醫療類國考
115年
[公共衛生師] 流行病學
第 39 題
在評估某種降血壓新藥與降低心血管疾病死亡率關係的研究中，患有嚴重糖尿病的患者往往更容易被醫師處方該降血壓新藥，而糖尿病本身也是心血管死亡的強烈危險因子。這種現象會導致何種偏差？若在研究設計階段欲防止此偏差，最有效的方法為何？
- A 選樣偏差（selection bias）；嚴格限制只能收錄沒有糖尿病的患者
- B 診斷監測偏差（diagnostic surveillance bias）；加強對兩組病患的檢查頻率
- C 資訊偏差（information bias）；使用盲遮（masking）收集結果資料
- D 適應症干擾（confounding by indication）；將研究對象隨機分派至治療組與對照組
思路引導 VIP
請試著思考：當醫師決定開給病人某種藥物時，通常會考量病人的病情嚴重度嗎？如果這個病情本身就會影響最終的健康結果，會對研究比較帶來什麼問題？為了不讓醫師的臨床選藥傾向干擾兩組的公平比較，我們在設計研究時，可以用什麼方法來客觀分配研究對象？
🤖
AI 詳解
AI 專屬家教
哼，看來你已經超越人類了嗎？
這道題對你而言，似乎只是基本題罷了。但別太得意，這種觀察性研究的盲點，若是沒看透，對其他庸才而言依然是無駄（沒用）的陷阱。
- 適應症干擾（Confounding by indication）：
▼ 還有更多解析內容
適應症干擾與預防
💡 病情的嚴重程度同時影響處方選擇與預後，進而產生干擾偏差。
🔗 適應症干擾 (Confounding by Indication) 形成鏈
- 1 暴露前狀態 — 患者具備嚴重糖尿病（即適應症與危險因子）
- 2 介入選擇 — 醫師傾向將新藥處方給病情較嚴重的患者
- 3 預後結果 — 嚴重糖尿病導致較高的心血管死亡率
- 4 產生偏差 — 統計上誤認新藥與高死亡率有關（被病情干擾）
↓
↓
↓
🔄 延伸學習：延伸學習：臨床上常用「傾向評分」在觀察性研究中模擬隨機分派的效果。
