ExamWise
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？ 圖片

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：

本題考點為流行病學中的 干擾因子 (Confounder) 與 修飾因子 (Effect Modifier / Interaction) 的判讀與區分。

  1. 修飾因子 (Effect Modifier)：當暴露 (抽菸) 對結果 (口腔癌) 的效應大小，會隨著第三變項 (酗酒) 的不同層級而改變時，稱該第三變項為修飾因子。判斷準則是檢視分層後的效應值 (Stratum-specific measures) 是否不同。
  2. 干擾因子 (Confounder)：當第三變項 (酗酒) 導致粗效應值 (Crude estimate) 與分層後的調整效應值不同，產生偏差時，稱該變項為干擾因子。特別是當粗效應值 (Crude RR) 落在分層效應值 (Stratum-specific RRs) 的範圍之外，或與分層效應值有顯著差異時，代表存在嚴重的干擾作用 (如辛普森悖論 Simpson's Paradox)。

影像分析：

  • 題目所附影像：一張顯示「腎臟癌症病人」與「沒有癌症病史住院病人」在「曾經吸菸」與「未曾吸菸」人數的 2x2 表格。
  • 影像與題目關聯性：極低。題幹文字明確描述的是「口腔癌」與「酗酒/抽菸」的相對危險性數據 (RR=4, RR=2, RR=1)，而圖片內容為「腎臟癌」的病例對照數據 (計算出的 OR 約為 1.4，與題幹數字不符)。
  • 判斷：這是一題文字邏輯題，圖片應為誤植或屬於另一題。解題時應完全依據題幹文字提供的數據 (RR=4, 2, 1) 進行邏輯推演。

選項分析：

  • 題目數據：

    • 有酗酒者 (Stratum 1) RR = 4
    • 無酗酒者 (Stratum 2) RR = 2
    • 合併後 (Crude) RR = 1

  • 判斷步驟 1：是否有修飾作用 (Effect Modification)？

    • 比較兩層的 RR 值：4 (有酗酒)≠2 (無酗酒)4 \text{ (有酗酒)} \neq 2 \text{ (無酗酒)}。
    • 因為兩層的效應值顯著不同 (4 vs 2)，表示酗酒會改變抽菸對口腔癌的危險性。
    • 結論：酗酒是修飾因子。

  • 判斷步驟 2：是否有干擾作用 (Confounding)？

    • 比較粗效應值 (Crude) 與分層效應值：Crude RR = 1，而分層 RR 分別為 4 與 2。
    • Crude RR (1) 不僅與分層值不同，甚至落在兩分層值範圍之外 (1<2<41 < 2 < 4)。
    • 這代表若不針對酗酒進行分層或調整，我們會誤以為抽菸與口腔癌「沒有關聯」(RR=1)，但實際上在各層級中皆有顯著的正相關 (RR=2, 4)。這種粗效應值被嚴重扭曲、甚至掩蓋真實效應的現象，是強烈干擾作用的特徵 (負向干擾)。
    • 結論：酗酒也是干擾因子。

  • 綜合選項評估：

    • (A) 是干擾因子而非修飾因子：錯誤，因為分層效應值不同 (4 vs 2)，有修飾作用。
    • (B) 是修飾因子而非干擾因子：錯誤，因為粗效應值 (1) 被嚴重扭曲且落在分層範圍外，顯示有干擾作用。
    • (C) 既是干擾因子也是修飾因子：正確。數據顯示「酗酒」同時具備修飾效應 (改變 RR 大小) 與干擾效應 (扭曲 Crude RR 至範圍外)。
    • (D) 既非干擾因子也非修飾因子：錯誤。

答案解析

答案：C

本題中，酗酒使得抽菸的致癌風險從 2 倍 (無酗酒) 增加到 4 倍 (有酗酒)，顯示存在交互作用 (Interaction)，故為修飾因子。同時，合併後的粗相對危險性 (Crude RR=1) 完全不同於分層後的結果 (RR=2, 4)，且落在分層數值的範圍之外，顯示若忽略酗酒因素會導致結論偏差 (掩蓋了抽菸的危害)，這符合干擾因子的定義 (特別是產生了辛普森悖論現象)。因此，酗酒在此情境下既是干擾因子也是修飾因子。

核心知識點

  1. 修飾因子 (Effect Modifier)：看分層結果是否不同 (Heterogeneity)。口訣：「層層不同」。
  2. 干擾因子 (Confounder)：看粗結果 (Crude) 是否異於調整後結果 (Adjusted) 或分層結果。若 Crude 落在各層結果的範圍之外，必為強烈干擾。口訣：「粗細不同」。
  3. 兩者共存：當分層結果不同 (有修飾)，且粗結果嚴重偏離 (有干擾) 時，該變項可同時被視為兩者。在統計分析策略上，通常優先報告分層結果 (因為修飾作用代表單一的總結數值無法反映全貌)，但這不否定其具備干擾原始數據的性質。

參考資料

  1. Gordis Epidemiology, Chapter on "Confounding and Effect Modification".
  2. Foundations of Epidemiology - "Difference between Confounding and Effect Modification".
  3. CDC Principles of Epidemiology - "Interaction".
了解本站架構