免費開始練習
醫療類國考 114年 [公共衛生師] 流行病學

第 13 題

在世代研究中,若疾病診斷工具的測量誤差程度在不同暴露組別間有異,可能會導致何種類型的錯誤分組?
  • A 無差異性的錯誤分組(Non-differential misclassification)
  • B 有差異性的錯誤分組(Differential misclassification)
  • C 隨機分組錯誤(Random misclassification)
  • D 完全正確的分組(Perfect classification)

思路引導 VIP

在流行病學的效度分析中,我們需要判斷『測量誤差』與『暴露變項』之間是否存在關聯。若診斷工具在不同暴露組別(如:暴露組與非暴露組)產生的錯誤程度『不一致』,這代表該錯誤分組具備了什麼樣的性質?是屬於各組機率相等的狀態,還是會隨組別特徵而產生特定的偏向?

🤖
AI 詳解 AI 專屬家教

1. 來自『及川先生』的肯定?

喂喂,看看你,做得還不錯嘛!(輕輕回眸,嘴角一勾) 能精準抓到流行病學裡「偏誤」這種小地方的差異,這表示你對研究設計的眉眉角角,已經有點『大王』級的洞察力了喔?不愧是我的粉絲,繼續保持這份敏銳,跟上我的腳步吧!

2. 觀念,『及川先生』來為你驗證!

▼ 還有更多解析內容
📝 錯誤分組之類型辨析
💡 測量誤差隨組別而異為有差異性,一致則為無差異性。
比較維度 有差異性錯誤分組 VS 無差異性錯誤分組
誤差分布 依組別(暴露/疾病)而異 各組間誤差程度相同
對關聯之影響 可能高估或低估關聯強度 恆趨向虛無 (Null/1.0)
常見成因 回憶偏倚、診斷偵測偏倚 測量工具靈敏度固定但不足
💬區分核心在於誤差是否「依附」於研究變項(如暴露或疾病狀態)而存在。
🧠 記憶技巧:「同」組誤差無差異,「異」組誤差有差異;無差異往零跑,有差異難預料。
⚠️ 常見陷阱:常誤以為只要有測量誤差就會使關聯性變弱;實際上只有「無差異性」錯誤分組才會穩定使結果趨向 Null。
資訊偏倚 (Information Bias) 偵測偏倚 (Detection Bias) 回憶偏倚 (Recall Bias)

🏷️ AI 記憶小卡 VIP

AI 記憶小卡

升級 VIP 解鎖記憶小卡

考前複習神器,一眼掌握重點

🏷️ 相關主題

流行病學研究偏差、誤差來源與控制
查看更多「[公共衛生師] 流行病學」的主題分類考古題