108 高普考普通考試 衛生技術 流行病學概要 考古題詳解

核心觀念

本題評量流行病學四大基礎領域之核心定義與觀念：

1. 流行病學研究設計：生態學研究（Ecologic study）的定義、分析單位（群體而非個體）、資料來源與限制（生態學謬誤 Ecologic fallacy）。
2. 篩檢與診斷試驗之效度指標：特異度（Specificity）之機率定義、四格表計算公式 $Specificity = \frac{TN}{TN + FP} = P(T^- \mid D^-)$，以及與偽陽性率（False Positive Rate, $\alpha$）之互補關係。
3. 法規與疾病監測：法定傳染病（Notifiable disease）之法源依據（以命題當年民國 108 年之《傳染病防治法》第 3 條為準）、通報責任架構與公共衛生監測目的。
4. 疾病自然史與疾病篩檢原理：可檢測的臨床前期階段（Detectable Pre-clinical Phase, DPCP）在疾病自然史時間軸上的定位，以及其作為次級預防（早期診斷、早期治療）有效介入窗口的流行病學意義。

解題方法

本題為公職考試標準的名詞解釋申論題型（每小題 5 分，共 20 分）。作答時採用「三段式破題法」能精準取得滿分：

1. 精準文字定義：以一句話確立該名詞在流行病學中的專門定義。
2. 核心元素／公式／分類拆解：列出關鍵要素、計算數學式或法條分級規定，展示專業精確度。
3. 流行病學意義與限制：補充該名詞在公衛應用時的限制、潛在偏差或防制價值。

（註：本題為申論名詞解釋題，非選擇題，故無個別選項分析；答題重點在於完整展現四大子題之理論定義、公式推導與法規依據。）

解題技巧

1. 生態學研究：切記點出「分析單位是群體而非個人」，並主動寫出「生態學謬誤（Ecologic fallacy）」此關鍵評分詞。
2. 特異度：不可僅寫「無病判無病」，務必列出二維四格表符號及條件機率式 $P(T^- \mid D^-)$，並點出「特異度高適用於確診（Rule-in）」以突顯深度。
3. 法定傳染病：依題旨標明以民國 108 年《傳染病防治法》第 3 條為準，並列出第一類至第五類分類精神；若知現行法有調整，需簡要附註。
4. 可檢測的臨床前期階段（DPCP）：用文字或線性箭頭清晰標示「篩檢可測得點」至「臨床症狀出現點」，並連結「領先時間偏差（Lead time bias）」及「次級預防機會之窗」。

【答案】

(一) 生態學研究（ecologic study）

1. 定義： 以「群體或族群」（population or group）作為觀察與分析單位的流行病學研究設計，而非針對「個人」（individual）收集暴露與疾病發生資料。
2. 資料特徵與用途： 通常利用現成之人口統計、公衛監測等次級資料（例如：比較不同國家的平均人均脂肪攝取量與乳癌死亡率之關係），成本低且耗時短，極適合用於探索新興疾病原因並「提出病因假說」。
3. 主要限制：

• 無法控制個體層級的干擾因子（confounders）。
• 容易產生生態學謬誤（Ecologic fallacy）：即在族群層級觀察到的暴露與疾病關聯性，並不代表在個體層級也存在相同的因果關聯。

(二) 特異度（specificity）

1. 定義： 指篩檢工具或診斷工具將「實際未患病者（真無病者）」正確判讀為「檢驗陰性」的機率或百分比，代表工具「排除非罹病者」之能力。
2. 數學公式與機率表達：

核心觀念

本題為流行病學探討「雙暴露因子（Two-exposure factorial design）」對疾病發生之影響與「交互作用（Effect Modification / Interaction）」的經典題型，評量重點如下：

1. 基準背景風險與單純效應（Independent / Main Effects）： 以雙未暴露組（$A-S-$）作為基準（Baseline），評估單一因子在另一因子不存在時的獨立效應，包含發生率（Incidence, $I$）、相對危險度（Relative Risk, $RR$）及危險差（Risk Difference, $RD$ / 超額危險度 Excess Risk）。
2. 無交互作用之獨立預期模型（Expected Risk under Independence）：

• 加法模型（Additive Model）：植基於生物學與公共衛生干預觀點。若兩因子無交互作用，雙重暴露者的超額發生率應等於各自獨立超額發生率的代數和： $I_{\text{exp (additive)}} = I_{00} + (I_{10} - I_{00}) + (I_{01} - I_{00}) = I_{10} + I_{01} - I_{00}$
• 乘法模型（Multiplicative Model）：植基於統計學對數線性迴歸（Log-linear model）觀點。若兩因子無交互作用，雙重暴露者的相對危險度應等於各自獨立相對危險度的乘積： $RR_{\text{exp}} = RR_{10} \times RR_{01} \implies I_{\text{exp (multiplicative)}} = \frac{I_{10} \times I_{01}}{I_{00}}$

3. 交互作用判別（Assessment of Interaction）： 比較「實際觀察風險（Observed）」與「相互獨立時的預期風險（Expected）」。若實際風險顯著大於預期風險，即代表兩因子存在「正交互作用（協同作用, Synergism）」。
4. 暴露組可歸因危險度百分比（Attributable Fraction in the Exposed, $AF_e$ 或 $AR\%$）： 衡量在具有特定暴露組合的群體中，若消除其中某一暴露因子，可預防或歸因於該因子的疾病風險比例： $AF_{e} = \frac{I_{\text{exposed}} - I_{\text{unexposed to factor of interest}}}{I_{\text{exposed}}} \times 100\%$

解題方法

數據結構化整理

將題幹所給之發生率符號化定義：

• 雙未暴露組（不吸菸且無 A 類飲食）：$I_{00} = I_{A-S-} = 3/1000 = 0.003$
• 單純 A 類飲食組（具 A 類飲食但無吸菸）：$I_{10} = I_{A+S-} = 6/1000 = 0.006$
• 單純吸菸組（吸菸但無 A 類飲食）：$I_{01} = I_{A-S+} = 8/1000 = 0.008$
• 雙重暴露組（具 A 類飲食且有吸菸）：$I_{11} = I_{A+S+} = 18/1000 = 0.018$

(一) 在獨立於 A 類飲食習慣的條件下，吸菸對罹患糖尿病的風險為何？

解析與推導： 「獨立於 A 類飲食習慣」意指在控制或排除 A 類飲食習慣影響的前提下（即在非 A 類飲食習慣族群 $A-$ 中），單獨評估吸菸對糖尿病的作用。

1. 吸菸者的發生率（Incidence）： $I_{A-S+} = \frac{8}{1000} \text{（即千分之 } 8 \text{ 或 } 0.008\text{）}$
2. 相對於雙未暴露組的相對危險度（Relative Risk, $RR$）： $RR_{S|A-} = \frac{I_{A-S+}}{I_{A-S-}} = \frac{8/1000}{3/1000} = \frac{8}{3} \approx 2.67\text{（倍）}$
3. 危險差／超額發生率（Risk Difference, $RD$）： $RD_{S|A-} = I_{A-S+} - I_{A-S-} = \frac{8}{1000} - \frac{3}{1000} = \frac{5}{1000} = 0.005\text{（每千人增加 } 5 \text{ 名病例）}$

答題時完整提供「發生率」、「相對危險度」與「危險差」，可涵蓋閱卷標準的所有給分維度。

(二) 假如 A 類飲食習慣與吸菸對糖尿病的作用相互獨立，則具 A 類飲食習慣且有吸菸者罹患糖尿病的預期風險為何？

解析與推導： 流行病學對「作用相互獨立（無交互作用）」有加法與乘法兩種模型，完整推導如下：

1. 加法模型（Additive Model，公衛與生物學主流）： 兩者效應互相獨立時，雙暴露者的預期發生率為各自獨立超額風險之和加上基線發生率： $I_{\text{exp (additive)}} = I_{A-S-} + (I_{A+S-} - I_{A-S-}) + (I_{A-S+} - I_{A-S-})$ $I_{\text{exp (additive)}} = I_{A+S-} + I_{A-S+} - I_{A-S-}$ 代入數值： $I_{\text{exp (additive)}} = \frac{6}{1000} + \frac{8}{1000} - \frac{3}{1000} = \frac{11}{1000} = 0.011\text{（千分之 } 11\text{）}$

2. 乘法模型（Multiplicative Model，統計迴歸分析模型）： 兩者效應互相獨立時，預期相對危險度為各自相對危險度之乘積： $RR_{A+S-} = \frac{6/1000}{3/1000} = 2.0$ $RR_{A-S+} = \frac{8/1000}{3/1000} = \frac{8}{3} \approx 2.67$ $RR_{\text{exp (multiplicative)}} = RR_{A+S-} \times RR_{A-S+} = 2 \times \frac{8}{3} = \frac{16}{3} \approx 5.33$ 因此預期發生率為： $I_{\text{exp (multiplicative)}} = I_{A-S-} \times RR_{\text{exp}} = \frac{3}{1000} \times \frac{16}{3} = \frac{16}{1000} = 0.016\text{（千分之 } 16\text{）}$

(三) 由此研究結果判斷，A 類飲食習慣與吸菸是否對罹患糖尿病具有交互作用？

核心觀念

1. 實證醫學證據等級（Hierarchy of Evidence）與因果推論強度： 因果推論強度的評估取決於三項核心要素：

• 時序性（Temporality）：暴露（Exposure, $E$）是否明確先於疾病（Disease, $D$）發生（即 $E \to D$）。
• 干擾因子（Confounder）的控制能力：研究設計能否藉由「隨機分派（Randomization）」平衡已知與未知干擾因子。
• 觀察與分析單位（Unit of Analysis）：資料屬於「個體層級（Individual level）」或「群體／匯總層級（Aggregate/Population level）」。

2. 流行病學五大研究設計分類：

• 實驗型研究（Experimental Study）：隨機化對照試驗。
• 觀察型研究（Observational Study）：
• 個體層級：世代型研究（前瞻／回溯）、病例對照研究、調查型研究（橫斷式研究）。
• 群體層級：生態學研究。

3. 流行病學偏差（Bias）光譜： 各研究設計在執行時受「選擇偏差（Selection bias）」、「資訊偏差（Information bias，如回憶偏差）」與「干擾偏差（Confounding bias）」影響的程度各異。

解題方法

本題為高普考公職衛生技術類科典型的結構性申論題，作答應採取「先定序並說明學理依據、再分項深剖固有弱點」的解題架構：

1. 子題 (一) 切入點：

• 先列出明確的強度階層排序。
• 逐一依「實驗控制力」、「時序性確立度」、「分析單位」說明排序原因，確立給分標準（10 分）。

2. 子題 (二) 切入點：

• 採五大研究法獨立條列（每項 3 分，合計 15 分）。
• 各項弱點皆針對「時序性問題」、「代表性偏差類型（如回憶偏差、生態謬誤、存活者偏差）」、「成本與倫理可行性」及「罕見疾病／暴露適用性」進行精準批判。

申論擬答

(一) 五種研究法提供因果實證性強度的順序及其學理依據（10 分）

1. 因果實證性強度排序： $\text{隨機化對照試驗} > \text{世代型研究} > \text{病例對照研究} > \text{調查型研究} > \text{生態學研究}$

2. 排序學理依據：

• 隨機化對照試驗（Randomized Controlled Trial, RCT）［最強］： 屬於介入型實驗研究。透過「隨機分派」能同時將「已知」與「未知」的干擾因子在組間均等化；且暴露發生於結局之前，時序性最為堅實，因此提供因果推論之實證強度最高。
• 世代型研究（Cohort Study）： 屬於觀察型研究。追蹤無病個體之暴露狀態至疾病發生（$E \to D$），時序性極為明確，可直接計算發生率與相對危險度（Relative Risk, $RR$）；但缺乏隨機分派，仍可能受未知或未測量之干擾因子影響，強度次於 RCT。
• 病例對照研究（Case-Control Study）： 屬於觀察型研究。先依疾病狀態分組，再回溯調查過去暴露（$D \to E$）。雖然分析單位為個體，但因發病在前、調查在後，時序性之確定性遜於世代研究，且易受回憶偏差與選擇偏差干擾。
• 調查型研究（Cross-Sectional Study / Survey Study）： 屬於觀察型研究。在單一時間點同時測量個體的暴露與疾病狀態，無法明確判定究竟是暴露先發生、或是疾病先發生，存在「倒果為因」之嚴重限制，時序性薄弱。
• 生態學研究（Ecological Study）［最弱］： 分析單位為「群體（如國家、縣市、學校）」而非「個體」。群體層級所觀察到的暴露與疾病關聯，無法直接外推至個人，因果實證強度在五者中最低。

(二) 這些研究法的主要弱點（15 分）

1. 隨機化對照試驗（Randomized Controlled Trial）之主要弱點：

• 倫理限制（Ethical Constraints）：無法將已知或潛在有害的環境危害因子、致癌物或致病行為（如抽菸、毒性物質）隨機分派給受試者。
• 外在效度（External Validity）受限：收案與排除條件極度嚴格，試驗母群體與現實世界真實病患存在顯著差距，研究結果推論性有限。
• 成本高昂且耗時：需龐大的人力、經費與長期監測系統，不適用於潛伏期長或罕見的健康結局。
• 順從性差與失訪：受試者可能因藥物副作用或個人因素中途退出或未遵從試驗指引，破壞隨機分派優勢。

2. 世代型研究（Cohort Study）之主要弱點：

• 不適用於罕見疾病（Rare Diseases）：若疾病發生率極低，需招募並追蹤極龐大樣本群，耗費巨額時間與經費，研究效益低。

核心觀念

本題考查二分類檢測結果的一致度、Cohen’s kappa、特異度，以及盛行率、敏感度與陽性預測值的關係。

令 $N$ 為總人數，觀察一致度為兩種方法判定相同的人數比例；kappa 則扣除依兩種方法各自陽性率、陰性率所預期的偶然一致：

特異度的定義為真陰性率，即參考標準判定陰性者中，受測方法判定陰性的比例。題目沒有提供獨立的疾病診斷標準，以下依題意將 A 篩檢法視為參考標準，計算 B 的特異度。

解題方法

（一）A 與 B 的一致度

一致的格子是兩種方法都判陽性的 $350$ 人，以及兩種方法都判陰性的 $780$ 人。總人數為：

因此：

A 與 B 的檢測一致度為 80.71%。

（二）A 與 B 的 kappa 統計量

先計算邊際人數：

• A 陽性：$350+150=500$ 人；A 陰性：$120+780=900$ 人。
• B 陽性：$350+120=470$ 人；B 陰性：$150+780=930$ 人。

依邊際比例計算偶然一致度：

代入 kappa 公式：

因此，$\kappa\approx\mathbf{0.574}$。

（三）B 篩檢法的特異度

以 A 作為參考標準時，A 陰性者共有 $120+780=900$ 人，其中 B 也判陰性的有 $780$ 人：