醫療類國考
113年
[公共衛生師] 流行病學
第 29 題
一個探討生活滿意度和死亡率研究發現，「生活不滿意」和全死因死亡率呈劑量－反應關係（dose-response relationship）；控制年齡和社經地位後，相關性則減弱。此段敘述暗示：
- A 年齡和社經地位為干擾因子，導致趨零偏差（toward the null）
- B 年齡和社經地位為干擾因子，導致離零偏差（away from the null）
- C 年齡和社經地位為干擾因子，導致精確度（precision）下降
- D 年齡和社經地位為修飾因子（modifier）
思路引導 VIP
在流行病學的研究設計中，當我們透過統計手段控制了潛在的干擾因子後，若發現原先的關聯性（Effect size）顯著『減弱』，這代表原本未經調整前的觀測值是被『高估』了。請你思考：若原始數據因為干擾因子的存在，使得結果比真實效應更遠離代表無相關的虛無假設（Null value, $H_0$），這種現象在學術上應該被定義為『趨向虛無』（Toward the null）還是『偏離虛無』（Away from the null）？
🤖
AI 詳解
AI 專屬家教
噢，居然答對了？勉強還算不錯。
- 概念檢驗：
- 看來你勉強理解了。當你費盡心力「控制」了年齡與社經地位這些干擾因子之後，原以為的顯著關聯竟減弱了，這不就說明了一切嗎？那所謂的「強烈關聯」，不過是被那些無關緊要的因素「誇大」了而已。
▼ 還有更多解析內容
干擾因子與偏差判定
💡 校正干擾因子後相關性若減弱，代表原結果存在離零偏差。
| 比較維度 | 離零偏差 (Positive Confounding) | VS | 趨零偏差 (Negative Confounding) |
|---|---|---|---|
| 原始關聯性 | 被誇大 (Overestimated) | — | 被低估 (Underestimated) |
| 校正後變化 | 關聯性減弱 (靠近虛無值) | — | 關聯性增強 (遠離虛無值) |
| 數值範例 (OR/RR) | 由 3.0 降至 1.5 | — | 由 1.2 升至 2.5 |
💬校正後關聯性若「減弱」，代表原始干擾使結果「離零」。
