| 1 |
มีการสั่งยาให้เด็ก โดยมี 80 mg/kg/day 3 ครั้งต่อวัน เด็กน้ำหนัก 45 lbs และยามีความเข้มข้น 20 mg/ml จงคำนวณ dose ยาในหน่วย ml
|
2. 25 ml |
|
25 Ml เหมาะแก่เด็กมากที่สุดแล้ว |
|
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 |
|
helps sales teams anticipate how many orders will be coming in during a specified time period |
Staying on top of Order Frequency makes sure you plan according to expected |
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
|
2. 0.7 mL/minute |
|
0.7 ML/Minute เหมาะแก่อัตราเร็วในการให้ยา |
|
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
|
1. 1.8 mL |
|
|
|
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
|
4. 1-year survival |
|
1-Year Survival มีการ Epidemiology เป็นระยะมาก |
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 7 |
ข้อใดไม่ใช่ Math model สามารถนำมาประยุกต์ใช้ใน Prediction planning and evaluation of preventive ได้
|
1. The deterministic models and The stochastic models |
|
Unlike deterministic models that produce the same exact results for a particular set of inputs |
stochastic models are the opposite; the model presents data and predicts outcomes |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 8 |
Math model ที่ไม่สามารถนำมาใช้ใน Control measures ของโรคติดต่อคือ
|
3. Sensitivity analysis |
|
Sensitivity analysis is a financial model that determines how target variables are affected based on changes in other variables known as input variables |
It is a way to predict the outcome of a decision given a certain range of variables. |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 9 |
Math model ที่ใช้ในการวินิจฉัยหรือรักษาโรคมะเร็ง ข้อใดผิด
|
1. The deterministic models and The stochastic models |
|
produce the same exact results for a particular set of inputs |
the model presents data and predicts outcomes that account for certain levels of unpredictability or randomness. |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 10 |
ข้อใดไม่เกี่ยวข้องกับ Math models for medical decision-making
|
1. Predicting recurrence |
|
A simple scoring system was derived based on six clinical and pathological factors |
To provide tables that allow urologists to easily calculate a superficial bladder cancer |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 11 |
ข้อใดไม่เกี่ยวข้องกับ Math model ที่ใช้ในการวางยาสลบในการผ่าตัด
|
5. ไม่มีข้อผิด |
|
ทุกข้อคือมีการวางยาสลบในการผ่าตัด |
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 12 |
ข้อใดไม่เกี่ยวข้องกับ Math model ในการคำนวณ human motion เพื่อใช้ใน physical therapy
|
4. Gaussian reverse |
|
The inverse Gaussian distribution has several properties analogous to a Gaussian distribution. |
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 13 |
ข้อใดไม่เกี่ยวข้องกับ Mathematical Models กับ COVID-19
|
3. Gaussian reverse |
|
The inverse Gaussian distribution has several properties analogous to a Gaussian distribution. |
level at a fixed time, the inverse Gaussian describes the distribution |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 14 |
ข้อใดเกี่ยวข้องกับ math model มีความเกี่ยวข้องกับโรค stroke
|
1. Data-driven models |
|
a technique using which the configurator model components are dynamically injected into the model based on the data derived from external systems |
catalog system, Customer Relationship Management (CRM), Watson, and so on. |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 15 |
ข้อใดเกี่ยวข้องกับ Mathematical Models และ vaccine เพื่อรักษาโรคติดต่อ
|
5. ถูกมากกว่า 1 ข้อ |
|
In epidemiology, the basic reproduction number, or basic reproductive number |
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 16 |
จากบทความ (ศึกษาได้จากตามขอบเขตรายวิชา)
ข้อใดเกี่ยวข้องกับการใช้ Noyers whiter equation ในบทความนี้
|
2. A diffusion model |
|
In machine learning, diffusion models |
They are Markov chains trained using variational inference. |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 17 |
ข้อใดไม่เกี่ยวข้องกับ math model ที่ใช้ใน reconstruction of cardiac tissue
|
3. estimation of the intracellular coupling |
|
Pronounced tissue heterogeneities at the microscopic scale. |
New method to estimate passive myocyte conductivity tensors for cardiac tissues. |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 18 |
จงอธิบายเกี่ยวกับ risk estimator
|
5. ถูกมากกว่า 1 ข้อ |
|
Use the information above to help with clinician-patient discussions on risk and risk-lowering interventions. |
Forecast the potential impact of different interventions on patient risk. |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 19 |
ข้อใดไม่ใช่คือ limitation ของ Math model
|
5. ผิดมากกว่า 1 ข้อ |
|
|
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 20 |
ข้อใดคือ Math model ใน RETURN TO ISSUEPREVARTICLENEXT
|
3. Dynamic modeling |
|
describes those aspects of a system concerned with time and the sequencing of operations |
events that mark changes, sequences of events, and the organizing of events |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|