108 年 國立成功大學環境醫學研究所丙組《流行病學》

本題主要在測試考生對流行病學與生物統計學中幾個重要名詞的理解與掌握程度。

a). Biomarker (生物標記)
生物標記是指任何可被客觀測量並評估為正常生物過程、病原體侵襲或對治療反應的指標。它是一個廣泛的概念，涵蓋了從分子、細胞、組織到生理反應等各種可測量指標。在流行病學研究中，生物標記可用於疾病的早期偵測、風險評估、暴露評估、疾病進展監測以及治療效果評估。例如，血液中的特定蛋白質濃度、基因突變、影像學檢查結果等都可以是生物標記。

b). Linkage disequilibrium (連鎖不平衡)
連鎖不平衡是指在族群中，兩個基因座（loci）上的等位基因（alleles）組合頻率，與這兩個基因座獨立遺傳時預期會出現的頻率不符的現象。通常發生在兩個基因座彼此距離很近，以至於在減數分裂過程中，它們的等位基因傾向於一起被遺傳（即發生連鎖）。如果兩個基因座之間沒有發生足夠的重組（recombination），就會出現連鎖不平衡。在人類基因組關聯研究（GWAS）中，連鎖不平衡是定位疾病相關基因的重要概念，因為我們可以透過檢測與目標基因緊密連鎖的SNP（單核苷酸多型性）來推斷目標基因的變異。

c). Dose-response relationship (劑量-反應關係)
劑量-反應關係是指暴露於某種物質或因子（劑量）的量與所引起的健康效應（反應）之間的關係。

本題考驗考生將流行病學研究設計方法應用於實際環境科學議題的能力，並需說明Matched case-control study 的設計細節。

研究議題範例： 室內空氣污染暴露與兒童氣喘發作風險的關聯。

研究設計說明：

1. 研究目的： 探討特定室內空氣污染物（例如：PM2.5、甲醛、揮發性有機化合物 VOCs）的暴露，與兒童罹患氣喘（asthma）發作風險的關聯性。

2. 研究設計： 採用配對病例對照研究（Matched case-control study）。

3. 研究對象選擇：

• 病例組 (Cases)： 挑選在特定時間範圍內（例如：過去一年）曾因氣喘急性發作而就醫的兒童。
• 對照組 (Controls)： 從同一地區、同一時期、未曾罹患氣喘的兒童中挑選。
• 配對原則 (Matching)： 為了減少潛在的干擾因子（confounders）的影響，病例組和對照組將會進行配對。常見的配對因子包括：
  • 年齡 (Age)： 選擇與病例年齡相近的對照。
  • 性別 (Sex)： 選擇與病例性別相同的對照。
  • 居住地區 (Geographic area)： 選擇與病例居住在相同或相似地區的對照，以控制區域性的環境和社會經濟因素。
  • 社會經濟地位 (Socioeconomic status, SES)： 盡可能選擇與病例相似的SES，例如透過父母教育程度或職業來判斷。
  • 就診時間點 (Time of diagnosis/enrollment)： 確保病例和對照的招募時間點盡可能接近，以降低時間變異的影響。
• 配對方式： 可以採用一對一（1:1）或一對多（1:k）的配對。例如，針對每一位病例，尋找一位（或數位）在上述因子上與其相符的對照。

4. 資料收集：

• 暴露評估 (Exposure Assessment)：
  • 問卷調查： 針對病例及其家屬（或對照及其家屬）進行詳細問卷調查，詢問其居住環境的狀況，例如：
    • 房屋通風情況（開窗頻率、通風設備）。
    • 室內裝修材料（使用何種建材、油漆等）。
    • 使用烹飪燃料種類。
    • 是否有室內吸菸者。

本題主要在探討測量誤差（measurement error）對流行病學研究結果的影響。測量誤差是研究設計與執行中不可避免的問題，了解其影響有助於我們更審慎地解釋研究結果。

測量誤差的類型與影響：

測量誤差可以大致分為兩種類型：隨機誤差（random error）和系統誤差（systematic error）。

A. 隨機誤差 (Random Error)

• 定義： 隨機誤差是指測量值與真值之間的差異是隨機發生的，沒有特定的方向性，且其大小和方向在不同測量之間是不固定的。它主要源於測量過程中的偶然變異，例如儀器讀數的微小差異、受試者當下的生理狀態波動、研究人員的主觀判斷變異等。
• 影響：
  • 降低測量精度 (Precision)： 隨機誤差的存在會使測量結果的離散程度增大，即測量值圍繞真值的散佈範圍變大，從而降低測量的精度。
  • 減弱關聯性 (Attenuation)： 在探討暴露與結果的關聯性時，隨機誤差會傾向於將真實存在的關聯性「稀釋」或「減弱」，使我們觀察到的關聯性（如相關係數、優勢比、風險比）趨近於零。這稱為「稀釋偏差」（attenuation bias）。也就是說，即使真實存在強烈的關聯，隨機誤差也會導致研究結果顯示出較弱的關聯，甚至可能無法達到統計學上的顯著意義（false negative）。
  • 增加樣本數需求： 為了克服隨機誤差對精度的影響，研究者可能需要增加樣本數，以提高檢測到真實關聯的能力。

B. 系統誤差 (Systematic Error，或稱偏差 Bias)

• 定義： 系統誤差是指測量值與真值之間存在一個持續、可預測的偏差，且這種偏差在重複測量中具有一致的方向和大小。它通常源於測量工具的校準問題、測量方法的固有缺陷、研究設計或執行過程中的系統性錯誤。
• 影響：
  • 扭曲測量準確性 (Accuracy)： 系統誤差會使測量結果系統性地偏離真值，降低測量的準確性。
  • 產生偏差 (Bias)： 系統誤差是產生研究偏差的主要來源。根據誤差的性質，系統誤差又可以細分為：
    • 信息偏差 (Information bias)： 源於暴露、結果或協變量的測量不準確。
      • 觀察者偏差 (Observer bias)： 觀察者對不同組別（如病例與對照）的測量標準不一致。
      • 受訪者偏差 (Respondent bias) / 回憶偏差 (Recall bias)： 例如，病例組可能比對照組更傾向於回憶起某些暴露因素。
      • 工具偏差 (Instrument bias)： 測量工具本身存在問題（如校準不準）。
    • 選擇偏差 (Selection bias)： 源於研究對象的選擇或保留方式不當，導致樣本不能代表目標族群。
  • 影響關聯性的方向與大小： 系統誤差會導致觀察到的暴露與結果之間的關聯性，系統性地高估或低估真實的關聯性。