公共衛生學 - 流行病學方法

流行病學指標與篩檢評估

流行病學指標

發生率 (Incidence Rate)

• 定義：特定時間內，某特定人群中「新發生」疾病的個案數佔「暴露於風險」人口數的比例。
• 用途：衡量疾病的風險。
• 計算：需追蹤一段時間。
• 類型：
  • 粗發生率 (Crude Incidence Rate)：未考慮人口結構差異。
  • 年齡標準化發生率 (Age-Standardized Incidence Rate)：消除年齡結構差異，用於比較。
• 判讀：若粗發生率高於他地，但年齡標準化發生率低，表示該地人口年齡結構偏老。

侵襲率 (Attack Rate)

• 定義：在特定時間內，暴露於某病原或危險因子的人群中，發生疾病的比例。
• 用途：常用於急性傳染病爆發或食物中毒，衡量短期內的發生風險。
• 關係：可視為特定暴露人群中的發生率。
• 二次侵襲率 (Secondary Attack Rate, SAR)：與初次病例有密切接觸的易感者，在潛伏期內發病的比例，反映密切接觸者間的傳播能力。

盛行率 (Prevalence Rate)

• 定義：在特定時間點或期間內，某特定人群中「現有」疾病的個案數（包括新舊病例）佔總人口數的比例。
• 用途：反映疾病在人群中的普遍程度。
• 計算：在一個時間點進行調查。
• 別稱：有時稱「罹患率」，但國考以「盛行率」為準。

死亡率 (Mortality Rate)

• 定義：在某期間內，特定人群中「死於某疾病」的人數佔「總人口數」的比例。
• 用途：衡量疾病對整體人群的致死影響。

病例致死率 (Case-Fatality Rate)

• 定義：在某期間內，「確診某疾病的病例」中，「死於該疾病」的人數比例。
• 用途：衡量疾病的嚴重程度或致死性。
• 計算：(死於該疾病的病例數 / 確診該疾病的總病例數) × 100%。

發生率 vs. 盛行率

篩檢與診斷性試驗評估

篩檢 (Screening)

• 目的：在無症狀的看似健康人群中，早期發現疾病或疾病風險因子。
• 結果：區分高風險與低風險，非最終診斷。
• 成功條件：
  • 疾病嚴重且盛行率高。
  • 有有效篩檢工具（高敏感度與高特異度）。
  • 有有效的後續診斷和治療方法。
  • 效益大於風險和成本。

篩檢試驗評估指標

• 敏感度 (Sensitivity)：真正有病者中，篩檢結果為陽性的比例（真陽性率）。
  • 計算：真陽性 / (真陽性 + 偽陰性)
  • 用途：減少偽陰性 (false negative)。
• 特異度 (Specificity)：真正沒病者中，篩檢結果為陰性的比例（真陰性率）。
  • 計算：真陰性 / (真陰性 + 偽陽性)
  • 用途：減少偽陽性 (false positive)。
• 陽性預測值 (Positive Predictive Value, PPV)：篩檢結果為陽性者中，真正有病的比例。
  • 計算：真陽性 / (真陽性 + 偽陽性)
  • 用途：衡量篩檢陽性結果的可靠性。
  • 影響因素：PPV 受到篩檢工具的敏感度、特異度以及 疾病盛行率 (Prevalence) 的影響。
  • 盛行率與 PPV 關係：在其他條件不變下，疾病盛行率越高，PPV 越高。
• 陰性預測值 (Negative Predictive Value, NPV)：篩檢結果為陰性者中，真正沒病的比例。
  • 公式：真陰性 (TN) / (偽陰性 (FN) + 真陰性 (TN))。
  • 臨床意義：直接回答「如果我的檢驗結果是陰性，我真正沒生病的機率有多大？」
  • 影響因素：NPV 同樣受敏感度、特異度及疾病盛行率影響。
• 偽陽性占比 (1 - PPV)：篩檢陽性結果中假警報的比例。

多重篩檢策略

盛行率對篩檢指標的影響

• 敏感度與特異度：為篩檢工具的內在特性，通常不受族群盛行率影響。
• 陽性預測值 (PPV) 與 偽陽性占比 (1-PPV)：會受到疾病盛行率的顯著影響。
• 低盛行率族群：PPV降低，偽陽性占比升高。

傳染病監測金字塔

• 概念：描述從實際感染人數到最終報告病例數的遞減過程。
• 層次 (由多至少)：
  1. 感染人數
  2. 症狀個案數
  3. 臨床醫師診療個案數
  4. 醫檢結果確定為陽性之個案數 (最終報告)

流行病學研究設計與偏差

研究設計類型

• 描述性研究 (Descriptive Study)：描述疾病在人群中的分佈（時間、地點、人）。
• 分析性研究 (Analytical Study)：探討疾病的原因和危險因子。
• 觀察性研究 (Observational Study)：
  • 世代研究 (Cohort Study)：
    • 定義：從一群沒有疾病但具有不同暴露狀態的人開始追蹤，觀察未來疾病發生情況。
    • 特性：前瞻性設計，能較好建立時序關係（原因先於結果）。
    • 優點：可同時觀察多種暴露因子與多種疾病結局。
    • 固定世代研究 (Fixed Cohort Study)：研究對象來自界定明確的總體，暴露劃分根據受試者實際的暴露情況。
  • 病例對照研究 (Case-Control Study)：
    • 定義：從已經有疾病的病例組（如腎臟癌症新個案）和沒有疾病的對照組（如無任何癌症病史的其他住院病人）開始，回溯性地調查他們過去的暴露史（如吸菸史）。
    • 特性：回溯性設計。
    • 優點：省時、省錢，適合研究罕見疾病。
    • 缺點：易受回憶偏差 (Recall bias) 和選擇性偏差 (Selection bias) 影響。
    • 關聯性測量：無法直接計算疾病的發生率 (incidence) 或相對危險性 (relative risk, RR)，因為是從疾病狀態回溯調查暴露。最恰當的關聯性測量是勝算比 (odds ratio, OR)。
    • 勝算 (odds)：事件發生次數 / 事件不發生次數。
  • 橫斷研究 (Cross-Sectional Study)：
    • 定義：在某個時間點同時調查暴露和疾病狀況。
    • 特性：無法確定因果時間順序。
  • 巢疊病例對照研究 (Nested Case-Control Study)：
    • 定義：在一個大型的世代研究 (cohort study) 中進行。從世代中選取所有發生疾病的個案 (cases)，並從未發生疾病的成員中隨機選取對照組 (controls)。
    • 特性：利用世代研究預先收集的資料，具有前瞻性和回溯性特點，稱為雙向研究法。
• 實驗性研究 (Experimental Study)：研究者介入並控制暴露。
  • 隨機分派 (Randomization)：在臨床試驗中，平衡干擾因子，確保組間基線特徵可比性。

建立因果關係的準則

• 時序關係 (Temporality)：原因必須發生在結果之前。世代研究因其前瞻性設計，在此準則的建立上優於病例對照研究。

干擾因子 (Confounder)

• 定義：與暴露因子及疾病結果皆相關，但不在暴露因子到疾病結果因果路徑上的中介變項。
• 影響：導致暴露與疾病間的關係被錯誤估計或扭曲。
• 判斷：控制該因子後，主要暴露與結果的關係會改變。
• 處理：需控制（如隨機分派、配對、分層分析、多變項迴歸）。
• 範例：酗酒干擾抽菸與口腔癌的關係。

修飾因子 (Effect Modifier)

• 定義：會改變暴露因子與疾病結果之間關係強度或方向的變項。
• 判斷：分層分析後，各層的相對危險性 (RR) 或勝算比 (OR) 不同。
• 處理：不需控制，應分層呈現結果。
• 範例：酗酒修飾抽菸與口腔癌的關係強度。

干擾因子 vs. 修飾因子

抽樣與偏差估計

• 隨機抽樣：提高研究結果的外部效度。
• 估計偏差：當不同群體盛行率差異大，且抽樣比例不符時，簡單合併樣本會產生偏差。
• 解決：採用分層抽樣並進行加權。

生態學研究 (Ecological Study) 與 生態謬誤 (Ecological Fallacy)

• 生態學研究特色：分析單位為群體或區域，使用彙整過的資料。
• 生態謬誤定義：根據群體層次資料推論到個體層次的關聯性。
• 範例：某地區平均收入高，癌症發生率也高，推論高收入個體更容易得癌症，此為生態謬誤。
• 重要提醒：即使個體層次關聯性存在，從群體資料直接推論個體情況仍屬生態謬誤。
• 多層次分析 (Multilevel analysis)：同時考慮「個體」與「群體」層次的研究設計，可避免生態謬誤。

社會流行病學 (Social Epidemiology)

• 定義：研究社會因素（如社會階層、收入、教育、種族、性別等）如何影響人群健康和疾病分佈。
• 核心概念：強調「社會決定因素 (social determinants of health)」。
• 研究焦點：疾病的遠因或根本原因。
• 策略：傾向於發展群體預防策略。

藥物臨床試驗階段

第一階段 (Phase I)

• 受試者：少數健康志願者（20-100人）。
• 目的：測試安全性、劑量範圍、藥物動力學。

第二階段 (Phase II)

• 受試者：少量患有目標疾病的病人（100-300人）。
• 目的：測試初步療效和進一步安全性。

第三階段 (Phase III)

• 受試者：大量患有目標疾病的病人（數百到數千人）。
• 目的：與標準治療或安慰劑比較，評估有效性、安全性、副作用、風險效益比。
• 重要性：決定藥物是否能上市的關鍵階段。

第四階段 (Phase IV)

• 時機：藥物上市後。
• 目的：長期監測，收集長期安全性、罕見副作用、新適應症等數據。

測量誤差與實驗室檢測

測量誤差 (Measurement Error)

• 定義：測量結果與真實值之間的差異。
• 實驗室檢測誤差來源：
  • 儀器校準
  • 試劑批次
  • 操作人員技術
  • 環境條件 (如溫度、濕度)

實驗室檢測計畫對誤差的影響

• 分批、長時間測量（如醫師甲的計畫：每收集一個病例即開具檢驗單）：
  • 測量條件不一致的風險增加。
  • 導致測量誤差增加。
• 集中、一致性測量（如醫師乙的計畫：先冷凍貯存樣本，再集中於短時間內全數測量）：
  • 確保所有檢體在相對一致的實驗室條件下進行測量。
  • 有助於減少測量誤差。