108 原住民特考三等 衛生行政 流行病學 考古題詳解

核心觀念

本題測驗核心為流行病學中最根本的理論之一：因果關係之判定標準（Causal Inference Criteria），尤以英國流行病學家希爾爵士提出的「希爾準則（Austin Bradford Hill Criteria）」為圭臬。同時，本科目結合了公衛行政實務上的「癌症集群（Cancer Cluster）調查與風險溝通」。

本題涉及之核心學理定義如下：

1. 希爾因果關係準則（Hill's Criteria of Causality）：

• 時序性（Temporality）：暴露必須先於疾病發生。考量惡性腫瘤具有長期潛伏期（Latency Period，實體癌通常需 10 至 20 年以上）。
• 特異性（Specificity）：特定的暴露導致特定的疾病。
• 生物合理性（Biological Plausibility）：假定的因果關係必須符合現有生物學、生理學及病理學機轉（如非游離輻射非 DNA 游離破壞因子）。
• 劑量反應關係（Dose-Response Relationship / Biological Gradient）：暴露劑量越高（或暴露距離越近、時間越長），疾病發生率或風險越高。
• 相關強度（Strength of Association）：相對危險度（RR）或勝算比（OR）是否顯著大於 1。
• 一致性（Consistency）：不同學者、族群、研究設計與時間所得之研究結果是否高度吻合。
• 連貫性（Coherence）：因果假設不可與該疾病已知的自然史及生物學知識衝突。
• 可逆性／實驗證據（Reversibility / Experiment）：中止或減少暴露後，疾病風險是否下降。
• 類比性（Analogy）：類似的暴露是否已知會引發類似的健康危害。

2. 癌症集群與機率波動概念：

• 小群體於短期內出現數例癌症，常屬隨機空間群聚（德州神槍手謬誤，Texas Sharpshooter Fallacy）或人口老化、篩檢增加所致，非必然存在環境暴露因果。

解題方法

本題為「情境應用型」申論題，若僅死背並默寫出希爾九大準則，得分通常僅能落在及格邊緣。獲取高分的解題關鍵在於將抽象的準則緊密扣合題目情境（基地台、非游離輻射、乳癌、大腸癌、肝癌），並以「地方衛生主管機關承辦人研擬公文／陳情回覆書」的架構作答。

解題切入點分為三大主軸：

1. 破題與同理關懷：行政回覆書應先正面回應民眾陳情，展現公衛機關對居民健康與生命安全的重視。
2. 學理駁議核心（得分主力）：逐一運用希爾準則，精準點出本案在流行病學因果上的四大不合理破綻：

• 癌症種類過雜（違反特異性）：乳癌、大腸癌、肝癌病因各異。
• 發病間隔過短（違反時序性）：癌症具長期潛伏期，基地台剛設立不久不可能立刻引發實體癌。
• 機轉缺乏依據（違反生物合理性）：電磁波屬非游離輻射，光子能量低，無法直接打斷 DNA 化學鍵。
• 暴露評估不足（缺乏劑量效應與相關強度）：電磁波強度隨距離平方衰減（$I \propto \frac{1}{r^2}$），且國際大型流行病學研究未見一致之顯著關聯。

3. 行政作為與風險溝通：提出合乎情理法的具體行政處置（跨局處檢測強度、提供四癌篩檢與衛教諮詢），化解民眾恐慌。

選項分析

本題為非選擇題（申論情境題），無選擇題選項；依據題幹所給之事實事實，拆解其「事實爭點」與「流行病學對應盲點」如下：

1. 爭點一：多位居民相繼罹患「乳癌、大腸癌及肝癌」

• 盲點分析：此現象在流行病學上不符特異性與連貫性。乳癌的主要危險因子為賀爾蒙暴露（如早初經、晚停經、未生育）、遺傳基因突變（$BRCA1/2$）等；大腸癌主因與飲食生活型態（高油、低纖、紅肉）、息肉惡化及家族史相關；肝癌在台灣多數與慢性 B 型肝炎、C 型肝炎病毒感染、酒精性肝病或黃麴毒素相關。單一環境暴露因子（電磁波）理論上難以跨器官同時引發三種致病機轉全然相異的上皮細胞惡性腫瘤。

2. 爭點二：「設立後」即有多位居民罹患癌症

• 盲點分析：此現象在流行病學上不符時序性中對於「潛伏期」的嚴謹要求。固態腫瘤（Solid Tumors）從細胞基因突變、歷經促進期、惡性進展到臨床確診，往往需要數年至數十年（一般多為 10 至 20 年）。電信基地台設立僅數月或數年，短期內出現之惡性腫瘤，其致癌始動期（Initiation）必然發生在基地台設立之前，兩者缺乏合乎腫瘤自然史的時序性。

3. 爭點三：認定由「基地台電磁波」直接造成

• 盲點分析：此論點不符生物學合理性與一致性。基地台發射之射頻電磁場屬於非游離輻射（Non-ionizing radiation），單一光子能量微弱，無法破壞人體分子化學鍵或直接造成 DNA 斷裂。

核心觀念

本題評量流行病學之兩大核心觀察型研究設計（世代研究與病例對照研究）的辨識、關聯性指標計算與方法學優缺點比較：

1. 世代研究（Cohort Study）：依「暴露狀態（HBV 帶原與否）」分組，追蹤並計算後續特定時間內的疾病「發生率（Incidence Rate）」，其關聯性測量指標為發生率比（Incidence Rate Ratio, IRR / Relative Risk, RR）​及發生率差（Rate Difference, RD / Attributable Risk, AR）。

• 發生率計算公式： $I = \frac{\text{新發病例數}}{\text{總人年數（Person-Years）}}$
• 發生率比公式： $\text{IRR} = \frac{I_1}{I_0}$

2. 病例對照研究（Case-Control Study / Nested Case-Control Study）：依「疾病狀態（有無罹患肝癌）」分組，回溯調查其暴露狀態（HBV 帶原）。本題乙教授直接從甲教授的世代樣本中選取病例與對照，屬於巢式病例對照研究（Nested Case-Control Study）。其關聯性測量指標為勝算比（Odds Ratio, OR）。

• 暴露勝算比公式（設 $a, b, c, d$ 為四格表頻數）： $\text{OR} = \frac{a \times d}{b \times c} = \frac{P_1 / (1 - P_1)}{P_0 / (1 - P_0)}$ 其中 $P_1$ 為病例組暴露率，$P_0$ 為對照組暴露率。

解題方法

（一）甲教授的研究方法與相關性

1. 研究設計判定： 甲教授於 1988～1992 年招募時，研究對象尚未發病，先確定暴露狀態（4,800 名 HBV 帶原者與 2,400 名非帶原者），向前追蹤累積「人年（Person-Years）」並鑑定新發肝癌病例，此設計為前瞻性世代研究（Prospective Cohort Study）（或稱追蹤研究）。
2. 關聯性指標計算與推導：

• HBV 帶原組（暴露組）肝癌發生率（$I_1$）： $I_1 = \frac{30 \text{ 例}}{24,000 \text{ 人年}} = 0.00125 \text{ /人年} = 125 \text{ / 100,000 人年}$
• HBV 非帶原組（非暴露組）肝癌發生率（$I_0$）： $I_0 = \frac{6 \text{ 例}}{12,000 \text{ 人年}} = 0.0005 \text{ /人年} = 50 \text{ / 100,000 人年}$
• 發生率比（IRR / RR）： $\text{IRR} = \frac{I_1}{I_0} = \frac{0.00125}{0.0005} = 2.5$
• 發生率差（RD / AR）： $\text{RD} = I_1 - I_0 = 0.00125 - 0.0005 = 0.00075 \text{ /人年} = 75 \text{ / 100,000 人年}$
• 關聯性說明： HBV 帶原者的肝癌發生率是非帶原者的 $2.5$ 倍；因 HBV 帶原所導致的超額肝癌發生率為每年每十萬人 $75$ 例，兩者呈現顯著正相關。

（二）乙教授的研究方法與相關性

1. 研究設計判定： 乙教授自既有資料庫中，依疾病狀態挑選 30 名肝癌患者（病例組）與 150 名非肝癌患者（對照組），回溯調查其於招募時的 HBV 帶原情形，此設計屬於病例對照研究（Case-Control Study）；因其病例與對照群皆鑲嵌取材於甲教授之已定義世代研究中，更精確的定義為巢式病例對照研究（Nested Case-Control Study）。
2. 關聯性指標計算與推導：

• 建立 $2 \times 2$ 四格表：
• 病例組總數 $30$ 名，帶原率 $60\%$：
• 帶原病例數（$a$）$= 30 \times 60\% = 18$ 名
• 非帶原病例數（$c$）$= 30 \times (1 - 60\%) = 12$ 名
• 對照組總數 $150$ 名，帶原率 $30\%$：
• 帶原對照數（$b$）$= 150 \times 30\% = 45$ 名
• 非帶原對照數（$d$）$= 150 \times (1 - 30\%) = 105$ 名

整理為四格表：

• 勝算比（Odds Ratio, OR）計算： $\text{OR} = \frac{a \times d}{b \times c} = \frac{18 \times 105}{45 \times 12} = \frac{1890}{540} = 3.5$ （亦可直接以暴露勝算比計算：$\text{OR} = \frac{0.6 / 0.4}{0.3 / 0.7} = \frac{1.5}{3/7} = 3.5$）
• 關聯性說明： 肝癌患者帶有 HBV 的勝算（Odds）是非肝癌對照者的 $3.5$ 倍；在疾病發生率極低（罕見疾病假設成立）時，OR 可近似於 RR，顯示 HBV 帶原與罹患肝癌具有顯著正相關。

（三）兩種研究方法的優缺點比較

核心觀念

本題考的是混雜因子控制。年齡若同時與抽菸及肺癌有關，且不是抽菸影響肺癌途徑中的中間變項，就可能混淆抽菸與肺癌的關係。

判斷混雜因子的條件可整理為：

1. 與研究暴露（抽菸）有關。
2. 與研究結果（肺癌）有關，且不是暴露至結果因果途徑中的中間變項。
3. 依該因子分層後，該因子本身不會由暴露所造成。

本題已指出年齡與抽菸習慣正相關；年齡增加也與肺癌累積風險及發生率上升有關，因此年齡是重要的潛在混雜因子。若年齡也改變抽菸對肺癌的效果大小，年齡則同時是效果修飾因子，應呈現不同年齡層的結果。

解題方法

先確認年齡是否同時連結暴露與結果，再判斷未控制年齡時，抽菸與肺癌的粗估關聯會受到什麼影響。題目給的年齡分布顯示，A、B 地區的年齡結構不同：B 地區 50 歲以上人口比例較高，合計為 $80\%$；A 地區則為 $60\%$。若直接比較兩地肺癌率，年齡結構差異會造成混雜，宜先控制年齡或進行年齡標準化。

（一）年齡扮演的角色及影響

年齡主要是抽菸與肺癌關係中的混雜因子：年齡較高者依題意較常有抽菸習慣，而肺癌風險也隨年齡增加。若未控制年齡，較年長者在抽菸組所占比例較高，粗略分析便會把部分年齡造成的肺癌風險差異，誤算成抽菸的效果。

依題目所述的正向關係，未控制年齡時，抽菸與肺癌的粗估關聯會朝高估正向關聯的方向偏移。若不同年齡層中抽菸對肺癌的效果大小不同，年齡還是效果修飾因子；此時應呈現年齡層別結果，不宜只報一個合併效果值。

（二）資料分析時的控制方法

1. 分層分析：依年齡層分別計算抽菸者與未抽菸者的肺癌發生率或關聯指標，比較各年齡層內的結果。若各層結果相近而粗估值不同，支持有混雜；若各層效果明顯不同，則應考慮效果修飾。
2. 年齡標準化：將各比較組的年齡別率套用至同一標準人口，消除年齡結構差異。直接標準化的概念為： $R_{\text{標準化}}=\sum_i w_i r_i$ 其中 $r_i$ 為第 $i$ 年齡層的肺癌率，$w_i$ 為共同標準人口中該年齡層的比例。

核心觀念

本題評量流行病學中「多重篩檢試驗（Multiple Screening Tests）」的策略運用、效度指標（Validity）及預測值（Predictive Value）的計算，核心重點如下：

1. 多重篩檢策略的特性與判讀準則：

• 並聯試驗（Parallel testing / Simultaneous testing）：受檢者同時接受兩種以上檢查，只要任一項試驗為陽性即判定為陽性，所有試驗皆為陰性才判定為陰性。目的在於「網羅所有可能病例」，會提高淨敏感度（Net Sensitivity），但會降低淨特異度。
• 串聯試驗（Serial testing / Sequential testing）：第一階段先進行初篩，僅初篩陽性者才接受第二階段檢查；所有試驗皆為陽性時才最終判定為陽性。目的在於「避免誤判」，會提高淨特異度（Net Specificity），但會降低淨敏感度。

2. 假陽性率（False Positive Rate）與特異度的互補關係： $\text{假陽性率} = 1 - \text{特異度} = \frac{FP}{FP + TN}$ 欲減少假陽性（False Positive, $FP$）的產生，必須採用能「最大化特異度（Specificity）」的篩檢策略。
3. 淨敏感度與淨特異度公式（假設兩項試驗在統計上彼此獨立）：

• 串聯淨敏感度： $Se_{\text{net}} = Se_1 \times Se_2$
• 串聯淨特異度： $Sp_{\text{net}} = 1 - (1 - Sp_1)(1 - Sp_2) = Sp_1 + (1 - Sp_1) \times Sp_2$

4. 陽性預測值（Positive Predictive Value, PPV）與貝氏定理（Bayes' Theorem）： $PPV = \frac{\text{真陽性人數}}{\text{所有陽性人數}} = \frac{P \times Se}{P \times Se + (1 - P) \times (1 - Sp)}$ 其中 $P$ 為疾病盛行率（Prevalence），$Se$ 為敏感度，$Sp$ 為特異度。

解題方法

已知條件：

• 試驗 1（空腹血糖測試）：敏感度 $Se_1 = 0.80$，特異度 $Sp_1 = 0.90$
• 試驗 2（口服葡萄糖耐受試驗，OGTT）：敏感度 $Se_2 = 0.90$，特異度 $Sp_2 = 0.95$

（一）欲提高篩檢之敏感度及特異度可分別使用何種策略？

1. 欲提高敏感度：應採用並聯試驗（Parallel testing）​策略。

• 原理與判讀：受檢者同時接受空腹血糖與口服葡萄糖耐受試驗，只要其中任一項檢查結果為陽性，即判定受檢者為陽性。此策略能有效捕捉到被單一工具漏診的病人，降低假陰性（False Negative），從而使整體淨敏感度高於任一單項試驗。

2. 欲提高特異度：應採用串聯試驗（Serial / Sequential testing）​策略。

• 原理與判讀：受檢者必須在兩項檢查中皆呈現陽性，才最終判定為陽性；若第一階段陰性則直接排除，不再複檢。此策略能逐層篩除無病者，降低假陽性（False Positive），從而使整體淨特異度高於任一單項試驗。

（二）可採用何種篩檢策略以減少假陽性情況的產生？其敏感度和特異度分別為何？

1. 策略選擇： 假陽性率為 $1 - \text{特異度}$。若要減少假陽性產生，必須極大化特異度，因此應採用串聯試驗（Serial testing）。
2. 敏感度計算： 在假設兩項試驗獨立的條件下，受檢者須通過第一道與第二道檢驗皆為陽性： $Se_{\text{net}} = Se_1 \times Se_2 = 0.80 \times 0.90 = 0.72 \quad (72\%)$
3. 特異度計算： 健康者只有在兩次試驗皆被誤判為陽性時，才會成為假陽性；其餘情況皆判定為陰性： $\text{淨假陽性率} = (1 - Sp_1) \times (1 - Sp_2) = (1 - 0.90) \times (1 - 0.95) = 0.10 \times 0.05 = 0.005$ 因此淨特異度為： $Sp_{\text{net}} = 1 - 0.005 = 0.995 \quad (99.5\%)$

（三）若糖尿病前期的盛行率為 10%，其陽性預測值為何？

題幹接續第（二）小題之串聯策略，設糖尿病前期之盛行率 $P = 10\% = 0.10$，利用串聯篩檢之效度指標（$Se_{\text{net}} = 0.72$，$Sp_{\text{net}} = 0.995$）：