PART 6 · 第 11 章 · 公衛方法學

公衛方法學
與奇葩題

公衛是全卷 CP 值最高的一塊：題數穩定、考點固定、而且幾乎每場必出。它不考你背多少病，考你會不會「算」跟「分辨」——篩檢數字怎麼算、干擾跟交互作用怎麼分、五大模型怎麼對。這些都是可以一次練到位、考場直接收分的題。

公衛題分兩種，讀書策略完全相反：

該全拿

方法學與定義題

篩檢計算、流病指標、研究設計、五大健康促進模型——有邏輯、可推導、必背。這章的主力，目標全對。

認損就好

奇葩／純運氣題

法規條文細節、專線號碼、罰則金額——純背運氣題。對了賺到、錯了正常，別花時間。

核心洞察

公衛拉分靠的是「方法學全拿」，不是「把奇葩題也背起來」。把時間 all-in 在篩檢計算、confounding vs effect modification、研究設計、五大模型這幾個會重複出現、可推導的考點；奇葩法規題則明確「策略性放生」。這一收一放，就是公衛這塊的最高 ROI。

§1

篩檢：為什麼「很準」的工具還是一堆偽陽性

先把四個指標的「分母」記死——這是篩檢題唯一的難點：

看「病」的能力

敏感度 / 特異度

Sensitivity＝有病者中被驗出陽性的比例（分母＝有病的人）。
Specificity＝沒病者中被驗成陰性的比例（分母＝沒病的人）。這兩個是檢驗本身的特性，不隨盛行率變。

看「檢驗結果」的可信度

PPV / NPV

PPV＝驗出陽性的人裡真的有病的比例（分母＝驗出陽性的人）。
NPV＝驗出陰性的人裡真的沒病的比例。這兩個會隨盛行率大幅變動——這就是考點本體。

最經典的一題：敏感度 90%、特異度 90% 聽起來「很準」，但放到低盛行率族群，PPV 會崩到讓你嚇一跳。用 10,000 人、盛行率 1% 把 2×2 表算出來：

篩檢 2×2 表：sens 90% · spec 90% · 盛行率 1% · 10,000 人數字皆可手算驗證

關鍵不在 sens/spec（都 90%，很高），而在基數懸殊：有病只有 100 人、沒病有 9,900 人。就算偽陽性率只有 10%，乘上 9,900 也生出 990 個偽陽性——遠多於 90 個真陽性，PPV 自然被壓到 8.3%。

這題真正的考點

盛行率越低 → PPV 越低（不是越高！）。sens/spec 再高，只要病很罕見，篩檢陽性大多是假警報。這就是臨床上「不對低風險族群亂普篩」的統計理由——驗出一堆偽陽性，徒增焦慮、後續侵入性檢查的傷害。盛行率高的族群（如高危險群）做同一個篩檢，PPV 才會漂亮。

同一個篩檢（sens 90%／spec 90%）	盛行率	PPV（近似）
低風險普篩	1%	≈ 8%
中度風險	10%	≈ 50%
高危險群	50%	≈ 90%

同一支「很準」的篩檢，PPV 從 8% 一路爬到 90%，差別只在「拿去驗誰」。這張趨勢，就是篩檢題的全部精神。

§2

干擾因子 vs 效應修飾：一個要消、一個要呈現

這是流病最容易被「定義對調」陰到的一題。先用因果圖把干擾因子（confounder）的長相畫清楚——它同時牽動暴露與結果，而且不在因果路徑上（不是中介）：

干擾因子因果圖（DAG） confounder → 暴露、confounder → 結果

干擾因子（黃）的箭頭同時射向暴露與結果，卻不坐落在「暴露→結果」這條主路上。它會把 crude（未校正）估計值扭曲，讓你看到的關聯是假的或被誇大。中介變項（mediator）不一樣——它在因果路徑上（暴露→中介→結果），不可以拿來校正。

	干擾（confounding）	效應修飾（effect modification）
本質	第三變項造成的偏差（bias）	真實存在的生物／統計現象
分層後的樣子	各層估計值彼此相近，但與 crude 值明顯不同	各層估計值彼此差很多（不同次群組效應本就不同）
該怎麼處理	消除它：限制／配對／分層／多變項校正	呈現它：分層報告各層估計值，不要合併
例子	研究「打火機 vs 肺癌」，抽菸是 confounder	某藥對年輕人有效、對老人無效（年齡是 modifier）

判別關鍵（背這兩句）

① 分層值彼此相近、但跟 crude 不一樣 → confounding（被第三者扭曲，校正掉就還原）。
② 分層值彼此差很多 → effect modification（不同群組效應真的不同，要分開報告，硬合併反而隱藏真相）。
陷阱選項愛說「effect modification 是一種 bias 要消除」「interaction 存在時應合併成單一校正值」——全錯，效應修飾是要呈現不是消除。也別把 confounder 說成中介變項（中介在路徑上不可校正）。

§3

研究設計與流病指標：選對設計、用對數字

前瞻 · 算 RR

世代研究 cohort

先分「有無暴露」→ 追蹤誰發病。可直接算發生率與相對危險性 RR。缺點：耗時、罕見病不適合。

回溯 · 算 OR

病例對照 case-control

先分「有無病」→ 回頭問暴露。只能算勝算比 OR。適合罕見病、省時；易有回憶偏差（recall bias）。

隨機 · 因果最強

隨機對照試驗 RCT

隨機分組 → 平衡已知與未知干擾因子，因果證據最強。是介入效果的金標準。

高頻數值關係

OR 何時近似 RR？→ 罕見病（rare disease assumption）。當疾病盛行率低，case-control 算出的 OR 會逼近 cohort 的 RR——這是 case-control 能「借」OR 來推論風險的前提，也是常考的一句話。

分子事件

發生率 vs 盛行率

Incidence＝一段時間內新發生的病例（衡量「風險」）。Prevalence＝某時點現存的病例（含新舊，衡量「負擔」）。慢性病拖很久 → prevalence ≫ incidence。

歸因

相對 vs 歸因危險性

RR＝暴露組風險 ÷ 未暴露組風險（看「倍數」，談病因強度）。Attributable risk＝暴露組風險 − 未暴露組風險（看「絕對差」，談移除暴露能少掉多少病例，公衛決策用）。

三大常考偏差

選擇偏差（selection）＝納入／追蹤的人不具代表性；資訊偏差（information）＝量測或分類錯誤；回憶偏差（recall）＝有病的人比較會「想起」過去暴露（case-control 重災區）。題幹描述哪一種情境，就對哪一種偏差。

§4

五大健康促進／預防模型：定義性必背

這五個是「背了就有分」的定義題，每場幾乎都會抽一兩個。重點是把項目數量與順序記準，陷阱常常是「混進一個不屬於它的項目」或「把階段順序／時間界線弄錯」：

模型	核心內容	記憶鉤 / 易錯點
渥太華憲章 Ottawa 1986	健康促進五大行動綱領：① 建立健康公共政策 ② 創造支持性環境 ③ 強化社區行動 ④ 發展個人技能 ⑤ 調整健康服務方向	口訣「政策・環境・社區・技能・服務」。最常被漏記的是「發展個人技能」；陷阱選項愛塞「提供全民健保給付」——那是財務制度，不是五大綱領。另有三大策略：倡議／賦能／調和。
Lalonde 模型 1974	健康場域四大決定因子：① 人類生物學／遺傳 ② 環境 ③ 生活型態 ④ 醫療照護組織	歷史意義：首度點出生活型態與環境對健康的貢獻 ≫ 醫療體系。別跟流病三角（agent-host-environment）搞混。
跨理論模式 TTM／改變階段	五階段：無意圖期 → 意圖期 → 準備期 → 行動期 → 維持期	常考時間界線：意圖期＝打算 6 個月內改變但近期未準備；準備期＝打算 30 天內行動且已有初步嘗試；行動期＝已改變 <6 個月；維持期＝>6 個月。
三段五級 Leavell & Clark	初段＝① 健康促進 ② 特殊保護｜次段＝③ 早期診斷與適當治療 ④ 限制殘障｜三段＝⑤ 復健	易錯：限制殘障（第 4 級）仍屬「次段」，是「及早治療阻止惡化」；殘障已成定局、著重功能與社會回歸才跳到第 5 級復健（三段）。
健康信念模式 HBM	個人是否採取健康行為，取決於：認知罹病性、嚴重性、行動利益、行動障礙，加上行動線索與自我效能	用來解釋「為什麼有人做篩檢、有人不做」。常與 TTM 對比：HBM 看「信念權衡」，TTM 看「處於哪個改變階段」。

§5

認損型奇葩題：對了賺到，錯了正常

每場公衛都會夾幾題「純運氣」的奇葩題——某條法規的細部數字、某支諮詢專線的號碼、某個罰則的金額、某個冷僻制度的年份。這類題有兩個共同特徵：

特徵 1

無機轉、無邏輯

答案沒有道理可推，純粹「記得 / 不記得」。讀十遍跟讀一遍，命中率差不多。

特徵 2

範圍無限、年年換

法規會修、數字會變，投資報酬率極低。背一題的時間，夠你把一個方法學考點練到全對。

策略：策略性放生

把這類題當成「認損題」：對了是賺到，錯了是正常，事前不投資。考場上花 10 秒猜一個合理的就走，絕不糾結、不回頭。你的時間與記憶體，全部留給篩檢計算、confounding、研究設計、五大模型這些「練了就穩拿」的考點。放生奇葩題，全收方法學——這才是公衛這塊真正的高分路徑。

本書立場

正因為這類台灣特定法規數字／罰則金額屬「年年可能變動」的奇葩題，本書刻意不列具體數字去背——避免給你過期資訊。需要時以衛福部當年度公告為準；備考策略上，它們就是該策略性放生的那一類。

§6

動手回想：四題方法學

前兩題練篩檢 2×2 與「分層後長相」判別，後兩題練研究設計（OR↔RR）與三段五級分級。心裡有答案＋一句理由，再點選項。

練習 11-1某篩檢工具敏感度 90%、特異度 90%。在盛行率 1% 的族群施行此篩檢，下列關於陽性預測值（PPV）的敘述何者最正確？（提示：可假設 10,000 人計算）

✓ 答案 B。以 10,000 人、盛行率 1% 算：有病 100 人、無病 9,900 人。真陽性＝100×0.9＝90；偽陽性＝9,900×0.1＝990。PPV＝TP/(TP+FP)＝90/(90+990)＝90/1080≈ 8.3%。即使 sens 與 spec 都 90%，在低盛行率族群偽陽性遠多於真陽性，多數陽性者其實沒病。
(A) 錯：90% 是敏感度不是 PPV。(C) 錯：sens＝spec 不代表 PPV＝50%。(D) 錯：PPV 高度依賴盛行率，這正是本題核心。(E) 方向相反——盛行率越低 PPV 越低。出處：Bayes 定理／篩檢 2×2 表（標準流行病學教科書）

練習 11-2關於干擾因子（confounding）與效應修飾（effect modification／interaction）的區辨，下列敘述何者正確？

✓ 答案 B。干擾是「外來第三變項同時與暴露及結果相關、且非中介路徑」造成的偏差，特徵＝分層後各層估計值彼此相近、但與 crude 值明顯不同（crude 被 confounder 扭曲），故選 B；可用配對／限制／分層／多變項校正移除。效應修飾則是「暴露效應在不同次群組本來就不同」，是真實現象不是 bias，要分層報告而非消除或合併（故 A、E 錯）。
(C) 錯：confounder 不能是中介變項（中介在因果路徑上不可校正）。(D) 錯：配對與迴歸是控制 confounding 的方法，interaction 是要呈現不是控制。出處：Rothman, Modern Epidemiology（confounding vs interaction 標準定義）

練習 11-3關於觀察性研究設計與關聯性指標，下列敘述何者正確？

✓ 答案 B。在罕見病假設（盛行率低）下，case-control 的 OR 會趨近 RR，這是 OR 能被解讀為風險比的前提。
(A) 錯：case-control 由結果回溯暴露、無分母族群，不能直接算 incidence 或 RR，只能算 OR。
(C) 錯：cohort 不適合極罕見病（需追蹤巨大樣本、耗時）；罕見病是 case-control 的強項。
(D) 錯：case-control 回溯既往暴露，特別容易有回憶偏差。
(E) 錯：RCT 隨機分派能同時平衡已知與未知干擾因子，這正是它為因果金標準的核心。出處：標準流行病學教科書（study design / OR-RR 互換條件）

練習 11-4依 Leavell 與 Clark 的三段五級預防（levels of prevention）架構，「為糖尿病足潰瘍合併部分截肢的病人安排義肢裝配與職能復健，協助其重返職場」屬於下列何者？

✓ 答案 E。三段五級：初段＝① 健康促進 ② 特殊保護；次段＝③ 早期診斷與適當治療 ④ 限制殘障（及早治療阻止惡化）；三段＝⑤ 復健（已留殘障後的功能恢復與社會回歸）。題目「已截肢、裝義肢、職能復健、重返職場」＝殘障已發生後的功能與社會復健，故為第五級復健（三段）。
易混淆：限制殘障（第 4 級，D）仍屬「次段」，是「阻止殘障發生或惡化的治療」；一旦殘障已成定局而著重功能回復才跳到第五級復健。出處：Leavell & Clark, Levels of Prevention（標準預防醫學教科書）

類比

篩檢 PPV 像「在一萬人裡找一根針」：探測器再靈敏，針太少、雜訊太多，警報響的多半是雜訊。而 confounding vs effect modification 像「分層後看影子」——各層影子長得一樣卻跟整體不同，是被第三者擋了光（干擾，挪開就好）；各層影子本來就長短不一，那是真的有兩種人（效應修飾，要分開講）。