公卫体检系统异常数据实时监测模型的准确率并非越高越好，虽然高准确率通常是一个重要目标，但还需要综合考虑以下几个方面：

1、过拟合风险：过度追求高准确率可能导致模型过拟合。即模型在训练数据上表现出色，准确率很高，但在新的、未见过的数据上却表现不佳。这是因为模型可能过度学习了训练数据中的噪声和细节，而没有捕捉到数据的真实规律，从而降低了模型的泛化能力。

2、成本效益平衡：提高模型准确率往往需要投入更多的资源，包括更多的计算资源用于模型训练、更复杂的算法和模型结构、更多的人力来处理和分析数据等。这会增加系统的建设和运营成本。如果为了追求极高的准确率而付出了过高的成本，可能并不符合实际的业务需求和资源限制。

3、假阳性和假阴性的影响：在公卫体检系统中，假阳性（将正常数据误判为异常）和假阴性（将异常数据误判为正常）的后果有所不同。假阳性可能导致不必要的进一步检查和医疗资源浪费，给受检者带来心理压力；假阴性则可能使真正的异常情况未被及时发现，延误疾病的诊断和治疗，对受检者的健康造成严重影响。因此，需要根据具体情况权衡假阳性和假阴性的可接受程度，而不仅仅是追求高准确率。例如，对于一些严重疾病的筛查，可能更倾向于降低假阴性率，即使这意味着会有一定的假阳性率上升。

4、实时性要求：在实时监测系统中，除了准确率外，模型的实时性也是一个关键因素。如果为了提高准确率而采用过于复杂的模型或算法，导致模型的计算量过大，无法满足实时性要求，那么这样的高准确率模型在实际应用中可能并不适用。

公卫体检系统异常数据实时监测模型的准确率需要在综合考虑过拟合风险、成本效益平衡、假阳性和假阴性的影响以及实时性要求等多方面因素后，找到一个合适的平衡点，以实现模型在实际应用中的最佳效果。