114年:醫學二(2)

分析抽菸與口腔癌的關係,針對有酗酒者,抽菸的相對危險性( relative risk )為4;無酗酒者,抽菸的相對危險性為 2,若將有或無酗酒者合併則抽菸的相對危險性為 1。有關酗酒與抽菸及口腔癌關係的敘述,下列何者最恰當?

A是干擾因子而非修飾因子
B是修飾因子而非干擾因子
C既是干擾因子也是修飾因子
D既非干擾因子也非修飾因子

詳細解析

本題觀念:

本題考流行病學三大核心概念:干擾因子 (Confounder)修飾因子 (Effect Modifier / Effect Measure Modification),以及兩者可同時並存。判斷依據完全來自題幹給的三個數字:

  • 有酗酒者抽菸 vs 不抽菸 → 相對危險性 RR = 4
  • 無酗酒者抽菸 vs 不抽菸 → 相對危險性 RR = 2
  • 不分酗酒(粗效應 Crude RR) → RR = 1

關鍵是把這三個數字依「分層 vs 粗估」進行兩次比較。

選項分析

判斷修飾因子(看分層之間是否一致) 分層後兩個 RR 不一樣(4 vs 2,差距 2 倍)。當第三變項(酗酒)會改變抽菸對口腔癌的效應大小,這就符合 effect measure modification 的定義 — 酗酒是修飾因子。生物學上也合理:酒精會增加口腔黏膜通透性,讓菸草致癌物更容易吸收,所以「酗酒者抽菸」的致癌效應會被放大。

判斷干擾因子(看分層 vs 粗估的差距) 粗 RR = 1,分層 RR 分別是 2 和 4。粗估值完全落在所有分層估值之外(甚至方向看起來變成「沒效應」),這是 Mantel-Haenszel 邏輯下「強干擾」的經典徵兆。換句話說,若不調整酗酒這個第三變項,會錯誤地下結論「抽菸與口腔癌無關」,但事實上抽菸在每一層裡都增加風險。酗酒符合干擾因子三條件:(1) 與暴露(抽菸)相關(飲酒者多兼吸菸),(2) 是結果(口腔癌)的獨立危險因子,(3) 不在抽菸 → 口腔癌的因果路徑上。所以酗酒也是干擾因子

  • (A) 是干擾因子而非修飾因子:❌ 忽略了分層 RR 4 vs 2 的差距,這個差距本身就是 effect modification 的證據。
  • (B) 是修飾因子而非干擾因子:❌ 忽略了粗 RR=1 完全跑出分層 RR 範圍外的事實,這是干擾的指標。
  • (C) 既是干擾因子也是修飾因子:✅ 同時滿足兩個判讀條件,本題答案。
  • (D) 既非干擾因子也非修飾因子:❌ 與分層數據直接矛盾。

答案解析

正確答案為 (C) 既是干擾因子也是修飾因子

判讀流程可固定為兩步:

  1. 先比分層 RR 之間:若各層 RR 不相等 → 存在 effect modification(修飾因子)。本題 RR = 4 ≠ RR = 2,符合。
  2. 再比粗 RR 與分層 RR:若粗估值與分層估值差異 ≥10%,或粗估值落在分層估值範圍之外 → 存在 confounding(干擾因子)。本題粗 RR = 1,但兩個分層都 ≥2,差距巨大,符合。

兩者並非互斥,可同時存在。當 effect modification 存在時,重點不是「調整一個整體 adjusted RR」,而是分層報告(report stratum-specific estimates),因為單一 adjusted 數字反而會掩蓋臨床上有意義的差異。

核心知識點

  1. 干擾因子 (Confounder) 的判讀

    • 數據面:crude estimate 與 adjusted (stratified) estimate 有顯著差異(≥10%),或 crude 落在分層估值範圍外。
    • 邏輯面:必須同時滿足三條件 — 與暴露相關、為結果獨立危險因子、不在因果路徑上。
    • 處理方式:在研究設計(matching, restriction, randomization)或分析階段(stratification, multivariable regression, Mantel-Haenszel)調整。
  2. 修飾因子 (Effect Modifier) 的判讀

    • 數據面:stratum-specific estimates 彼此不相等。
    • 邏輯面:是一種「自然現象」,反映「暴露對某些族群效應較強」,不是 bias。
    • 處理方式:不調整,而是分層報告並描述差異。報告 adjusted RR 反而會誤導。
  3. 兩者可並存:當分層 RR 既彼此不同(modification)、又與粗 RR 差很多(confounding),兩者同時存在。本題即為經典範例。

  4. 與本題情境相關的臨床事實:抽菸與飲酒對頭頸部癌(含口腔癌)有multiplicative 協同作用,合併使用時風險遠高於單獨使用的加成。INHANCE 等大型 pooled analysis 顯示重度抽菸 + 重度飲酒者口腔癌 RR 可達 30 以上,正是 effect modification 的典型案例。

臨床重要性

在族群健康策略上,若忽略 effect modification 而只給「一個 adjusted RR」,會掩蓋對高風險族群(同時抽菸 + 飲酒)應加強衛教與篩檢的訊號。臨床判讀流病文獻時,看到 stratum-specific estimates 顯著不同,應該追問作者是否有報告分層結果,而不是只看 Table 1 的 adjusted RR。

參考資料

  1. Confounding, effect modification and the odds ratio: Common misinterpretations - PMC
  2. Effect Measure Modification - Boston University SPH
  3. Stratification for Confounding – The Mantel-Haenszel Formula - Karger
  4. Interaction between tobacco and alcohol use and the risk of head and neck cancer: pooled analysis in the INHANCE consortium - PMC
  5. Lesson 8: Bias, Confounding, Random Error, & Effect Modification - PSU STAT 507