| 1 |
มีการสั่งยาให้เด็ก โดยมี 80 mg/kg/day 3 ครั้งต่อวัน เด็กน้ำหนัก 45 lbs และยามีความเข้มข้น 20 mg/ml จงคำนวณ dose ยาในหน่วย ml
|
2. 25 ml |
|
ความน่าจะเป็น |
ความน่าเป็น |
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
|
3. ordered frequency |
|
ดูจากความสัมพันธ์จากโจทย์เเละคำตอบ |
ไม่น่ามีความสัมพันธ์ในเรื่องของคลื่น |
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
|
3. 0.3 mL/minute |
|
สุ่มตอบ |
bretylium 10 mcg/kg/min / 75 mg * 0.9% * 200 lbs |
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
|
3. 1.5 mL |
|
มีความเป็นไปได้มากที่สุด |
600/3=200/5=40/0.375 |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 5 |
หากต้องการให้ยาเด็กอายุ 12 ปี โดยมีน้ำหนัก 90 lbs โดยต้องสั่งยา 4 mg/kg จงคำนวณปริมาณ mg
|
2. 160 mg. |
|
|
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 6 |
จงยกตัวอย่าง Math model ที่ใช้ใน Epidemiology
|
5. ถูกมากกว่า 1 ข้อ |
|
ข้อ2 เเละ3 ถูกยกตัวอย่างบ่อยสุด |
จากพบเจอในโจทย์มา |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 7 |
ข้อใดไม่ใช่ Math model สามารถนำมาประยุกต์ใช้ใน Prediction planning and evaluation of preventive ได้
|
5. ผิดมากกว่า 1 ข้อ |
|
ข้อ2 เเละ3 ไม่มีความเกี่ยวข้อง |
จากข้อมูลที่พบ |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 8 |
Math model ที่ไม่สามารถนำมาใช้ใน Control measures ของโรคติดต่อคือ
|
5. ไม่มีข้อผิด |
|
ทุกข้อเป็นMath model ที่สามารถนำมาใช้ใน Control measures ของโรคติดต่อได้ |
จากการสังเกตุ |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 9 |
Math model ที่ใช้ในการวินิจฉัยหรือรักษาโรคมะเร็ง ข้อใดผิด
|
2. The deterministic models and The stotic models |
|
ข้อ2 ไม่เกี่ยวข้อง |
เป็นการสร้างเเบบจำลองที่เกี่ยวข้องกับโรคระบาด |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 10 |
ข้อใดไม่เกี่ยวข้องกับ Math models for medical decision-making
|
5. ไม่มีข้อผิด |
|
ทุกข้อที่กล่าวมานั้นเกี่ยวข้องกับMath models for medical decision-making |
ทุกข้อล้วนเป็นการพยากรณ์ล่วงหน้า |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 11 |
ข้อใดไม่เกี่ยวข้องกับ Math model ที่ใช้ในการวางยาสลบในการผ่าตัด
|
5. ไม่มีข้อผิด |
|
ทุกข้อมีความเกี่ยวข้องกับยาสลบ |
ความหมายไปในทางยาสลบ |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 12 |
ข้อใดไม่เกี่ยวข้องกับ Math model ในการคำนวณ human motion เพื่อใช้ใน physical therapy
|
3. the spatio-temporal dependencies |
|
The Spatio-Temporal Dependenciesไม่มีความเกี่ยวข้อง |
The Spatio-Temporal Dependencies เป็นความเกี่ยวข้องกับทั้งเวลาและพื้นที่ ซึ่งจริง ๆ แล้วรอบตัวพวกเราต่างมีสิ่งที่เกี่ยวข้องกับเวลาและพื้นที่เป็น จำนวนมาก |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 13 |
ข้อใดไม่เกี่ยวข้องกับ Mathematical Models กับ COVID-19
|
2. Auto-regressive time series methods |
|
จากการสืบค้นข้อมูล |
เป็นหลักทฤษฏีที่ไม่เกี่ยวข้องกับCOVID-19เลย |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 14 |
ข้อใดเกี่ยวข้องกับ math model มีความเกี่ยวข้องกับโรค stroke
|
5. ถูกมากกว่า 1 ข้อ |
|
ข้อ 2 เเละข้อ 4 เกี่ยวข้อง |
เป็นเเบบจำลองที่ทำให้เห็นภาพง่ายขึ้น |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 15 |
ข้อใดเกี่ยวข้องกับ Mathematical Models และ vaccine เพื่อรักษาโรคติดต่อ
|
3. Basic reproductive number |
|
ถูกทุกข้อที่กล่าวมา |
ทั้ง 4 ข้อ เป็นปัจจัยของวัคซีนที่ควรจะมี ทั้ง Amplification Factors Eradication Threshold Basic Reproductive Number Effective Reproductive Number |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 16 |
จากบทความ (ศึกษาได้จากตามขอบเขตรายวิชา)
ข้อใดเกี่ยวข้องกับการใช้ Noyers whiter equation ในบทความนี้
|
5. ถูกมากกว่า 1 ข้อ |
|
ข้อ 1 เเละ ข้อ2 เกี่ยวช้อง |
Noyers Whiter Equation for Calculating Dosage Rates Calculus is often employed in the field of pharmacology to determine the best dosage forms that provide |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 17 |
ข้อใดไม่เกี่ยวข้องกับ math model ที่ใช้ใน reconstruction of cardiac tissue
|
1. Multielectrodes arrays (MEAs) |
|
ความน่าจะเป็น |
ข้อ1 ไม่น่าเกี่ยวข้องมากที่สุด เเละไม่ได้เป็นเเเบจำลองหรือกราฟ |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 18 |
จงอธิบายเกี่ยวกับ risk estimator
|
2. air pollution |
|
มีเพียงข้อ 2 ที่เหมือนจะไม่เกี่ยวขเอง |
Air Pollution เเปลได้ว่า มลพิษทางอากาศ |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 19 |
ข้อใดไม่ใช่คือ limitation ของ Math model
|
2. Data are often unavailable |
|
ข้อ 2 เเละ 3 ไม่ถูกต้อง |
limitation ของ Math model นั้นมีก็จริงเเต่สิ่งที่ไม่น่าเป็นไปได้ก็คือ Data Are Often Unavailable เเละ Data Are Often Inaccurate. |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 20 |
ข้อใดคือ Math model ใน RETURN TO ISSUEPREVARTICLENEXT
|
5. ถูกมากกว่า 1 ข้อ |
|
ถูกทุกข้อ |
คาดเดา |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|