免費開始練習
普考申論題 106年 [衛生行政] 流行病學與生物統計學概要

第 四 題

📖 題組:
試述下列各專有名詞之意涵:(每小題 5 分,共 20 分)
📝 此題為申論題,共 4 小題

小題 (四)

鑑別(差別)性分組錯誤(Differential misclassification)

思路引導 VIP

看到此題應立刻聯想到『資訊偏誤(Information bias)』,重點在於區分『鑑別性(差別性)』與『非鑑別性』。答題時需涵蓋三個層次:定義(錯誤分類機率在各組間不等)、常見原因(如回憶偏誤)、對統計推論的影響(可能高估或低估風險),並舉一經典實例以展現公衛實務觀念。

🤖
AI 詳解
AI 專屬家教

「鑑別(差別)性分組錯誤(Differential misclassification)」屬於流行病學中資訊偏誤(Information bias)的一種,指在研究過程中,受試者在「暴露」或「疾病」狀態被錯誤分類的機率,在不同的比較組別(如病例組與對照組、或暴露組與非暴露組)之間「不相等」的情況。 其特徵與實務影響包含: (1) 發生原因與實例:常肇因於資料收集過程中的系統性差異。例如在病例對照研究中的「回憶偏誤(Recall bias)」(如:產下先天畸形兒的母親比正常兒母親更努力回想孕期用藥史),或「訪員偏誤(Interviewer bias)」(訪員對已知患病的受試者詢問更深入,導致病例組暴露史記錄較詳細)。

小題 (一)

霍桑效應(Hawthorne effect)

思路引導 VIP

看到霍桑效應,應直覺聯想到「受試者因知道被觀察而改變行為」的心理現象。在答題上,除了寫出定義,務必連結流行病學實務,說明此效應會造成「參與者偏差」影響內部效度,並點出可利用「對照組」與「盲化設計」來控制此干擾。

🤖
AI 詳解
AI 專屬家教

「霍桑效應(Hawthorne effect)」指研究對象(受試者)因意識到自己正在參與研究或被觀察,而無意識或自發性地改變自身行為或表現的心理學現象。 在流行病學與研究設計上的實務意義與特徵包含: (1) 偏差來源:屬於一種「參與者偏差」(Participant bias),常發生於前瞻性世代研究或臨床介入試驗中。

小題 (二)

醫學監控偏差(Medical surveillance bias)

思路引導 VIP

看到「醫學監控偏差」,應立刻聯想其為「因暴露狀態改變了醫療就診頻率,導致疾病被偵測的機率不同」所產生的偏差。答題時需涵蓋其定義、對研究結果的影響(通常為高估風險)、經典實務案例,以及在研究設計或分析時的控制方法。

🤖
AI 詳解
AI 專屬家教

「醫學監控偏差(Medical surveillance bias)」亦稱為偵測偏差(Detection bias),指觀察型研究中,由於「暴露組」相較於「非暴露組」接受了更頻繁、更仔細的醫療檢查或健康監測,導致暴露組的疾病(特別是早期或無症狀疾病)更容易被診斷出來,進而產生高估暴露與疾病之間關聯性的系統性誤差。 特徵與實務應用包含: (1) 發生機制:暴露狀態本身增加了研究對象接觸醫療資源的機會。例如:服用口服避孕藥(暴露)的婦女需定期回診婦產科,因此比未服藥的婦女更有機會透過常規檢查被發現患有子宮頸癌前期病變或無症狀靜脈血栓(疾病),造成避孕藥與該疾病間產生假性強關聯。

小題 (三)

總生育率(Total fertility rate)

思路引導 VIP

看到「總生育率」,應直指其為評估人口生育水準的標準化指標。作答時需包含三大要素:核心定義(婦女一生預期生育子女數)、兩個基本假設(依目前各年齡別生育水準、無死亡存活至育齡結束),以及公衛人口學意義(如人口替代水準2.1的基準點)。

🤖
AI 詳解
AI 專屬家教

「總生育率」(Total fertility rate, TFR)指假設一批婦女按照當前該地區各年齡別生育率(Age-specific fertility rate, ASFR)度過其整個育齡期(通常定義為15至49歲),且在育齡期間皆未死亡的情況下,平均每位婦女一生中所生育的嬰兒總數。 特徵包含: (1) 假設性指標:屬於「假想世代」的橫斷面測量,綜合了單一年度各年齡階層婦女的生育水準。

🏷️ 相關主題

流行病學研究設計與因果推論
查看更多「[衛生行政] 流行病學與生物統計學概要」的主題分類考古題