 3 |
หมอต้องการสั่งยา bretylium 10 mcg/kg/min โดยยามาในรูปแบบ 75 mg ใน 0.9% normal saline น้ำหนักผู้ป่วยคือ 200 lbs จงหาอัตราเร็วในการให้ยา
|
1. 0.5 mL/minute |
|
|
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 4 |
ต้องการสั่งยา amoxicillin syrup สำหรับเด็ก 3 ขวบ ที่เป็น UTI โดยที่ dose ที่สั่ง แบ่งเป็น 3 dose/day โดย stock มาในรูปแบบ 600 mg/5ml จงคำนวณ dose ใน ml
|
5. 1.7 mL |
|
หาค่าน้ำหนักของเด็กในหน่วย kg:
น้ำหนักในหน่วย lbs / 2.2046 = น้ำหนักในหน่วย kg
3 lbs / 2.2046 ≈ 1.36 kg
คำนวณ dose ของยาในหน่วย mg ต่อครั้ง:
dose ต่อวัน = 600 mg (dose ที่สั่ง)
dose ต่อครั้ง = dose ต่อวัน / 3 (เนื่องจากแบ่งเป็น 3 ครั้ง)
dose ต่อครั้ง = 600 mg / 3 = 200 mg
แปลง dose ในหน่วย mg เป็น ml:
คำนวณจำนวน ml ที่ต้องให้โดยใช้สูตร:
จำนวน ml = (dose ในหน่วย mg) / (ความเข้มข้นของยาในหน่วย mg/ml)
จำนวน ml = 200 mg / 600 mg/5 ml
คำนวณค่าจากสูตร:
จำนวน ml = (200 mg) / (600 mg/5 ml)
จำนวน ml = 200 mg x (5 ml / 600 mg)
จำนวน ml = 1.6667 ml (ปัดเศษได้ 1.7 ml) |
เพื่อคำนวณ dose ของยา amoxicillin syrup สำหรับเด็กที่มีอายุ 3 ขวบ ที่แบ่งเป็น 3 ครั้งต่อวัน ให้ใช้สูตรดังนี้:
หาค่าน้ำหนักของเด็กในหน่วย kg:
น้ำหนักในหน่วย lbs / 2.2046 = น้ำหนักในหน่วย kg
3 lbs / 2.2046 ≈ 1.36 kg
คำนวณ dose ของยาในหน่วย mg ต่อครั้ง:
dose ต่อวัน = 600 mg (dose ที่สั่ง)
dose ต่อครั้ง = dose ต่อวัน / 3 (เนื่องจากแบ่งเป็น 3 ครั้ง)
dose ต่อครั้ง = 600 mg / 3 = 200 mg
แปลง dose ในหน่วย mg เป็น ml:
คำนวณจำนวน ml ที่ต้องให้โดยใช้สูตร:
จำนวน ml = (dose ในหน่วย mg) / (ความเข้มข้นของยาในหน่วย mg/ml)
จำนวน ml = 200 mg / 600 mg/5 ml
คำนวณค่าจากสูตร:
จำนวน ml = (200 mg) / (600 mg/5 ml)
จำนวน ml = 200 mg x (5 ml / 600 mg)
จำนวน ml = 1.6667 ml (ปัดเศษได้ 1.7 ml)
ดังนั้น dose ของยา amoxicillin syrup สำหรับเด็กที่มีอายุ 3 ขวบ ที่แบ่งเป็น 3 ครั้งต่อวันคือ 1.7 ml
ตอบว่าคำตอบที่ถูกต้องคือ 5. 1.7 ML |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 5 |
หากต้องการให้ยาเด็กอายุ 12 ปี โดยมีน้ำหนัก 90 lbs โดยต้องสั่งยา 4 mg/kg จงคำนวณปริมาณ mg
|
5. 163 mg. |
|
แปลงน้ำหนักจาก lbs เป็น kg:
น้ำหนักในหน่วย lbs / 2.2046 = น้ำหนักในหน่วย kg
90 lbs / 2.2046 ≈ 40.82 kg
คำนวณปริมาณยาในหน่วย mg:
ปริมาณยา (mg) = น้ำหนัก (kg) x คำสั่ง (mg/kg)
ปริมาณยา (mg) = 40.82 kg x 4 mg/kg
ปริมาณยา (mg) ≈ 163.28 mg |
เพื่อคำนวณปริมาณยาที่จะให้กับเด็กที่มีอายุ 12 ปีและน้ำหนัก 90 lbs โดยคำนึงถึง dose ที่สั่งว่า 4 mg/kg จะต้องทำดังนี้:
แปลงน้ำหนักจาก lbs เป็น kg:
น้ำหนักในหน่วย lbs / 2.2046 = น้ำหนักในหน่วย kg
90 lbs / 2.2046 ≈ 40.82 kg
คำนวณปริมาณยาในหน่วย mg:
ปริมาณยา (mg) = น้ำหนัก (kg) x คำสั่ง (mg/kg)
ปริมาณยา (mg) = 40.82 kg x 4 mg/kg
ปริมาณยา (mg) ≈ 163.28 mg
ดังนั้น ปริมาณยาที่ต้องให้กับเด็กอายุ 12 ปีและน้ำหนัก 90 lbs คือ 163 mg |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 6 |
จงยกตัวอย่าง Math model ที่ใช้ใน Epidemiology
|
5. ถูกมากกว่า 1 ข้อ |
|
ในการศึกษาด้านระบาดวิทยา (Epidemiology) เราใช้ Math model หรือโมเดลทางคณิตศาสตร์เพื่อวิเคราะห์และทำนายเกี่ยวกับการแพร่ระบาดของโรค และปัจจัยที่เกี่ยวข้องกับสุขภาพของประชากร.
เช่น เราสามารถใช้โมเดลการแพร่ระบาดของโรค (Epidemic Models) เช่น SIR model (Susceptible-Infectious-Recovered model) เพื่อทำนายและวิเคราะห์การแพร่ระบาดของโรคตามเวลา โดยพิจารณาปัจจัยเช่น อัตราการติดเชื้อ (Infection rate) และอัตราการฟื้นตัว (Recovery rate) รวมถึงปริมาณประชากรในแต่ละกลุ่ม (Susceptible, Infectious, Recovered)
เรายังใช้ Math model เพื่อวิเคราะห์ผลกระทบของการป้องกันโรค (Prevention models) เช่น Vaccine Efficacy models เพื่อประเมินประสิทธิภาพของวัคซีนในการป้องกันโรค หรือ Model of Disease Progression เพื่อวิเคราะห์และทำนายการเจริญเติบโตของโรคในระยะยาว |
Anderson, R.M., & May, R.M. (1992). Infectious Diseases of Humans: Dynamics and Control. Oxford University Press.
Keeling, M.J., & Rohani, P. (2011). Modeling Infectious Diseases in Humans and Animals. Princeton University Press. |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 7 |
ข้อใดไม่ใช่ Math model สามารถนำมาประยุกต์ใช้ใน Prediction planning and evaluation of preventive ได้
|
4. The deminastic models and The stochtic models |
|
ตัวเลือกที่ 4 (The Deminastic Models And The Stochtic Models) มีคำสะกดผิด ไม่ถูกต้องตามที่ให้มา ซึ่งสะกดของคำว่า "Deminastic" และ "Stochtic" นั้นไม่ถูกต้อง ซึ่งทำให้ตัวเลือกนี้ไม่เป็น Math models ที่ถูกต้อง |
ไม่มีทฤษฎีหลักคิดหรืออ้างอิงเฉพาะในกรณีนี้ เนื้อหาเกี่ยวกับความรู้ทั่วไปในการใช้ Math models ในการประยุกต์ใช้ในงาน Epidemiology |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 8 |
Math model ที่ไม่สามารถนำมาใช้ใน Control measures ของโรคติดต่อคือ
|
2. Explanation of Simulation |
|
ตัวเลือกที่ 2 (Explanation Of Simulation) เป็นคำอธิบายเกี่ยวกับการจำลอง (simulation) แต่ไม่ได้เป็น Math model โดยตรงที่ใช้ในการควบคุมมาตรการ ซึ่งคำตอบนี้ไม่เกี่ยวข้องกับการควบคุมมาตรการในโรคติดต่อ |
ไม่มีทฤษฎีหลักคิดหรืออ้างอิงเฉพาะในกรณีนี้ เนื้อหาเกี่ยวกับความรู้ทั่วไปในการใช้ Math models ในการควบคุมมาตรการโรคติดต่อ |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 9 |
Math model ที่ใช้ในการวินิจฉัยหรือรักษาโรคมะเร็ง ข้อใดผิด
|
4. The deminastic models and The stochtic models |
|
ตัวเลือกที่ 4 (The Deminastic Models And The Stochtic Models) มีการสะกดคำผิดทั้งสองคำ "Deminastic" และ "Stochtic" ซึ่งไม่ถูกต้อง |
ไม่มีทฤษฎีหลักคิดหรืออ้างอิงเฉพาะในกรณีนี้ เนื้อหาเกี่ยวกับความรู้ทั่วไปในการใช้ Math models ในการวินิจฉัยหรือรักษาโรคมะเร็ง |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 10 |
ข้อใดไม่เกี่ยวข้องกับ Math models for medical decision-making
|
5. ไม่มีข้อผิด |
|
ทุกข้อ (1-4) เกี่ยวข้องกับการวัดหรือการรายงานผลที่เกี่ยวข้องกับผู้ป่วยหรือผลลัพธ์ทางการแพทย์ เช่น การทำนายการกลับมาของโรค (predicting recurrence) หรือการใช้เทคโนโลยีในการวิเคราะห์ดีแอนด์แบบทางพันธุกรรม (genome fingerprints) ซึ่งไม่ได้เกี่ยวข้องโดยตรงกับ Math models ที่ใช้ในการตัดสินใจทางการแพทย์ (medical decision-making) |
ไม่จำเป็นต้องมีทฤษฎีหลักคิดหรืออ้างอิงเฉพาะในกรณีนี้ เนื้อหาเกี่ยวกับความรู้ทั่วไปในการระบุข้อผิดพลาดที่เกี่ยวข้องกับหัวข้อที่ถูกต้องที่สุด |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 11 |
ข้อใดไม่เกี่ยวข้องกับ Math model ที่ใช้ในการวางยาสลบในการผ่าตัด
|
5. ไม่มีข้อผิด |
|
ทุกข้อ (1-4) เกี่ยวข้องกับการวางยาสลบในการผ่าตัด ซึ่งใช้ Math models เพื่อคำนวณปริมาณยาที่จำเป็นต้องให้หรือความเข้มข้นของยาที่เหมาะสม โดยคำนึงถึงปัจจัยต่างๆ เช่น อัตราการใช้ยา (drug doses) ความเข้มข้นของยา (drug concentrations) สูตรทางกายภาพต่างๆ (various physiologic formulae) และค่าความเข้มข้นของก๊าซในปอดที่ต่ำที่สุด (gas-based minimum alveolar concentration) |
ไม่จำเป็นต้องมีทฤษฎีหลักคิดหรืออ้างอิงเฉพาะในกรณีนี้ เนื้อหาเกี่ยวกับความรู้ทั่วไปในการระบุข้อผิดพลาดที่เกี่ยวข้องกับหัวข้อที่ถูกต้องที่สุด |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 12 |
ข้อใดไม่เกี่ยวข้องกับ Math model ในการคำนวณ human motion เพื่อใช้ใน physical therapy
|
4. Gaussian reverse |
|
Gaussian Reverse (การกลับดัชนีกาวส์เซียน) ไม่เกี่ยวข้องกับ Math model ในการคำนวณ human motion เพื่อใช้ใน physical therapy |
Artificial Neural Network (ANN) คือโมเดลคณิตศาสตร์ที่จำลองการทำงานของเครือข่ายประสาทเทียมในระบบประมวลผลข้อมูล
Layers of Recurrent Neuron Units (ชั้นของหน่วยประสาทที่มีการเชื่อมต่อกันเป็นวงวน) เป็นส่วนประกอบที่ใช้ในการสร้างโครงข่ายประสาทเทียมในการคำนวณข้อมูลที่มีลำดับเวลา
The Spatio-Temporal Dependencies (ความเกี่ยวข้องระหว่างพื้นที่และเวลา) เป็นการใช้ความสัมพันธ์ระหว่างพื้นที่และเวลาในการวิเคราะห์และคำนวณข้อมูลที่มีลักษณะทางพื้นที่และเวลา
Gaussian Reverse (การกลับดัชนีกาวส์เซียน) เป็นเทคนิคทางสถิติที่ใช้ในการแปลงค่าจากการกระจายกาวส์เซียน (Gaussian distribution) ให้เป็นค่าต้นฉบับที่ไม่เป็นกาวส์เซียน |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 13 |
ข้อใดไม่เกี่ยวข้องกับ Mathematical Models กับ COVID-19
|
4. Dosage calculation |
|
Dosage Calculation (การคำนวณปริมาณยาที่ต้องใช้) ไม่เกี่ยวข้องกับ Mathematical Models ในการจำลองและวิเคราะห์ COVID-19 |
Data-Driven Models (โมเดลที่ใช้ข้อมูลเป็นพื้นฐาน) เป็น Mathematical Models ที่ใช้ข้อมูลจริงและการวิเคราะห์เชิงข้อมูลในการสร้างและทดสอบโมเดล
Auto-Regressive Time Series Methods (วิธีการซูมชนิดหนึ่งในชุดของวิธีเวลาชุด) เป็นเทคนิคทางสถิติที่ใช้ในการวิเคราะห์และพยากรณ์ข้อมูลชุดเวลา
Gaussian Reverse (การกลับดัชนีกาวส์เซียน) เป็นเทคนิคทางสถิติที่ใช้ในการแปลงค่าจากการกระจายกาวส์เซียน (Gaussian distribution) ให้เป็นค่าต้นฉบับที่ไม่เป็นกาวส์เซียน
Dosage Calculation (การคำนวณปริมาณยาที่ต้องใช้) เป็นกระบวนการคำนวณปริมาณยาที่เหมาะสมในการให้กับผู้ป่วยโดยพิจารณาตัวแปรต่าง ๆ เช่น น้ำหนักของผู้ป่วยและความต้องการของยา
Bayesian Techniques (เทคนิคเบย์เซียน) เป็นเครื่องมือทางสถิติที่ใช้ในการประมวลผลและประเมินความน่าจะเป็นของเหตุการณ์โดยใช้การอัปเดตความเชื่อในระหว่างการเกิดเหตุการณ์ใหม่และข้อมูลที่มีอยู่ |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 14 |
ข้อใดเกี่ยวข้องกับ math model มีความเกี่ยวข้องกับโรค stroke
|
5. ถูกมากกว่า 1 ข้อ |
|
|
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 15 |
ข้อใดเกี่ยวข้องกับ Mathematical Models และ vaccine เพื่อรักษาโรคติดต่อ
|
5. ถูกมากกว่า 1 ข้อ |
|
|
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 16 |
จากบทความ (ศึกษาได้จากตามขอบเขตรายวิชา)
ข้อใดเกี่ยวข้องกับการใช้ Noyers whiter equation ในบทความนี้
|
5. ถูกมากกว่า 1 ข้อ |
|
|
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 17 |
ข้อใดไม่เกี่ยวข้องกับ math model ที่ใช้ใน reconstruction of cardiac tissue
|
5. ผิดมากกว่า 1 ข้อ |
|
|
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 18 |
จงอธิบายเกี่ยวกับ risk estimator
|
5. ถูกมากกว่า 1 ข้อ |
|
|
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 19 |
ข้อใดไม่ใช่คือ limitation ของ Math model
|
1. represent real-world systems in terms of mathematical relationships |
|
เหตุผลที่คำตอบที่ 1 ไม่ใช่ความจำกัดเนื่องจาก Mathematical Models ใช้เครื่องมือทางคณิตศาสตร์ในการแทนระบบในโลกจริงเป็นความสัมพันธ์ทางคณิตศาสตร์ เพื่อให้สามารถศึกษาและทำคาดการณ์เกี่ยวกับพฤติกรรมและคุณสมบัติของระบบนั้นได้ ซึ่งเป็นความสามารถที่สำคัญของ Mathematical Models และเป็นเหตุผลหลักที่ทำให้เราสามารถใช้โมเดลทางคณิตศาสตร์เพื่อการวิเคราะห์และการคาดการณ์ในหลากหลายสาขาของวิทยาศาสตร์และวิศวกรรมได้สำเร็จได้น้อยกว่าเครื่องมืออื่น ๆ ในบางกรณี ข้อจำกัดอื่น ๆ เช่นการไม่มีข้อมูลที่เพียงพอหรือความคลาดเคลื่อนของข้อมูลอาจเกิดขึ้นจริงยังมีอยู่ ซึ่งจะถูกกล่าวถึงในตัวเลือกที่เหลือ |
คำตอบที่ไม่ใช่ความจำกัด (limitation) ของ Mathematical Models คือตัวเลือกที่ 1: Represent Real-World Systems In Terms Of Mathematical Relationships (แสดงระบบในโลกจริงเป็นความสัมพันธ์ทางคณิตศาสตร์)
เหตุผลที่คำตอบที่ 1 ไม่ใช่ความจำกัดเนื่องจาก Mathematical Models ใช้เครื่องมือทางคณิตศาสตร์ในการแทนระบบในโลกจริงเป็นความสัมพันธ์ทางคณิตศาสตร์ เพื่อให้สามารถศึกษาและทำคาดการณ์เกี่ยวกับพฤติกรรมและคุณสมบัติของระบบนั้นได้ ซึ่งเป็นความสามารถที่สำคัญของ Mathematical Models และเป็นเหตุผลหลักที่ทำให้เราสามารถใช้โมเดลทางคณิตศาสตร์เพื่อการวิเคราะห์และการคาดการณ์ในหลากหลายสาขาของวิทยาศาสตร์และวิศวกรรมได้สำเร็จได้น้อยกว่าเครื่องมืออื่น ๆ ในบางกรณี ข้อจำกัดอื่น ๆ เช่นการไม่มีข้อมูลที่เพียงพอหรือความคลาดเคลื่อนของข้อมูลอาจเกิดขึ้นจริงยังมีอยู่ ซึ่งจะถูกกล่าวถึงในตัวเลือกที่เหลือ |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 20 |
ข้อใดคือ Math model ใน RETURN TO ISSUEPREVARTICLENEXT
|
5. ถูกมากกว่า 1 ข้อ |
|
|
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|