115 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

本題考查篩檢工具效度，以及兩種篩檢工具合併使用時的「系列檢定」與「平行檢定」。

基本定義如下：

• 敏感度（sensitivity）：在真正有病者中，篩檢結果呈陽性的比例。

$$\text{敏感度}=\frac{TP}{TP+FN}$$

• 特異度（specificity）：在真正無病者中，篩檢結果呈陰性的比例。

$$\text{特異度}=\frac{TN}{TN+FP}$$

其中：

• $TP$：真陽性
• $FN$：假陰性
• $TN$：真陰性
• $FP$：假陽性

---

（一）系列檢定的定義

**系列檢定（series tests）**是指受試者必須通過所有篩檢工具，亦即所有檢定結果均為陽性時，才判定總篩檢結果為陽性。

以工具 A 與工具 B 為例：

• A 陽性且 B 陽性：總結果為陽性
• A 陽性但 B 陰性：總結果為陰性
• A 陰性但 B 陽性：總結果為陰性
• A 陰性且 B 陰性：總結果為陰性

因此，系列檢定的判定規則是：

$$\text{總陽性} = A(+)\cap B(+)$$

系列檢定通常先使用第一項檢定進行初步篩選，第一項陽性者再接受第二項檢定確認。

---

（二）平行檢定的總敏感度與特異度

1. 先計算工具 A 的敏感度與特異度

工具 A 的資料為：

• $TP_A=175$
• $FN_A=75$
• $TN_A=4275$
• $FP_A=475$

因此：

$$Se_A=\frac{175}{175+75} =\frac{175}{250} =0.70$$

工具 A 的敏感度為：

$$\boxed{70\%}$$

工具 A 的特異度為：

$$Sp_A=\frac{4275}{4275+475} =\frac{4275}{4750} =0.90$$

工具 A 的特異度為：

$$\boxed{90\%}$$

---

2. 計算工具 B 的敏感度與特異度

工具 B 的資料為：

• $TP_B=270$
• $FN_B=30$
• $TN_B=170$
• $FP_B=30$

因此：

$$Se_B=\frac{270}{270+30} =\frac{270}{300} =0.90$$

工具 B 的敏感度為：

$$\boxed{90\%}$$

工具 B 的特異度為：

$$Sp_B=\frac{170}{170+30} =\frac{170}{200} =0.85$$

工具 B 的特異度為：

$$\boxed{85\%}$$

---

3. 平行檢定的判定原則

**平行檢定（parallel tests）**是指只要任一項篩檢工具呈陽性，總篩檢結果即判定為陽性。

$$\text{總陽性}=A(+)\cup B(+)$$

本題兩個工具的個別資料表未提供同一批受試者的配對結果，因此無法直接得知兩項工具同時陽性、同時陰性或結果不一致的人數。

依篩檢題常用的標準假設，假設兩工具在已患病者及未患病者中具有條件獨立性，則：

---

4. 平行檢定的總敏感度

平行檢定只有在 A、B 兩項工具均為陰性時，才會漏掉真正有病者。

因此：

$$Se_{\text{parallel}} =1-P(A(-)\cap B(-)\mid D+)$$

在條件獨立假設下：

$$Se_{\text{parallel}} =1-(1-Se_A)(1-Se_B)$$

代入數值：

$$Se_{\text{parallel}} =1-(1-0.70)(1-0.90)$$ $$=1-(0.30)(0.10) =1-0.03 =0.97$$

所以兩項工具採平行檢定時，總敏感度為：

$$\boxed{97\%}$$

---

5. 平行檢定的總特異度

平行檢定只有在 A、B 兩項工具均為陰性時，才會正確判定為無病。

因此：

$$Sp_{\text{parallel}} =P(A(-)\cap B(-)\mid D-)$$

在條件獨立假設下：

$$Sp_{\text{parallel}} =Sp_A\times Sp_B$$

代入數值：

核心觀念

本題考查「世代追蹤研究（cohort study）」的設計、暴露組與未暴露組之疾病發生率比較，以及研究中的偏差控制。

研究問題可表述為：

• 暴露因素：使用減重針劑
• 研究結局：胰臟炎新發生
• 研究設計：依是否使用減重針劑分組，再追蹤兩組胰臟炎的發生情形
• 主要比較：暴露組與未暴露組的胰臟炎發生風險或發生率

本題不涉及法條；以下依流行病學標準定義作答。

（一）研究設計

1. 確定研究母群體與研究對象

先界定研究母群體，例如接受減重治療的成年人，訂定納入與排除條件：

• 納入符合年齡、體位及醫療紀錄完整者。
• 排除研究起始日前已罹患胰臟炎者，以確保觀察的是「新發病例」。
• 排除研究起始日前已使用研究藥物，或明確無法判定暴露狀態者。

2. 定義暴露組與未暴露組

以研究起始日（time zero）判定暴露狀態：

• 暴露組：開始使用減重針劑者。
• 未暴露組：未使用減重針劑者，可選擇相同醫療體系中符合條件但未使用該藥物者作為比較組。

暴露定義應明確記錄藥物種類、劑量、使用期間、給藥頻率及治療遵從性。若研究重點是「使用與否」，可採意向暴露分析；若研究重點是實際用藥效果，則須追蹤用藥變化並處理停藥、換藥問題。

3. 界定胰臟炎結局

應事先訂定胰臟炎的診斷標準，例如依臨床症狀、血清脂肪酶或澱粉酶升高、影像學檢查及住院診斷碼判定。

為避免誤分類，最好採用：

• 醫師確診紀錄；
• 住院或急診紀錄；
• 實驗室檢查；
• 腹部超音波、電腦斷層或磁振造影結果。

應將急性胰臟炎與慢性胰臟炎分別定義，並註明是否只分析首次發生事件。

4. 進行追蹤

從研究起始日開始，追蹤暴露組與未暴露組至下列任一事件發生：

• 首次發生胰臟炎；
• 死亡；
• 失去追蹤；
• 退出研究；
• 研究期結束。

兩組應採相同的追蹤期間與結局判定方式，並記錄每位受試者的實際人時，以處理追蹤時間不同的情形。

5. 蒐集及控制干擾因子

應收集與減重針劑使用及胰臟炎均有關的因素，例如：

• 年齡、性別；
• 肥胖程度及體重變化；
• 糖尿病；
• 膽結石或膽囊疾病；
• 高三酸甘油脂血症；
• 飲酒及吸菸；
• 過去胰臟疾病；
• 腎臟疾病；
• 其他藥物使用；
• 就醫頻率與醫療利用程度。

可在設計階段採配對、限制或分層；分析階段則可採分層分析、多變項迴歸、傾向分數或加權方法控制干擾。

6. 建立二乘二表

以固定追蹤期間為例：

	發生胰臟炎	未發生胰臟炎	合計
使用減重針劑	$a$	$b$	$a+b$
未使用減重針劑	$c$	$d$	$c+d$

其中暴露組與未暴露組必須在研究起始時尚未發生胰臟炎，才能正確估計新發生風險。

（二）相關性指標與計算公式

1. 累積發生率

暴露組胰臟炎累積發生率：

$$I_e=\frac{a}{a+b}$$

未暴露組胰臟炎累積發生率：

$$I_u=\frac{c}{c+d}$$

2. 發生率（incidence rate）

若兩組追蹤時間不同，應使用人時：

$$IR_e=\frac{\text{暴露組新發胰臟炎病例數}}{\text{暴露組總人時}}$$ $$IR_u=\frac{\text{未暴露組新發胰臟炎病例數}}{\text{未暴露組總人時}}$$

3. 相對危險性（risk ratio, RR）

適用於固定追蹤期間及可估計累積發生率的情形：

$$RR=\frac{I_e}{I_u} =\frac{a/(a+b)}{c/(c+d)}$$

解釋方式：

• $RR=1$：兩組風險相同。
• $RR>1$：使用減重針劑者胰臟炎風險較高。
• $RR<1$：使用減重針劑者胰臟炎風險較低。

4. 發生率比（incidence rate ratio, IRR）

若以人時為分母：

$$IRR=\frac{IR_e}{IR_u}$$

也可寫成：

$$IRR= \frac{\text{暴露組病例數}/\text{暴露組人時}} {\text{未暴露組病例數}/\text{未暴露組人時}}$$

5. 風險差（risk difference, RD）

表示暴露組與未暴露組的絕對風險差異：

$$RD=I_e-I_u$$

核心觀念

本題考查「盛行率（prevalence）」的定義及其決定因素。

盛行率是某一時間點或期間內，現有乳癌病例數占人口總數的比例：

$$\text{盛行率}=\frac{\text{現有病例數}}{\text{人口總數}}\times 100\%$$

在疾病發生、死亡、痊癒及人口結構等條件相對穩定時，盛行率常可用下列關係理解：

$$P \approx I \times D$$

其中：

• $P$：盛行率
• $I$：發生率
• $D$：疾病平均存續時間

因此，發生率上升，或疾病存續時間因死亡減少、存活延長而增加，都可能使盛行率上升。但單純人口總數增加，並不會直接使「病例占人口的比例」上升。

解題方法

判斷各選項是否能直接造成盛行率上升，可依序檢查：

1. 是否增加乳癌新病例數；
2. 是否延長乳癌患者存續於病例狀態的時間；
3. 是否只是改變盛行率的分母。

若只是人口數增加，而乳癌病例數與疾病狀態均未改變，分母變大，盛行率反而傾向下降：

$$\frac{\text{病例數}}{\text{較大的人口數}} < \frac{\text{病例數}}{\text{原人口數}}$$

所以「地區人口數增加」最不可能直接解釋乳癌盛行率逐年上升。

選項分析

(A) 乳癌發生率上升：錯誤選項

發生率上升表示單位時間內新增乳癌病例增加。若死亡率、痊癒率及人口結構等其他條件不變，現有病例會逐年累積，使分子增加，盛行率因而上升。

因此，發生率上升可以直接解釋盛行率上升。

(B) 乳癌死亡率下降：錯誤選項

核心觀念

本題考查「累積發生率」（cumulative incidence, incidence proportion）的定義。

累積發生率是指在特定期間內，原本尚未罹病且具有發病風險的人口中，新發病例所占的比例：

$$\text{累積發生率} = \frac{\text{期間內新發病例數}}{\text{期初具有發病風險的人口數}}$$

分母不包括期初已罹患該疾病者，因為他們在研究開始時已不是「新病例」的風險人口。

解題方法

2025 年底社區共有 $10{,}000$ 人，其中已有 $1{,}000$ 人被診斷為高血壓。

因此，2026 年初尚未罹患高血壓、具有發病風險的人口數為：

$$10{,}000-1{,}000=9{,}000\text{ 人}$$

2026 年期間，這 $9{,}000$ 人中新增 $250$ 名高血壓個案，因此：

$$\text{2026 年累積發生率} = \frac{250}{9{,}000} = 0.027777\ldots$$

換算為百分比：

$$0.027777\ldots \times 100\% \approx 2.8\%$$

題目說明 2026 年無人口遷入、遷出或死亡，使期初風險人口的計算保持單純，不需進行人口修正。

選項分析

• (A) 2.5%：錯誤。 此數值相當於以全體 $10{,}000$ 人作為分母：

核心觀念

本題考查「死亡率」與「潛在生命年數損失」（Years of Potential Life Lost, YPLL）的意義與用途。

1. 死亡率（mortality rate）

死亡率通常表示某一期間內，某疾病造成的死亡人數相對於人口數的比例：

$\text{死亡率}=\frac{\text{某期間該疾病死亡人數}}{\text{該期間人口數}}\times k$

其中 $k$ 可為 $1,000$、$10,000$ 或 $100,000$。死亡率主要反映疾病造成死亡的頻率，但未直接考慮死亡者的年齡。

2. YPLL

YPLL 用來衡量「過早死亡」所損失的生命年數。若設定生命年數參考上限為 $L$，某人於年齡 $a_i$ 死亡，則其損失年數為：

$L-a_i$

全體 YPLL 可表示為：

$\text{YPLL}=\sum_{i=1}^{d}(L-a_i)$

其中 $d$ 為符合計算條件的死亡人數，通常只計算在參考年齡以前發生的死亡。

因此，同樣一名死亡者，若死亡年齡越輕，所造成的 YPLL 越大；若死亡年齡接近參考上限，YPLL 則較小。

解題方法

本題的關鍵是比較兩項指標所重視的因素：

• 死亡率：重點在於死亡人數與人口數的比例。
• YPLL：除了死亡人數，也重視死亡發生時的年齡。

若 A 癌症主要造成高齡者死亡，雖然死亡人數可能較多、死亡率可能較高，但每一名死亡者所損失的生命年數通常較少。反之，B 癌症若主要造成青壯年死亡，即使死亡率低於 A，每名死亡者造成的生命年數損失較大，累積後仍可能使 B 的 YPLL 高於 A。

因此，不能只依死亡率判斷 YPLL 的高低，必須同時考慮死亡年齡分布。

選項分析

(A) 錯誤

「死亡率較高」不代表「YPLL 必然較高」。

核心觀念

本題考「三段五級預防」中癌症篩檢的定位。

依 Leavell and Clark 的預防醫學架構：

預防階段	預防層級	主要內容
初段預防	健康促進	增進健康、改善生活型態
初段預防	特殊保護	預防特定疾病，如疫苗接種、職業防護
次段預防	早期診斷與適當治療	在疾病早期發現並及時治療
末段預防	限制殘障	避免疾病造成更嚴重失能
末段預防	復健	恢復患者功能與社會適應

癌症篩檢是針對尚未出現明顯症狀，或仍處於早期階段的癌症進行檢查，以便及早發現、及早治療。因此，其核心目的符合「次段預防中的早期診斷與適當治療」。

解題方法

判斷預防階段時，先看措施的直接目的：

1. 若目的是降低疾病發生機會，屬於初段預防。
2. 若目的是疾病已開始發生後，及早發現並治療，屬於次段預防。
3. 若目的是疾病造成傷殘後，減少失能、恢復功能，屬於末段預防。

癌症篩檢的重點不是改變生活型態，也不是直接阻止癌症發生，而是利用乳房攝影、子宮頸抹片、大腸癌糞便潛血檢查等方式，在臨床症狀出現前或疾病早期找出個案，再進行確診與治療。

因此，其分類為：

$$\text{癌症篩檢} \longrightarrow \text{早期發現} \longrightarrow \text{早期診斷與適當治療} \longrightarrow \text{次段預防}$$

選項分析

(A) 初段預防中的健康促進：錯誤

核心觀念

本題考查雙胞胎研究（twin study）與疾病遺傳易感性的判讀。

• 同卵雙胞胎幾乎共享全部遺傳物質。
• 異卵雙胞胎平均共享約一半的遺傳物質。
• **發病一致率（concordance rate）**是指雙胞胎中，兩人同時罹患同一疾病的比例。

若同卵雙胞胎的一致率高於異卵雙胞胎，且已盡量控制共同居住、社經條件及主要生活型態差異，表示遺傳差異可能與疾病發生有關，亦即遺傳因素可能影響疾病的易感性。

但雙胞胎研究只能支持「遺傳因素具有影響」，不能直接證明疾病完全由基因決定，也不能排除環境、表觀遺傳及測量誤差等因素。

解題方法

本題可採「同卵與異卵雙胞胎比較」的切入方式：

1. 同卵與異卵雙胞胎的主要差異，在於遺傳相似程度。
2. 題目已說明研究者控制了共同居住、社經條件及主要生活型態，降低共同環境造成的混淆。
3. 在環境條件較接近的情況下，若同卵雙胞胎的一致率仍較高，表示較高的遺傳相似度與較高的疾病一致率有關。
4. 最適當的推論是：遺傳因素可能影響疾病的易感性。

此結果屬於支持遺傳因素參與疾病發生的流行病學證據，不代表遺傳因素是唯一原因。

選項分析

(A) 遺傳因素可能影響該疾病的易感性：正確

同卵雙胞胎的遺傳相似度高於異卵雙胞胎，且其疾病發病一致率也較高；在已控制主要共同環境因素後，這項差異支持遺傳因素可能影響個體對該疾病的易感性。

核心觀念

本題考的是流行病學研究設計中的「生態研究」（ecological study）。

生態研究的特色是：

• 分析單位不是個人，而是群體，例如縣市、鄉鎮、國家或族群。
• 暴露與疾病結果均以群體層級資料表示，例如「某縣市嚼檳榔率」與「該縣市口腔癌死亡率」。
• 研究目的在比較不同群體之間的暴露程度與疾病發生或死亡負擔是否具有相關性。

本題中的研究變項為：

• 群體層級暴露：各縣市的嚼檳榔率
• 群體層級結果：各縣市的口腔癌死亡率
• 分析單位：縣市

因此，最符合生態研究定義的是以縣市為單位進行比較。

解題方法

判斷研究設計時，先找出「分析單位」：

1. 若以個人為分析單位，屬於個人層級研究，例如世代研究、病例對照研究或橫斷研究。
2. 若以地區、國家或其他群體為分析單位，且比較群體暴露率與群體疾病率，則屬於生態研究。
3. 若有研究者主動分派暴露，則屬於實驗性研究。

題幹明確指出「以生態研究分析嚼檳榔率與口腔癌死亡負擔的關係」，因此應選擇同時具備「群體分析」與「群體資料比較」特徵的選項。

選項分析

(A) 錯誤。

「以個人為分析單位，比較每位居民的嚼檳榔行為與口腔癌死亡結果」是個人層級研究，不是生態研究。

生態研究關心的是群體整體資料，例如某縣市的嚼檳榔率與該縣市的口腔癌死亡率，而不是追蹤或比較每一位居民的個人暴露與疾病結果。

(B) 正確。

「以縣市為分析單位，比較各縣市群體層級的嚼檳榔率與口腔癌死亡率之關係」完全符合生態研究的定義。

研究者比較的是：

核心觀念

本題考的是職業流行病學中的「健康工作者效應」（healthy worker effect）。

在世代研究中，若以「一般大眾」作為非暴露組，兩組的健康基礎通常不具可比性：

• 消防員必須通過體格、健康及工作能力要求，且能持續任職者通常具有較佳健康狀態。
• 一般大眾則包含未就業者、失業者、慢性病患者及無法工作的個人。
• 因此，消防員組的基準健康狀況通常優於一般大眾。

若消防員本身因職業暴露而增加冠狀動脈心臟病（coronary heart disease, CHD）風險，這種健康工作者效應仍可能使消防員與一般大眾之間的風險差異被削弱，導致消防員的 CHD 發生率或職業暴露效果被低估。

這屬於研究對象選擇與比較組不適當所造成的選擇偏差（selection bias），不是資訊偏差（information bias）。

解題方法

判斷本題可分為三步：

1. 確認暴露組與非暴露組：

• 暴露組：消防員。
• 非暴露組：一般大眾。

2. 比較兩組的健康基礎： 消防員必須具備足以任職的健康條件，因此通常比包含全體人口的「一般大眾」更健康。

3. 判斷對研究結果的影響： 非暴露組若混入較多健康狀況不佳者，會使一般大眾的 CHD 發生率偏高，消防員與一般大眾之間的差異因此縮小。若研究目的是評估消防工作或職業暴露對 CHD 的影響，所得估計值便會偏向無差異，形成低估。

用流行病學的比較概念表示：

$$RR=\frac{I_e}{I_0}$$

其中 $I_e$ 為消防員組發生率，$I_0$ 為非暴露組發生率。若一般大眾的健康狀況較差，使 $I_0$ 偏高，則消防員與一般大眾的相對風險差異會被壓低，甚至使真實的職業風險看起來不明顯。

選項分析

(A) 錯誤。消防員的 CHD 發生率被大幅高估，因為他們面臨更多壓力。

消防工作壓力確實可能是 CHD 的危險因素，但本題所問的是「選擇一般大眾作為非暴露組」所造成的研究偏差。

健康工作者效應的主要方向是：消防員因具有較佳健康條件，使其疾病發生率相對偏低，職業暴露造成的風險差異被低估，而不是被大幅高估。

核心觀念

本題考查流行病學研究設計的辨識，重點包括：

1. 病例對照研究（case-control study） 先依疾病結果分為病例組與對照組，再回溯比較兩組過去的暴露狀態，常用勝算比（odds ratio, OR）估計疾病與暴露的關聯。

2. 世代研究（cohort study） 先依暴露狀態分組，再追蹤各組的疾病發生情形，可直接比較累積發生率、發生密度或相對危險度（relative risk, RR）。

3. 巢式病例對照研究（nested case-control study） 先建立一個世代並蒐集暴露資料，追蹤過程中發生病例時，再從同一世代當時仍在風險中的成員抽取對照，回溯比較病例與對照的既有暴露狀態。

4. 橫斷性研究與生態學研究的區別 橫斷性研究通常以個人為觀察單位，在同一時間點測量暴露與疾病；若以縣市、國家或學校等群體為單位，則屬於生態學研究（ecological study）。

本題研究的是吸菸與肺癌的關係，吸菸通常是疾病發生前的暴露，因此研究設計必須能確認暴露先於疾病發生，並避免以疾病確診當下的狀態取代既往暴露。

解題方法

判斷各選項可依序檢查三件事：

1. 研究對象是先依暴露還是先依疾病分組？
2. 暴露資料是在疾病發生前取得，還是在疾病發生後才測量？
3. 研究單位是個人，還是縣市等群體？

其中，巢式病例對照研究的標準流程為：

$$\text{建立世代} \rightarrow \text{蒐集暴露資料} \rightarrow \text{追蹤疾病發生}$$

當追蹤期間出現肺癌病例時：

$$\text{病例} \leftarrow \text{同一世代中當時仍在風險中的成員抽取對照}$$

再比較病例與對照在疾病發生前的吸菸暴露狀態。這樣既保留世代研究的時間順序，也可減少完整分析整個大型世代所需的成本與資料量。

因此，最符合題意的是 C。

選項分析

(A) 錯誤

病例對照研究確實是先找出肺癌病例與未罹患肺癌者，再比較其暴露狀態；但本選項指出研究者判定兩組「確診當下的吸菸狀態」。

病例對照研究應探討疾病發生前的暴露情形。若只測量肺癌確診當下是否吸菸，可能產生下列問題：

• 無法充分反映長期吸菸史、累積吸菸量與疾病發生前的暴露。
• 肺癌患者可能因症狀、醫囑或健康狀況而在確診前戒菸，導致確診當下的吸菸狀態低估真正暴露。
• 確診當下的狀態未必能清楚建立「吸菸先於肺癌發生」的時間關係。

因此，雖然這種研究架構表面上具有病例對照研究的形式，但其暴露測量方式不適合用來評估吸菸與肺癌的因果關聯，並非最適當的描述。

(B) 錯誤

本選項前半段符合世代研究：先依是否吸菸分組，再追蹤肺癌發生情形。

核心觀念

本題考查世代研究（cohort study）的研究設計，以及暴露與疾病測量錯誤（measurement error／misclassification）。

研究者先依吸菸狀態分組，再追蹤 COPD 的新發生個案，屬於前瞻性世代研究。其基本邏輯是：

$$吸菸暴露 \rightarrow COPD\ 發生$$

研究者可分別計算吸菸組與未吸菸組的 COPD 發生率：

$$\text{發生率}=\frac{\text{追蹤期間新發生的 COPD 個案數}}{\text{該組之人時或人口數}}$$

並以相對危險度（relative risk, RR）比較兩組風險：

$$RR=\frac{I_e}{I_u}$$

其中 $I_e$ 為吸菸組發生率，$I_u$ 為未吸菸組發生率。

本題的核心問題不在於世代研究是否適合研究 COPD，而在於：

1. 基線吸菸狀態是否能代表整段追蹤期間的實際暴露。
2. 健保診斷碼是否能正確判定 COPD 的發生。

---

解題方法

判斷本題可從「暴露測量」與「疾病測量」兩方面切入。

第一，吸菸狀態具有時間變化。研究者若只依 2020 年基線問卷分為吸菸組與未吸菸組，便可能無法反映後續十年間的行為變化，例如：

• 原本吸菸者在追蹤期間戒菸；
• 原本未吸菸者後來開始吸菸；
• 吸菸量、吸菸年數或每日支數發生變化。

因此，基線吸菸狀態與實際累積暴露量之間可能產生錯誤分類。長期吸菸的暴露評估通常應考慮吸菸狀態、吸菸量、吸菸年數及累積包年數（pack-years）。

第二，COPD 若只以健保診斷碼判定，也會有疾病分類錯誤。例如：

• 病人實際已有 COPD，但尚未被診斷或未留下正確診斷碼；
• 診斷碼誤植，或將其他呼吸道疾病誤列為 COPD；
• 未搭配肺功能檢查等臨床資料，造成診斷判定不完全準確。

因此，本研究同時面臨暴露分類錯誤與疾病分類錯誤，最完整的敘述為 D。

---

選項分析

(A) 錯誤

世代研究的優點正是先確認暴露，再追蹤疾病發生，因此通常能建立暴露先於疾病的時間順序。

核心觀念

本題考查世代研究中的「可歸因風險」（attributable risk, AR），又稱「風險差」（risk difference, RD）。

AR 表示暴露組因暴露因素而增加的疾病發生風險，公式為：

$$AR=I_e-I_0$$

其中：

• $I_e$：暴露組的累積發生率
• $I_0$：未暴露組的累積發生率

本題的暴露因素為「吸菸」，疾病為「肺癌」。

解題方法

先分別計算 5 年累積發生率。

吸菸者的累積發生率：

$$I_e=\frac{80}{2000}=0.04=4\%$$

非吸菸者的累積發生率：

$$I_0=\frac{40}{4000}=0.01=1\%$$

因此，吸菸對肺癌的可歸因風險為：

$$AR=I_e-I_0$$ $$AR=4\%-1\%=3\%$$

意義是：在此研究條件下，吸菸者 5 年內肺癌發生風險比非吸菸者高出 $3$ 個百分點，此差異可歸因於吸菸暴露。

選項分析

核心觀念

本題考查世代研究中常見的疾病發生風險與歸因效應指標。研究者追蹤未曾罹患高血壓的輪班工作者與非輪班工作者 5 年，屬於世代研究，可計算累積發生率：

• 暴露組累積發生率：$I_e$
• 未暴露組累積發生率：$I_0$
• 全體族群累積發生率：$I_p$

常見指標定義如下：

1. Risk ratio, RR（相對風險）

$$RR=\frac{I_e}{I_0}$$

2. Odds ratio, OR（勝算比）

$$OR=\frac{I_e/(1-I_e)}{I_0/(1-I_0)}$$

OR 比較的是「發生勝算」而非「累積發生率」。

3. Risk difference, RD（風險差）

$$RD=I_e-I_0$$

4. Attributable risk, AR（歸因風險）

在暴露者中，可歸因於該暴露的疾病發生絕對風險為：

$$AR=I_e-I_0$$

因此，在此題情境下，AR 與 RD 的數值公式相同，但強調角度不同：RD 著重兩組風險的差異；AR 著重暴露者中可歸因於暴露的風險。

5. Population attributable risk percent, PAR%（族群歸因比例）

$$PAR\%=\frac{I_p-I_0}{I_p}\times 100\%$$

表示整體族群中疾病發生有多少比例可歸因於該暴露。

解題方法

題幹明確指出研究者計算的是「高血壓累積發生率」。判斷各選項時，應將題目中的「累積發生率」與各指標真正使用的量比較：

• 若是比較累積發生率本身，指標為 $RR$。
• 若是比較累積發生的勝算，指標才是 $OR$。
• 若是相減，則是 $RD$ 或 $AR$。
• 若是計算整體族群可歸因的比例，則是 $PAR\%$。

因此，將 OR 說成累積發生率的比值，混淆了 OR 與 RR，為本題錯誤敘述。

選項分析

核心觀念

本題考查病例對照研究中勝算比（odds ratio, OR）的計算。

病例對照研究的 $2 \times 2$ 表如下：

	曾暴露	未暴露	合計
病例組	$a=60$	$b=40$	100
對照組	$c=30$	$d=70$	100

病例對照研究通常以 OR 估計暴露與疾病間的關聯程度，其公式為：

$$OR=\frac{a \times d}{b \times c}$$

也就是：

$$OR=\frac{\text{病例暴露勝算}}{\text{對照暴露勝算}}$$

解題方法

病例組有 100 人，其中 60 人曾暴露，因此未暴露者為：

$$100-60=40$$

對照組有 100 人，其中 30 人曾暴露，因此未暴露者為：

$$100-30=70$$

代入 OR 公式：

$$OR=\frac{60 \times 70}{40 \times 30}$$ $$OR=\frac{4200}{1200}=3.5$$

因此，病例組曾暴露的勝算約為對照組的 $3.5$ 倍，正確選項為 C。

選項分析

核心觀念

本題考查病例對照研究（case-control study）的適用情境與研究優點。

病例對照研究先依研究對象是否罹患疾病分組：

• 病例組：已罹患目標疾病者
• 對照組：未罹患目標疾病者

再回溯比較兩組過去是否曾暴露於某項危險因子。其基本資料可表示如下：

	有暴露	無暴露
病例組	$a$	$c$
對照組	$b$	$d$

病例對照研究主要估計勝算比（odds ratio, $OR$）：

$$OR=\frac{a/c}{b/d}=\frac{ad}{bc}$$

由於研究是先選取病例與對照，再回溯暴露狀態，因此通常無法直接計算暴露組與非暴露組的發生率，也不能直接估計相對風險（relative risk, $RR$）。

本題疾病具有兩項重要特徵：

1. 發生率很低：若從一般健康族群進行世代追蹤，必須追蹤大量研究對象才能累積足夠病例。
2. 潛伏期或發病前期很長：從暴露到疾病發生需數十年，前瞻性世代研究成本高、耗時長，且容易發生失訪。

病例對照研究直接從既有病例開始，再調查過去暴露情形，因而特別適合罕見疾病及潛伏期長的疾病；同時，研究者也能針對同一疾病回溯探討多種暴露因子。

解題方法

判斷病例對照研究優點時，可依序掌握三個問題：

1. 疾病是否罕見？
2. 從暴露到發病是否需很長時間？
3. 是否希望同時研究多項暴露因子？

本題三項條件均符合病例對照研究的典型適用情境。研究者先找到神經退化疾病病例，再選擇適當對照，比較兩組過去的職業暴露、生活習慣、環境因素、家族史等資料，可以有效率地探討多項危險因子。

因此，最完整且正確的敘述是 （B）。

選項分析

（A）錯誤。 病例對照研究依疾病狀態選取研究對象，病例與對照的比例通常是研究設計者事先決定，並非依照暴露組與非暴露組的人數及實際疾病發生情形形成。因此，無法直接計算暴露組與非暴露組的累積發生率，也不適合直接估計相對風險。

核心觀念

本題考查隨機臨床試驗（randomized controlled trial, RCT）的三項核心原則：

1. 隨機分派（random allocation）：以機率方式將受試者分配至治療組與對照組，使已知及未知的干擾因子，在樣本數足夠時於各組間大致平衡。
2. 追蹤與研究遵從性：隨機分派不代表受試者一定完成追蹤，也不代表一定依照原分組接受治療。
3. 意向治療分析（intention-to-treat analysis, ITT）：受試者一旦完成隨機分派，後續分析原則上依其最初被分派的組別進行，即使發生換組、未遵從治療或部分治療，也維持隨機分派所建立的比較基礎。

因此，本題正確答案為 (C)。

解題方法

判斷本題可依序檢查各選項是否正確描述：

• 隨機分派能否處理已知與未知干擾因子？
• 隨機分派能否保證完成追蹤？
• 換組後，分析是否仍依原始分組？
• 研究倫理程序是否因隨機分派而免除？

其中，RCT 的重要優勢在於隨機分派發生於介入措施之前，能使各組在基線特徵上具有可比性。即使受試者後續換組，採用 ITT 分析仍按照原始隨機分派結果比較，因而保留隨機化的優點。

選項分析

(A) 錯誤。

隨機分派不只可平衡已知干擾因子，也能在機率意義上處理未知干擾因子。

例如，年齡、性別、疾病嚴重度等已知因素，以及尚未被研究者辨識的遺傳特徵、生活習慣等未知因素，均可能因隨機分派而在各組間大致平均分布。

但須注意，隨機分派是「提高平衡機率」，不是保證每一項因素在每次研究中都完全相同。特別是在樣本數較少時，已知或未知干擾因子仍可能產生不平衡。因此，A 將「無法處理未知干擾因子」說成絕對無法處理，與隨機分派的基本原理不符。

(B) 錯誤。

隨機分派只能決定受試者進入哪一個研究組別，無法確保受試者一定完成後續追蹤。

核心觀念

本題考查流行病學研究中「控制干擾因子（confounding）」的時機與方法。

研究設計階段常用的方法包括：

• 隨機分配（randomization）
• 配對（matching）
• 限制（restriction）

資料分析階段常用的方法包括：

• 分層分析（stratified analysis）
• 標準化（standardization）
• 迴歸分析（regression analysis），如 logistic regression、Cox regression

干擾因子是同時與暴露及結果相關，且不在暴露至結果的因果途徑上的第三變項。控制干擾的目的，是使暴露與結果之間的關聯更接近真實的因果效果。

題目特別限定「在分析階段控制干擾」，因此應選擇以統計模型處理資料的方式。迴歸分析可將干擾因子納入模型，在控制其他變項後估計主要暴露對結果的獨立影響，因此答案為 (B) 迴歸分析。

解題方法

判斷本題可先將方法分成兩類：

1. 研究開始前或執行研究時控制：配對、隨機分配。
2. 蒐集資料後以統計方法控制：迴歸分析，並可包含分層分析、標準化。

以迴歸分析為例，若研究藥物治療對疾病復原的影響，年齡與疾病嚴重度可能同時影響治療選擇及復原結果。可建立模型：

$$Y=\beta_0+\beta_1X+\beta_2Z_1+\beta_3Z_2+\varepsilon$$

其中：

• $Y$：研究結果，例如復原與否
• $X$：主要暴露或治療
• $Z_1,Z_2$：干擾因子，例如年齡、疾病嚴重度
• $\beta_1$：控制其他變項後，治療對結果的估計效果

因此，迴歸分析符合「分析階段控制干擾」的描述。

選項分析

(A) 配對：錯誤

配對是在研究設計階段，依照年齡、性別或其他重要特徵，使研究對象在組間具有相近分布。例如病例與對照依年齡一對一配對。

核心觀念

本題考查「干擾因子（confounder）」與「效應修飾因子（effect modifier）」的區別，以及粗估計值與分層估計值的判讀。

• 粗相對風險（crude RR）：未控制其他變項時，暴露組與未暴露組的疾病風險比。

$RR=\frac{I_E}{I_{\overline E}}$

• 分層相對風險（stratum-specific RR）：在特定性別層內，比較暴露與未暴露者的疾病風險。
• 干擾因子：同時與暴露及疾病發生有關，造成暴露與疾病間關聯被高估或低估的第三變項；且通常不是暴露導致疾病路徑上的中介變項。
• 效應修飾因子：不同分層下，暴露對疾病的真實效果不同，因此各層的效果估計值明顯不一致。

解題方法

題目提供：

• 未分層的粗 $RR=2.4$
• 男性的分層 $RR=1.2$
• 女性的分層 $RR=1.2$

男性與女性的分層 $RR$ 相同，表示性別並未改變暴露對疾病的效果。暴露與疾病的關聯在兩個性別層級中具有一致性，因此性別不是效應修飾因子。

然而，粗 $RR=2.4$ 明顯高於各層的 $RR=1.2$，顯示未控制性別時，暴露與疾病的關聯被高估。分層後效果降為 $1.2$，代表性別造成了粗估計值的偏差，符合干擾作用的典型型態。

因此，在標準流行病學題目的假設下：

$RR_{\text{crude}}=2.4$

$RR_{\text{男性}}=RR_{\text{女性}}=1.2$

分層效果一致，但與粗估計值不同，故判定性別為干擾因子，而非效應修飾因子。

選項分析

(A) 性別是干擾因子，非修飾因子——正確

兩個性別層的 $RR$ 皆為 $1.2$，表示性別不會改變暴露效果，故不是效應修飾因子。

同時，粗 $RR=2.4$ 與分層 $RR=1.2$ 有明顯差異，表示性別未被控制時會造成效果估計偏差，符合干擾因子的表現。

核心觀念

本題考查流行病學中的「基因—環境交互作用」（gene–environment interaction）與「效應修飾」（effect modification）。

題目以「未帶有該基因型且未暴露於粉塵者」作為參考組，觀察四種狀態：

基因型	粉塵暴露	慢性肺部疾病發生率
無	無	最低，參考組
有	無	較高
無	有	較高
有	有	最高

這表示基因型本身與疾病發生有關，粉塵暴露本身也與疾病發生有關；更重要的是，兩者同時存在時，疾病發生率最高，顯示基因型可能改變個體對粉塵暴露的反應程度，即具有易感性或效應修飾作用。

「干擾因子」（confounder）與「效應修飾因子」不同：

• 干擾因子會造成暴露與疾病關係的錯誤估計，且不是暴露—疾病因果路徑上的中介變項。
• 效應修飾因子則代表不同分層下，暴露對疾病的影響程度不同；它是研究結果的一部分，不應任意消除或控制。

解題方法

以四組發生率進行比較：

1. 比較「有基因型、無粉塵暴露」與參考組，前者發生率較高，表示該基因型與疾病發生有關。
2. 比較「無基因型、有粉塵暴露」與參考組，前者發生率較高，表示粉塵暴露與疾病發生有關。
3. 比較「同時具有基因型與粉塵暴露」的族群，發生率最高，表示兩種因素同時存在時，疾病風險增加最為明顯。
4. 因此，基因型可能影響個體對粉塵暴露的易感性，符合基因—環境交互作用或效應修飾的概念。

題目未提供實際發生率、相對危險性或勝算比，因此無法進一步判定交互作用是加法性或乘法性，也不能據此直接認定因果關係；但就選項內容而言，仍以 C 最符合題意。

選項分析

(A) 探討粉塵暴露與慢性肺部疾病之間相關性研究時，該基因型必然是干擾因子。

錯誤。

題目呈現的是基因型會影響粉塵暴露與疾病之間關係的強弱，較符合「效應修飾因子」，不是必然的干擾因子。

判定干擾因子通常須符合下列條件：

核心觀念

本題考的是基本再生數 $R_0$（basic reproduction number）的定義。

$R_0$ 是指：在族群完全具有感受性、尚未採取防疫措施的條件下，一名典型感染者在其具有傳染力期間，平均可造成的次級感染人數。

本題給定：

$$R_0=3$$

因此代表每名感染者平均造成 $3$ 名新感染者。

另外，當 $R_0>1$ 時，疾病具有在人群中擴大流行的潛勢；當 $R_0<1$ 時，疫情才會逐漸縮小。

解題方法

直接依照 $R_0$ 的定義判斷：

$$R_0=\text{一名感染者平均造成的次級感染人數}$$

代入題目數值：

$$R_0=3$$

所以每名感染者平均造成 $3$ 名新感染者，故選項 (A) 正確。

本題特別強調「沒有任何防疫措施」及「族群完全易感」，正是 $R_0$ 的適用條件。若族群中已有部分人免疫，或存在疫苗、隔離、口罩等防疫措施，通常應討論有效再生數 $R$ 或 $R_t$，而非直接使用 $R_0$。

選項分析

(A) 每名感染者平均造成 3 名新感染者

正確。$R_0=3$ 的意義，就是在完全易感且沒有防疫措施的族群中，每名感染者平均造成 $3$ 名次級感染者。

「平均」是關鍵字，並非表示每一名感染者必然、固定感染 3 人，而是許多感染者合計後的平均值。

(B) 感染後，3% 的人會死亡

錯誤。$R_0$ 衡量的是疾病的傳播能力，不是死亡比例。

感染後死亡的比例涉及致死率，例如病例致死率（case fatality rate, CFR）或感染致死率（infection fatality rate, IFR），必須由死亡人數與感染人數等資料計算，不能由 $R_0=3$ 推得 $3\%$

核心觀念

本題考查傳染病監測與疫情調查中的「流行曲線」（epidemic curve），亦即以時間為橫軸、通報病例數為縱軸，呈現病例數隨時間變化的圖形。

其主要功能包括：

• 觀察病例數的上升、下降與波動趨勢。
• 及早偵測異常增加，判斷是否可能發生疫情。
• 協助判斷疫情的發生時間、持續期間與流行型態。
• 作為疫情控制措施與後續監測的重要依據。

因此，題幹所問「主要目的」，即是利用病例數的時間趨勢偵測疫情變化。

解題方法

判斷本題可先抓住兩個關鍵詞：

1. 「時間變化曲線」：代表重點在病例數隨時間的變化。
2. 「傳染病監測或疫情調查」：代表用途是及早發現疫情及掌握疫情趨勢。

若某段期間的通報病例數突然高於平常基準，可能表示疫情正在上升，需進一步調查病例來源、傳播範圍及感染途徑；當病例數逐漸下降，則可用來觀察疫情是否受到控制。

這種圖形本質上是時間分布的描述工具，並非直接用來進行人口學分層比較、病原體基因型鑑定或長期介入效果評估。

選項分析

(A) 偵測疫情上升、下降或異常增加

正確。流行曲線最直接的用途，就是呈現通報病例數的時間趨勢，協助監測人員辨認：

• 病例數是否突然增加；
• 疫情是否持續擴大；
• 病例數是否已經下降；
• 是否出現不尋常的時間群聚。

例如，某地每日通報病例數由平時的個位數，短期內快速上升至數十例，流行曲線即可呈現明顯的異常高峰，提醒衛生主管機關啟動疫情調查。因此本選項符合題目所問的主要目的。

(B) 比較不同年齡層或性別的發病率，以判斷高風險族群

錯誤。年齡層、性別等屬於「人」的分布，可透過分層統計、發病率比較或描述流行病學中的人物分布進行分析。例如：

核心觀念

本題考查篩檢工具的敏感度、特異度，以及診斷切點與 ROC 曲線的判讀原則。

• 敏感度（sensitivity）：

$$\text{敏感度}=\frac{\text{真正陽性（TP）}}{\text{真正陽性（TP）}+\text{偽陰性（FN）}}$$

代表實際感染者中，被快篩正確找出的比例。

• 特異度（specificity）：

$$\text{特異度}=\frac{\text{真正陰性（TN）}}{\text{真正陰性（TN）}+\text{偽陽性（FP）}}$$

代表實際未感染者中，被正確判定為陰性的比例。

調整診斷切點時，通常存在敏感度與特異度的取捨：

• 切點降低：較容易判定為陽性，敏感度提高，但偽陽性增加、特異度下降。
• 切點提高：較不容易判定為陽性，特異度提高，但偽陰性增加、敏感度下降。

本題設定「病毒 X」傳播風險極高，且可能造成重症死亡，表示漏掉感染者的代價非常嚴重，因此篩檢初期應優先降低偽陰性，採取提高敏感度的原則。

解題方法

判斷篩檢切點時，先比較偽陰性與偽陽性的危害：

1. 若疾病嚴重、具高度傳染性，漏掉感染者可能造成重症、死亡及進一步傳播。
2. 此時偽陰性所造成的公共衛生損失，通常高於偽陽性造成的心理、財務及醫療負擔。
3. 因此應將切點設定在有利於提高敏感度的位置，即使因此增加偽陽性。
4. 偽陽性個案可再透過較具特異性的確認檢驗排除；偽陰性則可能使感染者未被隔離，持續傳播病毒。

ROC 曲線通常以敏感度為縱軸、偽陽性率（$1-\text{特異度}$）為橫軸。對高風險且後果嚴重的傳染病，判讀重點不是單純尋找幾何上最平衡的點，而是優先選擇能降低偽陰性的切點。

選項分析

(A) 提高特異度，以降低個人的情緒與財務負擔。

錯誤。提高特異度可以減少偽陽性，確實能降低部分民眾因誤判陽性所產生的焦慮、請假、交通及檢驗費用，也能減少後續醫療資源使用。

核心觀念

本題考查測量工具的兩項基本品質：

1. 信度（reliability）：測量結果的一致性或穩定性。 同一對象在相同條件下重複測量，結果越接近，表示信度越高。

2. 效度（validity）：測量結果是否真正測到欲測量的內容。 本題以經校正的標準水銀血壓計作為比較基準，屬於以標準工具評估的效標關聯效度。自動血壓計測值越接近標準值，效度越高。

信度與效度是不同概念：

• 測量結果彼此接近，代表穩定，但不代表數值正確。
• 測量結果接近真實值，才表示具有較佳效度。
• 測量工具可能「很穩定地測錯」，即信度高但效度低。

本題不涉及法條；若涉及法規，應以命題當年（民國 115 年）法規為準。

解題方法

先觀察自動血壓計三次測量結果：

$$158,\ 159,\ 158\ \text{mmHg}$$

三次數值彼此非常接近，最大差距為：

$$159-158=1\ \text{mmHg}$$

其平均值為：

$$\bar{x}=\frac{158+159+158}{3} =\frac{475}{3} \approx 158.3\ \text{mmHg}$$

因此，這台自動血壓計的重複測量結果相當一致，表示信度高。

再與標準水銀血壓計的測量值比較：

$$158.3-135\approx 23.3\ \text{mmHg}$$

自動血壓計的平均值比標準值高約 $23.3$ mmHg，存在明顯且方向一致的偏差。這表示它雖然每次都測得相近的結果，卻沒有準確反映受測者的血壓，因此效度低。

故本題描述為：

$$\boxed{\text{信度高、效度低}}$$

選項分析

(A) 信度高、效度高，因為三次測量結果相近，且能正確反映真實血壓。

錯誤。

核心觀念

本題考「疾病自然史」與「三段預防」的對應關係。

疾病自然史通常分為：

1. 易感期（stage of susceptibility）：尚未發生疾病，但存在危險因子或暴露因素。
2. 臨床前期（preclinical stage）：疾病已開始發生，已有病理變化，但尚未出現明顯臨床症狀。
3. 臨床期（clinical stage）：疾病出現症狀、徵候，患者可因症狀就醫。
4. 殘障期（stage of disability）：疾病造成身體功能受損、失能或長期後遺症。

子宮頸癌篩檢的目的，是在個案尚未出現症狀前，透過子宮頸抹片、HPV 檢測等方式，早期發現子宮頸癌前病變或早期癌症。因此，其主要作用階段為臨床前期，屬於第二段預防中的「早期發現與早期治療」。

解題方法

判斷篩檢所對應的疾病自然史階段，可掌握以下原則：

• 尚未發病，只是有危險因子：易感期。
• 已有病理變化，但尚無明顯症狀：臨床前期。
• 已出現症狀並進入醫療診斷階段：臨床期。
• 已造成失能或功能障礙：殘障期。

子宮頸癌篩檢是針對「無症狀但已有癌前病變或早期病變」的族群進行檢測，故對應疾病自然史中的臨床前期。

選項分析

(A) 易感期：錯誤

易感期是疾病尚未發生的階段，個體僅具有感染、暴露或發病的風險，例如 HPV 感染風險、抽菸、性行為型態等。

核心觀念

本題考查篩檢試驗的敏感度、特異度，以及貝氏定理在「篩檢結果為陰性」情況下的應用。

• 敏感度（sensitivity）：

$P(-\mid D)=1-75\%=25\%$

表示真正感染者中，篩檢呈陰性的比例為 $25\%$。

• 特異度（specificity）：

$P(-\mid \overline{D})=99\%$

表示真正未感染者中，篩檢呈陰性的比例為 $99\%$。

題目要求的是：

$P(D\mid -)$

也就是「篩檢結果為陰性者，實際為 COVID-19 個案的機率」，稱為陰性預測值的反向概念，不能直接把敏感度、特異度或盛行率單獨當作答案。

---

解題方法

設：

• $D$：實際感染 COVID-19
• $\overline{D}$：實際未感染 COVID-19
• $-$：篩檢結果為陰性

已知：

$P(D)=1\%=0.01$

$P(\overline{D})=99\%=0.99$

$P(-\mid D)=1-0.75=0.25$

$P(-\mid \overline{D})=0.99$

依貝氏定理：

$$P(D\mid -) = \frac{P(-\mid D)P(D)} {P(-\mid D)P(D)+P(-\mid \overline{D})P(\overline{D})}$$

代入數值：

$$P(D\mid -) = \frac{0.25\times 0.01} {(0.25\times 0.01)+(0.99\times 0.99)}$$

分子為真正感染且篩檢陰性的機率：

$$0.25\times 0.01=0.0025$$

分母為所有篩檢陰性的機率：

$$0.0025+0.9801=0.9826$$

因此：

$$P(D\mid -) = \frac{0.0025}{0.9826} \approx 0.002544$$

換算為百分比：

$$0.002544\times 100\% \approx 0.2544\%$$

約為：

$$0.25\%$$

所以正確答案為 (B)。

---

以 10,000 人快速理解

核心觀念

本題考查兩種疾病發生頻率測量：

1. 累積發生率（cumulative incidence, CI）
2. 發生密度（incidence density，亦稱 incidence rate）

一、累積發生率

累積發生率是指在特定觀察期間內，原本具有疾病發生風險的人口中，新發生病例所占的比例：

$$\text{累積發生率} = \frac{\text{觀察期間內的新發病例數}} {\text{期初具有疾病發生風險的人數}}$$

累積發生率的數值介於 $0$ 與 $1$ 之間，也可表示為百分比，因此可用來表示族群在一定期間內罹病的風險（risk）。

其適用前提通常是封閉性世代，且假設受試者在觀察期間接受完整追蹤，或至少能確定其疾病發生狀況。

二、發生密度

發生密度是以所有觀察對象累積貢獻的**人時（person-time）**作為分母：

$$\text{發生密度} = \frac{\text{觀察期間內的新發病例數}} {\text{所有個體貢獻的人時總和}}$$

例如，分母可以是人年、人月或人日。發生密度的單位為「每人年」、「每人月」或「每人日」，本質上是發生事件的速率，而不是比例。

---

解題方法

本題可直接比較各選項與兩個指標的定義：

• 看到「完整追蹤」：通常對應累積發生率的假設。
• 看到「人時」：對應發生密度。
• 看到「比例、數值介於 0 到 1」：對應累積發生率，而非發生密度。
• 看到「風險（risk）」：對應累積發生率。

因此，將各選項逐一與定義比對後，錯誤敘述為 (C)。

---

選項分析

(A) 累積發生率假設所有受試者在整個觀察期間都接受了完整追蹤。

正確。

累積發生率的分母是期初具有疾病發生風險的人數，並未直接將每個人的實際觀察時間納入計算。因此，理想上必須知道所有受試者在整個觀察期間是否發病，並假設受試者均完成追蹤。

若大量受試者中途失訪，研究者無法確定其後續是否發病，便會影響累積發生率的估計。

---

(B) 發生密度的計算會考慮觀察對象的「人時（person-time）」。

正確。

發生密度的分母是所有研究對象貢獻的人時總和：

核心觀念

本題考查傳染病自然史中兩個時間概念：

• 傳播潛伏期（latent period）：自病原體感染或暴露後開始，至個體具有傳染力為止的時間。
• 臨床潛伏期（incubation period）：自感染或暴露後開始，至出現疾病症狀為止的時間。

兩者皆以「感染」為起點，但終點不同：

$$\text{感染} \longrightarrow \begin{cases} \text{具有傳染力}：\text{傳播潛伏期結束}\\ \text{出現症狀}：\text{臨床潛伏期結束} \end{cases}$$

若傳播潛伏期短於臨床潛伏期，表示個體在出現症狀前已具有傳染力，因而可能造成症狀前傳播。

---

解題方法

比較兩個潛伏期的長短：

• 若 $\text{傳播潛伏期} > \text{臨床潛伏期}$：先出現症狀，後具有傳染力。
• 若 $\text{臨床潛伏期} > \text{傳播潛伏期}$：先具有傳染力，後出現症狀。

因此：

$$\text{臨床潛伏期} > \text{傳播潛伏期}$$

代表病人在症狀出現前，已經能夠將病原體傳播給他人，可能發生症狀前傳播（presymptomatic transmission）。若感染者始終未出現症狀，則可能形成無症狀傳播（asymptomatic transmission）。

---

選項分析

(A) 錯誤

若傳播潛伏期長於臨床潛伏期，表示：

$$\text{先出現症狀，後具有傳染力}$$

此時病患在出現症狀前尚未具有傳染力，與選項所述相反。

核心觀念

本題考「流行曲線（epidemic curve）」判斷疫情的流行類型。

• 點源式流行（Point source outbreak）：多數個案在短時間內集中發生，通常是一次性暴露於共同感染來源，例如同一餐受污染食物。
• 連續共同來源流行（Continuous common source outbreak）：感染來源持續存在，個案會在一段較長期間持續出現，流行曲線常呈現延長的平台或拖長的分布。
• 傳播型流行（Propagated outbreak）：透過人與人之間逐代傳播，流行曲線常出現多個波峰，各波峰間隔約為一個或數個潛伏期。
• 地方性流行（Endemic）：某疾病在特定地區或族群中長期維持一定程度的發生，不是一次突發的共同暴露事件。

解題方法

本題應同時觀察「暴露事件」與「流行曲線」。

題幹指出，300 人食用當晚供應的生蠔拼盤，其中 60 人發病；未食用者僅 4 人發病。生蠔拼盤屬於同一餐、同一時間點的共同暴露來源，符合食物遭污染後造成一次性暴露的特徵。

從圖形可見，病例集中在短時間內出現，並呈現單一而尖銳的主要高峰，之後迅速下降，沒有規則性重複波峰。這種「短時間集中發病、單一尖峰」的流行曲線，符合點源式流行。

因此，本題最適合判定為：

$$\boxed{\text{點源式流行（Point source outbreak）}}$$

選項分析

(A) 點源式流行（Point source outbreak）—正確

核心觀念

本題考查食物暴露與疾病發生之間的流行病學分析，使用兩個指標：

1. 侵襲率（attack rate, AR）：常用於疫情或群聚事件，表示某一群體在特定期間內發病的比例。

$AR=\frac{\text{該群體發病人數}}{\text{該群體總人數}}\times 100\%$

2. 相對風險（relative risk, RR）：比較暴露組與未暴露組發病風險的倍數。

$RR=\frac{\text{暴露組侵襲率}}{\text{未暴露組侵襲率}}$

本題的暴露因素是「是否食用生蠔拼盤」，疾病結果是「是否發生腸胃炎」。

---

解題方法

一、有吃生蠔者的侵襲率

有 300 人食用生蠔，其中 60 人發病，因此：

$$AR_{\text{生蠔組}} =\frac{60}{300}\times 100\% =20\%$$

因此，有吃生蠔者的侵襲率為 20%。

二、未吃生蠔者的侵襲率

未吃生蠔者共有 200 人，其中 4 人發病：

$$AR_{\text{未吃組}} =\frac{4}{200}\times 100\% =2\%$$

三、計算相對風險

$$RR =\frac{AR_{\text{生蠔組}}}{AR_{\text{未吃組}}} =\frac{20\%}{2\%} =10$$

也可直接計算：

$$RR=\frac{60/300}{4/200} =\frac{0.2}{0.02} =10$$

核心觀念

本題考查傳染病疫情調查中的「病例定義（case definition）」與病例分類，判斷依據包括：

1. 是否具有符合疾病的臨床症狀。
2. 是否具有明確的流行病學關聯。
3. 是否已有實驗室檢驗結果支持。
4. 是否有證據排除該疾病。

以本題設定的諾羅病毒腸胃炎疫情病例定義而言，通常可依下列邏輯分類：

• 確定病例（Confirmed case）：符合臨床條件，且有實驗室檢驗確診。
• 極可能病例（Probable case）：符合臨床條件，並具有明確流行病學關聯，但尚無實驗室確診結果。
• 疑似病例（Suspected case）：具有相關臨床症狀，但尚未達到極可能病例或確定病例的條件。
• 排除病例（Excluded case）：經檢驗或其他調查證據確認不是該疾病病例。

解題方法

本題應依序檢查「症狀、流行病學關聯、實驗室證據、排除證據」：

1. 該乘客有輕微腹瀉，具備腸胃炎的相關臨床症狀。
2. 該乘客與已確定病例同住一間艙房，具有密切且明確的流行病學關聯。
3. 該乘客尚未接受核酸檢測、糞便檢體檢驗等實驗室檢查，因此尚不能列為確定病例。
4. 題目沒有提供任何證據顯示其已被排除。

因此，其條件符合：

$$\text{臨床症狀}+\text{明確流行病學關聯}+\text{尚無實驗室確診} =\text{極可能病例}$$

故應歸類為極可能病例（Probable case）。

選項分析

(A) 確定病例（Confirmed case）錯誤

核心觀念

本題考查篩檢工具的效度指標，以及疾病盛行率對預測值的影響。

• 敏感度（sensitivity）：

$$\text{敏感度}=\frac{\text{真陽性（TP）}}{\text{真陽性（TP）}+\text{偽陰性（FN）}}$$

表示「所有真正患病者中，被檢驗出陽性的比例」。

• 特異度（specificity）：

$$\text{特異度}=\frac{\text{真陰性（TN）}}{\text{真陰性（TN）}+\text{偽陽性（FP）}}$$

表示「所有真正未患病者中，被檢驗出陰性的比例」。

• 陽性預測值（positive predictive value, PPV）：

$$\text{PPV}=\frac{\text{TP}}{\text{TP}+\text{FP}}$$

表示「所有檢驗陽性者中，真正患病的比例」。

• 陰性預測值（negative predictive value, NPV）：

$$\text{NPV}=\frac{\text{TN}}{\text{TN}+\text{FN}}$$

表示「所有檢驗陰性者中，真正未患病的比例」。

其中，敏感度與特異度主要是工具本身的效度；陽性預測值與陰性預測值則會受到盛行率影響。

---

解題方法

本題可採用「每 10,000 人」建立二乘二表，直接比較兩群體的檢驗結果。

群體 A：盛行率 10%

假設篩檢 10,000 人：

• 患病者：$10,000\times 10\%=1,000$ 人
• 未患病者：$9,000$ 人

敏感度為 90%：

• 真陽性：$1,000\times 90\%=900$ 人
• 偽陰性：$1,000\times 10\%=100$ 人

特異度為 90%：

• 真陰性：$9,000\times 90\%=8,100$ 人
• 偽陽性：$9,000\times 10\%=900$ 人

因此：

$$\text{PPV}_A=\frac{900}{900+900}=50\%$$

偽陽性在所有陽性個案中的比例為：

$$\frac{900}{900+900}=50\%$$

群體 B：盛行率 1%

假設篩檢 10,000 人：

• 患病者：$10,000\times 1\%=100$ 人
• 未患病者：$9,900$ 人

敏感度為 90%：

• 真陽性：$100\times 90\%=90$ 人
• 偽陰性：$100\times 10\%=10$ 人

特異度為 90%：

• 真陰性：$9,900\times 90\%=8,910$ 人
• 偽陽性：$9,900\times 10\%=990$ 人

因此：

$$\text{PPV}_B=\frac{90}{90+990}\approx 8.33\%$$

偽陽性在所有陽性個案中的比例為：

$$\frac{990}{90+990}\approx 91.67\%$$

群體 B 的偽陽性比例約為 $91.67\%$，高於群體 A 的 $50\%$，所以 A 正確。

---

選項分析

(A) 群體 B 所篩檢出的陽性個案中，偽陽性的比例會高於群體 A。

正確。

核心觀念

本題考查橫斷性研究（cross-sectional study）的特性，以及因果推論中的「時間先後關係」與「反向因果」問題。

橫斷性研究是在同一時間點，或相近時間內，同時測量研究對象的暴露因素與健康結果。例如本題同時測量：

• 暴露因素：身體質量指數（BMI）
• 健康結果：認知功能分數

研究發現 BMI 較低者認知功能較差，只能表示兩者在該時間點具有相關性，不能直接推論「BMI 較低造成認知功能變差」。

其中一項重要原因是無法確定事件發生的時間順序。除了「體重較輕導致認知功能變差」之外，也可能是「認知功能下降導致食慾減退、進食不足、生活自理能力降低，進而造成體重減輕」。後者即為反向因果（reverse causation）。

解題方法

判斷本題的關鍵，是檢查研究設計能否確認暴露與結果之間的先後順序。

本題的觀察結果為：

$$\text{BMI 較低} \longleftrightarrow \text{認知功能較差}$$

但橫斷性研究只在單一時間點取得資料，因此無法判定下列哪一種因果方向才是正確的：

$$\text{BMI 較低} \rightarrow \text{認知功能變差}$$

或是：

$$\text{認知功能下降} \rightarrow \text{體重減輕、BMI 降低}$$

因此，本題的重點不是「能不能同時測量 BMI 與認知功能」，而是「同時測量後，能不能確認哪一者先發生」。由於無法確認時間順序，研究結果必須謹慎解讀，最適當的答案為 B。

選項分析

（A）橫斷性研究無法同時測量暴露與結果。

錯誤。

橫斷性研究的典型特徵，正是於同一時間點或同一段期間內，同時測量暴露因素與結果。因此，本題研究者同時測量 BMI 與認知功能，完全符合橫斷性研究的設計。

橫斷性研究真正的限制是無法確定暴露與結果的時間先後，以及因而難以建立因果關係，而不是無法同時測量兩者。

（B）可能是認知功能下降導致體重減輕，而非體重輕導致認知變差。

正確。

認知功能下降者可能出現食慾改變、忘記進食、無法準備餐點、生活自理能力下降或疾病消耗增加等情形，造成體重減輕與 BMI 降低。

核心觀念

本題考「病例世代研究（case-cohort study）」與「巢式病例對照研究（nested case-control study）」的設計差異。

病例世代研究的作法是：

1. 先建立一個大型原始世代。
2. 在研究開始時，從原始世代隨機抽取一部分成員，形成「子世代（subcohort）」。
3. 追蹤整個原始世代的疾病發生情形。
4. 以子世代作為多種疾病個案的共同對照組。

因此，同一個子世代可以作為不同癌症、不同疾病研究的對照組，這正是病例世代研究的重要優點。

相較之下，巢式病例對照研究通常是在每一個個案發生時，從當時仍處於風險中的世代成員中抽取對照，常採用依個案發病時間進行的風險集抽樣（risk-set sampling）。

---

解題方法

判斷本題的關鍵，在於辨認對照組的抽樣時間與用途：

• 題幹說「從原始世代中隨機抽取一個子世代」。
• 該子世代「作為所有癌症個案的共同對照組」。
• 研究目標是研究「多種罕見癌症」。

這三個特徵直接指向病例世代研究：

$$\text{原始世代} \longrightarrow \text{隨機抽取子世代} \longrightarrow \text{作為多種疾病共同對照組}$$

病例世代研究不必針對每一個疾病重新抽取一組對照，因此特別適合研究多種疾病，尤其適合在生物標記檢測成本高、研究疾病種類多的情況下使用。

---

選項分析

(A) 錯誤。

此設計不是巢式病例對照研究，而是病例世代研究。

巢式病例對照研究的典型作法，是在每一個病例發生時，從同一原始世代中選取當時仍未發病、仍處於疾病風險中的成員作為對照。這種方法稱為風險集抽樣，對照組的選取與個案發病時間密切相關。

題幹則是在研究開始時，先從原始世代隨機抽取固定的子世代，之後以該子世代作為多種癌症的共同對照組，符合病例世代研究的定義。

---

(B) 正確。

此設計是病例世代研究，其重要優點是同一個子世代可以作為多種不同疾病的共同對照組。

例如，研究者可利用同一子世代，同時研究肺癌、胰臟癌、肝癌及其他罕見癌症與暴露因子的關係，不必針對每一種癌症重新抽取對照組。

因此，本選項正確。

---

(C) 錯誤。

核心觀念

本題考的是相對風險 $RR$、暴露盛行率，以及個人層次與群體層次的疾病負擔判斷。

• $RR$：比較暴露者與未暴露者的疾病發生風險，反映暴露與疾病關聯的相對強度。
• 暴露者的可歸因風險百分比（$AR\%$）：

$$AR\%=\frac{RR-1}{RR}\times 100\%$$

表示暴露者的疾病風險中，有多少比例可歸因於該暴露。

• 族群可歸因風險百分比（$PAR\%$）：

$$PAR\%=\frac{P_e(RR-1)}{1+P_e(RR-1)}\times 100\%$$

其中 $P_e$ 為群體中的暴露盛行率。$PAR\%$ 反映整體族群疾病負擔中，可歸因於該暴露的比例，適合用來判斷公共衛生介入的群體優先順序。

解題方法

本題需區分兩種問題：

1. 若問「對暴露者個人而言，消除哪一項暴露較有效」，主要看 $AR\%$。
2. 若問「對整個群體而言，應優先介入哪一項暴露」，主要看 $PAR\%$，因此必須同時考慮 $RR$ 與暴露盛行率。

A 物質

已知：

$$RR_A=10,\qquad P_{eA}=0.005$$

其族群可歸因風險百分比為：

$$PAR_A\% =\frac{0.005(10-1)}{1+0.005(10-1)}\times100\%$$ $$=\frac{0.045}{1.045}\times100\% \approx4.31\%$$

B 物質

已知：

$$RR_B=1.5,\qquad P_{eB}=0.5$$

其族群可歸因風險百分比為：

$$PAR_B\% =\frac{0.5(1.5-1)}{1+0.5(1.5-1)}\times100\%$$ $$=\frac{0.25}{1.25}\times100\% =20\%$$

因此：

$$PAR_B\%>PAR_A\%$$

雖然 A 物質的 $RR$ 很高，但暴露盛行率極低；B 物質的 $RR$ 較低，卻因暴露人口比例很高，造成整體族群更大的可歸因疾病負擔。公共衛生介入通常以群體健康影響為重要考量，所以應優先考慮 B 物質。

選項分析

（A）錯誤。

A 物質的 $RR=10$，確實代表在相同研究條件與有效控制偏差的前提下，其相對關聯強度較高。然而，公共衛生介入優先順序不能只看 $RR$，還要考慮暴露盛行率。

核心觀念

回溯性世代研究（retrospective cohort study）是以過去已存在的資料，例如病歷、職業紀錄、暴露紀錄或資料庫，確認研究對象過去是否暴露於某項因素，再依暴露狀態分為：

• 暴露組（exposed group）
• 非暴露組（unexposed group）

接著追溯兩組在後續期間發生疾病或健康結果的情形。雖然資料是在研究開始時回溯取得，但研究邏輯仍是：

$$\text{暴露} \longrightarrow \text{疾病發生}$$

因此，回溯性世代研究仍具有世代研究的特徵，可以比較暴露組與非暴露組的疾病發生情形，並計算發生率、相對危險度（relative risk, RR）及發生率比等指標。

---

解題方法

本題可從三個判斷重點切入：

1. 是否依暴露狀態分組；
2. 是否能計算疾病發生率；
3. 回溯性設計的優勢是否等於樣本數必然較少。

回溯性世代研究的主要優點在於節省時間與成本，因為暴露與疾病結果通常已經發生，可以直接利用既有資料進行分析。但「回溯性」並不代表研究所需樣本數必然小於「前瞻性」。

樣本數主要取決於：

• 預期暴露與疾病間的效果大小；
• 疾病或結果的發生率；
• 顯著水準；
• 統計檢定力；
• 暴露組與非暴露組的比例；
• 研究設計所需控制的干擾因素。

因此，不能僅因研究採回溯性設計，就判定樣本數一定少於前瞻性世代研究。

---

選項分析

(A) 研究組別分為暴露組與非暴露組。

正確。

世代研究的基本特徵就是依研究對象是否具有某項暴露因素分組，再觀察兩組疾病或健康結果的發生情形。回溯性世代研究雖然使用過去資料，仍然是按照暴露狀態建立研究組別。

例如，研究某工廠職業暴露與肺部疾病的關係，可依過去職業紀錄分為：

• 曾暴露於特定化學物質者；
• 未暴露於該化學物質者。

之後比較兩組肺部疾病的發生情形。

---

(B) 可以計算發生率。

正確。

世代研究能掌握研究對象在一段期間內是否發生新的疾病個案，因此可以計算發生率。

累積發生率可表示為：

$$\text{累積發生率} = \frac{\text{追蹤期間內新發生的病例數}} {\text{期初具有風險的人數}}$$

若資料具有個別追蹤時間，也可以計算人時發生率：

核心觀念

本題考「回溯性世代研究」（retrospective cohort study）的研究設計與主要限制。

回溯性世代研究先利用既有歷史資料，依研究對象過去是否具有某項暴露分成暴露組與未暴露組，再追蹤其後是否發生疾病。其基本架構仍是：

$$\text{過去的暴露狀態} \longrightarrow \text{後續疾病發生}$$

因此，回溯性世代研究仍保有世代研究的重要特性：

• 暴露發生在疾病之前，具有時序性。
• 可計算發生率、相對危險度（$RR$）等指標。
• 可同時研究一項暴露所造成的多種疾病結果。
• 不必像前瞻性世代研究一樣從現在起長期等待疾病發生。

其主要限制在於，研究者受限於過去已經留下的資料，無法重新設計資料蒐集方式，也無法補回當時未記錄的重要資訊。

解題方法

判斷本題可從兩個方向切入：

第一，區分回溯性世代研究與前瞻性世代研究的限制。回溯性世代研究雖然研究的是過去事件，但通常可以利用既有病歷、就業紀錄、健保資料、登錄資料等，迅速完成暴露與疾病結果的比較，因此不必長期等待疾病發生。

第二，檢查世代研究的基本因果順序。只要研究設計能確認暴露先於疾病發生，就仍然具備時序性。回溯性世代研究的問題不是研究順序不存在，而是過去資料的完整性與正確性可能不足。

因此，最符合「主要限制」的是研究者無法控制過去紀錄的品質與深度，且重要干擾因子可能未被記錄，故選 B。

選項分析

(A) 必須等待很長一段時間讓疾病發生，因此成本極高。

錯誤。

此項描述較接近前瞻性世代研究的限制。前瞻性世代研究從研究開始時確認暴露狀態，再向未來追蹤疾病發生，若疾病具有長潛伏期，確實可能需要多年追蹤，造成時間與經費負擔。

回溯性世代研究則是利用過去已發生的暴露與疾病資料，研究開始時通常已經可以取得部分甚至完整的追蹤結果，因此不必從現在起等待疾病發生。雖然資料整理、連結與驗證仍可能耗費成本，但「必須等待很長時間」並非其主要限制。

(B) 研究者無法控制過去紀錄的品質與深度，且可能缺乏重要的干擾因子資訊。

正確。

這是回溯性世代研究的主要限制。研究者使用的是既有資料，資料原本通常是為了醫療、行政、職業管理或其他目的建立，不一定完全符合本次研究所需。

常見問題包括：

核心觀念

本題考查「暴露者歸因風險百分比」：

$$AR\%=\frac{I_e-I_0}{I_e}\times 100\%$$

其中：

• $I_e$：暴露者的疾病發生率
• $I_0$：非暴露者的疾病發生率
• $I_e-I_0$：歸因風險（attributable risk, AR），表示暴露者中可歸因於該暴露的額外疾病風險

因此，$AR\%$表示：

在暴露者所發生的疾病風險中，有多少比例可歸因於該特定暴露。

題目說暴露與疾病具有因果關係，且 $AR\%=50\%$，意義即為暴露者的疾病風險中，有一半是由該暴露所造成。

解題方法

由公式：

$$AR\%=\frac{I_e-I_0}{I_e}\times 100\%=50\%$$

可得：

$$\frac{I_e-I_0}{I_e}=0.5$$

這表示暴露者的總疾病發生率中，有 $50\%$ 是暴露所增加的疾病發生率，剩餘 $50\%$ 則是即使沒有該暴露，仍會存在的基礎風險。

例如，若暴露者發生率為 $100$，非暴露者發生率為 $50$：

$$AR\%=\frac{100-50}{100}\times100\%=50\%$$

其中增加的 $50$ 可歸因於暴露，占暴露者總風險 $100$ 的一半。因此，正確意義是「在暴露者中，有 $50\%$ 的罹病風險是由於該特定暴露所致」。

選項分析

(A) 正確

「在暴露者中，有 50% 的罹病風險是由於該特定暴露所致。」

這正是暴露者歸因風險百分比的定義：

$$AR\%=\frac{\text{暴露者中可歸因於暴露的風險}}{\text{暴露者總風險}}\times100\%$$

題目又明確假設暴露與疾病具有因果關係，因此可將暴露者與非暴露者之間的風險差異解釋為暴露造成的額外風險。

(B) 錯誤

「全人口中有 50% 的病例可以透過消除該暴露來預防。」

這是在描述「人口歸因風險百分比」或「人口歸因比例」：

核心觀念

本題考查兩個暴露因子——吸菸與基因變異——是否在不同尺度下產生交互作用：

• 加法交互作用：觀察兩因子合併後的風險，是否超過各因子單獨增加風險的加總。
• 乘法交互作用：觀察兩因子合併後的相對風險，是否等於各因子單獨相對風險的乘積。

將資料定義如下：

$R_{00}=1\%$

表示無吸菸、無基因變異；

$R_{10}=3\%$

表示有吸菸、無基因變異；

$R_{01}=2\%$

表示無吸菸、有基因變異；

$R_{11}=5\%$

表示有吸菸、有基因變異。

---

解題方法一：判斷加法交互作用

加法交互作用可用下式判斷：

$R_{11}-R_{10}-R_{01}+R_{00}$

代入數值：

$5-3-2+1=1$

結果不等於 0，因此存在加法交互作用。

也可從風險差觀察：

• 在無基因變異者中，吸菸造成的風險增加：

$3-1=2\%$

• 在有基因變異者中，吸菸造成的風險增加：

$5-2=3\%$

吸菸的風險差會因是否具有基因變異而不同，表示存在加法尺度的交互作用。

---

解題方法二：判斷乘法交互作用

以無吸菸、無基因變異組為基準，計算各組相對風險：

吸菸的相對風險：

$RR_{\text{吸菸}}=\frac{3}{1}=3$

基因變異的相對風險：

$RR_{\text{基因變異}}=\frac{2}{1}=2$

若不存在乘法交互作用，兩因子合併後的預期相對風險應為：

$3\times 2=6$

但實際合併後的相對風險為：

$RR_{\text{合併}}=\frac{5}{1}=5$

因為：

$5\neq 6$

所以存在乘法交互作用。

亦可計算乘法交互作用指標：

核心觀念

本題考查「干擾因子（confounder）」與「效果修飾因子（effect modifier）」的區別，以及兩者同時存在時的處理原則。

• 干擾因子：與暴露及結果均有關聯，但不是暴露造成結果的中介變項；其存在會使觀察到的暴露—結果關聯偏離真實關聯。處理方式通常包括限制、配對、分層及多變項校正。
• 效果修飾因子：會使暴露對結果的效果，在不同分層中呈現不同程度，甚至方向不同。這代表真實的效應異質性，而非研究偏差。
• 交互作用（interaction）：效果修飾在統計分析上的具體表現。若分層後的效果估計值差異明顯，表示暴露效果受到該因子修飾。

因此，效果修飾因子不應被單純當作干擾因子加以控制掉，而應呈現各分層的結果。

---

解題方法

判斷此題的關鍵，在於區分「需要消除的偏差」與「應保留並解釋的真實差異」。

若某因子僅是干擾因子，研究者可透過分層或模型校正，取得控制干擾後的整體效果估計值。

若某因子是效果修飾因子，則不同分層中的效果本來就不同。例如：

• 男性中，暴露與疾病的風險比為 $1.2$
• 女性中，暴露與疾病的風險比為 $3.5$

此時不能只報告一個合併後的風險比，因為合併值會掩蓋性別間的真實差異。研究者應呈現分層結果，並說明暴露效果因性別而異。

當一個因子同時具備干擾與效果修飾特性時，處理順序是：

1. 先進行分層分析，確認各層的效果估計值是否具有異質性。
2. 若存在明顯效果修飾，應以分層結果為主，呈現各層的暴露效果。
3. 不應為了取得單一「校正後」估計值，而將真實的異質效果消除。
4. 若分層後仍需摘要呈現，必須確認各層效果具有可合併性；存在明顯異質性時，不宜強制合併。

因此，本題應選擇強調效果修飾作用、呈現分層後的異質效應。

---

選項分析

(A) 應忽略修飾作用，優先控制其干擾效應，以獲得穩定的校正後風險比。

錯誤。

核心觀念

本題考查「干擾因子（confounder）」的判定條件。

若研究探討暴露 $X$ 與疾病 $Y$ 的關聯，變項 $Z$ 通常須符合下列條件：

1. $Z$ 與暴露 $X$ 有關聯。
2. $Z$ 是疾病 $Y$ 的原因、危險因子，或至少與疾病發生有因果關係。
3. $Z$ 不是暴露 $X$ 造成疾病 $Y$ 過程中的中介變項。
4. 控制 $Z$ 後，$X$ 與 $Y$ 的關聯程度出現實質改變，例如相對風險、勝算比或迴歸係數明顯改變。

干擾因子的判定重點在於「因果結構與估計效果是否受到影響」，不是單純看統計檢定的 $p$ 值是否達顯著。

---

解題方法

可用三個問題判斷 $Z$ 是否為干擾因子：

• $Z$ 是否與 $X$ 有關？
• $Z$ 是否與 $Y$ 有因果關聯？
• $Z$ 是否位於 $X \rightarrow Y$ 的因果路徑上？

若 $Z$ 同時與 $X$、$Y$ 有關，且不是 $X$ 到 $Y$ 的中介變項，便具備干擾因子的基本條件。

統計模型中的顯著性並非必要條件。即使 $Z$ 對 $Y$ 的估計效果未達統計顯著，$Z$ 仍可能因其因果角色與暴露分布差異而造成干擾。統計顯著性會受到樣本數、變異程度、測量誤差及檢定力影響，不能取代因果判斷。

因此，題目問「不必要」的條件，答案為 (C)。

---

選項分析

(A) Z 必須是該疾病 Y 的危險因子。

正確。干擾因子必須與疾病 $Y$ 的發生有關，通常被描述為疾病的危險因子或原因。

若 $Z$ 只與暴露 $X$ 有關，卻完全不影響疾病 $Y$，則不會使 $X$ 與 $Y$ 的關聯產生混淆。故「$Z$ 與疾病 $Y$ 有關」是判定干擾的重要條件。

(B) Z 與暴露 X 之間必須具有統計上的相關性。

核心觀念

本題考的是「適應症干擾」（confounding by indication），屬於混雜偏差的一種。

研究目的為評估：

• 暴露：是否使用新降血壓藥
• 結果：心血管疾病死亡率
• 混雜因子：嚴重糖尿病

題幹指出，嚴重糖尿病患者較容易被處方新藥；同時，糖尿病本身也是心血管死亡的強烈危險因子。因此，使用新藥者的死亡率可能較高，原因未必是藥物有害，而是這些患者原本就具有較高的基礎死亡風險。

其因果關係可表示為：

$$\text{嚴重糖尿病} \rightarrow \begin{cases} \text{較容易接受新藥治療}\\ \text{較高心血管死亡風險} \end{cases}$$

當治療分派受到疾病嚴重程度或治療適應症影響，且該疾病嚴重程度同時影響研究結果時，就會產生適應症干擾。

解題方法

判斷本題可依序檢查三件事：

1. 是否有因素同時影響「接受治療的機會」與「研究結果」？
2. 該因素是否在治療組與對照組間分布不均？
3. 研究設計是否能使治療分派與患者原有疾病狀況脫鉤？

本題中，嚴重糖尿病同時造成：

• 患者較容易接受新降血壓藥；
• 患者本身具有較高的心血管死亡風險。

因此，單純比較用藥組與未用藥組的死亡率，會把糖尿病造成的死亡風險部分歸因於新藥，產生混雜。

在研究設計階段，最有效的預防方式是將研究對象隨機分派至治療組與對照組。隨機分派可使已知及未知的混雜因子，包含糖尿病嚴重程度，在兩組間平均分布，降低治療選擇受到適應症影響的問題。

選項分析

(A) 選樣偏差（selection bias）；嚴格限制只能收錄沒有糖尿病的患者。

錯誤。

題幹描述的主要問題不是研究對象如何被選入，而是嚴重糖尿病患者較容易接受新藥，且糖尿病同時影響死亡結果。這是混雜，具體而言是適應症干擾，不是選樣偏差。

限制只收錄沒有糖尿病的患者，理論上可排除「糖尿病」這個特定混雜因子，但會造成研究結果的適用範圍縮小，也無法處理其他與治療適應症及疾病嚴重程度有關的混雜因素。

核心觀念

本題考的是病例對照研究中的「非差異性錯誤分組」（non-differential misclassification）。

若病例組與對照組的暴露錯誤分組比例相同，表示暴露測量錯誤不因疾病狀態而不同。此時，真正有暴露者可能被錯分為未暴露者，真正未暴露者也可能被錯分為暴露者，使病例組與對照組的暴露比例彼此接近。

在一般假設下，這種非差異性錯誤分組會使暴露與疾病之間的關聯被削弱，相關性估計值如勝算比（odds ratio, OR）通常向虛無值 $1$ 偏移。

---

解題方法

病例對照研究通常整理為：

	暴露	未暴露
病例組	$a$	$c$
對照組	$b$	$d$

其勝算比為：

$$OR=\frac{a/c}{b/d}=\frac{ad}{bc}$$

若暴露分類正確，病例組與對照組的暴露比例差異可以反映暴露與疾病的真實關聯。

但若兩組均有相同比例的錯誤分組：

• 部分病例的暴露狀態被錯分；
• 部分對照的暴露狀態也被錯分；
• 暴露者與未暴露者相互混入，使兩組的暴露分布趨於接近。

可用暴露分類的敏感度與特異度表示觀察到的暴露比例。若真實暴露比例為 $p$，則觀察到的暴露比例為：

$$p^*=Se\cdot p+(1-Sp)(1-p)$$

整理後：

$$p^*=(Se+Sp-1)p+(1-Sp)$$

當暴露分類能力優於隨機分類，即：

$$Se+Sp>1$$

則觀察到的暴露比例差異為：

$$p_1^*-p_0^*=(Se+Sp-1)(p_1-p_0)$$

因為 $0<Se+Sp-1<1$，觀察到的病例組與對照組暴露比例差異會小於真實差異。因此，$OR$ 通常會向 $1$ 靠近：

• 真實 $OR>1$ 時，觀察到的 $OR$ 通常較接近 $1$；
• 真實 $OR<1$ 時，觀察到的 $OR$ 通常也較接近 $1$；
• 真實 $OR=1$ 時，仍以接近無關聯為主。