首頁 / 普通考試 衛生技術考古題 / 民國115年 普通考試 衛生技術 流行病學與生物統計學概要 民國115年 普通考試 衛生技術 流行病學與生物統計學概要考古題
民國115年 普通考試 衛生技術 流行病學與生物統計學概要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
流行病學研究在比較不同國家或地區之疾病率或死亡率時，為避免得到
錯誤的結果，通常會使用標準化率進行比較，請詳述直接標準化法與間
接標準化法有何不同？並請說明這兩種標準化方法的適用情形。（25 分）
參考解答（AI 生成，非官方） 一、標準化的目的：不同國家或地區的年齡結構不同，粗發生率或粗死亡率會受到年齡組成干擾，不能直接比較。標準化率（standardized rate）是以共同標準人口重新加權，去除年齡結構差異後所得的摘要率；它只是供比較的虛擬率，並非真實觀察率，也不能取代年齡別率。 二、直接標準化法（direct standardization）：先取得研究人群各年齡層的年齡別率 r_i，再以標準人口各年齡層人數或比例 w_i 作為權重，計算直接標準化率＝Σ(w_i r_i)／Σw_i；若 w_i 為比例且加總為1，則為Σw_i r_i。此法是將研究人群的年齡別率套用到標準人口，常用於比較多個地區或國家的年齡調整率。 三、間接標準化法（indirect standardization）：先以標準人口各年齡層率 R_i 套用到研究人群各年齡層人數 N_i，求得預期事件數 E＝Σ(N_i R_i)，再以實際觀察事件數 O 計算標準化死亡比（standardized mortality ratio, SMR）或標準化發生率比（standardized incidence ratio, SIR）＝O／E。此法是將標準率套用到研究人群，結果為相對比值，而非可直接相加的率。 四、兩者差異：直接法需要研究人群穩定、可計算的年齡別率，權重來自標準人口，所得為年齡調整率，不同研究可互相比較；間接法只需研究人群總事件數與年齡結構，適合人數少、年齡別率不穩定或只有總數的情況，但 SMR 的權重隱含研究人群本身的年齡結構，不同 SMR 不宜直接互比。直接法用共同權重，間接法用各自年齡結構，是核心差別。 五、適用情形與限制：直接標準化適用於大型母體、死亡或疾病登記完整、可取得穩定年齡別率，且需比較多組標準化率時；間接標準化適用於小型地區、罕見疾病、職業世代或資料不全，只能算總數與年齡分布時。兩法都只能調整已納入的變項（通常為年齡），無法處理吸菸、社經地位等未測干擾；標準人口的選擇會影響數值，因此報告時應註明標準人口與方法。
慢性腎臟病已成為我國重要的公共衛生議題，而吸菸可能是慢性腎臟病
的危險因子之一，某研究人員擬進行一個病例對照研究以探討吸菸與慢
性腎臟病間的關係，你會建議該研究人員如何設計此研究？並詳述此病
例對照研究設計可能產生的偏差為何？（25 分）
參考解答（AI 生成，非官方） 一、研究設計架構：採醫院或社區為基礎的病例對照研究（case-control study），先界定來源人口與研究期間，選入新發慢性腎臟病（chronic kidney disease, CKD）病例，再從同一來源人口中隨機選取無 CKD 的對照。CKD 應依 KDIGO 定義，以 eGFR＜60 mL/min/1.73 m² 或白蛋白尿持續三個月以上認定，並排除急性腎損傷、年齡＜20歲等情形，以降低錯誤分類。 二、病例與對照的選取：病例宜採發生病例（incident cases），避免盛行病例造成的存活偏差；可從腎臟科門診、住院或疾病登記檔招募。對照須與病例來自相同來源人口、在同一索引日期尚無 CKD，可按年齡、性別作頻率配對或個別配對，比例可為1:2或1:4。不可配對可能位於因果路徑上的因素（如高血壓、糖尿病），以免過度配對（overmatching）。 三、暴露評估：以結構式問卷詢問吸菸狀態，包括從未、曾吸、現吸、每日支數、吸菸年數及包年（pack-years），並可輔以病歷、健保紀錄或血清 cotinine 驗證。訪談者應不知個案疾病狀態，病例與對照使用相同問卷、相同索引日期與相同回憶期間，以減少資訊偏差。另可評估二手菸、戒菸時間及劑量反應。 四、分析與樣本數：先計算粗勝算比（odds ratio, OR）＝ad／bc，再以多變項邏輯斯迴歸（logistic regression）調整年齡、性別、身體質量指數、糖尿病、高血壓、心血管疾病、使用腎毒性藥物等干擾因子；可依吸菸量分層檢定趨勢。研究前應依預期吸菸暴露率、OR 與檢定力估算樣本數，並注意病例與對照的回應率。 五、可能偏差與防制：選擇偏差（selection bias）包括醫院對照不具代表性、轉診偏差、Berkson 偏差、無反應偏差及對照與病例來源不同；資訊偏差（information bias）包括回憶偏差、訪談者偏差與暴露錯誤分類；另有干擾（confounding）、反向因果、監視偏差及過度配對。防制之道為使用社區對照、發生病例、盲法訪談、標準化暴露測量、驗證暴露、多變項調整與敏感度分析；病例對照研究可估計相關性，但因果推論仍有限。
某研究人員想要利用身體質量指數（BMI）以預測尿酸（mg/dL），自某
醫院健康管理中心收集294 名個案的資料，研究結果得到簡單線性迴歸
模式及變異數分析表如下，請回答下列問題：
簡單線性迴歸模式
ˆ
2.39
0.18
y
x
變異數分析表
變異來源
平方和
自由度
均方
F 值
P 值
迴歸模型
114.05
114.05
34.69
<0.001
殘差
960.05
3.29
總和
1074.10
請解釋上述簡單線性迴歸模式。並說明此迴歸模式是否具統計上的顯著
性（設第一型誤差 =0.05）？並計算當身體質量指數為23 時，其預期的
尿酸值為何？另請計算上述簡單線性迴歸模式的決定係數，且說明決定
係數的意義。（25 分）
參考解答（AI 生成，非官方） 一、模式解釋：依題意，簡單線性迴歸模式為 ŷ＝2.39＋0.18x，其中 x 為身體質量指數（BMI，kg/m²），ŷ 為預測尿酸值（mg/dL）。截距2.39表示 BMI 為0時的模式預測值，但 BMI=0 不具生物學意義，屬外推；斜率0.18表示 BMI 每增加1單位，尿酸平均預期增加0.18 mg/dL，為正相關。 二、模式顯著性：變異數分析（ANOVA）檢定 H0：β1＝0（BMI 與尿酸無線性關係），H1：β1≠0。迴歸均方為114.05，殘差均方為960.05／292＝3.29，F＝114.05／3.29＝34.69，自由度為（1, 292）。因 F＝34.69＞F(1,292,0.95)≈3.84，且 p＜0.001＜0.05，拒絕 H0，顯示迴歸模式具統計顯著性。 三、預測值：將 BMI＝23 代入模式，ŷ＝2.39＋0.18×23＝2.39＋4.14＝6.53 mg/dL。因此，BMI 為23時，預期尿酸值約為6.53 mg/dL。此為模式的平均預測值，個別值仍會因其他因素與隨機誤差而偏離，且不宜外推到原始資料範圍之外。 四、決定係數：決定係數（coefficient of determination, R²）＝迴歸平方和／總平方和＝114.05／1074.10≒0.1062，即10.62%。其意義為 BMI 可解釋尿酸總變異量的10.62%，其餘約89.38%由其他未納入因素及隨機誤差解釋。R² 低不代表模式無顯著性，因大樣本下小的線性關係仍可能達統計顯著。 五、解釋限制：本模式僅描述 BMI 與尿酸的平均線性關聯，不能直接宣稱因果；應檢查線性、常態性、變異數同質性與獨立性等假設，並注意極端值與外推。若尿酸分布偏態，可考慮對數轉換；若要比較不同模型，可比較調整後 R² 或 AIC。題目未提供 BMI 範圍與殘差診斷，解讀時宜保守。
某團隊欲評估運動介入對於血糖控制的影響，於2025 年收集180 名個
案，測量其血糖，並持續進行運動介入6 個月，6 個月後再測量這180
名個案的血糖，得到資料如下：
運動介入後6個月
血糖異常
血糖正常
運動介入前
血糖異常
血糖正常
本研究應使用何種統計檢定方來檢定運動介入對於血糖控制有無統計
上顯著的影響？請列出本研究之統計虛無假說及對立假說，設顯著水準
為0.05。（25 分）（ 21,0.95=3.84； 21,0.975=5.02）
參考解答（AI 生成，非官方） 一、檢定方法：同一批180名個案在運動介入前後各測一次血糖，屬於配對的二分類資料，應使用麥克尼馬檢定（McNemar's test），檢定前後兩個邊際比例的差異，而不是獨立樣本的卡方檢定。令 a 為前後皆異常、d 為前後皆正常、b 為介入前異常而介入後正常、c 為介入前正常而介入後異常；只有 b 與 c 這兩個不一致對（discordant pairs）會影響檢定結果。 二、虛無假說與對立假說：H0：介入前血糖異常比例等於介入後血糖異常比例，亦即不一致對的機率相等（p_b＝p_c）；H1：兩者不等（p_b≠p_c），採雙尾檢定。若研究目的明確為「介入後改善」，亦可設單尾 H1：p_b＞p_c。顯著水準 α＝0.05。 三、檢定統計量：未校正公式為 χ²＝(b－c)²／(b＋c)，自由度1；樣本數不大時常用連續性校正 χ²＝(|b－c|－1)²／(b＋c)。若 b＋c＜25，建議以二項分布計算精確檢定。判定規則為：χ²＞χ²(1,0.95)＝3.84 時拒絕 H0；題目所給5.02為χ²(1,0.975)，屬於較嚴格之97.5百分位，本題α＝0.05雙尾檢定應以3.84為主要臨界值。 四、資料缺漏之處理：題目僅列出「介入前／介入後×血糖異常／正常」的2×2表格架構，卻未提供四個格子的人數，因此無法計算 b、c、b＋c、χ²、p值或勝算比，也無法判定是否拒絕 H0。題目資料缺漏，無法得出唯一數值；考生應先將表格補齊，再依上述公式代入。若 b＋c＝0，表示沒有任何不一致對，檢定無法進行，結論為無足夠證據顯示前後比例不同。 五、解釋與注意事項：若檢定結果顯著，只能說運動介入與血糖異常比例的改變有關，不能直接證明因果；仍需考慮回歸均值、季節效應、飲食與藥物改變、追蹤流失及測量誤差。McNemar 檢定只比較邊際比例，不分析個別配對的變化量；若要估計效果大小，可報告 b／c 的勝算比及其信賴區間，並輔以描述性統計。