實驗一：使用各種網路組合進行敏感度分析

如同本文 3.3 節本研究檢閱了 H1N1-A 型流感以及 71 型腸病毒的染病年齡層、

潛伏期以及傳染途徑等特性並做出資料檢定。參考表 5-1，H1N1-A 型流感在各 年齡層皆具有染病風險重症及死亡者多見於五歲以下孩童及老年人，潛伏期約 1~4 天病患在潛伏期已具有傳染力並且是經由飛沫以及接觸傳染（Chan, 2009）； 71 型腸病毒染病多見於五歲以下兒童成年人具較強抵抗力受影響低，發病後一

35

36

本文在此實驗使用交通旅運量最大的短程通勤旅運網路以及台鐵旅運網路 來構成總交通旅運網路，設定旅運影響比例為 1 完全只看通勤對於病原體遞移傳 播所造成的影響，並且設定日間旅運影響比例參數由 0 到 1 分佈、區間為 0.1 進 行此參數的敏感度分析。計算規模以 353 鄉鎮市為準，而在流行病方面使用 2009 年 H1N1-A 型流感病例資料以及 2000 年至 2010 年間 71 型腸病毒重症病例數破 百的年度來計算，驗證方式採 4.2.1 節所述斯皮爾曼相關係數做驗證。

在圖 5-1 及 5-2 中，日間旅運影響比例參數的分佈即為本模型使用表 5-2 參 數設定後產生的敏感度分析結果，當日間旅運影響比例參數為 0 或 1 時代表沒有 圖 4-2 中另外一種影響病原體傳播的方式，比較不具意義因此選擇將把日間旅運 影響比例參數等於 0 以及 1 的結果取掉不呈現。

圖 5-1 與圖 5-2 即為本模型使用表 5-2 參數設定後產生的敏感度分析結果，

顯示模型計算結果與 2009 年 H1N1-A 型流感及各年 71 型腸病毒實際病例進行斯 皮爾曼相關係數檢定皆能夠形成正相關的檢定值。在結果方面，當日間旅運影響 比例參數的數值越高越能夠造成兩種流行病的相關係數檢定值上升，顯示影響傳 播的比重以圖 4-2(b)為主。在 H1N1-A 型流感方面當旅運網路組合越完整相關性 也上升，顯示長短程旅運網路皆為影響 H1N1-A 型流感傳播的重要因素之一，在 71 型腸病毒方面當高鐵網路加入時往往能有效提高相關性，可看出高鐵網路於 人口數高的行政區之間帶來的人口流動與 71 型腸病毒真實病例分布的重疊。

37

圖 5-1 敏感度分析結果_2009 年 H1N1-A 型流感

圖 5-2 敏感度分析結果_2001 年 71 型腸病毒

此外本文也將圖 5-1 及圖 5-2 簡化參數的分佈狀態，將日間旅運影響比例參 數 dayTime 取極值並佐以各種旅運網路組合呈現於圖 5-3、圖 5-4，接著將相關 係數較高的 2001 年 71 型腸病毒抓出來與 2009 年 H1N1-A 型流感做比對（圖 5-5）， 並且根據 4.2.2 節其餘驗證方式將計算結果做出評估（表 5-3）。以圖 5-3、圖 5-4 來看，無論參數的組成為何，計算結果於 H1N1-A 型流感的相關係數檢定值均高 於 71 型腸病毒。而依據圖 5-5 來看，當參數 dayTime 設定為 0.9 時，模型計算結

38

果與 H1N1-A 型流感實際病例的斯皮爾曼相關係數檢定值為 0.578，明顯高於當 參數 dayTime 為 0.9 時與 71 型腸病毒的檢定值 0.348。

圖 5-3 敏感度分析簡化參數分佈結果圖_日間旅運比例為 20%

圖 5-4 敏感度分析簡化參數分佈結果_日間旅運比例為 90%

此實驗結果初步證實本模型使用旅運網路去計算各行政區染病風險程度的 結果，確實與經由接觸及飛沫傳染的兩項實際流行病具有高度的相關性；同時也 證實了本研究依據流行病特性作出的實驗假設，當模型計算方式設定為只看通勤 因素的影響，計算結果確實與 H1N1-A 型流感的相關性大於 71 型腸病毒。而依 據 4.2.2 節所做出的行政區及染病人數命中率如表 5-3 所列，皆具有 20%以上的 命中率。

0.00 0.10 0.20 0.30 0.40 0.50 0.60 0.70

短程 台鐵 高鐵 航空 總交通

Spearman 相關係數

2009年 H1N1新流感 2001年 腸病毒 dayTime = 0.2

0.00 0.10 0.20 0.30 0.40 0.50 0.60 0.70

短程 台鐵 高鐵 航空 總交通

Spearman 相關係數

2009年 H1N1新 流感 2001年 腸 病毒

dayTime = 0.9

39

Spearman 相關係數

參數dayTime分佈 2009年 H1N1新流感

2001年 腸病毒

40