109 地方特考三等 衛生行政 流行病學 考古題詳解

核心觀念

本題要區分「疾病」與「感染」兩個層次：

• 疾病：已發展為臨床疾病，並被診斷或通報的新冠肺炎個案。
• 感染：曾感染 SARS-CoV-2 的人，包括無症狀、輕症未就醫及未被診斷者。

因此，疾病監測資料通常只能掌握已診斷或通報的個案；要估計全部感染情形，還須透過代表性抽樣、檢驗或追蹤調查補足漏診與無症狀感染。

以下以民國 109 年臺灣人口為母群體說明；法條並非本題核心。

解題方法

一、疾病盛行率

盛行率表示特定時間點或期間內，母群體中現存疾病個案所占比例。估算時，分子應是該時點仍屬於疾病狀態的個案，分母則為同一時間點的母群體人口。

例如，可利用特定日期的確診病例資料，扣除已康復、死亡或已不屬於現存病例者，再除以該日人口。若估算期間盛行率，分子改為該期間曾處於疾病狀態的人數，且須避免同一個案重複計算。

**注意：**截至某日的累積確診病例數不是點盛行率，因為累積數包含已康復或死亡個案；它較接近累積發生情形。

二、疾病發生率

發生率衡量一段期間內新發生疾病的速度。常用兩種指標：

1. 累積發生率（風險）：追蹤期間新發確診病例數，除以期初尚未罹病且具發病風險的人數。

2. 發生密度（發生率）：新發病例數除以所有無病者在追蹤期間累積的風險人時。

臺灣可依病例通報資料統計期間內新增確診數；若以人口作分母估算，需明確交代分母是期初無病人口，並說明追蹤期間。若每個人的追蹤時間不同，使用人時較合適。

三、感染盛行率

感染盛行率是特定時點或期間內，曾感染 SARS-CoV-2 的人數占母群體人口的比例。

核心觀念

流行曲線（epidemic curve）是依發病或病例發生時間，呈現各時間單位內新發病例數的圖形。縱軸放新發病例數，橫軸放日期或時間；題目給的是「累積病例數」，因此須先把累積數轉換為各期間新增數。

若第 $t$ 日累積病例數為 $C_t$，則該期間新增病例數為：

題目日期並非每日連續，故差值代表兩個觀察日期之間累積增加的病例數；無法由這張表得知每一新增病例的確切發病日。

解題方法與計算

依相鄰日期的累積病例數相減：

因此，各觀察日期所代表期間的新增數依序為：

流行曲線

以下以各區間的終點標示新增病例數，縱軸為區間新增病例數：

新增病例數
16 | █ █
14 |
12 |
10 |
 8 | █ █
 6 |
 4 | █
 2 | █ █
 0 | █ █ █
 +-------------------------------------------
 1日 5日 10日 15日 16日 17日 18日 19日 20日 21日

各區間長度不相同：例如 1日至5日相隔4天，5日至10日相隔5天，其餘多為1天。故此圖表示的是各觀察區間內新增病例數，不能直接把不同長度區間的柱高當成每日發病數相比。若要畫出精確的每日流行曲線，還需要各病例的發病日期；若只比較區間平均新增數，則可用區間病例數除以區間天數，但那是平均每日新增數，並不代表實際每日分布。

核心觀念

本題考查「普遍篩檢是否適當」，重點不在單看檢驗方法的敏感度與特異性，而要綜合疾病盛行率、篩檢後的預測值、檢查成本、偽陽性與偽陰性的後果，以及篩檢結果能否改變防治措施。

敏感度是有病者檢測陽性的比例，特異性是無病者檢測陰性的比例。陽性預測值（positive predictive value, PPV）則是檢測陽性者真正有病的比例：

其中 $\mathrm{Se}$ 為敏感度、$\mathrm{Sp}$ 為特異性，$P$ 為受檢族群的疾病盛行率。即使敏感度與特異性都很高，在盛行率極低的族群中，陽性結果仍可能有相當比例是假陽性。

解題方法

解題應從「普篩的效益是否大於代價」切入。題幹指出本土病例少，推估社區盛行率低；核酸檢測效能雖高，卻不能單憑「敏感度、特異性高於 95%」就推論全面篩檢必然有益。應分別考量檢驗結果的判讀、篩檢的實際效益，以及有限醫療資源如何配置。

全面普篩的主要限制

1. 低盛行率使陽性預測值下降。 假設敏感度、特異性均為 $95\%$，盛行率為 $0.1\%$，檢查 100,000 人，約有 100 人感染，其中約 95 人真陽性；約 99,900 人未感染，其中約 4,995 人偽陽性。因此：

這表示陽性結果需要進一步確認與臨床判斷；若直接視為確診，容易造成不必要的隔離、焦慮、接觸者追蹤及醫療負擔。

核心觀念

本題考查病例對照研究的病例與對照選取、研究族群定義，以及病例對照研究中的選擇偏差與結果解釋。

病例對照研究先依疾病狀態選取病例與對照，再回溯比較兩組過去的暴露情形。病例與對照應來自同一個來源族群，且對照須能代表該族群中「若發病時會被納入病例組」的人。主要分析指標為勝算比（odds ratio, OR），一般不能直接由此設計估計疾病發生率或相對危險度。

題幹指出感染後只有部分人出現症狀，因此須先界定研究結果究竟是「感染」還是「出現症狀／重症住院」。這兩者不能混為一談。

解題方法

依序檢視題目中的三個設計要素：病例定義、對照來源，以及研究所欲推論的結果。

1. 病例組的代表性不足 病例組限定為「目前所有住隔離病房」的確診病例，會漏掉未住院、症狀輕微或無症狀的感染者。若研究問題是感染的危險因子，病例應涵蓋研究期間與地區內符合定義的感染者，而非只納入住院者。現行設計較接近研究「住隔離病房之確診病例」的特徵，且容易混入住院或重症的危險因子。

2. 對照組定義與抽樣方式不恰當 「未曾被感染者」若未經檢測確認，可能包含無症狀或未被診斷的感染者，造成錯誤分類。即使確認未感染，對照仍須來自病例所屬的同一來源族群，並在相同研究期間有機會成為病例。若對照取自與病例不同的地區、就醫機會或接觸網絡，兩組暴露分布便不具可比性。

3. 暴露因素須界定時間與測量方式 年齡、出國史、職業、口罩及洗手習慣等因素，應界定在感染發生之前的暴露期間。口罩與洗手習慣若在確診後才詢問，可能受病例身分影響而產生回憶偏差；職業與出國史也須訂出一致的分類和時間窗。

核心觀念

本題考查疫苗接種如何透過降低易感人口比例，改變疾病傳播能力，進而形成群體免疫。

• 基本再生數 $R_0$：在特定病原體與傳播環境下，假設全體人口皆具易感性，一名感染者平均造成的次級感染數。它反映疾病在該環境中的傳播潛力。
• 有效再生數 $R$：在實際人口免疫狀態及防疫措施下，一名感染者平均造成的次級感染數。當 $R>1$，疫情有擴大趨勢；當 $R<1$，疫情逐漸趨緩。
• 群體免疫：人口中具有免疫力者達一定比例後，病原體較難接觸到易感者，使傳播鏈難以持續，間接保護尚未免疫者。

解題方法

以疫苗接種後「易感人口比例下降」推導有效再生數。若假設疫苗能完全防止感染、人口均勻混合，且沒有其他防疫措施，令 $p$ 為已接種且具免疫力的人口比例，則易感比例為 $1-p$，因此：

$R=R_0(1-p)$

當 $R<1$ 時，平均每位感染者造成的後續感染少於一人，疫情便會逐步衰退。令 $R<1$，可得：

$R_0(1-p)<1$

$p>1-\frac{1}{R_0}$

因此，理想條件下的群體免疫門檻為：

$p_c=1-\frac{1}{R_0}$