113 專技高考高等考試 公共衛生師 流行病學 考古題詳解

核心觀念

本題考的是年齡混雜與直接年齡標準化。粗盛行率是各年齡層盛行率依該族群實際年齡分布加權後的結果：

其中 $p_a$ 是年齡層 $a$ 的吸菸盛行率，$w_a$ 是該族群在該年齡層的人口占比。年齡調整則是讓兩族群使用相同的年齡權重，以便比較。

解題方法

題幹指出，65 歲以上男性的吸菸盛行率明顯較低，而白人男性中 65 歲以上人口的占比高於黑人男性。這代表兩族群的粗盛行率受到不同年齡結構影響。

核心觀念

本題考查的是篩檢造成的存活時間偏差，尤其是「領先時間偏差」（lead-time bias），以及存活率、平均存活時間與致死率的區別。

• 存活時間：從診斷或發病到死亡的時間。篩檢若提早診斷，即使沒有延後死亡，從「診斷」起算的存活時間仍會變長。
• 5 年累積存活率：診斷後存活至少 5 年的比例；不等同於治療或篩檢降低死亡風險。
• 致死率：罹患某疾病者在特定期間內因該病死亡的比例。要比較致死率，須有適當的比較組、明確的疾病死亡判定與追蹤資料。

解題方法

研究中 219 名篩檢發現肺癌者，追蹤 5 年有 127 人死亡，死亡比例為：

因此，尚有 $219-127=92$ 人在 5 年追蹤期間未死亡；粗略以全體為分母，5 年存活比例約為：

但此數值不能直接與文獻所述「肺癌病人整體 5 年累積存活率約 26%」比較後，就認定篩檢提高存活率。兩組的族群組成、疾病期別、追蹤方式與存活時間起算點都未證明相同；此外，題目未交代死亡是否皆為肺癌死亡，因此 58% 是追蹤期間的全死因死亡比例，不能逕稱肺癌致死率。

核心觀念

本題考查分層分析中「效果修飾」的判讀，以及相對尺度與絕對尺度會呈現不同結論。相對風險比值為後出生者與先出生者的死亡風險之比；風險差則是兩者死亡風險相減。

解題方法

每一組妊娠週數中，雙胞胎妊娠數就是先出生者與後出生者各自的比較分母，因此：

依表中數據計算：

核心觀念

年齡標準化死亡率是將不同地區的年齡別死亡率，套用到同一個標準人口的年齡結構上，再加總得到的指標。直接標準化的公式為：

其中，$r_i$ 是研究地區第 $i$ 年齡層的死亡率，$N_i^{(s)}$ 是標準人口在該年齡層的人數。標準人口的年齡分布會影響加權結果，因此標準化率適合在使用相同標準人口的前提下比較地區。

解題方法

逐項判斷敘述是否符合直接標準化的原理。特別注意：若兩地各年齡別死亡率完全相同，使用同一標準人口計算時，兩地標準化死亡率必然相同；粗死亡率則還會受到各地實際年齡結構影響。

選項分析

(A) 正確。 同一地區的年齡別死亡率固定時，選用不同標準人口，就會用不同的年齡權重加權，算出的年齡標準化死亡率可能不同。

核心觀念

本題考「累積發生率」（cumulative incidence），也稱為追蹤期間的發生危險性。其分子是追蹤期間新發生的病例；分母是追蹤開始時仍有罹病風險的人數。已在追蹤開始前罹患子宮頸癌者，以及已切除子宮者，不列入子宮頸癌的風險人口。

解題方法

追蹤起始時共有 $2{,}600$ 位婦女。先扣除追蹤前曾罹患子宮頸癌的 $170$ 人，以及曾接受子宮切除的 $360$ 人：

追蹤 15 年期間新發生子宮頸癌者有 $20$ 人，因此累積發生率為：

換算為每千人：

題幹提供的乳癌人數與子宮頸癌發生危險性的分母無關，故不需扣除。

選項分析

核心觀念

發生率與盛行率都用來描述疾病頻率，但回答的問題不同：

• 發生率關注「一段時間內有多少人新發病」，可表示為該期間的新發病例數除以具發病風險的人口數；若採發生密度，則以人時為分母。
• 盛行率關注「某一時點或期間內有多少人患病」，分子包含既有病例與新發病例，分母是該時點或期間所涵蓋的總人口。

解題方法

先辨認題目把疾病頻率指標與用途相連的敘述是否恰當。發生率反映新病例出現的速度或風險，適合研究疾病發生及病因；醫療資源與健康服務規劃，通常更需要知道某一時點或期間有多少人正在患病，因此盛行率是較直接的參考指標。依題目提供的官方答案，錯誤敘述為 D。

選項分析

核心觀念

本題考「盛行率—發生率—平均病程」的近似關係。當疾病相對少見、族群與疾病狀態大致穩定，且個案平均存活時間可代表平均病程時：

其中盛行率是某一時點或期間內已有疾病者占族群的比例；發生率則是一定期間內新發個案占未患病風險人口的比例。

解題方法

已知盛行率為 $20\%=0.20$，診斷後平均存活時間為 $10$ 年。依上述近似關係：

因此選擇每年發生率為 $2.0\%$ 的選項。

核心觀念

本題考「平均餘命」的生命表解讀。政府公布的出生平均餘命通常採用期間生命表（period life table）：把某一期間、各年齡層的死亡率套用於一個假想世代，推算其存活情形。這是假設各年齡別死亡率維持不變的估計值，不是追蹤某個實際世代直到全數死亡後計算出的平均壽命。

生命表常以 $l_x$ 表示活到 $x$ 歲的人數，以 $L_x$ 表示 $x$ 至 $x+n$ 歲間的總人年數；$x$ 歲的平均餘命為：

其中 $T_x$ 是從 $x$ 歲起預期可累積的總人年數。

解題方法

先判斷平均餘命使用的是期間生命表還是世代生命表，再核對各選項對死亡率假設、實際壽命及人年損失的描述。題幹官方答案指定為 B；B 把平均餘命說成以「世代生命表法」計算，與政府公布平均餘命通常採用期間生命表的命題概念不符。

選項分析

核心觀念

本題考查病因的「必要因子」與「充分因子」：

• 必要因子：某疾病發生時必須存在；缺少該因子，疾病就不會發生。
• 充分因子：單獨或一組因子具備時，足以引發疾病；具備該因子便會發病。

同一因子可以是必要因子，卻不是充分因子。

解題方法

判斷 HIV 與 AIDS 的關係：AIDS 是 HIV 感染進展造成的疾病狀態。沒有 HIV 感染，就不會發生 AIDS，因此 HIV 是 AIDS 的必要因子。

但感染 HIV 不代表必然立即或必定發展成 AIDS；是否進展及進展時間，還受到免疫狀態、治療等因素影響。因此 HIV 本身不是充分因子。

選項分析

核心觀念

本題考「疾病自然史」的易感受期。疾病自然史可概分為易感受期、臨床前期與臨床期。易感受期是疾病尚未發生、個體也尚無疾病症狀或病理變化時，存在使未來罹病風險增加的宿主、環境或病原因素；臨床前期則是疾病已開始發展，但尚未出現可辨識的臨床症狀。

解題方法

題幹指出 ApoE 基因缺陷是先天存在的遺傳特徵，且會增加未來罹患失智症的風險。這描述的是罹病前的宿主易感因素，尚未表示失智症已經發生或出現病理變化，因此屬於易感受期。

判斷關鍵在於：題目問的是「基因缺陷」所處的階段，而不是失智症發病後的病程。先天風險因子本身不等於疾病已進入臨床前期或臨床期。

選項分析

核心觀念

本題考「充分因子－促成因子」模型。每個圓代表一組足以引發心臟病的充分因子組合；圓內的字母是該組合中的促成因子，圓下的百分比則是由該組合造成的病因分率。

要計算促成因子 B 所造成的病因分率，須加總所有包含 B 的充分因子組合所占的比例。

解題方法

圖中包含 B 的組合有兩個：

• 充分因子 I：包含 B，病因分率為 $25\%$
• 充分因子 III：包含 B，病因分率為 $10\%$

因此：

選項分析

核心觀念

本題考查因果關係判斷中的三個重點：統計顯著性與因果推論的差異、暴露與疾病的時序性，以及干預證據對因果推論的支持。

統計檢定未達顯著，表示研究未能拒絕「無統計關聯」的虛無假設，不等於證明暴露與疾病沒有因果關係。結果也可能受到樣本數不足、測量誤差或其他研究限制影響；因果判斷須綜合研究設計、偏差與混雜等因素。

解題方法

逐項檢視敘述是否把一項因果判準或研究結果，錯誤地當成足以單獨證明因果關係的結論：

• 若把「未達統計顯著」直接解讀成「沒有因果關係」，推論過度。
• 若暴露與疾病狀態是在同一時間測量，須留意無法確認先後順序，因而可能有倒因為果。
• 時序性要求原因先於結果；但只符合時間先後，仍不足以單獨確立因果關係。
• 若移除可能病因後疾病較不易復發，可作為支持因果關係的干預證據。

選項分析

(A) 錯誤。 統計學上不顯著不能證明沒有因果關係，只能說本研究未提供足夠證據拒絕無統計關聯的假設。研究可能因樣本數不足而檢定力低，也可能有暴露或疾病測量不精確等問題。因此，不能由「未達顯著」直接推論「沒有因果關係」。這正是本題錯誤選項。

核心觀念

本題考的是依據研究對象的選取方式、暴露資料的取得時間，以及是否追蹤結果事件，辨識觀察性研究設計。

世代研究先界定一群研究對象，再比較不同暴露狀況下後續結果的發生情形。若研究開始時，研究者利用已存在的資料回頭建立世代、判定暴露，並追蹤已記錄的疾病結果，屬於回溯性世代追蹤研究。

解題方法

題目先以健保資料庫找出 2005～2018 年間經診斷為第二型糖尿病的患者，形成研究世代；再依居住地址附近的監測站資料，取得各年度 PM2.5 暴露值，並追蹤至 2021 年觀察是否新發急性腎衰竭。

題幹的關鍵是：研究者先界定一群糖尿病患者，依 PM2.5 暴露高低比較其後續新發腎衰竭，而研究使用的是已累積的健保與空污監測資料。因此，研究的分析架構是回溯性世代追蹤研究。

選項分析

(A) 橫斷研究（cross-sectional study）錯誤。 橫斷研究在特定時間點同時測量暴露與疾病狀態，主要估計盛行率，無法清楚建立暴露先於新發疾病的時間順序。本題利用歷年資料追蹤新發急性腎衰竭，並非單一時間點的調查。

核心觀念

本題考查分子流行病學研究設計的選擇，尤其是如何兼顧因果時序、檢體檢測成本與研究效率。題目關注人體內塑化劑含量、BRCA1/2 基因缺陷與乳癌的關係；若研究資料來自既有世代研究，從中找出乳癌病例及未罹病對照，再檢測保存檢體，即可採用巢式病例對照研究。

解題方法

判斷時先看題目強調的兩項條件：

1. 因果時序：欲評估的暴露或生物標記，最好是在乳癌發生前已取得，才能降低疾病發生後才測量所造成的反向因果疑慮。
2. 實驗經費：塑化劑濃度與基因狀態的檢測可能耗費經費。若對整個大型世代的所有人都檢測，成本較高；只對病例及抽樣選出的對照檢測，較有效率。

巢式病例對照研究是在既有世代中進行病例對照比較，通常可利用世代中先前保存的檢體，因此兼顧暴露資料的時間先後與檢測成本，符合題意。

選項分析

• (A) 巢式病例對照研究：正確。 從既有世代中辨認新發病例，並自同一世代抽取對照，針對病例與對照檢測塑化劑含量及 BRCA1/2 基因缺陷。

核心觀念

本題考的是病例交叉研究（case-crossover study）。研究者只納入已發生急性心肌梗塞的病例，將每位患者在心肌梗塞發作前的短期暴露情形，與同一患者較早一段時間的暴露情形比較；因此每位患者都是自己的對照。

這種設計適合探討短暫暴露是否觸發急性事件，例如短期睡眠品質不佳與心肌梗塞發作的關聯。由於比較的是同一個人的不同時間，性別、基因等不隨時間改變的特徵會在個人內比較中受到控制，因而可減少個體間干擾因子的影響；但隨時間改變的因子仍可能造成混雜。

解題方法

先辨認題幹的設計特徵：每位病例各有一段「事件前暴露期」及一段「較早的對照期」，並以同一患者的暴露情形互相比較。這正是病例交叉研究的典型安排。

本題不是比較不同患者之間的暴露差異，而是比較同一患者在不同時期的暴露，因此可視為配對資料，分析時可使用條件式羅吉斯迴歸。接著辨別各選項是否符合病例交叉研究的用途、優點與限制，即可找出錯誤敘述。

選項分析

核心觀念

本題考意向分析法（intention-to-treat analysis, ITT）與符合計畫書分析（per-protocol analysis, PP）的差別，以及受試者依從性對臨床試驗結果的影響。

• 意向分析法：受試者依最初隨機分派的組別分析，不因停藥、未依指示服藥或轉換治療而改組。此法保留隨機分派帶來的組間可比性，估計的是「分派至某治療策略」的效果。
• 符合計畫書分析：依是否遵守試驗計畫與治療方案納入或分析受試者，較接近「依計畫接受治療」的效果；但排除不依從者可能破壞原有的隨機化可比性。

解題方法

題幹指出，同一試驗分別以 ITT 與 PP 分析，兩次結果有明顯差異。判斷關鍵在於：兩種分析對未依計畫接受治療的受試者處理不同。

若患者依從性不佳，ITT 仍將患者保留在原先分派組別；PP 則可能排除未依從者，或只分析符合計畫者。因此兩種分析所納入的人群不同，估計的治療效果也可能出現明顯差異。最符合題意的是患者依從性不佳。

選項分析

核心觀念

病例對照研究先依疾病狀態選出病例與對照，再比較兩組過去的暴露情形。對照組的功能，是代表產生病例的來源族群；因此，對照組的暴露頻率可用來估計該來源族群中的暴露頻率。

對照組不是用來估計未暴露者的病例數、疾病背景風險或可歸因風險。病例對照研究通常以病例與對照的暴露勝算計算勝算比（$OR$），而非直接估計疾病發生率或風險。

解題方法

判斷對照組的選取目的，先問：若來源族群中有一人發生病例，依研究設計他是否有機會被納入病例組？對照組應從同一來源族群選出，並能反映該族群的暴露分布。

因此，病例組的暴露頻率代表病例的暴露情形；對照組的暴露頻率則估計來源族群的暴露頻率。這正是選項（B）的意思。

選項分析

• (A) 提供未暴露族群中預期病例數的估計：錯誤。 病例對照研究是先依疾病狀態抽樣，通常無法直接估計未暴露族群中的病例數。估計病例數或發生率需要來源族群的分母與追蹤資料。

核心觀念

病例對照研究先依疾病狀態選取病例組與對照組，再回溯比較兩組過去的暴露情形。由於研究者設定了病例與對照的人數，通常無法直接由樣本估計母群體的疾病率；研究的主要關聯指標是勝算比（odds ratio, OR）。

病例對照研究回溯暴露時，也須留意時間先後與偏差。若暴露資訊由問卷取得，病例與對照可能因記憶或報告方式不同而產生回憶偏差；研究設計本身並不會因此自動確立暴露與疾病的因果關係。

解題方法

判斷各選項是否符合病例對照研究的設計特性與常見偏差定義。關鍵在於區分「暴露發生在疾病之前」與「因果關係已明確」：前者是建立因果推論時重要的時間順序，後者還需要其他證據支持，不能只由問卷回溯得出。

選項分析

(A) 正確。 病例對照研究依疾病狀態選取研究對象，病例與對照比例通常由研究設計決定，因此不能直接用樣本中的病例比例估計疾病率。研究通常以 OR 衡量暴露與疾病的關聯。

核心觀念

流行病學的世代分析（age–period–cohort analysis）用三個時間面向描述疾病或健康狀況的變化：

• 年齡效應（age effect）：健康狀況隨個人年齡改變。
• 年代效應（period effect）：某一時期發生的共同影響，使不同年齡組在該時期的健康狀況改變。
• 世代效應（cohort effect）：同一出生世代因共同經歷或暴露，在不同年齡時呈現特定健康狀況。

解題方法

判斷年代效應時，抓住「同一時期」這個關鍵：年代效應關注某個時間點或時期的因素，對當時各年齡組造成的共同影響。因此應選「影響不同年齡組在同一時期的健康狀況」。

例如，某年開始推行全民疫苗接種，若不同年齡組在該時期的疾病風險都因此改變，這屬於年代效應。

選項分析

核心觀念

實驗流行病學由研究者主動分派介入措施，再比較介入組與對照組的結果。隨機分派有助於平衡已知與未知的干擾因子；盲化則是讓研究中的特定人員不知受試者的組別，以降低因知悉分組而產生的測量偏差或其他偏差。

解題方法

逐項判斷各敘述是否符合實驗研究的特性，特別留意「雙盲」的對象與目的：雙盲並非只讓計畫主持人和訪視者不知分組，而是讓研究中的兩類關鍵人員（通常為受試者與研究人員）不知分組，實際對象須視研究設計而定。

選項分析

(A) 正確。 介入性研究通常需規劃並執行介入措施、招募及追蹤受試者，也常須監測介入安全性，因此時間、人力與經費成本通常高於觀察性研究。

(B) 正確。 隨機對照試驗（RCT）透過隨機分派介入組與對照組，降低選擇偏差，並使已知及未知干擾因子較有機會在組間平衡，是提供介入效果與因果關係證據的重要研究設計之一。

核心觀念

本題考「族群發生率可歸因比例」（population attributable fraction, $PAF$），也稱「族群可歸因危險比例」。它表示族群中全部病例有多少比例可歸因於暴露，在假設飲酒與肝硬化具因果關係且沒有混雜的條件下，若移除飲酒暴露，理論上可避免的病例比例。

已知飲酒者發生率 $I_e=8/1{,}000$、不飲酒者發生率 $I_0=2/1{,}000$，飲酒者比例 $P_e=0.40$。

解題方法

先求全族群發生率 $I_p$，再計算族群可歸因比例：

族群可歸因發生率為全族群發生率減去未暴露者的基準發生率：

因此，族群發生率可歸因於飲酒的比例為：

核心觀念

回溯性世代研究（retrospective cohort study）依據過去已發生的暴露狀況，將研究對象分為暴露組與未暴露組，再利用既有紀錄追蹤其後續疾病發生情形。研究仍保有「先暴露、後結果」的世代研究架構，因此只要能掌握各組人數及追蹤時間，就能計算疾病發生率。

發生率可用人時表示：

也可在追蹤期間完整且分母適當時，計算累積發生率。

解題方法

先看研究設計能否確定「誰曾暴露」以及「之後是否發病」。回溯性世代研究通常透過既有病歷、職業紀錄或其他資料，辨認過去的暴露組別，並觀察其後續結果。因此可以計算發生率，選項 (A) 正確。

選項分析

(A) 可以計算發生率：正確。 世代研究依暴露狀態分組，觀察後續新發病例，能以新發病例數除以人時等適當分母計算發生率。研究資料是回溯取得，不會改變其依暴露分組並觀察疾病發生的世代研究性質。

核心觀念

病例交叉設計（case-crossover design）用來研究「短暫暴露是否會引發急性事件」。每位病例以自己作為對照，比較事件發生前的危險期與未發生事件時的參照期之暴露情形。由於同一人充當病例與對照，可控制性別、基因體質等不隨時間改變的個體特徵；但不能因此控制會隨時間改變的干擾因子。

解題方法

先辨認病例交叉設計適用的暴露與疾病型態，再判斷「自我對照」能控制哪些混雜因子。關鍵在於區分時間不變與時間變動因素：前者在同一人不同期間保持一致，能由配對比較控制；後者會隨危險期與參照期改變，仍可能造成混雜。

選項分析

核心觀念

本題考臨床試驗比較兩組二元結局（如治癒／未治癒）時，哪些因素會影響所需樣本數。樣本數通常會隨著預期組間差異變小、顯著水準降低、檢定力提高而增加。

以兩組治癒率 $p_1$、$p_2$ 為例，樣本數公式的主要關係可概括為：

其中，$\alpha$ 是第 I 型錯誤率，$1-\beta$ 是檢定力；分母的 $(p_1-p_2)^2$ 是兩組治癒率差異的平方。題目問的是：哪個條件會使樣本數增加？

解題方法

逐一判斷各選項對公式的影響：

• 組間差異 $|p_1-p_2|$ 增加，分母變大，所需樣本數減少。
• 改採單尾檢定，其他條件相同時通常可降低臨界值，所需樣本數減少。
• 願意接受較高的第 I 型錯誤率，即提高 $\alpha$，通常會降低臨界值，所需樣本數減少。

核心觀念

本題考「偏差方向」的判斷。相對風險比（risk ratio, $RR$）的無效值（null value）是 $1$：

• $RR$ 越接近 $1$，稱為趨零偏差（toward the null）。
• $RR$ 越遠離 $1$，稱為離零偏差（away from the null）。

題目給定估計值 $RR=0.2$、真值 $RR=0.5$。兩者都小於 $1$，表示方向相同；比較它們與 $1$ 的距離即可判斷偏差方向。

解題方法

比較估計值與真值到無效值 $1$ 的距離：

估計值 $0.2$ 比真值 $0.5$ 更遠離 $1$，因此估計結果把關聯強度推得更遠離無效值，屬於離零偏差。

本題描述的嚴重失去追蹤是偏差可能的來源；但判定偏差方向時，直接比較估計值與真值相對於無效值的位置即可。

選項分析

核心觀念

本題考的是暴露資料的分類錯誤，以及判斷分類錯誤是否因病例狀態而異。

巢式病例對照研究是在一個既有世代中，於病例發生時從該世代選取對照，再比較病例與對照先前的暴露情形。本題的暴露是砷濃度；檢體存放多年導致砷濃度檢驗不準確，代表暴露狀態可能被錯誤分類。

• 無差別性分類錯誤：病例與對照的暴露測量錯誤程度相近，分類錯誤不因疾病狀態而異。
• 差別性分類錯誤：暴露測量錯誤程度因病例或對照身分而不同。

解題方法

先辨認錯誤發生在哪裡：題幹指出的是砷濃度檢驗不準確，因此屬於暴露資訊的分類錯誤；不是研究對象被選入或排除的問題，也不是因研究者知道疾病狀態而以不同方式偵測暴露。

題幹沒有指出病例與對照的檢體因保存時間、檢驗方式或其他原因而有不同程度的誤差。依題目設定，應將這種檢驗不準確視為病例與對照同樣受到影響，因此屬於無差別性分類錯誤。

選項分析

核心觀念

本題考查選樣偏差的成因，以及研究設計如何降低偏差。選樣偏差是指研究對象的納入或留在研究中的機會，與暴露狀態、疾病狀態或兩者的組合有關，因而使研究樣本無法代表原欲研究的族群，或使暴露與疾病的關聯估計失真。

增加樣本數主要能降低隨機誤差、提高估計精確度；若選樣方式本身有偏差，增加樣本數並不會消除偏差。

解題方法

判斷各選項是否能改變研究對象的選取機制。若措施改善了誰能進入研究、降低特定對象未回應或被漏納的情況，就可能減少選樣偏差；若只是增加樣本量，通常只改善精確度，不會修正系統性偏差。

選項分析

(A) 增加樣本數：正確，為本題答案。 增加樣本數可縮小抽樣誤差，降低標準誤，讓估計值更精確；但若樣本的選取仍有系統性偏差，樣本再大也只是更精確地估計出有偏的結果，因此無法減少選樣偏差。

核心觀念

本題考查病例對照研究中的差別性分類錯誤。分類錯誤是指研究對象的暴露狀態或疾病狀態被錯誤分類；若錯誤分類的發生率或程度會因另一個研究變項而不同，便屬於差別性分類錯誤。

本題中，暴露是「懷孕期間使用藥物」，結果是「低出生體重」。題目指出，低出生體重兒童的母親比正常出生體重兒童的母親更常出現「偽陽性的藥物使用報告」，也就是兩組母親對藥物暴露的錯誤回報率不同。

解題方法

先確認錯誤發生在哪個變項：母親對懷孕期間藥物使用的報告錯誤，屬於暴露分類錯誤。再看錯誤是否因病例組與對照組而異：低出生體重兒童的母親較常偽報有使用藥物，代表暴露分類錯誤與結果狀態有關。

因此，這是差別性分類錯誤。病例組回報暴露的頻率因錯誤而較高，可能使暴露與低出生體重之間的關聯估計偏離真實值；偏差方向須依錯誤比例及研究資料而定，不能僅憑題幹一概判定。

選項分析

• **(A) 選樣偏差（selection bias）錯誤。**選樣偏差是病例或對照的納入、留存機率與暴露及結果相關，導致研究樣本無法適當代表目標族群。本題描述的是母親對藥物使用的報告錯誤，並非研究對象如何被選入。

核心觀念

本題承接前題，考的是前題所述偏差對勝算比（odds ratio, OR）的影響方向。勝算比比較暴露組與未暴露組的疾病勝算；若前題所述偏差使病例中的暴露比例被高估，則估計的 OR 也會偏高。

解題方法

以病例對照研究的 $2\times2$ 表為例：

勝算比為：

若前題所述偏差使病例組的暴露勝算 $a/b$ 被高估，而對照組的暴露勝算 $c/d$ 未受到相同程度的影響，兩者相除後，估計的 OR 會高於真實 OR。因此，依官方答案，偏差造成的結果是 OR 增加。

核心觀念

本題考的是交互作用（interaction）在加成尺度與乘法尺度上的判定。吸菸是暴露因子，高血壓是分層因子；題目分別提供高血壓者與非高血壓者中，吸菸相對於不吸菸的相差危險性（風險差）及相對危險性（風險比）。

• 加成性：比較不同分層中的風險差。若兩個因子的聯合作用超過各自作用相加的預期，可稱為加成性協同。
• 乘法性：比較不同分層中的相對危險性。若各因子的聯合作用符合相對危險性的乘積關係，屬於累乘性獨立；超過預期為累乘性協同，低於預期則為累乘性拮抗。

解題方法

先按題目提供的尺度分別判讀：

1. 加成尺度：高血壓者中，吸菸與不吸菸的風險差為 $7\times10^{-3}$；非高血壓者中為 $4\times10^{-3}$。前者較大，表示吸菸的額外絕對風險在高血壓者中增加，呈現加成性協同。
2. 乘法尺度：高血壓者中的相對危險性為 $4.5$，非高血壓者中為 $5$。兩者並不相等，因此不符合乘法尺度上的獨立作用；且高血壓者的相對危險性較低，並非乘法尺度上的協同。

核心觀念

本題考的是干擾因子造成偏差的方向。甲暴露會降低乙疾病風險，因此甲與乙疾病呈反向關聯，可用相對風險 $RR<1$ 表示。題目中的因子同時與甲暴露正相關、與乙疾病負相關；未控制它時，這兩種關係會讓甲暴露看起來比實際上更具保護效果。

解題方法

先判斷未控制該因子會把觀察到的關聯推向哪一側：

1. 因子與甲暴露正相關，暴露組較常具有該因子。
2. 因子與乙疾病負相關，具有該因子者較不容易罹病。
3. 因此，暴露組會因較常具有該保護因子而呈現較低的疾病風險，使甲與乙疾病的觀察關聯更偏向強烈的負向關聯。

由於甲原本已是保護性暴露（$RR<1$），觀察到的 $RR$ 會更低、更遠離虛無值 $1$，因此是離零偏差（bias away from the null）。

選項分析

核心觀念

本題考「干擾（confounding）」及干擾控制前後效應估計的變化。

干擾因子與暴露及結果都相關，且不是暴露造成的中介變項；若未控制干擾因子，暴露與結果的觀察關聯會混入干擾因子的影響。比較未調整與調整後的估計值，可判斷干擾使關聯朝哪個方向偏移：

• 離零偏差（away from the null）：未調整的關聯比調整後更遠離無效值，呈現較強關聯。
• 趨零偏差（toward the null）：未調整的關聯比調整後更接近無效值，呈現較弱關聯。

對相對尺度的效應量，例如相對危險度，無效值通常為 $1$；對差異尺度則為 $0$。題幹未提供效應量數字，但指出控制年齡和社經地位後，相關性減弱，足以判斷調整前的關聯較強。

解題方法

先比較控制年齡及社經地位前後的關聯強度：

1. 未控制時，生活不滿意與全死因死亡率呈劑量－反應關係，顯示兩者有正向關聯。
2. 控制年齡與社經地位後，相關性減弱，表示未調整的關聯被這兩項因素推向較強的方向。
3. 因此，年齡與社經地位造成的是離零偏差，符合選項 (B)。

核心觀念

本題考「控制干擾因子」的方法及其對研究外部效度的影響。外部效度是研究結果能否推廣至原研究對象以外族群或情境的程度。控制干擾因子的方法包括研究設計階段的隨機分配、配對、限制，以及分析階段的分層分析等。

限制法是事先規定研究對象必須符合特定條件，例如只納入某一性別或特定年齡範圍，以排除該特徵造成的干擾。這會使研究樣本的特徵較狹窄，研究結果較難推廣至未符合納入條件的族群，因此可能降低外部效度。

解題方法

判斷各方法是否影響外部效度，可看它是否會縮窄研究對象的範圍：

• 若方法主要用來平衡或調整干擾因子，通常不會直接限制研究結果的適用族群。
• 若方法直接排除具有某些特徵的對象，研究結果的推廣範圍就會受限。

限制法直接設定研究對象的納入條件，因而最可能影響外部效度，故選 (D)。

選項分析

核心觀念

本題考查疫苗在特定族群中的效力（vaccine efficacy），以接種者與未接種者的疾病發生率比較：

本題提供的是疫情期間的病例數，且可由接種率推算接種與未接種的人數，因此可計算兩組的攻擊率，再代入公式。

解題方法

全校有 $5{,}000$ 名學生，接種率為 $90\%$：

• 接種者：$5{,}000\times 0.90=4{,}500$ 人
• 未接種者：$5{,}000-4{,}500=500$ 人

共感染 $600$ 人，其中 $270$ 人曾接種，因此未接種感染者為：

計算兩組攻擊率：

核心觀念

基礎再生數（$R_0$）是指在一個完全易感、尚無防疫措施的群體中，一名典型感染者在其感染期間平均造成的次級感染數。它反映病原在特定人口與環境條件下的傳播情形，不是只由病原本身決定的固定數值。

在理想假設下，若疫苗效力為 100%，達到群體免疫所需的最低免疫比例為：

當 $R_0=4$ 時，$p_c=1-\frac{1}{4}=0.75$，即 75%。

解題方法

本題要找錯誤敘述。先以 $R_0$ 的定義判斷 A，再用群體免疫門檻公式檢驗 B；接著確認 C 的世代倍增計算，最後判斷 $R_0$ 是否能不受地區條件影響而固定。

選項分析

(A) 正確。 此選項掌握了 $R_0$ 的核心定義：在完全易感且沒有防疫措施的條件下，一名初發個案平均造成的次級感染數。

(B) 正確。 題目給定天花 $R_0\approx4$，代入群體免疫門檻公式：

核心觀念

統合分析是以明確方法整合多篇研究的結果，以估計共同或整體效果。能否合併，首先要看各研究是否在研究問題與研究設計上具有足夠的可比性，例如研究族群、介入措施或暴露、比較組、結果指標及追蹤方式是否相近。若研究回答的問題差異太大，合併出的單一效果就可能失去清楚的意義。

解題方法

本題問的是「將 4 篇研究合併成單一綜合效果的最佳理由」。判斷重點在於合併是否有實質依據：各研究是否針對相近問題，並以相近方式衡量效果。

異質性檢定及漏斗圖可協助評估統合分析的統計特性，但不能取代對研究內容的比較。統計檢定未發現異質性，不等於研究在臨床或方法上可直接比較；漏斗圖未顯示出版偏差，也不能證明研究適合合併。

選項分析

(A) 4 篇研究均為高品質的研究：錯誤。 研究品質高是統合分析的重要條件，但品質高不代表研究問題相同或結果可以合併。若研究的族群、介入或結果指標差異很大，即使每篇研究都嚴謹，合併成單一效果仍可能不具適當解釋性。

核心觀念

本題考篩檢評估中的時距偏差（length bias）。有些疾病的臨床前期較長，有較長時間處於「已可由篩檢發現、但尚未出現症狀」的階段，因此較容易在定期篩檢時被檢出。這類病例往往病程較慢、預後也較好，會使篩檢組看起來有較佳預後；但這種差異可能來自篩檢較容易找到病程較長的病例，不代表篩檢或治療真的改善了預後。

解題方法

抓住題幹的關鍵線索：「疾病有較長的臨床前期」且「篩檢找出的個體看似有較佳預後」。定期篩檢較容易碰到臨床前期長、進展較慢的病例；臨床前期短、進展較快的病例則較容易在兩次篩檢間出現症狀，未必能被篩檢發現。因此，篩檢檢出的病例不是所有病例的代表，造成預後比較受到病例病程長短影響，符合時距偏差。

選項分析

• (A) 先導期偏差（lead time bias）：指篩檢提早診斷疾病，使「從診斷日起算的存活時間」看起來變長，即使死亡時間沒有改變。題幹的核心是臨床前期長的病例較容易被篩檢找到，並非單純因診斷時間提前而造成存活時間表面延長。

核心觀念

本題考查臨床試驗（clinical trial）的分期目的，以及臨床試驗與社區試驗的研究單位。藥物臨床試驗通常分為第一至第四期：第一期主要評估安全性、耐受性與人體內的藥物動力學；第二期初步評估療效並持續觀察安全性；第三期以較大規模病人比較療效與安全性；第四期則在藥物上市後持續監測其使用情形與不良反應。

解題方法

逐項核對兩件事：各試驗期的主要目的，以及研究是以個人還是群體為分派單位。題目問「何者正確」，只要找出符合標準分期定義的選項即可。

選項分析

• (A) 錯誤。 臨床試驗通常以個人為單位，將受試者分派至不同組別；社區試驗則以社區或群體為介入與分派單位，評估介入措施對整體社區的效果。因此，兩者並非都以個人為單位。
• **(B) 錯誤。

核心觀念

本題考查篩檢的效度指標，尤其是陽性預測值（positive predictive value, PPV）。陽性預測值是篩檢結果呈陽性者中，實際患病者所占的比例：

因此，陽性預測值會受到敏感度、特異度及疾病盛行率影響。特異度和敏感度固定時，盛行率愈低，篩檢陽性者中偽陽性的比例通常愈高，PPV 就愈低。

解題方法

先辨認題目談的是哪一種篩檢指標，再檢視選項是否符合其定義或方向：

• PPV 是「陽性者中真正患病的比例」，會受疾病盛行率影響。
• 平行檢驗是任一檢查陽性即判定陽性，通常提高敏感度，但降低特異度，因而增加疑似陽性人數。
• 多次篩檢的成效不能單憑篩檢次數判定，須考量篩檢間隔、檢查效能、參與者特性及追蹤等條件。

核心觀念

本題考篩檢工具的陽性概似比（$LR+$）與陰性概似比（$LR-$）。依表格：

• 真陽性 $TP=70$，假陰性 $FN=30$
• 假陽性 $FP=5$，真陰性 $TN=95$

敏感度是 $TP/(TP+FN)$，特異度是 $TN/(FP+TN)$。兩種概似比分別為：

解題方法

先由表格計算敏感度與特異度：

因此：

故 (D) 陰性概似比為 0.32 正確。

選項分析

(A) 錯誤。 陽性概似比為：

核心觀念

本題考查序列檢定與特異度的運用。序列檢定先做糞便潛血檢查，只有初篩陽性者才做大腸鏡；因此，受檢者只要任一次檢驗為陰性，就不會被判定為陽性。

題目問的是「沒有大腸癌的人中，至少有一次檢驗是陰性的比例」。這是以沒有大腸癌者為分母，計算序列檢定的陰性比例，不需要使用盛行率。

解題方法

先以 100,000 人計算：

• 沒有大腸癌者：$100{,}000 \times (1-0.05)=95{,}000$ 人。
• 糞便潛血檢查特異度為 80%，所以沒有大腸癌者中，初篩陰性占 80%。這些人沒有進入大腸鏡檢查，已符合「至少一次陰性」。
• 初篩陽性占 $1-0.80=20\%$，即 $95{,}000 \times 20\%=19{,}000$ 人。這些人再做大腸鏡。
• 大腸鏡特異度為 95%，因此這批沒有大腸癌者中，大腸鏡陰性占 95%，即 $19{,}000 \times 95\%=18{,}050$ 人。

至少一次陰性的總人數為：

在沒有大腸癌者中所占比例為：

核心觀念

本題考查篩檢結果與真實盛行率的關係。題目給的是「觀察到的盛行率」，即檢測陽性率；它同時包含真正感染者的陽性結果（真陽性）及未感染者的偽陽性。要由陽性率反推實際盛行率，使用：

解題方法

設實際盛行率為 $P$。敏感度為 $0.95$，特異度為 $0.99$，觀察到的陽性率為 $0.05$，代入公式：

核心觀念

本題考「自述糖尿病病史」相對於抽血檢驗結果的敏感度。敏感度是實際患病者中，檢查判定為陽性（本題即自述有糖尿病）所占的比例：

解題方法

以抽血結果為黃金標準，先整理實際患病與否的人數：

• 自述無糖尿病者中有 30 人實際患病：這 30 人是偽陰性。
• 共有 350 位抽血確認沒有糖尿病，因此實際未患病者有 350 人。
• 全體共 $300+300=600$ 人，所以實際患病者有 $600-350=250$ 人。
• 真陽性為實際患病者中自述有糖尿病的人：$250-30=220$ 人。

因此：