107 地方特考三等 衛生行政 流行病學 考古題詳解

核心觀念

1. 勝算比（Odds Ratio, OR）的定義與計算： 在病例對照研究（Case-Control Study）中，無法直接估算疾病發生率，故以暴露勝算比評估暴露與疾病之相關強度。 若四格表設定為：

• 病例組：暴露者為 $a$，非暴露者為 $c$
• 對照組：暴露者為 $b$，非暴露者為 $d$ 則勝算比公式為交叉乘積比（Cross-product Ratio）： $\text{OR} = \frac{a \times d}{b \times c}$

2. 分層分析（Stratified Analysis）與辛普森悖論（Simpson's Paradox）： 將資料依潛在干擾變項（如年齡）進行分層，可分別求得「分層勝算比」（Stratum-specific OR）。若未分層之「粗勝算比」（Crude OR）與分層勝算比產生顯著差異，代表存在干擾作用（Confounding）。

3. 干擾因子（Confounder）的三大古典判定準則：

• 該因子必須為研究疾病的獨立危險因子（在未暴露組中與疾病相關）。
• 該因子必須與暴露變項相關（在對照組或源全體族群中與暴露相關）。
• 該因子不可為暴露導致疾病的中介變項（Intermediate step in the causal pathway）。

解題方法

(一) 計算小於 50 歲婦女之勝算比 ($\text{OR}_{<50}$)

依題目資料，整理小於 50 歲族群的 $2 \times 2$ 四格表：

• 病例組（Case）：高暴露 $a = 50$ 人，低暴露 $c = 450$ 人
• 對照組（Control）：高暴露 $b = 300$ 人，低暴露 $d = 2700$ 人

代入勝算比公式： $\text{OR}_{<50} = \frac{a \times d}{b \times c} = \frac{50 \times 2700}{300 \times 450} = \frac{135{,}000}{135{,}000} = 1.0$

(二) 計算大於等於 50 歲婦女之勝算比 ($\text{OR}_{\ge 50}$)

依題目資料，整理大於等於 50 歲族群的 $2 \times 2$ 四格表：

• 病例組（Case）：高暴露 $a = 450$ 人，低暴露 $c = 1050$ 人
• 對照組（Control）：高暴露 $b = 300$ 人，低暴露 $d = 700$ 人

代入勝算比公式： $\text{OR}_{\ge 50} = \frac{a \times d}{b \times c} = \frac{450 \times 700}{300 \times 1050} = \frac{315{,}000}{315{,}000} = 1.0$

(三) 若不分年齡層，整體高 DDE 暴露組得乳癌之粗勝算比 ($\text{OR}_{\text{crude}}$)

將兩年齡層合併，建立整體 $2 \times 2$ 總表：

• 高暴露組：
• 病例數 $a_{\text{total}} = 50 + 450 = 500$ 人
• 對照數 $b_{\text{total}} = 300 + 300 = 600$ 人
• 低暴露組：
• 病例數 $c_{\text{total}} = 450 + 1050 = 1500$ 人
• 對照數 $d_{\text{total}} = 2700 + 700 = 3400$ 人

代入粗勝算比公式：

核心觀念

本題評量流行病學中「率的標準化」（Rate Standardization）的核心原理與應用，重點在於區分直接標準化（Direct Standardization）​與間接標準化（Indirect Standardization）​的適用條件與統計推導。

1. 標準化的目的：消除兩個人口群體在主要干擾因子（如年齡、性別）分佈結構上的差異，使兩群體的死亡率或發生率具可比性。
2. 間接標準化定義：當研究族群（Study Population）分層資料不足或各層人數過少時，借用標準族群（Standard Population）的「分層特定死亡率」，加權計算出研究族群的「期望死亡數」（Expected Deaths, $E$），再與研究族群的「觀察死亡數」（Observed Deaths, $O$）相除。
3. 標準化死亡比（Standardized Mortality Ratio, SMR）公式： $\text{SMR} = \frac{O}{E}$ 或以百分比表示： $\text{SMR} = \frac{O}{E} \times 100\%$

解題方法

本題為三問合一的申論題，作答時切入點應按題目層次循序論述：

一、間接標準化使用的時機

間接標準化主要應用於下列三個情境：

1. 研究族群年齡別特定死亡率未知：僅知研究族群各年齡層的人口數（$n_i$）與全體總觀察死亡數（$O$），缺乏各年齡層的詳細死亡人數。
2. 研究族群規模過小或事件罕見：若研究族群人數少、事件發生率低，各分層的死亡數可能為零或極小，導致直接標準化計算出的年齡別特定死亡率變異極大（Sampling Fluctuation）、不穩定。
3. 職業流行病學與特殊暴露世代研究：在評估特定工廠作業員、職業工會等暴露世代的死亡風險時，通常將全國人口或一般大眾設定為標準母群體，採用間接標準化推算 SMR 最為實務可行。

二、標準化死亡比（SMR）的推算步驟

設研究族群按年齡分為 $k$ 個分層（$i = 1, 2, \dots, k$）：

• $n_i$：研究族群第 $i$ 年齡層的人口數。
• $O$：研究族群在研究期間內的實際總觀察死亡數（$\sum_{i=1}^{k} O_i$）。
• $R_{s, i}$：標準族群（如全國人口）第 $i$ 年齡層的特定死亡率（Age-specific Mortality Rate）。

推導步驟如下：

1. 計算各分層之期望死亡數（$E_i$）： 假設研究族群各年齡層承受與標準族群相同的死亡風險，第 $i$ 年齡層的期望死亡數為： $E_i = n_i \times R_{s, i}$
2. 計算總期望死亡數（$E$）： 將所有分層的期望死亡數加總： $E = \sum_{i=1}^{k} E_i = \sum_{i=1}^{k} (n_i \times R_{s, i})$
3. 計算標準化死亡比（SMR）： $\text{SMR} = \frac{O}{E} = \frac{\sum O_i}{\sum (n_i \times R_{s, i})}$ （若以百分率呈現，則乘以 $100\%$）。

三、SMR 的意義與結果判讀

SMR 本質為一「相對風險比值」，代表在校正年齡結構後，研究族群相較於標準族群的整體死亡風險倍數。

1. 數值判讀標準（以比值型式為例）：

• $\text{SMR} = 1.0$（或 $100\%$）：代表研究族群的死亡風險與標準族群相同。
• $\text{SMR} > 1.0$（或 $> 100\%$）：代表研究族群的死亡風險高於標準族群。例如 $\text{SMR} = 1.30$，代表該族群死亡風險比標準族群高出 $30\%$。
• $\text{SMR} < 1.0$（或 $< 100\%$）：代表研究族群的死亡風險低於標準族群。在職業世代研究中，此現象常與「健康工人效應」（Healthy Worker Effect）有關。

2. 統計檢定意義：

核心觀念

本題評量流行病學研究設計（study designs）的根本分類依據與方法學特性，核心觀念包含：

1. 研究設計之分類維度：

• 依「研究者是否施加介入（intervention/manipulation）」區分為觀察性研究（observational study）​與實驗性研究（experimental study）。
• 依「時序邏輯（temporality）」確認暴露與疾病發生先後的因果判斷能力。

2. 研究法定義：

• 實驗流行病學研究：研究者主動介入、分配處置因子（如隨機分配給藥或衛教），前瞻性追蹤評估介入成效。
• 世代研究：研究者處於被動觀察角色，依個體自然存在的暴露狀態分組，前瞻性或回溯性追蹤其後續發病或健康結局。

3. 效度評估與偏差控制：

• 隨機分組（randomization）對已知與未知干擾因子（confounders）的控制能力。
• 盲法（blinding/masking）對於測量偏差（measurement bias）與安慰劑效應（placebo effect）的抑制。
• 醫學倫理（ethics）對有害因子研究的限制。

解題方法

本題為經典公職申論題，作答應採「定義界定 $\rightarrow$ 共同點剖析 $\rightarrow$ 差異處比較 $\rightarrow$ 綜合結論」的結構化佈局：

1. 精準破題與定義：分別寫出實驗流行病學研究與世代研究的標準流行病學定義，點出「分組依據」、「介入與否」及「追蹤方向」。
2. 相同點歸納：從「邏輯方向（由因尋果）」、「測量指標（發生率與相對危險度）」及「共同限制（失訪偏差）」三方面提煉共通本質。
3. 相異點對比：建議以對照表輔以文字說明，切入維度務必涵蓋：介入操控性、分組原則、干擾因子控制、盲法實施、倫理限制、因果推論強度（內在效度）及外在效度（外推性）。

選項分析（申論題關鍵爭點與子題剖析）

本題為申論問答題，考生於考卷作答時應完整涵蓋下列三個子題，不可缺漏任一部分：

• 子題一：定義界定
• 實驗流行病學研究：重點在於「研究者人為操控暴露（介入因子）」及「前瞻性追蹤」，典型黃金標準為隨機對照試驗（Randomized Controlled Trial, RCT）。
• 世代研究：重點在於「自然狀態下的暴露分組（無人為操控）」、「研究起始時研究對象皆未罹患目標疾病」及「由暴露追蹤至結局」。
• 子題二：相同點（共通特徵）
• 時序性明確（暴露先於結局，因果推論皆優於病例對照研究與橫斷研究）。
• 皆可直接計算發生率（Incidence Rate 或 Cumulative Incidence），進而求算相對危險度（$RR$）與危險差（$RD$ / $AR$）。
• 長期追蹤皆易面臨失訪偏差（loss to follow-up bias / attrition bias）。
• 子題三：相異點（方法學差異）
• 介入與隨機分組：實驗研究具介入性且可隨機化；世代研究僅為被動觀察，無法隨機分組。
• 倫理與應用範圍：實驗研究受限於倫理，僅能研究潛在有益之介入；世代研究可用於研究有害暴露（如抽菸、環境毒物）。
• 內在效度 vs. 外在效度：實驗研究內在效度最高，但常因嚴格納入排除條件導致外在效度受限；世代研究更貼近真實世界族群，外在效度相對較佳。

解題技巧

1. 比較題必備矩陣表格：閱卷老師評閱申論題的時間有限，在文字說明前後附上整齊的「比較對照表」，能迅速展現架構完整度與邏輯清晰度。
2. 術語規範化：使用標準流行病學名詞（如：時序性、干擾因子、失訪、盲法、因果推論、內在效度、外在效度），避免使用口語化口吻。

核心觀念

本題測驗流行病學中判定「暴露與疾病之統計相關是否具因果關係（Causal Relationship）」的核心準則。

1. 希爾因果推論準則（Bradford Hill Criteria of Causality, 1965）：包括時序性（Temporality）、相關強度（Strength of association）、劑量反應關係（Biological gradient / Dose-response）、相關一致性（Consistency of association）、生物學合理性（Biological plausibility）、融洽性（Coherence）、實驗證據（Experimental evidence）、特異性（Specificity）與類比性（Analogy）。
2. 相關的一致性（Consistency of Association）：指觀察到的關聯性能否在重複驗證下持續成立。在流行病學實務上，此概念可進一步細分為研究內一致性（intra-study consistency）​與研究間一致性（inter-study consistency），分別檢驗關聯在「單一研究體系內部」及「跨研究體系之間」的穩健性。

解題方法

本題為標準的觀念型申論題，作答應採「定義 $\rightarrow$ 實質內涵與範例 $\rightarrow$ 流行病學意義」的三層次架構鋪陳：

1. 破題：界定「相關的一致性」在因果推論中的地位（避免單一偶然誤差或偏誤導致的偽相關）。
2. 研究內一致性（Intra-study consistency）：切入點為「內部效度（Internal Validity）與分析邏輯」。探討在同一個研究族群內，當進行不同次族群分析（Subgroup analysis）、不同暴露指標、不同疾病亞型或劑量層級時，關聯是否維持邏輯上的一致。
3. 研究間一致性（Inter-study consistency）：切入點為「外在效度（External Validity）與重複驗證（Replication）」。探討由不同研究者、在不同時空背景、不同人種族群、甚至採用不同研究設計（如病例對照研究 vs. 世代研究）時，是否均能重複得到同方向且顯著的關聯。
4. 補充因果判斷思維：一致性可大幅降低隨機誤差與特定系統誤差（偏誤）的干擾；但缺乏一致性亦不能輕易否定因果關係（可能存在效應修飾效應或暴露劑量差異）。

選項分析

本題為三等國家考試之申論題，無選項供選取。 閱卷評分重點如下：

• 第一部分（研究內一致性，佔 $50\%$）：能否精準指出其立足於「同一研究架構內」，並以「次族群層別（如性別、年齡層）」、「劑量梯度」或「不同臨床終點」之結果吻合度進行舉例說明。若僅含糊寫成「研究做得很準確」將無法獲取高分。
• 第二部分（研究間一致性，佔 $50\%$）：能否精準說明「不同團隊、族群、設計方法」間的重複性（Replication），並指出其對克服「特定研究固有偏誤（Confounding/Bias）」之關鍵功能。

解題技巧

1. 記憶口訣與結構劃分：

• 研究內（Intra-） $\rightarrow$ 看「內在邏輯與次群體」：同一研究內，不同層別（年齡、性別）、不同暴露指標間是否互不矛盾。
• 研究間（Inter-） $\rightarrow$ 看「跨時空與多元設計」：換了人做、換了地方、換了世代或病例對照研究，結果依然指向相同結論。

2. 常見作答陷阱：

• 陷阱一：誤將「研究內一致性」寫成「測量工具的信度（Reliability / Reproducibility）」。題目問的是流行病學關聯的因果推論，非單純問問卷或檢驗試劑的重複測量精準度。
• 陷阱二：漏掉「即便缺乏一致性，仍可能有因果關係」之例外說明。

核心觀念

本題測驗「傳染病流行病學（Infectious Disease Epidemiology）」中最基礎且最具決策價值的兩項核心觀念：

1. 集團免疫力（Herd Immunity）：評估族群防禦傳染病擴散的能力，核心在於透過具免疫力之個體阻斷傳播鏈，進而對「未具免疫力之易感個體」產生間接保護效果；對應之數學模式為群體免疫閾值（Herd Immunity Threshold, HIT）​與基本傳染數（$R_0$）​之關係。
2. 二次侵襲率（Secondary Attack Rate, SAR）：用於評估病原體在特定接觸網絡（如家庭、校園、軍營）中「人傳人」傳播力（transmissibility / infectivity）之指標，核心考點在於分母之界定必須嚴格排除「原發病例」及「具既有免疫力者」。

解題方法

公職三等流行病學之「名詞解釋」題型，若僅寫出一兩句字典式定義，僅能取得及格邊緣分數（約 5~6 成）。欲獲取 8 成以上之高分，必須採取「三層架構法」鋪陳：

1. 精準定義（Definition）：以專業術語寫出該名詞之流行病學定義。
2. 數學公式與參數（Formula & Parameters）：列出標準數學公式，並逐一交代分子、分母與相關變數定義。
3. 公共衛生應用與實務價值（Public Health Applications）：說明該指標如何指導防疫決策（如疫苗政策制定、接觸者管理、群聚調查）。

試題詳細解析

(一) 集團免疫力（Herd Immunity）

1. 定義與作用機制：

• 指在特定群體或人口中，當具有免疫力（因自然感染或接種疫苗）之人口比例達到一定水準時，能大幅降低易感宿主與傳染源接觸的機率，進而阻斷病原體在人際間的傳播鏈。
• 其關鍵價值在於提供間接保護（indirect protection），使群體中少數因體質、年齡或疾病而無法接種疫苗（或免疫失敗）的易感個體，亦能免於遭受感染。

2. 數學公式與閾值推導：

• 若疾病在完全易感族群中的基本傳染數為 $R_0$（即一名原發病例在平均傳染期內所能傳染之平均易感個體數），欲使疾病停止擴散，有效傳染數（Effective reproduction number, $R_t$）必須小於 1。
• 群體免疫閾值（Herd Immunity Threshold, $I_c$）公式為： $I_c = 1 - \frac{1}{R_0}$
• 若考量疫苗保護效益（Vaccine Efficacy, $VE$），則欲達到集團免疫所需之最低疫苗接種涵蓋率（Critical Vaccination Coverage, $V_c$）​為： $V_c = \frac{I_c}{VE} = \frac{1 - \frac{1}{R_0}}{VE}$

3. 公共衛生與防疫應用：

• 制定預防接種政策：作為公衛主管機關推動公費疫苗採購與目標接種率之依據。
• 疾病根除（Disease Eradication）：當全球集團免疫力長期高於閾值，病原體無法尋得新宿主，疾病即可能被根除（如人類已消滅天花，牛瘟亦被撲滅）。

(二) 二次侵襲率（Secondary Attack Rate, SAR）

1. 定義與條件限制：

• 指在特定封閉或密切接觸之群體（如家庭、安養機構、教室）中，一名原發病例（Primary case 或 Index case）出現後，在該疾病的最長潛伏期（Incubation period）​內，暴露於該原發病例的**易感接觸者（Susceptible contacts