Questões de Concurso para Tecnologista

Q3331585

Ano: 2024 Banca: FIOCRUZ Órgão: FIOCRUZ Prova: FIOCRUZ - 2024 - FIOCRUZ - Tecnologista em Saúde Pública - Citometria de fluxo |

Q3331585 Técnicas em Laboratório

Paciente de 7 anos apresenta-se com febre, dor óssea, petéquias e equimoses em abdome e membros inferiores, Hb 8g/dL, leucócitos 25.000/mm³, segmentados 5%, monócitos 5%, células imaturas 85%, plaquetas 35.000/ mm³. Na análise imunofenotípica apresentava expressão antigênica de CD10, CD19 forte intensidade, CD22, CD34, CD45 moderada intensidade, ausência de expressão de antígenos mieloides. De acordo com os dados clínicos e laboratoriais citados, o diagnóstico mais provável é leucemia:

A

linfoblástica aguda.

B

linfocítica crônica

C

mieloide aguda.

D

mieloide crônica.

E

mielomonocítica crônica.

Q3331584

Ano: 2024 Banca: FIOCRUZ Órgão: FIOCRUZ Prova: FIOCRUZ - 2024 - FIOCRUZ - Tecnologista em Saúde Pública - Citometria de fluxo |

Q3331584 Técnicas em Laboratório

Na leucemia mieloide aguda é encontrada a seguinte expressão antigênica:

A

CD19, CD22, CD34, CD79a, CD45 moderada intensidade.

B

CD3 citoplasmático, CD7, CD34, TdT, CD45 moderada intensidade.

C

CD13, CD33, CD34, MPO, CD45 moderada intensidade.

D

CD19, CD20, CD23, CD79b, CD45 forte intensidade.

E

CD3 de superfície, CD7, CD34, TdT, CD45 moderada intensidade.

Q3331583

Ano: 2024 Banca: FIOCRUZ Órgão: FIOCRUZ Prova: FIOCRUZ - 2024 - FIOCRUZ - Tecnologista em Saúde Pública - Citometria de fluxo |

Q3331583 Biomedicina - Análises Clínicas

Paciente de 70 anos, hemoglobina 14 g/dL, leucócitos 65.000/mm3, linfócitos 60%, segmentados 35%, monócitos 5%, plaquetas 250.000/mm3. Na análise do sangue periférico por citometria de fluxo foram identificadas 59,0% de células linfoides B de aspecto maduro e cromatina condensada em blocos, com a seguinte marcação antigênica: CD5, CD19, CD20 fraca intensidade, CD23, CD43, CD45, CD79b fraca intensidade, monoclonalidade de cadeia leve Kappa. O diagnóstico mais provável é leucemia:

A

linfoblástica aguda.

B

linfocítica crônica.

C

mieloide crônica.

D

mieloide aguda.

E

mielomonocítica crônica.

Q3331582

Ano: 2024 Banca: FIOCRUZ Órgão: FIOCRUZ Prova: FIOCRUZ - 2024 - FIOCRUZ - Tecnologista em Saúde Pública - Citometria de fluxo |

Q3331582 Técnicas em Laboratório

São aplicações clínicas da citometria de fluxo o diagnóstico:

A

de doenças hereditárias monogênicas.

B

de doenças hereditárias não monogênicas.

C

de telomeropatias.

D

de neoplasias mieloides associadas à predisposição germinativa.

E

e monitoramento de doenças oncohematológicas.

Q3331581

Ano: 2024 Banca: FIOCRUZ Órgão: FIOCRUZ Prova: FIOCRUZ - 2024 - FIOCRUZ - Tecnologista em Saúde Pública - Citometria de fluxo |

Q3331581 Veterinária

A citometria de fluxo tem como principal característica metodológica a análise:

A

multiparamétrica de células ou partículas.

B

de características bioquímicas das células.

C

molecular das células.

D

de número limitado de células.

E

citogenética das células.

Incorreta. Gabarito oficial da banca:

Veja como esse erro impacta seu desempenho geral. Ver estatísticas

teste

Parabéns! Você acertou!

Esse acerto melhora seu desempenho! Veja suas estatísticas

teste

Q3331540

Ano: 2024 Banca: FIOCRUZ Órgão: FIOCRUZ Prova: FIOCRUZ - 2024 - FIOCRUZ - Tecnologista em Saúde Pública - TE56 - Cientista de Dados em Saúde |

Q3331540 Direito Digital

Segundo a LGPD, o controlador deve “comunicar à autoridade nacional e ao titular a ocorrência de incidente de segurança que possa acarretar risco ou dano relevante aos titulares”. NÃO é obrigação do controlador comunicar:

A

a descrição da natureza dos dados pessoais afetados.

B

a indicação das medidas técnicas e de segurança utilizadas para a proteção dos dados, mesmo que envolvam segredos comercial e industrial.

C

os motivos da demora, no caso de a comunicação não ter sido imediata.

D

as medidas que foram ou que serão adotadas para reverter ou mitigar os efeitos do prejuízo.

E

os riscos relacionados ao incidente.

Incorreta. Gabarito oficial da banca:

Esse erro também aparece no seu Resumão. Veja o que melhorar

teste

Parabéns! Você acertou!

Esse acerto está no seu Resumão. Ver Resumão da semana

teste

Q3331539

Ano: 2024 Banca: FIOCRUZ Órgão: FIOCRUZ Prova: FIOCRUZ - 2024 - FIOCRUZ - Tecnologista em Saúde Pública - TE56 - Cientista de Dados em Saúde |

Q3331539 Direito Digital

A Lei Geral de Proteção de Dados Pessoais (LGPD) prevê diversos requisitos para o tratamento de dados pessoais. Avalie se são verdadeiras (V) ou falsas (F) as afirmativas I, II e III a seguir:
São hipóteses previstas na LGPD para o tratamento de dados pessoais:

I. a realização de estudos por órgão de pesquisa, não se aplicando a este a necessidade de anonimização dos dados pessoais que serão tratados, mesmo que possível.

II. o cumprimento de obrigação legal ou regulatória pelo controlador.

III. a tutela da saúde, exclusivamente, em procedimento realizado por profissionais de saúde, serviços de saúde ou autoridade sanitária.

As afirmativas I, II e III são, respectivamente:

A

F, V e V.

B

V, V e F.

C

F, V e F.

D

V, F e V.

E

F, F e V.

Incorreta. Gabarito oficial da banca:

Veja como esse erro impacta seu desempenho geral. Ver estatísticas

teste

Parabéns! Você acertou!

Esse acerto melhora seu desempenho! Veja suas estatísticas

teste

Q3331538

Ano: 2024 Banca: FIOCRUZ Órgão: FIOCRUZ Prova: FIOCRUZ - 2024 - FIOCRUZ - Tecnologista em Saúde Pública - TE56 - Cientista de Dados em Saúde |

Q3331538 Noções de Informática

Sobre os impactos e riscos do uso de inteligência artificial (IA) e machine learning na saúde, é INCORRETO afirmar que:

A

a falta de explicabilidade dos modelos de IA e machine learning impede que os profissionais de saúde compreendam as decisões tomadas por eles, o que pode levar a erros médicos.

B

a utilização de IA e machine learning na saúde pode levar à discriminação de grupos minoritários, como mulheres e pessoas com deficiência, se os dados utilizados para treinar os modelos forem enviesados.

C

a falta de transparência nos algoritmos de machine learning pode dificultar a compreensão das decisões clínicas tomadas pelas máquinas, comprometendo a autonomia do paciente e a relação médico-paciente.

D

a privacidade e segurança dos dados dos pacientes não são um problema importante no uso de IA e machine learning na saúde, pois sempre são utilizados dados anonimizados previamente.

E

modelos de IA podem ser enviesados se os dados utilizados para treinamento forem desbalanceados, o que pode levar à discriminação de grupos específicos de pacientes, como minorias étnicas ou pessoas com doenças raras.

Incorreta. Gabarito oficial da banca:

Salve essa questão em um caderno para revisar depois. Adicionar a um caderno

teste

Parabéns! Você acertou!

Mantenha o ritmo! Salve no caderno para revisar depois. Adicionar a um caderno

teste

Q3331537

Ano: 2024 Banca: FIOCRUZ Órgão: FIOCRUZ Prova: FIOCRUZ - 2024 - FIOCRUZ - Tecnologista em Saúde Pública - TE56 - Cientista de Dados em Saúde |

Q3331537 Noções de Informática

Modelos de IA que apresentam vieses podem levar a um tratamento desigual e discriminatório contra indivíduos e grupos específicos. Imagine um modelo usado para a seleção de candidatos a vagas de emprego que privilegia homens em detrimento de mulheres, mesmo que elas sejam igualmente qualificadas. Esse tipo de viés de gênero pode perpetuar desigualdades e prejudicar a carreira de muitas mulheres. Dentre os possíveis elementos que podem mitigar esse efeito está:

A

viés nos dados utilizados para treinar os modelos de IA.

B

ausência diversidade na equipe de desenvolvimento.

C

presença de mecanismos de auditoria e avaliação de viés nos modelos de IA.

D

seleção inadequada de dados.

E

dados desatualizados ou não representativos.

Incorreta. Gabarito oficial da banca:

Veja esse conteúdo explicado passo a passo em nossos cursos. Buscar curso

teste

Parabéns! Você acertou!

Mandou bem! Revise esse tema nos nossos cursos. Buscar curso

teste

Q3331536

Ano: 2024 Banca: FIOCRUZ Órgão: FIOCRUZ Prova: FIOCRUZ - 2024 - FIOCRUZ - Tecnologista em Saúde Pública - TE56 - Cientista de Dados em Saúde |

Q3331536 Sistemas de Informação

Modelos de IA nem sempre são transparentes sobre quais fatores mais influenciam suas decisões. Para mitigar esse efeito, uma abordagem é usar soluções do campo de pesquisa chamado Inteligência Artificial Explicável, ou em inglês: Explainable Artificial Intelligence (XAI). O objetivo é ajudar a entender como um modelo complexo funciona, fornecendo alguma explicabilidade e/ou interpretabilidade sobre suas decisões. Sobre o uso de XAI, avalie se são verdadeiras (V) ou falsas (F) as afirmativas a seguir:

I. Métodos de interpretabilidade robustos e consistentes são elementos fundamentais para a construção de confiança e para viabilizar a responsabilização (accountability) de decisões algorítmicas.

II. No campo da saúde, a busca por modelos de IA interpretáveis é fundamental não só para dar transparência para médicos e pacientes, mas para diversas outras partes interessadas, inclusive aos órgãos reguladores.

III. Na pesquisa científica, muitas aplicações utilizam modelos baseados em redes neurais profundas, que são por natureza pouco transparentes. Neste caso, a XAI pode desempenhar um papel importante ao dar acesso aos padrões identificados durante o processo de treinamento do modelo, podendo subsidiar a geração de hipóteses de pesquisa.

As afirmativas I, II e III são, respectivamente:

A

V, F e V.

B

F, V e V.

C

V, F e F.

D

F, V e F.

E

V, V e V.

Incorreta. Gabarito oficial da banca:

Treine mais com um simulado focado no seu concurso. Criar simulado

teste

Parabéns! Você acertou!

Está mandando bem! Treine mais em um simulado completo. Criar simulado

teste

Q3331535

Ano: 2024 Banca: FIOCRUZ Órgão: FIOCRUZ Prova: FIOCRUZ - 2024 - FIOCRUZ - Tecnologista em Saúde Pública - TE56 - Cientista de Dados em Saúde |

Q3331535 Saúde Pública

Ao analisar dados do campo da saúde, é comum encontrar atributos com dados faltantes. Sobre as estratégias para lidar com essa situação em pesquisas da saúde, avalie se são verdadeiras (V) ou falsas (F) as afirmativas a seguir:

I. É importante compreender se os dados estão faltando de forma aleatória ou sistemática, o que pode influenciar a escolha da técnica apropriada para lidar com eles.

II. Uma abordagem comum é a imputação de dados, onde os valores faltantes são estimados com base em informações disponíveis.

III. A exclusão de observações com dados faltantes não é capaz de introduzir viés significativo.

As afirmativas I, II e III são, respectivamente:

A

V, V e V.

B

F, V e V

C

V, F e V.

D

F, V e F

E

V, V e F.

Incorreta. Gabarito oficial da banca:

Errou um tema comum da banca? Veja o que mais costuma cair no Raio-X. Ver raio-X

teste

Parabéns! Você acertou!

Essa questão segue o padrão da banca! Veja o que mais costuma cair. Ver raio-X

teste

Q3331534

Ano: 2024 Banca: FIOCRUZ Órgão: FIOCRUZ Prova: FIOCRUZ - 2024 - FIOCRUZ - Tecnologista em Saúde Pública - TE56 - Cientista de Dados em Saúde |

Q3331534 Programação

A análise visual de dados, por meio de gráficos e dashboards, por exemplo, tem papel central na análise exploratória de dados. Sobre o papel da análise visual na descoberta de padrões em dados, é possível afirmar que a análise visual:

A

é usada apenas para tornar os gráficos e visualizações de dados mais atraentes esteticamente, especialmente com a construção de dashboards.

B

não desempenha um papel significativo na descoberta de padrões em dados, sendo mais útil para fins de apresentação de resultados.

C

é limitada na descoberta de padrões em dados e não oferece nenhuma vantagem sobre métodos quantitativos.

D

é útil apenas para apresentar resultados em dashboards após a descoberta de padrões por métodos estatísticos.

E

pode permitir a identificação de tendências, anomalias e padrões nos dados de forma intuitiva e rápida.

Incorreta. Gabarito oficial da banca:

Compare seu desempenho com quem faz o mesmo concurso. Ver concorrência

teste

Parabéns! Você acertou!

Compare seu desempenho com quem faz o mesmo concurso. Ver concorrência

teste

Q3331533

Ano: 2024 Banca: FIOCRUZ Órgão: FIOCRUZ Prova: FIOCRUZ - 2024 - FIOCRUZ - Tecnologista em Saúde Pública - TE56 - Cientista de Dados em Saúde |

Q3331533 Sistemas de Informação

Na análise de dados textuais, é muito comum o uso de medidas de similaridade para agrupamento de documentos. Sobre a similaridade por cosseno, das afirmações utilizadas abaixo está correta:

A

a similaridade por cosseno é uma medida de similaridade que considera apenas a frequência absoluta das palavras nos textos, por isso não permite a comparação entre textos longos e curtos.

B

a similaridade por cosseno é uma medida de similaridade que ignora completamente a ordem das palavras nos textos e só pode ser aplicada a textos informais.

C

quanto maior o valor da similaridade por cosseno entre dois textos, maior é a similaridade entre eles.

D

a similaridade por cosseno não pode ser usada para calcular a similaridade de textos, somente de sequências genéticas.

E

a similaridade por cosseno é uma medida de similaridade que não pode ser aplicada a textos longos.

Incorreta. Gabarito oficial da banca:

Esse erro também aparece no seu Resumão. Veja o que melhorar

teste

Parabéns! Você acertou!

Esse acerto está no seu Resumão. Ver Resumão da semana

teste

Q3331532

Ano: 2024 Banca: FIOCRUZ Órgão: FIOCRUZ Prova: FIOCRUZ - 2024 - FIOCRUZ - Tecnologista em Saúde Pública - TE56 - Cientista de Dados em Saúde |

Q3331532 Sistemas de Informação

Bases de dados desbalanceadas podem afetar os resultados de muitos algoritmos que tentam identificar padrões nesses dados. Essa é uma realidade para muitas bases da saúde, pois a prevalência de uma doença na população pode ser algo raro. Sobre o processo de rebalanceamento de bases de dados, avalie se são verdadeiras (V) ou falsas (F) as afirmativas a seguir.

I. A técnica de oversampling envolve aumentar o número de instâncias da classe minoritária (menos frequente) para equilibrar a distribuição das classes.

II. A técnica de undersampling envolve reduzir o número de instâncias da classe majoritária (mais frequente) para equilibrar a distribuição das classes.

III. Antes de aplicar a técnica de oversampling, é importante dividir os dados em conjuntos de treino e teste. A técnica de oversampling só deve ser aplicada ao conjunto de testes.

As afirmativas I, II e III são respectivamente:

A

F, V e V.

B

V, V e F.

C

F, V e F.

D

V, F e V.

E

V, V e V.

Incorreta. Gabarito oficial da banca:

Veja como esse erro impacta seu desempenho geral. Ver estatísticas

teste

Parabéns! Você acertou!

Esse acerto melhora seu desempenho! Veja suas estatísticas

teste

Q3331531

Ano: 2024 Banca: FIOCRUZ Órgão: FIOCRUZ Prova: FIOCRUZ - 2024 - FIOCRUZ - Tecnologista em Saúde Pública - TE56 - Cientista de Dados em Saúde |

Q3331531 Programação

Atributos numéricos diferentes podem possuir enorme discrepância de amplitude em um mesmo conjunto de dados. Por exemplo, enquanto a idade de uma pessoa tende a estar entre 0 e 130 anos, a altura em metros costuma variar entre 0,5 e 2,5. Em casos assim, alguns modelos de análise podem dar uma importância muito maior para a variável de maior amplitude (idade). Para lidar com esse efeito, é comum o uso de métodos de feature scaling disponíveis em pacotes Python como o Scikit Learn. Das opções a seguir, a única que NÃO representa um método para feature scaling é:

A

Min-Max Scaling.

B

padronização (Z-Score).

C

Maximum Absolute Scaling.

D

Distância de Levenshtein.

E

Robust Scaling.

Incorreta. Gabarito oficial da banca:

Salve essa questão em um caderno para revisar depois. Adicionar a um caderno

teste

Parabéns! Você acertou!

Mantenha o ritmo! Salve no caderno para revisar depois. Adicionar a um caderno

teste

Q3331530

Ano: 2024 Banca: FIOCRUZ Órgão: FIOCRUZ Prova: FIOCRUZ - 2024 - FIOCRUZ - Tecnologista em Saúde Pública - TE56 - Cientista de Dados em Saúde |

Q3331530 Programação

A biblioteca Pandas do Python possui diversas formas para selecionar partes de um objeto dataframe. Utilizando os dados disponíveis no dataframe df (imagem abaixo), um programador deseja criar um dataframe (df_novo) contendo somente as colunas CODUFMUN e COMPETEN. Das opções abaixo, a única INCORRETA é:

Imagem associada para resolução da questão

Imagem associada para resolução da questão

A

df_novo = df.sliceframe( : , [1,3] ).

B

df_novo = df.loc[ : , [‘CODUFMUN’, ‘COMPETEN’] ].

C

df_novo = df.iloc[ 0:40 , [1,3]].

D

df_novo = df.drop(columns = [‘CNES’,’DT_ATUAL’] ).

E

df_novo = df[ [‘CODUFMUN’, ‘COMPETEN’] ].

Incorreta. Gabarito oficial da banca:

Veja esse conteúdo explicado passo a passo em nossos cursos. Buscar curso

teste

Parabéns! Você acertou!

Mandou bem! Revise esse tema nos nossos cursos. Buscar curso

teste

Q3331529

Ano: 2024 Banca: FIOCRUZ Órgão: FIOCRUZ Prova: FIOCRUZ - 2024 - FIOCRUZ - Tecnologista em Saúde Pública - TE56 - Cientista de Dados em Saúde |

Q3331529 Programação

No campo da saúde, é comum a adoção de métodos para a reduzir a dimensionalidade dos dados, como a segmentação de idades em faixas etárias. O comando Python, com o uso da biblioteca Pandas (pd), que pode ser utilizado para segmentar os valores de uma lista de idades (tipo inteiro) em 10 faixas etárias, é:

A

pd.qcut(idades, chunks=10).

B

pd.cut(idades, chunks=10).

C

pd.qcut(idades, bins=10).

D

pd.split(idades, bins=10).

E

pd.cut(idades, bins=10).

Incorreta. Gabarito oficial da banca:

Treine mais com um simulado focado no seu concurso. Criar simulado

teste

Parabéns! Você acertou!

Está mandando bem! Treine mais em um simulado completo. Criar simulado

teste

Q3331528

Ano: 2024 Banca: FIOCRUZ Órgão: FIOCRUZ Prova: FIOCRUZ - 2024 - FIOCRUZ - Tecnologista em Saúde Pública - TE56 - Cientista de Dados em Saúde |

Q3331528 Programação

Para reproduzir a transformação ilustrada na figura abaixo, o código Python que faz uso da bilblioteca Pandas (pd) e pode ser utilizado para para unir dois dataframes (df1 e df2), criando o dataframe (df3), é:

Imagem associada para resolução da questão

A

df3 = pd.join([df1, df2]).

B

df3 = pd.union([df1, df2]).

C

df3 = pd.concat([df1, df2]).

D

df3 = pd.merge([df1, df2]).

E

df3 = pd.sum([df1, df2]).

Incorreta. Gabarito oficial da banca:

Errou um tema comum da banca? Veja o que mais costuma cair no Raio-X. Ver raio-X

teste

Parabéns! Você acertou!

Essa questão segue o padrão da banca! Veja o que mais costuma cair. Ver raio-X

teste

Q3331527

Ano: 2024 Banca: FIOCRUZ Órgão: FIOCRUZ Prova: FIOCRUZ - 2024 - FIOCRUZ - Tecnologista em Saúde Pública - TE56 - Cientista de Dados em Saúde |

Q3331527 Programação

Dataframes da biblioteca Pandas no Python são muito versáteis. Com eles é possível ler, processar, transformar e exportar dados tabulares com grande eficiência. Considere um dataframe criado a partir da leitura de um arquivo do tipo csv (comma separated value). Só devem ser carregadas as primeiras mil linhas das colunas A, B e C. Além disso, todos os valores devem ser convertidos para o tipo string. Os parâmetros e valores do método read_csv() que possibilitam isso são:

A

nrows=1000, usecols=[‘A’, ‘B’, ‘C’] e dtype=str.

B

nrows=1k, usecols=[‘A’, ‘B’, ‘C’] e type=String.

C

lines=1000, columns=[‘A’, ‘B’, ‘C’] e dtype=String.

D

nrows=1000, names=[‘A’, ‘B’, ‘C’] e type=str.

E

lines=1k, columns=[‘A’, ‘B’, ‘C’] e dtype=str.

Incorreta. Gabarito oficial da banca:

Compare seu desempenho com quem faz o mesmo concurso. Ver concorrência

teste

Parabéns! Você acertou!

Compare seu desempenho com quem faz o mesmo concurso. Ver concorrência

teste

Q3331526

Ano: 2024 Banca: FIOCRUZ Órgão: FIOCRUZ Prova: FIOCRUZ - 2024 - FIOCRUZ - Tecnologista em Saúde Pública - TE56 - Cientista de Dados em Saúde |

Q3331526 Saúde Pública

Um grupo de pesquisadores deseja acompanhar o histórico de internações hospitalares de mães nascidas após o ano 1997 e que tiveram filhos com baixo peso ao nascer. A ideia central é identificar agravos de saúde que podem contribuir para o baixo peso das crianças no momento do parto. Para isso, os pesquisadores pretendem utilizar duas bases de dados disponíveis para download no DATASUS em acesso aberto: o Sistema de Informações sobre Nascidos Vivos (SINASC) e o Sistema de Informações Hospitalares (SIH/SUS). A pesquisa analisará os dados de nascimentos e internações hospitalar entre 2012 e 2022.

Das opções abaixo, o real motivo que impede o desenvolvimento desse projeto é:

A

não há dados no SINASC sobre o nascimento das mães em 1997, pois o seu funcionamento se inicia no ano 2000.

B

não é possível vincular as internações da mãe ao nascimento da criança com baixo peso, pois não há atributos que possam fazer essa vinculação nas bases citadas.

C

o SINASC é um sistema com informações sobre nascidos vivos, não sobre suas mães.

D

o SIH/SUS coleta, reúne e publica dados a cada dois anos (somente em anos pares), o que impede uma análise completa no intervalo 2012 e 2022.

E

o SINASC não registra informações sobre peso ao nascer.

Incorreta. Gabarito oficial da banca:

Esse erro também aparece no seu Resumão. Veja o que melhorar

teste

Parabéns! Você acertou!

Esse acerto está no seu Resumão. Ver Resumão da semana

teste

🚀 Mais performance?

🚀 Mais performance?

Foram encontradas 4.871 questões

Resolva questões gratuitamente!

, continue estudando de graça!