ページ3:

四、結論
臨界值:題目提供【120.0.975
=
1.98 (自由度實際
應為372,通常樣本數大於120時以1.98或
1.96 估算)
。
判定: 觀測到的t值(6.69)遠大於臨界值 (1.98
。
結果: 在 a = 0.05 的顯著水準下,拒絕H)。有
足夠證據顯示非裔與高加索裔新生兒的平均心跳
數存在顯著差異
。

ページ4:

三、計算t檢定統計量
1. 合併標準差(sp):
Sp
=
(n₁ − 1)s² + (n − 1)s
M1+22-2
2. 計算t值:
||
-
X1 − x2
=
+
n2
||
(156
=
133 - 125
1
11.43
+
156 218
112
22
四、結論
臨界值: 題目提供 120.0.975 = 1.98 (自由度實際
應為372,通常樣本數大於120 時以1.98 或
1.96 估算)
。
• 判定:觀測到的t值(6.69)遠大於臨界值 (1.98
)。

ページ5:

這是一題關於獨立樣本t檢定的統計學題目,選定
區域內的題目要求檢定兩個不同種族(高加索裔與
非裔)新生兒的平均心跳數是否存在顯著差異。
以下是針對該題目的詳細解析與計算步驟:
-
建立假設
· 虛無假設(H):M1=H2(兩族群新生兒的平均
心跳數無顯著差異)
•對立假設(H):H1≠H2(兩族群新生兒的平均
心跳數有顯著差異)
112
二、變異數相等性檢定(F檢定)
在進行t檢定前,需先確認兩樣本的母體變異數是
否相等。
•
F====ㄓㄓ ~ 1.19
≈
查表給定 F155.217.0.975 = 1.3349。
• 因為 1.19 <1.3349,不拒絕變異數相等的假
設,故採用合併變異數(Pooled Variance) 的t
檢定。

ページ6:

4. 比較與結論
42
1. 粗死亡率:甲市(30.67)遠高於乙市
(11.54‰),主要是因為甲市的高齡人口(65+)
比例極高。
2. 標準化後:甲市(21.87)依然高於乙市
(18.14‰),但在排除人口結構影響後,兩者的
差距已大幅縮小。
需要我為您驗算特定年齡層的計算過程,或是解釋
標準化在流行病學中的意義嗎?

ページ7:

乙巿計算
年齡層
死亡率(mⅰ)
<5
250/20,000 = 0.0125
mi x Pi
500
5-14
25/20,000= 0.00125
37.5
15-24
200/30,000≈0.0067
200
25-34
75/20,000 = 0.00375
112.5
35-44
35/10, 000 = 0.0035
122.5
45-64
350/10,000 = 0.035
1,225
65+
450/10,000 = 0.045
2,700
·乙市 ASDR:(500+37.5+200+112.5
+ 122.5 + 1,225+2,700)/270,000~18.14
112

ページ8:

3.年齡標準化死亡率(ASDR)
計算公式:∑(各年齡層死亡率
x標準人口該層比例)
2
x
甲市計算
年齡層
死亡率(mi)
m₁ × P₁
<5
200/20,000 = 0.01
400
5-14
20/10,000 = 0.002
60
15-24
50/10,000 = 0.005
150
25-34
25/10,000 = 0.0025
75
35-44
100/25,000 = 0.004
140
45-64
200/25,000= 0.008
280
65+
4, 000/50,000 = 0.08
4,800
甲市 ASDR:(400+60+150+75+140
+280+4,800)/270,000≈ 21.87

ページ9:

2. 標準人口分佈
根據題目要求,標準人口為兩市人口總和(共270,
000人):
年齡層
甲市人口 乙市人口 標準人口(P)
< 5
20,000
20,000 40,000
5-14
10,000
20,000
30,000
15-24
10,000
30,000
40,000
25-34
10,000
20,000
30,000
35-44
25,000
10,000
35,000
45-64
25,000
10,000
35,000
65+
50,000
10,000
60,000
總計
150,000
120,000 270,000
112

ページ10:

這份題目要求計算甲、乙兩市的粗死亡率(Crude
Death Rate, CDR)與年齡標準化死亡率(Age-
Standardized Death Rate, ASDR),並以兩市人口
總和作為參考族群(標準人口)。
以下是詳細的計算過程:
1. 粗死亡率 (CDR)
1|2
粗死亡率的公式為:(總死亡人數/總人口數)×1
.000
• 甲市:(4, 600/150,000)×1,000 = 30.67
•乙市:(1,385/120,000)×1,000=11.54

ページ11:

5x5
OR female
=
=
14×4
56
25
GE
~ 0.45
3. 結論
112
1. 分層 OR 不同:男性的OR (19.53) 與女性的
OR (0.45)差異極大,這顯示存在交互作用
(Interaction/Effect Modification),而非單純
的干擾。
2.與粗 OR 比較:由於分層後的結果與合併結果
(6.0) 有顯著差異,且性別在病例組與對照組的
分佈不均(例如:病例組中男性佔多數,且男性
暴露比例較高),因此性別確實是一個干擾因
子。
答案總結:
性別是干擾因子。因為它與暴露(危險因子 A)及
疾病(病例/對照狀態)皆有關聯,且未校正性別時
的OR 估計值會產生偏差。此外,本題數據顯示性
別亦具有效應修飾作用。

ページ12:

2. 計算相關指標
B 4X
我們可以透過比較「粗相關勝算比 (ORcrude)」與
「分層勝算比 (ORstrata)」來判斷:
A. 粗相關勝算比 (ORcrude)
不考慮性別,將資料合併:
• 病例組:暴露A有25+5=30人,無暴露A有
6 + 14 = 20人。
• 對照組:暴露A有16+4=20人,無暴露A有
75 + 5 = 80人。
OR crude
=
30×80
2400
=
=
: 6.0
20 × 20
400
112
B. 分層勝算比 (ORstrata)
男性:
OR male
=
25 × 75
6×16
1875
=
≈ 19.53
96
女性:
5x5
25
OR female
=
=
14×4
56
≈ 0.45

ページ13:

這是一題典型的流行病學分析題,探討性別是否為
「危險因子A」與「疾病」之間關係的干擾因子
(Confounding factor)。
1. 判斷干擾因子的條件
要成為干擾因子,必須同時滿足以下三個條件:
• 與疾病有關:性別本身是疾病的危險因子(在未
暴露組中,男性與女性的發病率不同)。
· 與暴露有關:在對照組中,性別與危險因子A 的
暴露有關(暴露組與非暴露組的性別比例不
同)。
• 非中間變項:性別不是危險因子A導致疾病過程
中的中間環節。
2. 計算相關指標
112
我們可以透過比較「粗相關勝算比 (ORcrude)」與
「分層勝算比 (ORstrata)」來判斷:
A. 粗相關勝算比 (ORcrude)
不考慮性別,將資料合併:

ページ14:

(二) 兩組在贊同該項新政策比例差值的95% 信賴
區間
1. 公式:(P1-P2)± Za12V
P1(1-1)
P2(1-2)
Zo
+
n1
n2
2.計算標準誤 (SE):
0.31×0.69
0.24×0.76
SE =
+
=
√0.0
100
100
3. 計算區間:
0.07+1.96 0.063 ⇒ 0.07+0.1235
95% 信賴區間為:(-0.0535,0.1935)(或約
−5.35%到19.35%)。
注意:由於信賴區間包含0,這與
第一題無法拒絕虛無假設的結論一
致。

ページ15:

1. 虛無假設 Ho:P1 = P2(比)
2. 對立假設H:P1≠P2(比...
2.計算合併比例(ㄕ):
x1 + x2
31 + 24
P =
=
0.275
n₁ + n₂
100 + 100
3. 計算檢定統計量 (Z):
-
Î1 – Â2
Z=
||
√P(1
Þ(1 – Þ)(
-
n2
113
x
0.31
10.275x0.72
4. 判斷規則:
在 x = 0.05 下,雙尾檢定的臨界值 Z0.025
=1.96。
因為 |1.11| < 1.96,故無法拒絕。在顯著水
準 0.05 下,沒有足夠證據顯示兩組的贊同比例
有顯著差異。
(二)兩組在贊同該項新政策比例差值的95%信賴
區間

ページ16:

這是一個關於兩樣本比例檢定與信賴區間的生物統
計學問題。
問題分析與解答
根據題目資訊:
• 第一組(50歲以上):樣本數ny = 100,贊同
人數x=31,樣本比例= = 0.31
31
100
• 第二組(30-50歲):樣本數n2 = 100,贊同人
24
數 x2 = 24,樣本比例 2 =
=
0.24
100
顯著水準:x= 0.05
• 信心水準:95%
113
(一) 如何得知兩組在贊同該項新政策的比例是否不
同?(a= 0.05)
需進行兩獨立樣本比例差異檢定:
1.建立假設:
1. 虛無假設 H):P1 = P2 (比例相同)
2. 對立假設 Hı:P1 ≠ P2 (比例不同)
2.計算合併比例(五):

ページ17:

B 4 ×
2. 計算 95%信賴區間 (10 分)
計算兩組平均住院天數差值(HA-Hg) 的 95%信
賴區間:
• 公式:(XA-B) ±0.025,70 × Sp\ +
代入數值:
113
1. 根據圖中資訊,0.975.70=1.99。
NB
2. 將文』, ㄣ以及算出的s,代入公式,即可求
A, B
得區間範圍。

ページ18:

1. 如何得知藥物A較優?(15分
要檢定A藥物是否顯著優於B藥物(即住院天數更
短),應進行單尾t檢定:
.
建立假設:
○ 虛無假設H): HAZB
○ 對立假設
HA<HB(即藥物A住院天數
:
顯著較少)
• 計算合併變異數估計值(s)):
=
• 檢定統計量(t):
(n − 1)s² + (n − 1)s²
t =
nд + nB - 2
-
113
XA - XB
54
1
+
NB
• 判定方式: 若計算出的值小於臨界值-ta,df
(其中df = 36 +36-2=70),則拒絕 Ho,
代表藥物A顯著縮短住院天數。

ページ19:

這是一題關於獨立樣本t檢定與信賴區間的生物統
計學題目。
題目重點解析
112
題目探討A、B兩種藥物對腎盂腎炎病人住院天數
的影響,給定數據如下:
•藥物A組(X):樣本數nA=36,平均天數ㄨㄥ
= 4.51,標準差 SA = 1.98。
B
藥物B組 (Y): 樣本數ng=36,平均天數 xß
= 6.28 (更正圖中標註),標準差 Sg = 2.54。
前提假設: 兩母體皆為常態分佈且變異數相等(
呀=唷)。
1.如何得知藥物A較優?(15分)
要檢定A藥物是否顯著優於B藥物(即住院天數更
短),應進行單尾t檢定:
• 建立假設:
◎ 虛無假設 Ho: A≥ HB
○ 對立假設H:HA<HB(即藥物A住院天數
顯著較少)

ページ20:

予
問題解答
(一)計算勝算比 (Odds Ratio, OR)
勝算比的計算公式為:
A×D
OR:
=
BxC
人
將數值代入:
280x280
78400
OR =
=
=
220x220
113
48400
≈ 1.62
結果:三餐均吃辣椒者相對於沒吃
辣椒者,得到十二指腸潰瘍風險的
勝算比約為1.62。
(二)說明兩者之關聯性
1. 正相關:由於 OR ≈ 1.62 > 1,顯示三餐均吃
辣椒與患有十二指腸潰瘍之間存在正向關聯。
2.風險倍數:三餐均吃辣椒的人,患有十二指腸
潰瘍的「勝算」是沒吃辣椒的人的1.62 倍。
3. 統計推論:雖然OR顯示出風險增加,但實務
上仍需進行卡方檢定來確認此差異是否具有統計
學上的顯著性(p<0.05)。

ページ21:

2. 組內自由度:dfwithin=N-k=108-3
=
105
3. 計算組間平方和 (SST) 與組內平方和 (SSE):
1. 組間平方和 (SST):
36×(30.78-30.59)²+36×(28.72-30.5
2. 組內平方和 (SSE):
SSE: =
Σ (n; − 1)s² = 35 × (7.08² + 6.10
-
113
4. 計算均方 (MS) 與 F統計量:
1. 組間均方:
MSbetween
2. 組內均方:
MSwithin =
3. F計算值:
SST
230.01
=
= 115.005
dfbetween
2
SSE
df within
5319.30
=
≈50.66
105

ページ22:

1. 組間自由度:dfbetween = k-1=3-1
=2
2. 組內自由度:dfwithin = N −k = 108− 3
= 105
3. 計算組間平方和(SST)與組內平方和 (SSE):
1. 組間平方和 (SST):
SST = 36×(30.78-30.59)2+36×(28.7
2. 組內平方和 (SSE):
"Is
SSE = Σ(n; − 1)s² = 35 × (7.08² + 6.10
-

ページ23:

計算統計量
1.基本數據整理:
1. 各組人數:nA=ng=nc=36,總人數 N
= 108
2. 各組平均數: A=30.78,XB=28.72, XC
= 32.28
3. 各組標準差:SA=7.08,sg=6.10, SC
= 8.04
4. 總平均數 (X..):
113
30.78+28.72+32.28
X..
=
= 30.59
3

ページ24:

1. 建立虛無假設(H)與對立假設(Ⅱ):
1. Ho:HA = B=HC(三組平均值無顯著差
異)
2.H:不全相等(至少有兩組之間存在差異)
2.計算總平方和(SST):
如擬答所示,透過組平均值與總平均值的離差平
方和進行計算。
1. 總平均值 Xtotal
30.78+28.72+32.28
=
= 30.59
3
2. SST = Σ n¡(Ñ¡ – Ñ..)² = 36 × [(30.78
-
−30.59)2+(28.72-30.59)2+(32.28
- 30.59)²]
3. 經計算得出 SST≈230.0064
3.檢定結果與決策:
iis
1. 題目給定F 檢定臨界值 F(2,105) > 3.08。
2. 若計算出的 F統計量大於臨界值,則拒絕 Ho
,代表三組之間有顯著差異。
3. 多重比較:只有在F檢定結果為「有顯著差
異」時,才需要進行多重比較(如 Scheffé
法、Tukey法或Bonferroni法)來確認具體
是哪兩組不同。

ページ25:

##題目重點摘要
研究調查三組選手(每組36人)在接受訓練前,
下肢力量的平均值與標準差是否具有顯著差異
• 樣本數:NA=ng=nc=36,總樣本數 N
= 108。
• 統計量:
◎ A組:XA = 30.78,SA = 7.08
◎ B組: Xg = 28.72,sg=6.10
◎ C組: Xc = 32.28,sc = 8.04
C組:Xc
顯著水準:x=0.05。
## 核心解題步驟
113
1. 建立虛無假設 (H)與對立假設(H):
。
1. Ho:HA = HB = HC(三組平均值無顯著差
MB
異)
2.H:M;不全相等(至少有兩組之間存在差異)

ページ26:

2. 計算判定係數 (2)
利用斜率公式:Br=r
.
Sv
y
Sx
别说
-0.72 = r
2.7
.
1.8
−0.72 = r.1.5
-0.72
3
r =
-
= 0.48
1.5
判定係數²即為相關係數的平方:
r2 = (-0.48)² = 0.2304
判定係數為0.2304

ページ27:

1. 求出簡單線性迴歸方程式
設定方程式為: Y = Bo + BrX
根據給定的兩個點(1,0.6)與(-5,4.92),代入聯
立方程式:
1. 0.6 = ßo + ß₁ × 1
2.4.92 = 0+ 1x (−5)
將 (1) 式減 (2) 式:
0.6-4.92=-(-51)
-4.32 = 6ẞ1
B₁ = -0.72
ẞ1
將 Bq 代入 (1) 式:
0.6 = Bo - 0.72
Po = 1.32
迴歸方程式為:Y=1.32-0.72X
2. 計算判定係數 (r)
利用斜率公式:B=r
575
3
2.7
-0.72 = r
.
1.8
-0.72 =
=r.1.5
-0.72
r =
= -0.48
1.5

ページ28:

這張圖片顯示的是一個關於簡單線性迴歸(Simple
Linear Regression)的統計學題目。
題目解析
給定資訊:
•當X=1時,預測值=0.6
• 當X= -5時,預測值Y=4.92
● 樣本標準差:Sx = 1.8,S =
= 2.7
y
解題步驟
1. 求出簡單線性迴歸方程式
設定方程式為: Y = Bo + qX
根據給定的兩個點(1,0.6)與(-5,4.92),代入聯
立方程式:

ページ29:

TP
PPV=
=
TP+FP
1, 187
1,187+94
1, 187
=
~ 92.1
1,281
3. 陽性概似比 (Positive Likelihood Ratio, +LR)
定義為:真陽率(敏感度)與偽陽率(1-特異度
)的比值。
首先計算特異度(Specificity):
Specificity
=
TN
TN + FP
• 計算+LR:
+LR =
Sensitivity
1 - Specificity
113
=
=
115
115 + 94
115
=
209
96.98%
=
1-55.02% 0

ページ30:

1. 敏感度(Sensitivity)
定義為:在所有患病的人中,被檢驗出來的機率。
TP
Sensitivity =
=
TP+FN
1.187
1,18
=
1, 187+37 1.22.
2. 陽性預測值 (Positive Predictive Value, PPV)
定義為:在所有檢驗為陽性的人中,真正患病的機
率。
112
TP
1,187
1.187
PPV =
=
=
~ 92.1
TP+FP 1, 187+94
1,281
3. 陽性概似比 (Positive Likelihood Ratio, +LR)
定義為:真陽率(敏感度)與偽陽率(1-特異度
)的比值。
首先計算特異度 (Specificity):
TN
115
115
Specificity:
=
=
=
TN + FP
115 +94
209

ページ31:

● 題意分析:題目要求根據調查數據,計算我國在
校青少年首次發生性行為的比率,並建立該比率
的 95% 信賴區間(CI)。
● 數據計算:
113
樣本比率 (j) = 首次性行為人數/ 總人數 =
334/5661≈0.059。
◎ 標準誤(SE) =
p(1-p)
0.059(1-0.059)
=
≈0.00315。
n
5661
信賴區間:95%信賴區間為±1.96×SE,計
算結果約為0.059 ±0.006,即[0.053,0.065]

ページ32:

• 虛無假設(H):H2-H1≤ 10
• 對立假設(Hg): M2-H1> 10
114
(三) 利用信心區間判定差異是否大於 10 根
根據第 (一) 小題計算出的90%信心區間 [6.59,
10.41]:
1. 此區間代表我們有90%的信心,真實的平均差
異落在6.59到 10.41 之間。
2. 雖然區間的上界 (10.41) 超過了 10,但區間的大
部分(包含平均值8.5)都在 10 以下。
3. 判定:由於10落在該信心區間內,我們沒有足
夠的證據拒絕虛無假設。
結論:在x=0.05 的顯著水準下
(對應 90% 雙尾區間的上界判
定),不能斷定兩族群抽菸根數的差
異顯著大於 10 根。

ページ33:

(一)求兩族群抽菸根數差異 90% 信心區間
公式:(x2-x)±Za/2.
+
n2
1. 平均數差異:13-4.5=8.5
2.標準誤差(SE):
5.222 92
328
≈ 1.161
+ ≈V0.083+1.266≈V1.349
64
3. 誤差範圍 (ME):1.645.1.161≈ 1.91
4. 信心區間:8.5 ± 1.91 ⇒ [6.59, 10.41]
結論:兩族群每日抽菸根數差異的
90% 信心區間為[6.59,10.41]
根。
14
(二)寫出虛無與對立假設
研究者想知道差異是否大於10根(單尾檢定):
虛無假設(H): H2-≤ 10
對立假設(Hg):M2 - M1 > 10

ページ34:

這是一題關於兩獨立樣本母體平均數差的統計檢定
問題。以下是針對題目三個小題的詳細解析:
已知資訊
● 第一組(完成戒菸課程):y=328,x= 4.5
'σ₁ = 5.22
01:
● 第二組(未完成戒菸課程):n2=64,2
= :13.0, 02
= 9.0
• 信心水準:1-a=90%⇒a=0.10(雙尾檢
定每側為0.05)
• 臨界值:查標準常態分配表, Zo.05≈1.645
114
(一)求兩族群抽菸根數差異之 90% 信心區間
公式:(x-1)± Za/2
V
1.平均數差異:13-4.5=8.5
2. 標準誤差 (SE):
5.222
328
≈ 1.161
92
+
n2
+ ≈V0.083+1.266≈V1.349
64

ページ35:

C. 均方和 (Mean Square, MS)
SS
• 公式為 MS =
。
df
組間均方和 (MSbetween):
C =
SSbetween
df between
3308.811
=
= 1654.4055
2
D.F檢定值
4
• 公式為F=
MSbetween
O
MSwithin
題目已知組內均方和 (MSwithin)為 201.082。
1654.4055
D=
≈ 8.227
201.082

ページ36:

A. 自由度 (df)
(Between groups): df between
= k − 1 = 3 - 1 = 2 °
-
○ 因此,A=2。
= 19。
-
(Total): dftotal = N − 1 = 20 – 1
○ 因此,B= 19。
114
• (Within groups / Error): df within
= N − k = 20 - 3 = 17°
C. (Mean Square, MS)
SS
公式為 MS =
O
df
組間均方和 (MSbetween):
SS between
3308.811
C =
= 1654.4055
df between
2

ページ37:

這是一份關於變異數分析 (ANOVA) 的統計學考
題。以下是針對題目要求計算A、B、C、D 數值
及寫出統計假設的詳細過程:
1. 統計假設
虛無假設(五):三個科系學生的生物統計成績
均值相等(即= H2 = M3)。
M2
對立假設(H):三個科系學生的生物統計成績
均值不全相等。
2. 計算A、B、C、D之數值
4
已知總人數 N=20,組別數k=3。
A. 自由度 (df)
• 組間自由度(Between groups):dfbetween
=k-1=3-1=2。
○ 因此,A=2。
• 總自由度 (Total) : dftotal = N − 1 = 20 − 1
-
= 19。

ページ38:

(五)肺癌盛行率(Prevalence)
定義:在該受檢總人口中,實際患有肺癌的比
率。
·公式:
TP+FN
總人數
115
計算:
8861
≈0.0130
• 答案:1.30%
114

ページ39:

(三)陽性預測值(Positive Predictive Value,
PPV)
• 定義:在篩檢為陽性的人之中,實際上有病的比
率。
·公式:
TP
TP+FP
• 計算:
99
632
≈0.1566
答案:15.66%
114
(四) 陰性預測值(Negative Predictive Value,
NPV)
定義:在篩檢為陰性的人之中,實際上沒病的比
率。
·公式:
TN
FN+TN
8213
計算:
≈0.9981
8229
· 答案:99.81%

ページ40:

(一)敏感度 (Sensitivity)
定義:在實際有病的人之中,篩檢檢出陽性的比
率。
●公式:
TP
TP+FN
99
計算:
≈0.8609
115
114
• 答案:86.09%
(二)特異度 (Specificity)
● 定義:在實際沒病的人之中,篩檢結果為陰性的
比率。
TN
●公式:
FP+TN
8213
• 計算:
≈0.9391
8746
• 答案:93.91%

ページ41:

表格數據整理
真陽性(TP):篩檢陽性且有肺癌 = 99
偽陽性(FP):篩檢陽性但無肺癌 = 533
偽陰性 (FN):篩檢陰性但有肺癌 = 16
· 真陰性(TN):篩檢陰性且無肺癌=8213
• 實際有肺癌總數(TP+FN)=99 + 16 = 115
• 實際無肺癌總數(FP+TN)=533+8213=8746
篩檢陽性總數 (TP + FP) = 99 + 533 = 632
· 篩檢陰性總數 (FN + TN) = 16 + 8213 = 8229
• 總人數=8861
114

ページ42:

(三) 此研究的優點與缺點(限制)有哪些?(10 分)
優點:
1. 時序性明確:可確認暴露(運動)發生於疾病
(大腸癌)之前,有助於推論因果關係。
2.可計算發病率:能直接估算發病率(Incidence)
以及相對風險(Relative Risk, RR)。
3. 減少回憶偏誤:追蹤過程中的資料收集(如每年
問卷)比回溯性研究更準確。
缺點(限制):
1. 耗時且昂貴:需長達 10 年的追蹤,人力與物力
成本高。
2. 失訪偏誤(Loss to Follow-up Bias):長時間追
蹤過程中,參與者可能因搬遷、死亡或失去興趣
而退出,影響結果準確性。
3. 不適用於潛伏期極長的疾病:若10年仍不足以
觀察到足夠案例,則難以呈現顯著差異。

ページ43:

集研究對象的「暴露(危險因子)」與「疾病結果
(健康狀況)」資料。其主要目的在於測量並描述
特定族群中疾病或暴露的盛行率(Prevalence),
並初步探討兩者之間的相關性,因此又稱為「盛行
率研究(Prevalence study)」。
2. 主要限制
113
• 時序性不清:由於暴露與疾病的資料是同時採集
的,無法確定是先發生暴露還是先發生疾病,故
無法確立因果關係。
● 無法計算發生率:僅能測量特定時間點的盛行
率,無法得知新發病例的發生率(Incidence
rate)。
· 存活偏差(Neyman bias):此研究容易篩選到
病程較長、進展緩慢或症狀較輕的慢性個案,而
漏掉發病後迅速死亡或痊癒者,導致結果產生偏
誤。
• 不適用於罕見或病程極短的疾病:若疾病盛行率
太低,在隨機抽樣的橫斷面調查中極難收集到足
夠的病例。

ページ44:

(一) 橫斷性研究 (Cross-sectional
study)
1. 定義
113
在特定的單一時間點或極短的時間區間內,同時收
集研究對象的「暴露(危險因子)」與「疾病結果
(健康狀況)」資料。其主要目的在於測量並描述
特定族群中疾病或暴露的盛行率(Prevalence),
並初步探討兩者之間的相關性,因此又稱為「盛行
率研究(Prevalence study)」。
2. 主要限制
• 時序性不清:由於暴露與疾病的資料是同時採集
的,無法確定是先發生暴露還是先發生疾病,故
無法確立因果關係。
無法計算發生率:僅能測量特定時間點的盛行
率,無法得知新發病例的發生率(Incidence
rate)。
存活偏差(Neyman bias):此研究容易篩選到
病程較長、進展緩慢或症狀較輕的慢性個案,而
漏掉發病後迅速死亡或痊癒者,導致結果產生偏
誤。