109 年 國立成功大學環境醫學研究所丙組《流行病學》

本題主要在考察對「醫院為基礎的病例對照研究 (Hospital-based Case-Control Study)」設計與執行方法的理解。這類研究是流行病學中常用來探討疾病與暴露因子之間關聯性的方法，特別是在探討罕見疾病或有較長潛伏期的疾病時。

進行醫院為基礎的病例對照研究，需要詳細考量以下幾個關鍵步驟：

1. 確定研究對象 (Cases and Controls)

   • 病例 (Cases)：
     • 來源： 病例通常來自研究者所在或合作的醫院。這些個案應符合預先設定的明確診斷標準。
     • 診斷標準： 必須有清晰、客觀且一致的診斷標準，以確保納入的個案是真正罹患欲研究疾病的患者。標準應基於臨床表現、實驗室檢查、影像學檢查等。
     • 時間範圍： 應定義一個明確的時間段來收集病例，例如過去一年、過去五年等，這有助於控制研究期間的暴露情況。
     • 排除標準： 需明確列出排除某些特定病例的條件，例如已接受某些治療、有其他嚴重疾病影響暴露評估等。
   • 對照 (Controls)：
     • 來源： 對照組的選擇是病例對照研究中最具挑戰性的一環，因為對照組應代表研究地區或醫院中「未罹患該疾病」的總人口。在醫院為基礎的研究中，對照組的來源可以包括：
       • 來自同一醫院的其他疾病患者 (Other patients from the same hospital)： 這是最常見的方法。選擇其他疾病（非研究疾病及其相關疾病）的患者作為對照，這些患者的就醫動機和頻率可能與研究疾病的患者相似。
       • 來自不同醫院的其他疾病患者： 若研究範圍較廣，可考慮納入其他醫院的患者。
       • 來自社區的健康人： 較少見於醫院為基礎研究，但理論上可行，例如透過抽樣調查或招募參與者。
     • 匹配 (Matching)： 為了減少潛在的干擾因素（如年齡、性別、社經地位等），通常會對對照組進行匹配。常見的匹配方式包括：
       • 個別匹配 (Individual Matching)： 對於每一個病例，選擇一個或多個在關鍵特徵（如年齡、性別）上與該病例相似的對照。
       • 頻率匹配 (Frequency Matching)： 確保對照組和病例組在某些特徵的分布上是相似的。
     • 排除標準： 對照組同樣需要有排除標準，例如有研究疾病的症狀、與研究疾病相關的暴露史等。

2. 暴露評估 (Measurement of Exposure)

   • 方法： 暴露的評估是關鍵，必須盡可能客觀且準確。方法包括：
     • 訪談 (Interviews)： 直接詢問病例和對照關於過去的暴露史，如飲食習慣、生活方式、職業、醫療史、用藥史等。
     • 問卷 (Questionnaires)： 設計結構化問卷，收集詳細的暴露資訊。
     • 病歷回溯 (Medical Record Review)： 查閱病例和對照的醫療紀錄，獲取過去的診斷、治療、檢驗結果等資訊。
     • 生物標記 (Biomarkers)： 如血液、尿液、組織樣本中的特定物質，用於評估過去或目前的暴露情況（但需注意時間的對應性）。
     • 環境監測數據： 如空氣品質、水源品質等。
   • 時間順序： 必須確保暴露的評估是發生在疾病發生的「之前」，以符合因果關係的時間順序。
   • 標準化： 評估暴露的方法和標準必須對病例和對照組一視同仁，避免因評估者的偏見而產生系統性誤差。

3. 抽樣計畫 (Sampling Scheme)

   • 病例抽樣：
     • 全部納入 (Consecutive Sampling)： 在設定的時間範圍內，所有符合條件的病例都被納入研究。
     • 隨機抽樣 (Random Sampling)： 如果病例數量非常龐大，可考慮從所有符合條件的病例中隨機抽取一部分。
   • 對照抽樣：

本題著重於流行病學研究中「假設 (Hypothesis)」的形成與其重要性。一個好的假設是研究的靈魂，它能引導研究方向、設計研究方法，並最終影響研究的結論。

假設的重要性：
在流行病學中，一個「響亮」(sounding) 且有用的假設，是驅動研究方向和成功的最強大力量之一。它具有以下重要性：

1. 提供研究方向： 假設為研究提供了明確的目標和問題，指引研究者去收集、分析特定數據，而不是漫無目的地進行探索。
2. 指導研究設計： 一個具體的假設，能幫助研究者決定應採用何種研究設計（如世代研究、病例對照研究、橫斷面研究等）、選擇哪些變數（暴露因子、結果變數、潛在干擾因素）、以及如何測量這些變數。
3. 增強研究的嚴謹性： 好的假設通常基於現有的科學知識、理論或觀察，使其具有可檢驗性 (testability)，並能促進對因果關係的深入探討。
4. 促進知識的累積： 通過檢驗假設，研究者可以證實、修正或推翻現有的理論，從而推動流行病學知識的發展。
5. 提高研究效率： 有明確假設的研究，更能聚焦於關鍵問題，避免資源浪費在不相關的探索上。

如何形成一個有用的流行病學研究假設：
形成一個有用的假設，需要結合觀察、現有知識、邏輯推理和創造力。以下是幾個關鍵步驟和原則：

1. 從觀察和現有知識出發 (Observation and Existing Knowledge)：

   • 臨床觀察： 觀察到某些疾病的發生率在特定人群中似乎較高，或與某些生活習慣、環境暴露有關。例如，觀察到某地區肺癌患者多有吸菸史。
   • 流行病學數據： 檢視現有的疾病監測數據、統計報告，尋找疾病發生率、分佈或趨勢的異常模式。
   • 文獻回顧： 深入閱讀相關領域的學術文獻，了解現有的研究成果、理論模型和未解決的問題。
   • 生物學和醫學知識： 結合對疾病發生機制的生物學理解，例如致病微生物的特性、藥物的藥理作用、人體的生理病理過程等。

2. 提出初步的關聯性問題 (Formulate a Preliminary Question)：

   • 基於觀察和知識，提出一個關於特定暴露因子與特定健康結局之間潛在關係的問題。
   • 例如：「吸菸是否會增加肺癌的風險？」、「某種飲食習慣是否與心臟病的發生有關？」、「某種職業暴露是否會導致某種癌症？」

3. 將問題轉化為可檢驗的假設陳述 (Translate into a Testable Hypothesis Statement)：

   • 一個好的假設應當是清晰、具體、可檢驗的，並且通常是陳述一個因果關係或關聯性。
   • 形式：
     • 單向假設 (One-sided Hypothesis)： 預測特定方向的關聯性。例如：「吸菸會顯著增加肺癌的發生率。」（表明吸菸是危險因子）。
     • 雙向假設 (Two-sided Hypothesis)： 預測存在關聯性，但不預測方向。例如：「吸菸與肺癌的發生率之間存在關聯。」（可能增加或減少，但流行病學上通常預設是危險因子）。
   • 關鍵要素：
     • 明確的暴露因子 (Exposure)： 具體說明是什麼因素（如吸菸、某種飲食、特定藥物、環境污染物）。

本題要求解釋八個流行病學中的基本術語。這些術語涵蓋了研究中的偏差、疾病測量、指標計算與研究設計的概念。

a). Bias (偏差)

• 定義： 偏差是指在研究設計、執行或分析過程中，導致研究結果系統性地偏離真實情況的任何誤差。偏差會扭曲觀察到的關聯性，使其與真實的關聯性不同，且通常無法通過增加樣本量來消除。
• 類型： 主要分為選擇偏差 (Selection Bias) 和資訊偏差 (Information Bias)。
  • 選擇偏差： 發生於研究對象的選擇或保留過程中，導致研究樣本不能代表目標人群。例如，病例對照研究中對照組的選擇不當。
  • 資訊偏差： 發生於暴露或結局的測量過程中，導致對研究對象的資訊記錄不準確。例如，回憶偏差（病例比對照更傾向於回憶暴露史）或訪談者偏差。
• 重要性： 識別和控制偏差是確保研究有效性和結果可靠性的關鍵。

b). Prevalence (盛行率)

• 定義： 盛行率是指在特定時間點或特定時間段內，某一人群中存在某種疾病或健康狀況的個體所佔的比例。它描述了疾病在人群中的「現狀」。
• 計算公式：
  $\text{Prevalence} = \frac{\text{Number of existing cases at a point in time}}{\text{Total population at that point in time}}$
  或
  $\text{Period Prevalence} = \frac{\text{Number of existing cases during a period}}{\text{Average population during that period}}$
• 類型：
  • 點盛行率 (Point Prevalence)： 指在某個特定時間點上，疾病的盛行程度。
  • 時期盛行率 (Period Prevalence)： 指在一段特定時間內（如一年），曾經罹患該疾病的個體比例。
• 應用： 盛行率對於評估醫療資源需求、規劃公共衛生服務以及了解疾病的負擔非常重要。它受到疾病的發病率 (Incidence) 和疾病的持續時間 (Duration) 的影響：盛行率 ≈ 發病率 × 平均病程。

c). Incidence (發生率)

• 定義： 發生率是指在特定時間段內，某一人群中新發生的某種疾病或健康狀況的個體數量與該人群中處於疾病風險狀態的總人口數之比。它描述了疾病在人群中的「新發生率」或「風險」。
• 計算公式：
  • 發生率密度 (Incidence Density, ID)：
    $ID = \frac{\text{Number of new cases during a period}}{\text{Total person-time at risk during the period}}$
    （這是最準確的發生率指標，單位是「每人-時間」）
  • 累積發生率 (Cumulative Incidence, CI) 或發病率 (Incidence Rate)：
    $CI = \frac{\text{Number of new cases during a period}}{\text{Population at risk at the beginning of the period}}$
    （假設在該時期內人口數相對穩定，且沒有損失追蹤）
• 應用： 發生率是研究疾病的病因、預防措施的有效性以及預測疾病趨勢的重要指標。

d). Standardized Mortality Ratio (SMR, 標準化死亡率)

• 定義： 標準化死亡率 (SMR) 是一種用於比較某特定人群（如職業人群、地理區域人群）的觀察死亡率與預期死亡率的指標。它通過將觀察到的死亡人數與基於標準人群（通常是全國或全地區平均死亡率）的預期死亡人數進行比較來計算。
• 計算公式：
  $SMR = \frac{\text{Observed number of deaths}}{\text{Expected number of deaths based on a standard population}}$
  預期死亡人數通常是通過將標準人群的年齡別、性別別死亡率乘以研究人群中相應年齡和性別的個體數來計算。
• 解釋：
  • SMR = 1：觀察到的死亡率與標準人群相同。
  • SMR > 1：觀察到的死亡率高於標準人群（可能與暴露有關）。
  • SMR < 1：觀察到的死亡率低於標準人群。
• 應用： 常用於職業流行病學，評估特定職業或環境暴露對死亡風險的影響。

e). Non-differential error (非差異性誤差)

• 定義： 非差異性誤差是指在研究中，暴露因子（或干擾因子）的測量誤差在研究組（如病例組）和對照組（或暴露組與未暴露組）之間是相似的，即誤差的類型和程度不依賴於研究的分組。
• 影響：