115 年 國立臺灣大學流行病學與預防醫學研究所甲：流行病組《流行病學》

本題考驗發生率 (Incidence Rate, IR) 的計算。發生率的定義為在特定時間內，新發生疾病的個案數除以暴露於風險下的總人時數 (person-time)。

計算步驟如下：

1. 確定疾病個案數： 題目中明確指出，在追蹤期間有 50 人罹病。
2. 計算總人時數 (Total Person-Time)：
   • 罹病者的人時數： 雖然 50 人罹病，但他們罹病的時間點不同。題目提到罹病者平均於追蹤開始後 2.4 年罹病。因此，這 50 人的總人時數為 $50 \text{ 人} \times 2.4 \text{ 年/人} = 120 \text{ 人年}$。
   • 失聯者的人時數： 有 150 人在追蹤 1 年後失聯。這 150 人的總人時數為 $150 \text{ 人} \times 1 \text{ 年/人} = 150 \text{ 人年}$。
   • 完成追蹤者的人時數： 有 800 人完成 5 年追蹤。

本題考驗流行病學中因子 (factor) 的不同類型，特別是干擾 (confounding) 的概念。

核心觀念：

• 干擾因子 (Confounder)： 是一個與暴露 (exposure) 和結果 (outcome) 都有關聯，且不是暴露與結果之間因果鏈上的中間步驟的變項。它會扭曲暴露與結果之間的真實關聯。
• 中介因子 (Mediator)： 是暴露與結果之間因果鏈上的中間步驟。例如，吸菸導致肺癌，但吸菸也可能導致肺部發炎，而發炎是導致肺癌的其中一個機制（中介）。
• 效應修飾因子 (Effect Modifier)： 指暴露與結果之間的關聯強度或方向，會因該因子 (效應修飾因子) 的存在或值而異。換句話說，該因子與暴露有交互作用 (interaction)。

題目情境分析：

• 暴露 (Exposure)： 咖啡攝取。
• 結果 (Outcome)： 冠心病。
• 潛在因子： 吸菸。

本題考驗在配對病例對照研究 (matched case-control study) 中，如何正確估計勝算比 (Odds Ratio, OR)。

核心觀念：

• 配對設計 (Matched Design)： 在病例對照研究中，為了控制潛在的干擾因子 (confounder)，會將病例與對照在某些特徵 (如年齡、性別、居住地等) 上進行配對。
• 配對因子 (Matching Factor)： 在本題中是「居住鄰里」。
• 估計 OR 的方法：
  • 未配對分析 (Unmatched Analysis)： 直接將所有病例與對照合併，忽略配對關係。這通常會低估 OR 的標準誤 (standard error)，但對 OR 的點估計 (point estimate) 影響較小，除非配對效果很強。
  • 條件式邏輯斯迴歸 (Conditional Logistic Regression)： 這是處理配對資料的標準方法。它將配對組視為分析的單元，直接在每個配對組內進行比較，從而有效地控制了配對因子。
  • 未條件式邏輯斯迴歸 (Unconditional Logistic Regression)： 雖然可以透過將配對因子納入共變項 (covariate) 來進行調整，但對於嚴格的配對設計，條件式邏輯斯迴歸通常更為合適和有效。

核心觀念

本題考查兩個流行病學重點：

1. 年齡結構不同時，不能直接比較粗死亡率
   粗死亡率會同時受到「各年齡層死亡風險」與「人口年齡分布」影響。A 大都會與 B 村莊年齡結構差異很大，直接比較粗死亡率會產生混雜。

2. 年齡別死亡率不穩定時，宜採用間接標準化
   B 村莊部分年齡層死亡數很少，導致年齡別死亡率的隨機變異大。此時不宜直接使用 B 村莊各年齡別死亡率進行加權，較適合使用間接標準化，計算標準化死亡比（standardized mortality ratio, SMR）。

粗死亡率的概念為：

$$\text{粗死亡率} = \frac{\text{觀察死亡總數}}{\text{人口總數}}$$

若兩地區年齡結構不同，粗死亡率的差異未必代表真正的年齡別死亡風險不同。

---

解題方法

直接標準化需要先取得研究地區各年齡層的死亡率，再套用同一個標準人口的年齡分布：

$$\text{直接標準化死亡率} = \frac{\sum_i m_i^{(研究地區)}N_i^{(標準人口)}}{\sum_i N_i^{(標準人口)}}$$

其中：

• $m_i^{(研究地區)}$：研究地區第 $i$ 年齡層的死亡率
• $N_i^{(標準人口)}$：標準人口第 $i$ 年齡層的人數

但本題指出 B 村莊部分年齡層死亡數很少，因此其年齡別死亡率 $m_i$ 不穩定。將這些不穩定的死亡率套用到標準人口後，結果仍會受到較大的隨機誤差影響。

因此採用間接標準化。其步驟如下：

1. 使用較穩定的參考人口年齡別死亡率，例如 A 大都會或全國人口的年齡別死亡率。
2. 將參考人口死亡率套用到 B 村莊各年齡層人口數，計算 B 村莊的預期死亡數：

$$E = \sum_i n_i^{(B)}m_i^{(標準人口)}$$

其中：

• $n_i^{(B)}$：B 村莊第 $i$ 年齡層人口數
• $m_i^{(標準人口)}$：參考人口第 $i$ 年齡層死亡率
• $E$：B 村莊在參考人口死亡率下的預期死亡數

3. 將 B 村莊實際觀察到的死亡數 $O$ 與預期死亡數 $E$ 比較，計算 SMR：

$$\text{SMR} = \frac{O}{E}\times 100$$

SMR 的解讀如下：

本題考驗對病例對照研究中常見的偏差 (bias) 類型的理解，特別是資訊偏差 (information bias)。

核心觀念：

• 偏差 (Bias)： 在流行病學研究中，偏差是指研究結果系統性地偏離真實情況。
• 資訊偏差 (Information Bias)： 發生於資料蒐集過程中，由於對研究對象的測量不準確而導致的偏差。
  • 記憶偏差 (Recall Bias)： 在回憶性研究 (如病例對照研究) 中，病例因為知道自己患病，可能比對照更努力回憶暴露史，導致對暴露的記憶程度不同。
  • 訪談者偏差 (Interviewer Bias)： 訪談者在提問或記錄時，因已知研究對象的疾病狀態而產生不一致。
  • 測量工具偏差 (Measurement Instrument Bias)： 使用的測量工具本身有問題。
• 錯分 (Misclassification)： 指將個體錯誤地歸類到暴露或未暴露組，或疾病或未疾病組。
  • 差異性錯分 (Differential Misclassification)： 錯分的機率在不同組別 (如病例與對照) 之間是不同的。這會導致偏差。
  • 非差異性錯分 (Non-differential Misclassification)： 錯分的機率在不同組別之間是相同的。這通常會使關聯性趨向於零 (attenuation)，但不會產生系統性偏差。
• 選擇偏差 (Selection Bias)： 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。

本題考驗對傾向分數 (Propensity Score, PS) 方法及其潛在問題的理解。

核心觀念：

• 傾向分數 (Propensity Score)： 在觀察性研究中，傾向分數是指在給定一系列協變量 (covariates) 的條件下，某個個體接受特定處置 (treatment) 的條件機率。$PS(X) = P(T=1|X)$，其中 $T$ 是處置變數，$X$ 是協變量。
• 傾向分數加權 (Propensity Score Weighting)： 是一種用來估計處理效果的方法，其核心思想是利用傾向分數來創建一個「偽隨機化」的樣本，使得在傾向分數的條件下，處理組和對照組的協變量分佈相似，從而達到「可比性」(comparability) 或「隨機化」(exchangeability) 的效果。常見的加權方法包括逆機率處理加權 (Inverse Probability of Treatment Weighting, IPTW)。
• 共同支持區 (Common Support / Overlap / Positivity)： 指對於所有協變量 $X$ 的值，接受處置和未接受處置的機率都大於 0。也就是說，對於任何一個協變量組合，都有可能被分配到處置組或對照組。
• 傾向分數接近 0 或 1 的問題： 當個體的傾向分數非常接近 0 或 1 時，其對應的 IPTW 權重（通常是 $1/PS$ 或 $1/(1-PS)$）會變得非常大。極大的權重會導致估計量 (如平均處理效果 ATE) 變得非常不穩定，對異常值非常敏感，並產生極大的標準誤。

題目情境分析：

• 方法：傾向分數加權。
• 問題：某些受試者傾向分數接近 0 或 1，導致權重極大，估計不穩定。

分析選項：

• (A) 共同支持區不足 (overlap/positivity 問題)： 當傾向分數接近 0 或 1 時，這意味著在某些協變量組合下，幾乎所有人都接受了處置 (傾向分數接近 1)，或者幾乎所有人都未接受處置 (傾向分數接近 0)。

本題考驗臨床試驗 (clinical trial) 中，處理效果的估計原則，特別是當受試者未能遵從隨機分派的處置時。

核心觀念：

• 隨機對照試驗 (Randomized Controlled Trial, RCT)： 隨機分派是 RCT 的核心，旨在使治療組和對照組在已知和未知的預後因子上盡可能相似，從而將處理效果歸因於治療本身。
• 依原始分派分析 (Intention-to-Treat, ITT)： 這是 RCT 的黃金標準分析原則。所有受試者都按照他們最初被隨機分派到的組別進行分析，無論他們實際上接受了何種治療、是否完成了治療、或是否依從了治療。
  • 優點： 保留了隨機化的優勢，最大限度地減少了因退出、失訪、未遵從等造成的偏差 (bias)，能更準確地估計「治療意圖」的實際效果 (effectiveness)，而不是「實際接受治療」的效果。
  • 缺點： 可能會低估治療的真實效果，因為它包含了未依從的受試者。
• 依實際用藥分析 (As-Treated Analysis)： 根據受試者實際接受的治療進行分析。
  • 優點： 估計的是「實際接受治療」的效果。
  • 缺點： 喪失了隨機化的優勢，可能引入嚴重的選擇偏差和殘差混淆。
• 僅分析完全遵從者 (Per-Protocol Analysis)： 只分析那些完全遵從隨機分派和治療方案的受試者。
  • 優點： 能夠更接近於估計「治療本身」的有效性 (efficacy)。

核心觀念
本題測驗「直接年齡調整」(direct age‑adjustment) 的概念：利用一個共同的「標準人口」(Standard Population)，將各年齡層的死亡率套用到標準人口中，計算出若兩城市的人口結構相同，預期的死亡人數，進而得到可比較的「年齡調整死亡率」。此方法可消除因城市人口年齡結構不同而造成的死亡率差異。

---

(a) 計算直接年齡調整死亡率的步驟

1. 列出標準人口的年齡分層與人數

   • <50 歲：$60{,}000$ 人
   • $\ge 50$ 歲：$40{,}000$ 人

2. 取得研究城市（City A）的年齡別死亡率

   • <50 歲：$5$ 每 $1{,}000$ 人 → $\displaystyle r_{<50}= \frac{5}{1{,}000}=0.005$
   • $\ge 50$ 歲：$20$ 每 $1{,}000$ 人 → $\displaystyle r_{\ge50}= \frac{20}{1{,}000}=0.020$

3. 將每個年齡層的死亡率套用於標準人口，求出「預期死亡人數」

   • <50 歲預期死亡數：
     $D_{<50}= r_{<50}\times N_{<50}=0.005\times 60{,}000=300$
   • $\ge 50$ 歲預期死亡數：

核心觀念
本題測試「平行檢驗（parallel testing）」的敏感度計算。當兩個檢驗以「任一陽性＝看診陽性」的方式同時使用，且在疾病條件下相互獨立時，總敏感度等於「至少有一個檢驗陽性的機率」。此機率可用補集的概念，即「兩檢驗同時陰性的機率」的補數求得。

---

解題步驟

(a) 建立符號與條件

• 設疾病為 $D$，兩檢驗的結果分別為 $A$（Test A）與 $B$（Test B）。
• $Se_A = P(A^+|D)=0.80$、$Se_B = P(B^+|D)=0.90$。
• 因題目假設「在給定疾病狀態下兩檢驗條件獨立」，有
  $P(A^+,B^+|D)=P(A^+|D)\,P(B^+|D)$
  $P(A^-,B^+|D)=P(A^-|D)\,P(B^+|D)$
  等等。

核心觀念
本題檢測「失蹤偏差（loss‑to‑follow‑up）」對相對危險度（Risk Ratio, RR）的影響。必須先排除失蹤者，再以留下的受試者計算各組的發病風險，最後以非抽菸者為參照組求 RR。

---

(a) 依失蹤情形重新整理觀測資料

• 抽菸者 (smokers)

  • 原始人數：$2000$
  • 失蹤 $20$ 人，其中有 $10$ 人已發展哮喘 → 這 $10$ 人在分析中被排除。
  • 觀測後有效人數：$2000-20=1980$
  • 觀測後哮喘病例數：$20-10=10$

• 非抽菸者 (non‑smokers)

  • 原始人數：$2000$
  • 失蹤 $12$ 人，皆未發展哮喘。
  • 觀測後有效人數：$2000-12=1988$
  • 觀測後哮喘病例數：$12$（未變）

核心觀念
本題考查的是在罕見疾病且潛伏期很長的情況下，哪一種研究設計兼具效率、經濟性與合理的因果推論能力。關鍵在於：

• 罕見疾病的發生率極低，若使用前瞻性或實驗性設計，需要追蹤大量受試者，成本與時間皆不切實際。
• 病因與疾病之間的時間間隔遙遠，需確保暴露資訊在發病前已被正確取得。

---

解題步驟與說明

1. 檢視選項的特性
   • (A) 前瞻性世代研究（Prospective cohort）：適合評估暴露與結果的時間序列，但需要大量受試者長期追蹤，對罕見疾病而言成本極高。
   • (B) 隨機對照試驗（Randomized controlled trial）：是因果推論的金標準，但倫理上不允許隨機分配可能導致罕見疾病的危險暴露，且實務上不可能在數十年後才出現結果。
   • (C) 病例對照研究（Case‑control）：從已確診的罕見疾病患者（cases）及健康對照（controls）回顧過去的暴露史，僅需較少的樣本即可估計暴露與疾病的關聯，成本與時間皆較低。

核心觀念
本題在測驗「Odds Ratio (OR) 與 Risk Ratio (RR) 之關係」的概念。OR 會在**疾病發生率很低（罕見）**時，與 RR 相近；此時病例與非病例之比例接近於機率本身，兩者的數值差異可忽略。

---

解題過程

1. 定義 OR 與 RR

   • 風險（Risk）指在族群中發生疾病的機率：
     $\text{Risk}_\text{exposed}= \frac{a}{a+b},\qquad \text{Risk}_\text{unexposed}= \frac{c}{c+d}$
   • 風險比（Risk Ratio, RR）：
     $RR = \frac{\text{Risk}_\text{exposed}}{\text{Risk}_\text{unexposed}} = \frac{a/(a+b)}{c/(c+d)}$
   • 交叉比（Odds Ratio, OR）：先算odds（機率除以其補）
     $\text{Odds}_\text{exposed}= \frac{a}{b},\qquad \text{Odds}_\text{unexposed}= \frac{c}{d}$
     $OR = \frac{\text{Odds}_\text{exposed}}{\text{Odds}_\text{unexposed}} = \frac{a d}{b c}$

2. 比較兩者的差異
   把 RR 用 odds 表示：
   $RR = \frac{a/(a+b)}{c/(c+d)} = \frac{a(c+d)}{c(a+b)} = \frac{ad + ac}{ac + bc}$

核心觀念

此題在測試 「辨識混雜 (confounding) 與交互作用／效應修飾 (interaction/effect‑modification)」的判斷原則。重點是比較 粗估相對風險 (crude RR) 與 分層後的各層相對風險 (stratum‑specific RR)，以及各層之間的相似程度。

---

解題步驟

1. 列出已知相對風險

   • 粗估 RR：$RR_{\text{crude}} = 1.8$
   • 年輕組別 RR：$RR_{\text{young}} = 1.2$
   • 年長組別 RR：$RR_{\text{old}} = 1.2$

2. 檢視分層後的 RR 是否相似

   • 兩個層的 RR 均為 $1.2$，相同 → 無顯著層間差異。
   • 這代表 沒有交互作用 (effect‑modification)，因為交互作用的特徵是各層的效應大小明顯不同（例如 $RR_{\text{young}} \neq RR_{\text{old}}$）。

3. 比較粗估 RR 與分層後的 RR

   • 粗估 RR ($1.8$) 明顯大於分層後的 $1.2$，且差距不只是數值上的小幅波動，而是 「實質上降低」。
   • 當 分層後的估計值彼此相近，而 與未調整的粗估值有顯著差異，依照混雜判斷原則，年齡應被視為混雜因子。

核心觀念
本題考查 橫斷式研究（cross‑sectional study） 的設計特性與其在推論因果關係時的最大限制：無法確定暴露與結果的時間先後順序。

---

(a) 為何此題屬於橫斷式研究

• 研究者在同一時間點同時測量 維生素 D 水平（暴露） 與 勃起功能障礙（ED，結果）。
• 只取得「快照」，沒有追蹤受試者隨時間變化的資料。

(b) 橫斷式研究的常見優缺點

優點	缺點
能快速估計 疾病盛行率、暴露率；成本與時間皆相對低	因果判斷受限：無法判斷暴露是否在結果之前發生
適用於普查或健康調查	容易受到 同時性偏誤（simultaneity bias） 影響

(c) 各選項分析

• (A) It is susceptible to loss to follow‑up bias.

  • 失訪偏誤是 縱向追蹤（cohort） 研究的問題，橫斷式沒有追蹤過程，故不會產生此偏誤。

• (B) The study lacks a comparison group, making it impossible to calculate a measure of association.

  • 雖然橫斷式不設「對照組」的傳統隨機對照試驗，但仍能以 交叉比（odds ratio） 或 相對危險度（prevalence ratio） 計算暴露與結果之關聯。此敘述不正確。

核心觀念
本題在測驗「新診斷方法導入所產生的檢測偏差（lead‑time bias）與過度診斷（over‑diagnosis）」，以及它們對**發病率（incidence）與死亡率（mortality）**的影響。

---

解題步驟

1. 了解題意

   • 題目敘述「引入高度敏感的甲狀腺癌診斷法」會「發現許多小、無症狀的腫瘤」，這些腫瘤在過去的檢查中不會被發現。
   • 需求判斷「發病率」與「死亡率」在此情況下會如何變化。

2. 判斷發病率（Incidence）

   • 發病率指的是在特定時間內新診斷（或新發）病例的數目。
   • 新的高度敏感檢測會把先前「未被發現」的微小腫瘤納入診斷，故 新診斷病例數會上升。
   • 因此 Incidence ↑。

3. 判斷死亡率（Mortality）

   • 死亡率是指在同一時間內因該疾病所死亡的人數。
   • 這些被早期偵測的微小腫瘤大多為低惡性度、預後良好，即使手術或治療，即使不治療也不太會影響生命。
   • 同時，死亡人數的主要來源仍是較大、侵襲性強的腫瘤，而這些病例的數量並未因敏感檢測而顯著改變。
   • 於是 Mortality ≈ 不變（或僅有極微小變化）。

核心觀念
本題測驗的是隨機分派（randomization）在隨機對照試驗（RCT）中的根本目的：透過隨機化，使介入組與對照組在已知與未知的預後因子上均衡，從而保證因果推論的內部效度。

---

解題步驟

(a) 逐一檢視選項

選項	內容	為什麼正確/錯誤
(A)	To create treatment and control groups that are comparable on both known and unknown prognostic factors.	正確。隨機化的核心機制是以機率方式分配受試者，使各組在所有可能的預後因子（包括研究者未測量或未認知的因素）上期望值相等。這樣可以將任何系統性差異分散於隨機誤差之中，確保觀察到的差異主要來自介入本身。
(B)	To make the study population representative of the general population.	錯誤。代表性（external validity）取決於抽樣框與納入標準，而非隨機化本身。隨機化只影響組內比較的内部效度。
(C)	To eliminate the need for a placebo or control group in the study design.	錯誤。即使使用隨機化，仍需對照組（或安慰劑）才能比較介入效果。隨機化並不取代對照組的必要性。
(D)	To ensure that all participants receive the treatment that is most likely to benefit them.	錯誤。

This question is a free-response question covering fundamental concepts in infectious disease epidemiology related to disease transmission dynamics.

(A) Definitions of Infectious Period, Incubation Period, and Latent Period (6 points)

• Latent Period (潛伏期): The time interval between initial infection and the development of infectiousness. During the latent period, the pathogen is replicating within the host, but the host is not yet capable of transmitting the disease.

  • In Chinese: 從初次感染到個體開始具有傳染性之間的時間間隔。在此期間，病原體在宿主體內複製，但宿主尚未能將疾病傳染給他人。

• Incubation Period (潛伏期): The time interval between initial infection and the appearance of the first clinical signs or symptoms of the disease. This is the period that is typically measured and reported for a specific disease.

  • In Chinese: 從初次感染到出現疾病的臨床症狀或體徵之間的時間間隔。這段時期是針對特定疾病通常會測量和報告的。
  • Note on terminology: In English, "incubation period" refers to the time until symptoms appear. "Latent period" refers to the time until infectiousness begins. Sometimes, the latent period can be shorter than, equal to, or longer than the incubation period. In some contexts, especially when referring to symptoms, "incubation period" might be used broadly. However, for precision, it's important to distinguish them. The question uses "latent period" and "incubation period" separately, implying a distinction.

• Infectious Period (傳染期): The time interval during which an infected individual can transmit the pathogen to another susceptible individual. This period may start during the latent period (if infectiousness begins before symptoms) and can extend into the symptomatic phase, and sometimes even after symptoms resolve.

  • In Chinese: 指受感染個體能夠將病原體傳播給其他易感個體的時間間隔。此時期可能始於潛伏期（若在出現症狀前即具有傳染性），並可延伸至有症狀階段，有時甚至在症狀消退後仍具有傳染性。

(B) Determining Pre-symptomatic Transmission (2 points)

Pre-symptomatic transmission occurs when an infected individual can transmit the disease before they develop any clinical symptoms. This can be determined by comparing the Latent Period and the Incubation Period.

• Condition for Pre-symptomatic Transmission: If the Latent Period (when infectiousness begins) is shorter than or overlaps with the Incubation Period (when symptoms appear), then pre-symptomatic transmission is possible. Specifically, if infectiousness begins before symptoms appear, then transmission can occur during the pre-symptomatic phase.
  • In Chinese: 如果 潛伏期（開始具有傳染性的時間點）早於或重疊於 潛伏期（症狀出現的時間點），則可能發生無症狀傳播。換句話說，若傳染性始於症狀出現之前，那麼傳播就可能發生在無症狀階段。

(C) Designing Outbreak Investigation, Contact Tracing, and Quarantine (12 points)

When a case is identified, these three periods are crucial for designing control measures:

1. Exposure Source Investigation (暴露源調查):
   • Purpose: To identify where and when the case acquired the infection.
   • Application of Periods:
     • Incubation Period: Knowing the incubation period helps estimate the timeframe during which the exposure must have occurred. If the incubation period is, say, 5-10 days, and the case became ill on Day X, then the exposure likely occurred between Day X-10 and Day X-5.
     • Latent Period & Infectious Period: These are crucial for understanding the transmission dynamics from the source to the case, and from the case to others. If the source is another person, knowing their infectious period helps pinpoint when they might have transmitted the pathogen. If the source is an environmental one, the infectious period helps understand how long the agent might have been present or active.
   • Design: Investigators will ask the case about activities, contacts, and locations during the estimated exposure window (derived from the incubation period). They will also consider the infectious period of potential sources.

This question asks to explain why influenza incidence is higher in winter using the epidemiologic triad model.

Core Concept: Epidemiologic Triad (流行病學三角致病模式)
The epidemiologic triad describes the interaction between three key components that lead to disease:

1. Agent (病原體/病因): The causative organism (e.g., virus, bacterium) or factor (e.g., toxin, radiation).
2. Host (宿主): The susceptible organism (e.g., human, animal) that harbors the agent.
3. Environment (環境): External factors that influence the agent and the host's susceptibility or exposure.

Disease occurs when there is a sufficient interaction among these three components.

Applying the Triad to Winter Influenza:

We need to identify three reasons, each relating to at least one component of the triad, that explain the higher incidence of influenza in winter.

1. Environmental Factors (Environment & Agent Interaction):

   • Reason: Colder temperatures and lower humidity in winter can increase the survival and transmission of the influenza virus. The virus may become more stable and remain airborne for longer periods in dry, cool air.
   • Explanation: Influenza viruses are known to survive better in cooler, drier conditions. Reduced humidity can lead to smaller virus-containing droplets that travel further and remain suspended in the air longer, increasing the chance of inhalation by susceptible hosts.
   • Triad Component Focus: Environment (temperature, humidity) affecting the Agent (virus survival/transmission).

2. Host Behavior/Susceptibility Factors (Host & Environment Interaction):

   • Reason: During winter, people tend to spend more time indoors in close proximity to others, increasing the opportunities for person-to-person transmission.