比較性風險評估與族群可歸因分率

除了評估全球因疾病所造成的失能與死亡負擔之外，全球疾病負擔計劃亦建立比 較性風險評估(Comparative Risk Assessment, CRA)分析框架，針對可預防、可介入 的危險因子估計其可歸因之疾病負擔[7, 17, 28]。比較性風險評估的特色包括以下 幾點: 首先，透過反事實(counterfactual)的暴露假設建立(通常是理論最小風險暴露 分佈(theoretical minimum-risk exposure distribution, TMRED))，可協助比較不同危險 因子所導致的疾病負擔程度; 其次，比較性風險評估架構考量多個危險因子與疾病 之間複雜的因果網絡關係，在特定假設條件下，簡化評估多個危險因子所共同引 起的疾病負擔估計的可能性; 另外，比較性風險評估結合失能調整生命人年的推估，

在比較性風險評估分析框架當中，族群可歸因分率(population attributable fraction, PAF)的推估是分析的核心與重點[7, 17, 28]，它代表的意義是在一個族群當中，當 危險因子的暴露從目前的盛行狀況變成反事實的假設分布時，減少了多少比例的 疾病發生或死亡，這也表示有多少比例的疾病發生或死亡可以被歸因於這個危險 因子的暴露[29-31]。舉例來說，假若台灣吸菸盛行率從目前的 35%變成 0%，將有 60%的肺癌死亡人口可以被避免，那麼吸菸對於肺癌的族群可歸因分率就等於 60%。

族群可歸因分率於 1953 年，由 Levin 首次提出，作為一個整合性量化指標，族群 可歸因分率的計算是建立於三個重要假設之下，包括 1). 危險暴露與疾病之間因果 關係確立; 2). 危險暴露可以從目前的暴露分布轉變為反事實的假設分布; 3). 對危 險暴露的介入，不會改變其他危險因子的分布，在這三個假設前提下，以二元變 項危險因子為例，我們可以利用下列方程式估計族群可歸因分率：

𝑃𝐴𝐹 = 𝑃(𝐸)(𝑅𝑅 − 1) 1 + 𝑃(𝐸)(𝑅𝑅 − 1)

RR 是指在危險暴露下的相對風險值，P(E)是指危險因子目前真實的盛行率分布。

因此，相對風險值(RR)與危險因子盛行率(P(E))決定了族群可歸因分率的大小，相 較於高度相對風險值但盛行率低的危險因子，一個具有中度相對風險值且高度盛 行的危險因子，可能對於整個族群的疾病負擔有很大的影響。同時考量危險暴露 與疾病的關係強度以及危險因子的盛行暴露，利用文獻或健康資料得到的總合資 料(aggregate data)來估計族群可歸因分率，能夠協助評估危險暴露對整體族群的貢 獻，並提供危險暴露間比較基準。

此外，疾病的成因往往是多因性的，當我們想了解多個危險因子的共同效應(joint effect)時，危險因子的關聯性增加了估計多重危險因子共同族群可歸因分率的難度。

目前全球疾病負擔計劃的比較性風險評估方法在評估多重危險因子的效應時，並 未完整考量危險因子之間的相關性，僅針對心血管代謝以及飲食相關危險因子，

處理中介效應(mediation effect)的影響後，評估多重危險因子所共同造成的心血管 疾病負擔[7, 17, 28]。當危險暴露之間存在複雜的關係時，例如抽煙與飲酒的正相

關性、營養不良與糖尿病的負相關性或與背景不可改變危險因子有相關性時，未 考量危險因子之間的相關性與共同分布，就可能造成偏差的估計。Dr. Spiegelman 提出部分族群可歸因分率(partial population attributable fraction, PAFp)，嘗試在考量 危險因子的共同分布與相關性以及不可改變危險因子的影響(例如年齡性別家族史) 下，評估單個或多個危險因子的貢獻[32]。

𝑃𝐴𝐹𝑝 =∑^𝑆_𝑠=1∑^𝑇_𝑡=1𝑃_𝑠𝑡𝑅𝑅_1𝑠𝑅𝑅_2𝑡− ∑^𝑆_𝑠=1∑^𝑇_𝑡=1𝑃_𝑠𝑡𝑅𝑅_2𝑡

∑^𝑆_𝑠=1∑^𝑇_𝑡=1𝑃_𝑠𝑡𝑅𝑅_1𝑠𝑅𝑅_2𝑡

t 代表不可改變的背景危險因子(t= 1,…, T)，RR2t代表危險因子在 t 層級的相對風

險值(RR2,1 =1)，而 s 是指可預防或可介入的危險因子(s= 1,…, S)，RR2s代表危險因 子在 s 層級的相對風險值(RR1,1 =1)，Pst代表危險因子的共同分布。利用世代資料，

可以適當估計危險因子的共同盛行分布以及不同危險因子組合下的相對危險性結 果，計算多個危險因子對疾病負擔的共同效應，提供衛生介入政策更多元的評估 參考。

另一方面，全球疾病負擔計劃對於其他危險因子與疾病，是假設危險因子彼此獨 立的前提下，利用下列公式計算多個危險因子對疾病負擔的共同貢獻[7, 17, 28]。

𝑃𝐴𝐹_𝑚 = 1 − ∏(1 − 𝑃𝐴𝐹_𝑖)

𝑚

𝑖=1

PAFi表示不同危險因子的族群可歸因分率估計，PAFm代表多重危險因子的合併影 響。然而，當危險因子彼此相關或者存在中介效應或修飾作用(effect modification) 時，過度簡化地假設危險因子彼此獨立就可能得到錯誤的估計。因此，當我們想 要進一步了解同一個疾病下，多個危險因子其獨立(independent)或相依

(interdependent)的貢獻情形時，在目前全球疾病負擔計劃的比較性風險評估框架下，

單純的族群可歸因分率估計可能就無法回答危險因子之間複雜的交互作用，倘若 任意運算不同危險因子的族群可歸因分率就會造成錯誤的解讀。為了明確觀察在

果圓派加權模型(causal pie weighted model)，利用因果圓派理論，解構多個危險因 子在疾病發展的過程中，潛在的成分因素(component cause)組合及其相對應之因果 圓派權重(causal-pie weights, CPW)[33, 34]。在單調性假設下(monotonicity assumption)，透過因果圓派加權模型，危險因子之間的複雜交互作用關係可以清楚

(Key model assumptions)

假設危險因子獨立

(Risk factors are independent and uncorrelated)

危險暴露與背景危險因 子沒有交互作用關係 (No interaction of the index exposure with the background risk factors) 非保護性因子

(multiplicative risk model) 針對心血管代謝以及飲食相 關危險因子，處理中介效果 (mediation effect)的影響

考量危險因子相關性及 聯合分佈

(correlation and joint distribution) insufficient to detect interaction)

無法觀察保護性因子