民國115年 高考三級 衛生技術 流行病學與生物統計學考古題
民國115年 高考三級 衛生技術 流行病學與生物統計學收錄考選部官方試題，共 4 題可線上瀏覽，考選部未公告本科目答案。
題目與答案
某營養流行病學家欲進行一項雙組平行設計隨機臨床試驗以評估亞麻
仁油降低血脂之功效，請說明該流行病學家如何設計此試驗？並需要考
慮那些因素，以減少偏差的發生？（25 分）
參考解答（AI 生成，非官方）
- 一、確立研究問題與設計架構：以 PICO 原則界定研究對象（成人高血脂病人，LDL-C 介於 130–189 mg/dL）、介入措施（亞麻仁油每日提供 2–3 g α-linolenic acid，ALA）、對照措施（外觀與氣味相符之安慰劑，如大豆油或玉米油膠囊）、主要結局（12 週 LDL-C 變化量）。採雙組平行、隨機分派、雙盲設計，並先經人體研究倫理委員會（IRB）核准、於臨床試驗登錄平台預先登錄，以降低發表偏差與事後更改結局之疑慮。
- 二、樣本數估算與隨機分派：依文獻設定 LDL-C 標準差約 25 mg/dL、期望組間差異 10 mg/dL、α=0.05（雙尾）、power=0.80，估算每組約需 100 人，另加 15–20% 流失率，兩組合計約 240 人。隨機序列宜由獨立統計人員以電腦產生，採區塊隨機（block randomization），並依 baseline LDL-C 與是否使用 statin 分層，再以序號密封信封或中央網路系統完成分配隱藏（allocation concealment）。
- 三、介入執行與盲法維持：安慰劑須在色澤、氣味、膠囊大小上與亞麻仁油一致，可添加少量著色劑或香味劑掩蓋；包裝僅以編號標示，使受試者、施測者與資料分析者達成三重盲法（triple blinding）。以膠囊回收計數及血中 ALA、紅血球脂肪酸組成客觀評估順從性（compliance），同時記錄飲食、運動與其他保健品使用，避免共同介入（co-intervention）造成干擾。
- 四、偏差之辨識與控制：隨機分派可控制選擇偏差（selection bias）與已知及未知混雜；雙盲與一致化流程可控制執行偏差（performance bias）與測量偏差（detection bias）；以電話、門診與簡訊多重追蹤並提供交通補助，可降低退出偏差（attrition bias）。分析採意向治療（intention-to-treat, ITT）為主要分析、依計畫完成者分析（per-protocol）為輔，缺失值以多重插補（multiple imputation）處理。
- 五、資料分析與品質管理：主要分析採共變數分析（ANCOVA），以第 12 週血脂值為依變項、組別為自變項、baseline 值為共變數，報告校正後平均差與 95% 信賴區間；次要結局（TG、HDL-C、發炎指標）須考量多重比較，可用 Holm 法或 Benjamini-Hochberg 法校正。另設資料安全監測委員會（DSMB）執行期中分析，並依優良臨床試驗規範（GCP）與 CONSORT 聲明完成不良事件通報與結果報告。
某環境流行病學研究團隊欲研究塑化劑暴露與乳癌發生的關係，進行長
期追蹤之世代研究，請建議該團隊應如何設計此研究？並請說明該團隊
如何判定塑化劑暴露與乳癌發生之因果關係？（25 分）
參考解答（AI 生成，非官方）
- 一、研究設計與世代建立：採前瞻性世代研究（prospective cohort），選定未罹患乳癌之成年女性（如 40–65 歲）為研究世代，排除懷孕、既有癌症、雙側乳房切除及尿液檢體不足者；於基準點完成問卷、身體測量、血液與尿液採集並簽署知情同意。此設計可確保暴露先於結局發生，符合因果推論之時間性（temporality）要求，亦能計算發生率與相對風險。
- 二、暴露評估：以尿中塑化劑代謝物為生物指標，如 DEHP 代謝物 MEHP、MEHHP、MEOHP、MECPP，以及 MBP、MBzP、MEP 等，採 LC-MS/MS 定量並以尿液肌酸酐（creatinine）校正或納入統計模式。因塑化劑半衰期短（數小時至數十小時），單次採樣易造成暴露誤分類（misclassification），宜間隔 3–6 個月重複採樣 2–3 次，計算幾何平均或累積暴露量，並以組內相關係數（ICC）評估再現性。
- 三、結局判定與追蹤：透過癌症登記檔、病理報告與健保資料庫連結確認乳癌新發個案，記錄診斷日期、組織型態、ER/PR/HER2 狀態與分期，以人年（person-years）計算發生率密度。追蹤可每 1–2 年以問卷、電話或健康檢查更新暴露與共變項，追蹤率宜維持 80% 以上，並以 Cox 比例風險模式（Cox proportional hazards model）估計風險比（hazard ratio, HR）與 95% 信賴區間。
- 四、混雜與偏差控制：依文獻與有向無環圖（DAG）篩選共變項，包括年齡、初經年齡、停經狀態、生育次數、哺乳、口服避孕藥與荷爾蒙補充、BMI、飲酒、吸菸、社經地位與家族史，以多變項調整、傾向分數（propensity score）或標準化處理。另須注意健康工作者效應、選樣偏差、檢出偏差（surveillance bias）與反向因果，可採延遲期分析（lag-time analysis）、敏感度分析及 E-value 評估未測混雜之影響。
- 五、因果關係之判定：依 Bradford Hill 準則逐項檢視——相關強度（HR 大小）、一致性（不同地區與不同代謝物結果一致）、特異性、時間性、生物劑量效應（代謝物濃度分位越高風險越高）、生物合理性（塑化劑具雌激素樣作用，可干擾乳腺發育）、可重複性與實驗證據（動物及體外研究）。並輔以中介分析（mediation analysis）探討雌激素與氧化壓力路徑；惟觀察性研究仍難完全排除混雜，結論宜表述為「證據支持因果關聯」，而非斷言確定因果。
某團隊欲評估糖尿病與代謝異常脂肪性肝病的相關性，收集250 名代謝
異常脂肪性肝病患者及250 名健康對照組，結果發現250 名代謝異常脂
肪性肝病患者，160 名有糖尿病；健康對照組，60 名有糖尿病。請利用適
當統計方法檢定代謝異常脂肪性肝病組與健康對照組得糖尿病比率是否
有統計上顯著差異？並請寫出虛無假設與對立假設。設顯著水準 =0.05；
另計算兩組之糖尿病比率差異的百分之九十五信賴區間。（25 分）
參考解答（AI 生成，非官方）
- 一、資料結構與設計性質：本研究為病例對照設計（case-control study），2×2 表為：代謝異常脂肪性肝病組 250 人中糖尿病 160 人、非糖尿病 90 人；健康對照組 250 人中糖尿病 60 人、非糖尿病 190 人。兩組糖尿病比率分別為 160/250=64.0% 與 60/250=24.0%，差距 40.0 個百分點。因分母為研究者選定之病例與對照，此比率屬兩組之糖尿病盛行情形，並非發生率（incidence），不能直接解釋為相對危險。
- 二、假設設定：虛無假設 H0：p1=p2（兩組母群體糖尿病比率相等，即比率差為 0）；對立假設 H1：p1≠p2（兩組比率不相等），採雙尾檢定，顯著水準 α=0.05。檢定方法採 Pearson 卡方檢定（chi-square test）或兩獨立比例之 z 檢定，兩者在本例結果等價（χ²=z²）。
- 三、卡方檢定計算：期望值 E11=250×220/500=110、E12=140、E21=110、E22=140。χ²=Σ(O−E)²/E=(160−110)²/110+(90−140)²/140+(60−110)²/110+(190−140)²/140=22.73+17.86+22.73+17.86=81.17，自由度 df=(2−1)(2−1)=1。查表 χ²0.05,1=3.841，因 81.17>3.841，故拒絕 H0，p<0.001。若採連續性校正（Yates correction），χ²≈79.55，結論相同。
- 四、比率差異之 95% 信賴區間：p̂1−p̂2=0.64−0.24=0.40；未合併標準誤 SE=√[p̂1(1−p̂1)/n1+p̂2(1−p̂2)/n2]=√[0.64×0.36/250+0.24×0.76/250]=√(0.000922+0.000730)=√0.001651=0.0406。95% CI=0.40±1.96×0.0406=0.40±0.0796，即 (0.320, 0.480)。若採合併比例 p̄=220/500=0.44，SE=√[0.44×0.56×(1/250+1/250)]=0.0444，CI 為 (0.313, 0.487)，兩種算法結論一致，皆不包含 0。
- 五、結論與限制：兩組糖尿病比率具統計上顯著差異，病例組高出約 40 個百分點（95% CI 約 32–48 個百分點）。惟病例對照研究無法確認糖尿病與脂肪肝之先後順序，可能有反向因果；亦無法排除肥胖、飲食型態、身體活動量等混雜因素。可另計算勝算比 OR=(160×190)/(90×60)=5.63，並以多變項邏輯斯迴歸（logistic regression）調整共變項，或改以世代研究釐清時序性。
某研究團隊想要探討年齡對腎功能的影響，收集355 名個案，檢測血清
中肌酸酐，並根據年齡分成：小於45 歲、45～64 歲、大於65 歲三組，
比較三組間的肌酸酐平均值的差異，結果如下表。
組別
人數
肌酸酐平均值
（毫克/分升）
標準差
小於45 歲
0.95
0.17
45～64 歲
0.94
0.23
大於65 歲
1.26
0.32
請計算年齡45～64 歲組及年齡大於65 歲組兩組間的肌酸酐平均值的
差異的百分之九十五信賴區間。（5 分）
請以適當統計檢定方法檢定三個年齡組別間的肌酸酐平均值的差異
是否具有統計上顯著差異？並請列出虛無假設及對立假設，另請說明
本研究是否需進行事後檢定？設顯著水準 =0.05。（20 分）
（F2, 352, 0.05=3.021，F2, 352, 0.10=2.318，F3, 352, 0.05=2.630，F3, 352, 0.10=2.099）
參考解答（AI 生成，非官方）
- 一、資料完整性與檢定架構：題幹列出三組之人數欄位，但未提供各組實際人數，僅知總人數 355 人；由題目附帶之 F2,352 可知組間自由度為 2、組內自由度為 352（355−3=352），即三組、單因子變異數分析。由於平均差信賴區間與變異數分析均需各組樣本數 n_j，題目資料缺漏，無法得出唯一數值；以下列出公式、計算步驟、所需假設與判定規則。
- 二、45–64 歲與 >65 歲平均差之 95% 信賴區間：設兩組為 1、2，公式為 (x̄1−x̄2)±t(1−α/2, df)×√[sp²(1/n1+1/n2)]，其中 sp²=[(n1−1)s1²+(n2−1)s2²]/(n1+n2−2)，df=n1+n2−2。本例 x̄1−x̄2=0.94−1.26=−0.32 mg/dL。因兩組標準差 0.23 與 0.32 相差近兩倍，宜先以 Levene 檢定評估變異數同質性，若不同質應改用 Welch t 檢定及其近似自由度。
- 三、變異數分析之假設設定：H0：μ1=μ2=μ3（三個年齡組肌酸酐平均值相等）；H1：至少有一組平均値與其他組不同（不全相等）。採單因子變異數分析（one-way ANOVA），檢定統計量 F=MSB/MSW，其中 MSB=SSB/(k−1)、MSW=SSW/(N−k)，k=3、N=355。前提假設為各組獨立、組內常態分布、變異數同質；常態性可以偏態與 Q-Q 圖檢視，同質性以 Levene 或 Bartlett 檢定，違反時可改用 Welch ANOVA 或 Kruskal-Wallis 檢定。
- 四、計算流程與判定規則：SSB=Σn_j(x̄_j−x̄)²，SSW=Σ(n_j−1)s_j²，F 服從 F(2,352)。查表 F2,352,0.05=3.021，判定規則為：若 F>3.021 則拒絕 H0（p<0.05），若 F≤3.021 則不拒絕 H0。因各組 n_j 未提供，總平均 x̄ 與 SSB 無法求得，故題目資料缺漏，無法得出唯一 F 值。僅供示意：若假設 n1=118、n2=118、n3=119，則 x̄≈1.051、SSB≈7.86、MSB≈3.93、SSW≈21.65、MSW≈0.0615、F≈63.9，遠大於 3.021（此為假設性試算，非本題實算結果）。
- 五、事後檢定之必要性：事後檢定（post-hoc test）僅在整體 F 檢定達顯著、拒絕 H0 後方需進行，用以找出哪幾組彼此不同，並控制整體型一誤差；若 F 未達顯著，則不應再做事後兩兩比較，以免 inflate α。常用方法包括 Tukey HSD（適用各組人數相近）、Scheffé（適用任意對比）、Bonferroni 校正（比較次數少時）及 Games-Howell（變異數不同質或人数不等時）。本例若顯著，建議優先以 Games-Howell 或 Dunnett T3 進行 45–64 歲與 >65 歲、<45 歲與 >65 歲之比較，並以 95% 信賴區間呈現差異方向與大小。