公卫体检系统核实异常数据通常基于以下一些原理和方法：

1、医学参考值范围：

每种体检指标都有其对应的正常参考值范围，这是通过大量正常人群的样本数据统计分析得出的。例如，成年人的空腹血糖正常范围一般是 3.9 - 6.1mmol/L。公卫体检系统会将体检者的各项指标与相应的参考值进行比对，若超出或低于该范围，就可能被标记为异常数据。

2、逻辑校验：

利用指标之间的逻辑关系来判断数据的合理性。例如，舒张压通常低于收缩压，若体检数据中出现舒张压高于收缩压的情况，系统会认为这是不符合逻辑的异常数据。再如，身高和体重之间也存在一定的关联，通过体重指数（BMI）= 体重（kg）÷ 身高（m）2 的公式来计算，若得出的 BMI 值与身高、体重数据不匹配，也会被视为异常。

3、数据对比分析：

与体检者自身的历史体检数据进行对比。如果某个体检指标在本次体检中出现较大幅度的变化，且超出了正常波动范围，系统会将其作为异常数据进行提示。例如，某人的血压在过去几年一直保持在正常范围内，但本次体检时血压突然大幅升高，就会引起系统的关注。

也会将个体数据与同年龄、同性别等群体的平均数据或常见数据分布进行对比。如果某个体检者的某项指标明显偏离所在群体的平均值或常见分布范围，可能被认定为异常。比如，在某一年龄段的男性群体中，平均血红蛋白水平为 130 - 175g/L，若某男性的血红蛋白值远低于或远高于这个范围，系统会将其视为异常数据。

4、算法模型：

一些公卫体检系统会采用机器学习或其他算法模型来识别异常数据。这些模型会学习大量的正常和异常体检数据模式，通过对新数据的特征提取和分析，判断其是否符合正常模式。例如，通过建立神经网络模型，对多项体检指标进行综合分析，能够发现一些隐藏在数据中的异常模式，即使单个指标可能看似正常，但多个指标的组合表现出异常特征时，系统也能识别出来。

5、数据完整性和准确性校验：

系统会检查数据是否完整，是否存在缺失值或错误录入的情况。例如，体检报告中某项必填指标没有数据，或者录入的数值明显不符合实际情况，系统会将其视为异常并进行提示。同时，对于一些关键指标，系统可能会进行多次验证和核对，以确保数据的准确性。

通过以上多种原理和方法的综合运用，公卫体检系统能够较为准确地核实异常数据，为后续的健康评估和干预提供可靠的依据。