112 公務人員升官等薦任 衛生行政 流行病學 考古題詳解

核心觀念

本題考查病例對照研究的辨識，以及此研究設計的限制。

研究者先招募已被診斷為巴金森氏病的 293 名個案，再從同一社區招募 293 名未患病者作為對照，並依診斷年齡與性別進行 $1:1$ 匹配。接著回溯比較兩組得病前是否經常使用止痛藥。這是以疾病狀態選取研究對象，再回溯比較過去暴露情形，符合病例對照研究的特徵。

病例對照研究通常以勝算比（odds ratio, $OR$）衡量暴露與疾病的關聯。若病例組暴露勝算低於對照組，$OR<1$，可解讀為暴露與較低的疾病勝算相關；但觀察性研究的關聯本身不能直接證明因果。

解題方法

辨認研究設計時，先看研究對象如何選取：

• 依是否罹病分組：病例與非病例，屬於病例對照研究。
• 再回頭比較兩組過去的止痛藥使用情形：屬於回溯性暴露評估。
• 依診斷年齡與性別配對：是匹配病例對照研究。

題幹以「風險較低」描述結果，但病例對照研究通常不能直接由抽樣資料估計發生率或風險，主要分析指標是 $OR$。因此，較嚴謹的表述是「經常使用止痛藥與較低的巴金森氏病勝算相關」，而非直接宣稱其降低罹病風險。

此研究設計的兩項缺點

核心觀念

本題考查世代研究中「暴露組與未暴露組發生疾病的累積發生率比較」，以相對危險性（relative risk, $RR$）估計咖啡使用與焦慮症的相關性。世代研究依暴露狀態分組，追蹤各組新發疾病，因此可直接計算各組的疾病發生比例，再求其比值。

解題方法

咖啡使用者為暴露組，沒有咖啡使用者為未暴露組。

暴露組的焦慮症發生比例為：

未暴露組的焦慮症發生比例為：

相對危險性為暴露組發生率除以未暴露組發生率：

結果闡釋

核心觀念

本題考查間接標準化及標準死亡比（Standardized Mortality Ratio, SMR）的計算。當研究族群各年齡層的死亡率未知或不穩定，但有一般族群各年齡層死亡率時，可將一般族群的年齡別死亡率套用到研究族群的人口結構，計算預期死亡人數，再與研究族群的實際死亡人數比較。

SMR 以 100 為比較基準：大於 100 表示觀察死亡數高於預期；小於 100 表示低於預期。

解題方法與計算

先逐年齡層計算工廠員工若具有一般族群 COVID-19 死亡率時，預期會發生的死亡人數：

核心觀念

本題考查以流行病學的發生與盛行關係，分別提出降低年輕族群第二型糖尿病新發病例，以及降低既有病例總量的方法。作答時要避免將兩者混為一談：預防新病例著重於減少危險因子與糖尿病前期進展；降低盛行率則還須考量疾病持續時間、緩解、死亡與人口變化。

• 發生率衡量一段期間內新發病例的速度。發生密度為「期間內新病例數 ÷ 全體研究對象累積人時」；累積發生率則為「期間內新病例數 ÷ 期初具罹病風險人口數」。
• 盛行率是特定時間點或期間內，人口中現存病例所占比例： $盛行率=\frac{現存病例數}{該人口總數}$
• 在人口與疾病狀態相對穩定、疾病不常見等條件下，可用下式理解兩者關係： $盛行率\approx發生率\times平均病程$ 因此，盛行率上升可能來自新病例增加，也可能來自患者存活時間延長，或其他人口組成與病例移入移出等因素。糖尿病通常為慢性病，延長患者存活雖是良好醫療成果，卻不會使盛行率下降。

預防層級方面，原發預防避免疾病發生；次級預防以早期發現及介入避免進展；三級預防著重控制疾病與併發症、維持生活功能。題目沒有要求法條，毋須援引法規。

解題方法

先依題目要求分成「降低發生率」與「降低盛行率」兩部分，再以發生率—病程—盛行率的關係，說明每項措施對應的流行病學機制。

降低新病例，核心是預防年輕族群由高風險狀態進展為第二型糖尿病；降低盛行率則須減少新病例流入現存病例池，並增加既有病例達成緩解或離開該人口的機會。公共衛生措施應兼顧個人生活型態、醫療照護與支持健康選擇的環境。

降低第二型糖尿病發生率的方法

1. 促進健康飲食與體重管理 透過校園、職場及社區健康教育與服務，增加蔬菜、全穀及高纖食物攝取，減少含糖飲料、精製澱粉及高熱量加工食品；協助過重或肥胖者設定可達成的減重目標。降低肥胖及胰島素阻抗，有助減少糖尿病風險。

2. 增加身體活動、減少久坐 鼓勵規律運動，並在校園及職場安排活動機會、改善步行與騎乘環境。身體活動可改善胰島素敏感性，也有助體重控制。

3. 針對糖尿病前期與高風險族群介入 依臨床指引進行風險評估與適當篩檢，辨識糖尿病前期、肥胖、缺乏活動或具有相關家族史等高風險者；提供飲食、運動及體重管理的持續支持，並安排追蹤。

核心觀念

本題考查流行病學中「相關性」與「因果關係」的區別，以及如何解讀觀察型研究的結果。

• 相關性（association）：暴露與疾病在資料中呈現統計上的關聯，例如手機使用者的腦瘤發生率與未使用者不同。相關性描述兩者共同變動，不代表暴露造成疾病。
• 因果關係（causation）：暴露確實會改變疾病發生的機率；若移除或改變暴露，疾病風險也會隨之改變。因果判斷須排除偏差、混雜與偶然等其他解釋。

解題方法

題幹只說過去數十年「部分觀察型研究」發現手機使用與癌症、特別是腦瘤有相關性。觀察型研究通常無法像實驗研究一樣隨機分派暴露，因此單憑觀察到的統計關聯，不能直接判定因果。

解題時應依序判斷：

1. 題幹提供的是關聯證據，還是因果證據？ 題幹明確描述的是觀察型研究中的相關性，並未提供足以排除其他解釋的因果證據。
2. 關聯是否可能由其他因素造成？ 例如混雜因子、選擇偏差、資訊偏差或偶然誤差，都可能產生或扭曲觀察到的關聯。
3. 因果判斷是否有整體證據支持？ 可進一步評估時間先後、關聯強度、劑量反應、結果一致性、生物合理性，以及研究設計與偏差控制等證據。這些是因果判斷的考量面向，不是只要符合其中一項就能證明因果。

核心觀念

本題考的是**干擾作用（confounding）**的判斷，以及在研究設計與資料分析階段控制干擾的方法。干擾因子須符合三項條件：

1. 與研究中的暴露（咖啡使用）有關。
2. 與結果（胰臟癌）有關，且不是暴露造成的中介變項。
3. 在比較暴露與未暴露者時，若未控制，會扭曲暴露與結果的關聯估計。

判斷干擾時，可比較粗勝算比與分層勝算比；也要觀察各層勝算比是否彼此相近。若分層估計彼此相近、但與粗估計不同，較符合干擾；若分層估計明顯不同，則須考慮效果修飾（交互作用）。

解題方法

一、性別

粗勝算比為 $1.27$，男性分層勝算比為 $2.48$，女性為 $4.50$。兩個性別層的勝算比彼此差距明顯，顯示咖啡與胰臟癌的關聯可能因性別而異，符合效果修飾的型態。

因此，僅憑這些數字，不能把性別直接判定為干擾因子。應進一步檢驗分層估計間的差異及其統計不確定性；若確有交互作用，應報告各性別層的效果，而不宜只用單一共同勝算比概括。

二、抽菸狀態

目前仍抽菸、過去曾抽菸、從未抽菸三層的勝算比分別為 $1.33$、$1.28$、$1.35$，彼此接近；但都與粗勝算比 $1.27$ 有所差異。這種「分層估計彼此相近、粗估計與之不同」的型態，符合抽菸狀態造成干擾的判斷。

各分層估計約在 $1.28$ 至 $1.35$，可視為相近，但是否達統計上的同質性仍須配合信賴區間或正式檢定；題目未提供這些資料，考試判斷以分層估計相近為依據。

如何減少干擾影響

研究設計階段