以全民健保資料庫探討國人就醫習性 - 政大學術集成

全文

(1)國立政治大學商學院統計學系碩士學位論文. 以全民健保資料庫探討國人就醫習性. Using National Health Insurance Database to Explore. 治 of Medical Care 政Population Taiwan’s Residential 大立. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 指導教授：余清祥博士洪英超博士研究生：簡于閔撰中華民國一百零六年七月.

(2) 謝誌在政大度過了兩年，從一開始懞懞懂懂、對程式存在著無可名狀的恐懼，到現在已經能利用程式完成一篇論文，如此說來這兩年簡直是一段最勵志的產品說明，述說著使用前使用後的巨大反差。而邁進的這無數「我的一大步」來其有自，我想藉由這篇謝誌，對這些人，盡量表達自己或許道不盡的感激。謝謝我的指導教授余清祥老師。老師除了提供我們研究上的建議，亦在其他方面盡其所能地協助我們，提供了許多別人沒有的資源與課內課外的關心，對此我由衷感謝，也十分榮幸能加入老師的研究團隊。感謝所有余老師研究團隊的學長姊。謝謝馬哥總是提供許多建議，讓我對於. 治政資料的利用及想像更加靈活，沒有你就沒有這篇論文的核心思想，非常謝謝你！大立謝謝敬昇去年對我的種種訓練，讓我在碩一時就能對整個研究的脈絡有一些認識， ‧ 國. 學. 也謝謝你對我無微不至的關心，即使那種關心跟騷擾只是一線之隔，但我還是感受到了。謝謝昱霈在我們甫入校園時引導我們進入狀況，這個團隊因妳的組織而. ‧. 穩健。謝謝崇甫的教學，讓我們在程式上學到很多很酷的套路，也謝謝你偶爾神. Nat. sit. y. 來一筆的醍醐灌頂，我受用無窮。. er. io. 感謝芃彣、文豪、培軒、珮雯在最兵荒馬亂的一年陪伴我們成長，即將換你. al. v i n Ch 謝謝家人的無私奉獻，讓我無後顧之憂地學習，我的語料庫中不存在任何能 engchi U n. 們接受論文的挑戰，相信你們都能夠靠著自己的實力披荊斬棘，對此我毫不擔心。. 貼切描述心中感謝的字彙。謝謝語洛這兩年的陪伴，每每在我因焦慮而灰心喪志時挺身而出。人生是一條極其複雜的函數，微小的差異便可能造成極大的差異。這兩年的種種是最無懈可擊的參數設定，由衷感謝兩年來共同打造這黃金函數的夥伴以及我們之間完美的參數設定，謝謝你們，未來見。. I.

(3) 摘要我國每十年進行一次人口普查，以取得國人經常活動地區的資訊，作為中央及地方政府政策規劃的參考。然而，十年一次的人口普查無法即時反映各地區人口特質及其活動，隨著普查完訪率逐年下降、個人資料保護法意識抬頭等趨勢，普查的涵蓋率及其資料品質愈加受到質疑，近年各國思考以其他資料蒐集方式取代傳統普查。我國實施全民健康保險制度已逾 20 年，民眾納保率超過 99%，因此本文以全民健保資料庫為研究素材，透過個人就醫行為探討國人經常活動地區，透過剖析各種疾病的就醫行為，可作為政府評估醫療資源規劃的參考。本文以全民健保資料庫為依據，探討我國國民選擇醫療地點的特性，作為經. 政治大感冒）作為估計常住地的依據，但每年平均只有接近 70%國人會因感冒而就醫，立. 常活動地區（或是常住地）的輔助參考。過去研究大多利用上呼吸道感染（俗稱. ‧ 國. 學. 其中青壯年、老年人因感冒而就醫的比例明顯較低，以此作為常住地的估計基礎恐有涵蓋率不足之虞。本文依據健保資料庫中的 2005 年百萬人抽樣檔，包括就. ‧. 醫門診處方及治療明細檔(CD)、承保資料檔(ID)等資料，比較數種常住地判斷的參考準則（包括感冒就醫），分析各方法所觀察到資料的特性及限制，評估以這. y. Nat. sit. 些準則作為判斷常住地的可行性。. n. al. er. io. 結論：本文提出除了感冒就醫之外的三種常住地推估準則，分別為：因為感. i n U. v. 冒或是消化就醫、單次健保補助金額較低、基層院所就醫。以樣本涵蓋率量而言，. Ch. engchi. 三種準則都能改善感冒就醫涵蓋率的不足，其中以單次金額與基層院所就醫的樣本數增加最多。另外，如果與所有門診資料、普查資料的人口資料比較，發現單次金額與基層院所就醫推估的人口年齡結構最為接近，但單次金額的縣市（地區）結構與普查資料的差異較大。限制：受限於青壯年人口就醫率較低，本文提出的幾種常住地判斷準則在 20 歲至 44 歲的涵蓋率仍然偏低，建議未來研究可經由權數調整修正樣本的年齡等人口結構及比例，或是仰賴就醫以外的紀錄推估，但須考量資料串連及品質等問題。. 關鍵詞：全民健康保險、常住人口、大數據、統計分析、醫療利用. II.

(4) Abstract Many countries conduct population census every 10 years to acquire the information of population structure and its trend, but the information is not likely to updated since the 10-years period is usually too long. Moreover, the low response rate of questionnaire and the enforcement of Personal Information Protection Act further jeopardize the population census and many question its data quality. Thus, quite a lot of countries are seeking alternatives for collecting the information of de jure population, replacing the regular population census.. 政治大. In this study, we explore the possibility of using the data from National Health. 立. Insurance (NHI) Research Database for acquiring the information of de jure population. ‧ 國. 學. in Taiwan. Taiwan started the NHI in 1995 and more than 99% of Taiwan population. ‧. are covered. Since the medical accessibility created by the NHI, Taiwan’s people tend. sit. y. Nat. to visit medical institutions near to where they live, when they have minor diseases. Past. io. al. er. studies showed that the upper respiratory tract infection (or cold) is a popular choice of. n. minor diseases. We will evaluate if the cold is a good candidate and propose alternative. Ch. engchi. criteria for the definition of minor diseases.. i n U. v. We found that the proportion of populations with upper respiratory tract infection is about 70% and it is age dependent, with the elderly the lowest. On contrary, the records of smaller amounts and the records of physician clinics (or general practice clinics) can cover more than 90% population, much better than the records of upper respiratory tract infection. The records of digestive system diseases and upper respiratory tract infection can also increase the coverage of elderly population. We. III.

(5) recommend using the medical records of smaller amounts to acquire the de jure population.. Keywords: National Health Insurance, Big Data, de jure Population, Statistical Analysis, Medical Accessibility. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. IV. i n U. v.

(6) 目錄第一章緒論 ....................................................................................................................... 1. 第一節. 研究背景與動機 .................................................................................................. 1. 第二節. 研究目的 .............................................................................................................. 3. 第二章文獻回顧與研究方法 ............................................................................................. 5. 第一節文獻回顧 ................................................................................................................. 5 第二節資料庫介紹 ............................................................................................................ 7 第三節研究方法 ................................................................................................................ 9. 第二節. 政治大臺灣就醫人口特性 ............................................................................................ 11 立加入其他就醫紀錄樣本 .................................................................................... 13. 第三節. 加入其他就醫紀錄樣本之效果 ........................................................................ 18. 第三章臺灣人口特性與常住地推估 ............................................................................... 10. 學. ‧ 國. 第一節. 第四章其他常住地推估準則 ........................................................................................... 23. ‧. 第一節. 以低金額就醫紀錄作為常住地判斷準則 ......................................................... 23. sit. y. Nat. 第二節以基層院所就醫紀錄作為常住地判斷準則 ..................................................... 26. er. io. 第五章各準則的差異與比較 ........................................................................................... 28. al. v i n Ch 第二節與普查資料比較 .................................................................................................. 31. engchi U 第三節其他應用 .............................................................................................................. 33 n. 第一節與所有門診紀錄比較 .......................................................................................... 28. 第六章結論與建議 .......................................................................................................... 37. 第一節. 結論 .................................................................................................................... 37. 第二節. 研究限制與未來方向 ........................................................................................ 39. 參考文獻 ........................................................................................................................... 41 附錄 .................................................................................................................................. 44. V.

(7) 表格目錄表 2-1、各年度 ID、CD、HOSB 資料筆數與資料空間(MB) .................................. 8 表 3-1、2005 年於不同就醫地(縣市)就診感冒之人數........................................... 10 表 3-2、2005 年上呼吸道感染的各醫療院所層級就醫分佈 ................................. 16 表 3-3、2005 年各醫療院所層級於就醫紀錄中所佔比例 ..................................... 18 表 3-4、2005 年兩常住地判斷準則採用樣本之總就醫率 ..................................... 18 表 3-5、2005 年循環系統疾病於各醫療院所層級的分佈 ..................................... 21. 政治大表 4-2、2005 年於不同就醫地(縣市)就醫基層院所之人數 ................................... 27 立表 4-1、2005 年合計點數低於 555 的就醫紀錄，於各醫療院所層級的分佈 ..... 25. ‧ 國. 學. 表 5-1、各推估準則提供的樣本人數 ....................................................................... 29 表 5-2、2010 年所有門診與各準則判斷出的各年齡層人口比例 .......................... 29. ‧. 表 5-3、2010 年各常住地推估準則對所有門診的五齡組 MAPE .......................... 30. y. Nat. io. sit. 表 5-4、2010 年各常住地推估準則對普查資料的縣市分佈 MAPE ...................... 32. er. 表 5-5、2010 年普查資料與各準則判斷出的各年齡層人口比例 .......................... 32. al. n. v i n 表 5-6、2010 年各常住地推估準則對普查資料的五齡組 MAPE .......................... 33 Ch engchi U 附表 1、實際就醫與各常住地推估準則判斷出的五齡組人口比例....................... 44 附表 2、2010 普查資料與各常住地推估準則判斷出的縣市人口比例.................. 45 附表 3、2010 普查人口與各常住地推估準則判斷出的五齡組人口比例.............. 45. VI.

(8) 圖形目錄圖 1-1、上呼吸道感染與所有門診紀錄之盛行率（2005 年） ................................ 3 圖 3-1、2005 年百萬抽樣人口、所有門診人口、感冒就醫人口的年齡結構 ..... 12 圖 3-2、2005 年上呼吸道感染與所有門診紀錄之就醫率 ..................................... 13 圖 3-3、2005 年未就診上呼吸道感染者於其他疾病的就醫情形 ......................... 14 圖 3-4、2005 年所有疾病的就醫總金額(合計點數)與基層院所就醫比例的關聯 ............................................................................................................................... 15. 政治大圖 3-6、2005 年上呼吸道感染與消化系統疾病的單次就醫總金額分佈 ............. 16 立圖 3-5、2005 年所有疾病的就醫年齡與基層院所就醫比例的關聯 ..................... 16. ‧ 國. 學. 圖 3-7、2005 年上呼吸道感染、消化系統疾病單次就醫總金額累積機率分佈 ....... 17 圖 3-8、2005 年上呼吸道感染與消化系統於個年齡之就醫比例 ......................... 19. ‧. 圖 3-9、未就診上呼吸道感染或消化系統疾病者，於其他疾病的就醫情形 ....... 20. y. Nat. io. sit. 圖 3-10、2005 年加入循環系統前後，各年齡層的就醫比例 ............................... 21. er. 圖 3-11、2005 年上呼吸道感染與消化系統於個年齡之就醫比例 ....................... 22. al. n. v i n 圖 4-1、2005 年所有門診紀錄的單次就醫金額分佈 .............................................. 24 Ch engchi U 圖 4-2、2005 年所有門診紀錄單次金額 CDF ......................................................... 25 圖 4-3、2005 年上呼吸道感染與篩選金額後所有門診紀錄於各年齡就醫比例 ....... 26 圖 4-4、2005 年上呼吸道感染與基層院所就醫紀錄於各年齡之就醫比例 ......... 27 圖 5-1、各推估準則的母體涵蓋率 ........................................................................... 28 圖 5-2、普查數據與各準則判斷的縣市人口比例 ................................................... 31. VII.

(9) 第一章緒論第一節. 研究背景與動機. 人口的紀錄方式大致可分為現住(de facto)人口與法理(de jure)人口，我國的人口紀錄則採常住人口(permanent resident population)及戶籍人口(household registry population)，這些方式各有特色及適用場合，洪永泰(1995)曾提出常住人口與常住人口的差異。常住人口為經常居住在某一地區的人口，較能反映各地區的國民實. 政治大. 際生活人數，可提供政策訂定、資源規劃的參考，但相關的資料調查工作較為棘. 立. 手。戶籍人口則是以戶為單位，國民根據戶籍法登記在某戶的人口資料，通常作. ‧ 國. 學. 為納稅、就學、兵役、選舉等的依據，戶籍人數的記錄及更新較為容易，但未必. ‧. 能反映經常活動於某地的人口及結構。根據我國戶籍法，戶籍資料由民眾主動申報，無論出生、死亡、遷移、婚姻等都是紀錄項目，近年政府採取許多便民措施，. sit. y. Nat. io. n. al. er. 像是當事人（包括戶長）可委託他人代辦。. i n U. v. 常住人口資料的取得維護較為困難，大多依據每十年一次的戶口普查，但兩. Ch. engchi. 次普查間的常住人口通常很難更新，其中2010年戶口普查改採約16%的抽樣調查，全母體人口透過推估而得。雖然戶籍資料的取得及維護較為容易，且因其與個人權利、義務有關，資料品質較為可信，卻未必能反映國民的人口活動，近年我國及各國研發不同方式，嘗試在戶籍人口及常住人口間取得平衡。如澳洲在2011年的實施人口普查時（行政院主計總處2015年研究報告），將調查對象僅限於普查當日實際出現在該地點者，但其定義與現實中常住人口不同（較為接近現住人口），為求反映真實的常住特性，須藉由人口推估取得較準確之常住人口，並在發布資. 1.

(10) 料後仍保留修訂之空間。其中，常住人口數據可參考國內從事各活動，像是經濟、產業、社會等相關調查數據。除了透過戶口普查，國內學者嘗試不同作法取得常住人口的資訊，全民健康保險資料庫是其中較為學術界使用的媒介，因為全民健康保險（以下簡稱健保）實施至今超過20年，國人多半已建立個人的就醫習慣，像是健保直接或間接保障了醫療可近性(Accessibility)，全國各鄉鎮市區至少都有一個醫療院所。正因為就醫的便利性，學術界一般認為小病就醫會在經常活動的地區附近，如蔡文正等人. 政治大. (2003)在研究民眾對基層診所評價與就醫影響因素時提出民眾生小病時，有82.5%. 立. 以診所為固定就醫地點，且交通因素為第二大考量因素。吳依凡(2004)提出小病. ‧ 國. 學. 多在基層院所就醫，且因基層院所設置廣泛提高了就醫可近性，小病就醫往往選擇距離經常活動器區附近，因此有學者建議以小病就醫地作為常住地的參考。例. ‧. 如：林民浩等人(2011)使用上呼吸道感染就醫地與投保地推估常住地，林敬昇. y. Nat. er. io. sit. (2016)使用上呼吸道感染就醫地推估常住地。林敬昇(2016)以上呼吸道感染作為判定患者常住地的依據，討論患者在就診癌症時，是否會為了更豐沛的醫療資源於. n. al. 其他地區就醫。. Ch. engchi. i n U. v. 對於小病的定義，過去研究多半建議感冒、皮膚病、牙科這三種就醫因素，根據這些疾病的就醫地作為常住地的估計。以感冒就醫為例，國人每年平均將近 70%國人因感冒而就醫，如圖1-1所示（資料來源：全民健保資料庫2005年百萬人抽樣檔），以涵蓋率的角度來看似乎相當合理。然而，因為各年齡層的就醫習性不同，感冒就醫比例似乎隨年齡下降，許多高齡人口甚至不到六成，單以感冒就醫作為經常就醫地或常住地的判斷依據，可能會有以偏蓋全的疑慮，存在樣本代表性的問題。. 2.

(11) 立. 政治大. ‧ 國. 學 ‧. 圖 1-1、上呼吸道感染與所有門診紀錄之盛行率（2005 年）. er. io. 研究目的. sit. y. Nat. 第二節. al. n. v i n Ch 本文以健保資料庫為依據，分析不同疾病的就醫習性，包括就醫比例及相關 engchi U 特性，希冀能發掘出經常就醫地、甚至是常住地的判斷準則，能夠在常住人口資料不易取得的情況下作為常住地推估的參考。過去研究曾以小病就醫紀錄作為常住地推估的參考，以感冒為例，本文探索相關的就醫記錄，整理感冒就醫的常見現象及特性，評估以感冒就醫地作為經常就醫地的可行性。另外，如圖1-1感冒的就醫率在成年族群較低，避免樣本代表性的疑慮，本研究也探索加入其他疾病（小病）增加感冒樣本的不足，減少就醫年齡層不均而衍生的失真問題，進而增加藉就醫紀錄推估出常住人口的可能。也考. 3.

(12) 慮以其他就醫模式如：低金額或基層院所之就醫紀錄，利用其類似小病的就醫特性作為樣本篩選的門檻，分析病患於這些情形下的就醫紀錄是否真能反映出類似常住地的特性，並討論以這些方式推估患者常住地與以感冒推估的差異。本文將於第二章回顧過去相關文獻；第三章介紹所用的健保資料庫檔案以及研究方法；第四章先藉觀察門診資料特性，鎖定適合加入樣本的疾病特性與需注意的相關限制，且衡量用以合併的新樣本在樣本數量與資料品質上帶來的效果；第五章討論以低金額或基層院所之就醫紀錄推估常住地之可行性，對比和所有門. 政治大. 診資料、普查資料的一致性，評估其成效，並提出對各準則的建議。. 立. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 4. i n U. v.

(13) 第二章文獻回顧與研究方法第一節文獻回顧普查是許多國家獲取全國人口資料的唯一方法，為施政的重要依據，然而普查在每個時代皆有不同困難，例如普查在過去受到科技的限制，在資料的蒐集上較現代困難許多。近年來隨著眾人對隱私權的日漸重視，普查受到日益增加的拒訪率所苦，若延續傳統普查方法的誤差也有增加之虞。臺灣採用的登記式普查結合抽樣調查，其優點為可由抽樣獲得較詳盡的資訊，亦可由登記式普查分散拒訪. 政治大. 風險，缺點則是十年一次的普查間隔過長，無法即時反映較細微的常住人口變化。. 立. 本章蒐集學者為彌補普查的缺點，提出獲得常住人口資料的替代方法，整理及說. ‧ 國. 學. 明這些方法的結果及特色，作為本文使用健保資料庫評估常住人口的參考。人口紀錄資料相關研究. ‧. 一、. sit. y. Nat. 因常住人口資料的蒐集不易，過去人口紀錄多以戶籍資料為主。洪永泰(1995). n. al. er. io. 發現戶籍人口與常住人口在以「人」為單位時，戶籍地與常住地吻合之比例不超. i n U. v. 過九成，若以「戶」為單位，其比例甚至會更低，且調查選項並沒有被清楚定義，. Ch. engchi. 造成受訪者之間對選項的認知差異太大，產生紀錄上的誤差。又如顏貝珊(2010) 提出近年社會結構改變，如遷移行為更加頻繁，使得民眾於普查上的配合意願越來越低，且在 2010 年開始實施的抽樣調查(16%)代替原來的全面性普查，造成調查品質不若以往。同時介紹傳統問卷式普查、登記式普查、登記式普查結合抽樣調查、滾動式抽樣等各類普查之差異，並提到戶籍人口與常住人口的差異。而陳肇男與劉克智(2002)認為臺灣的戶籍人口與常住人口差異日漸明顯，並指出在都市化程度不高時，戶籍確實能夠反映臺灣人口分佈，但伴隨著時代進步的人口流動會改變結構，使戶籍與實際情形產生差異。 5.

(14) 二、. 常住人口推估相關研究本文所使用之健保資料並無居住地之欄位，但過去許多研究曾嘗試利用健保. 資料庫對投保人口之常住地進行估計，以作為分析就醫特性的參考。廖建彰等人在討論 2000 年台灣腦中風發生率與盛行率的城鄉差異時，採用投保地點作為投保人常住地的判斷依據，然而採用投保地點可能會忽略在企業組織集體納保的行為，或是忽略投保地與常住地相異的民眾(如依附眷口)，錯估各地常住人口。因此，林民浩等人(2011)利用臺灣全民健康保險的高納保率，並利用了多數臺灣人都傾向選擇距離較近的醫療院所作為小病的就醫地的特性，以上呼吸道感染的就. 治政大醫地推估患者的常住地，並發現無論是單以上呼吸道感染就醫地作為推估準則或立是綜合上呼吸道感染就醫地與投保地作為推估準則，與普查結果的相關性皆較單. ‧ 國. 學. 以投保地作為推估準則高。林敬昇(2016)使用上呼吸道感染作為判定常住地的依. ‧. 據，延伸研究人口移動(遷移)與跨區就醫相關議題，發現約有 88%的感冒病患僅. sit. y. Nat. 於單一縣市就醫，且發現各縣市間的癌症人口跨區就醫的旅行距離差異大，差異. n. al. er. io. 甚至能到十倍之多。三、. 醫療需求相關研究. Ch. engchi. i n U. v. 本文參考醫療需求相關文獻，暸解就醫與醫療資源的關聯。陳珮青等人 (2003) 針對評鑑為地區教學以上層級之醫院，選取糖尿病、中風、剖腹生產、闌尾切除之病人，由電訪調查得知病患常住地，利用其所住的醫院判斷是否跨區住院，結果顯示跨區比例最高的縣市為雲林縣，可得知雲林縣的醫療資源較匱乏，且說明了當患者需要較豐沛之醫療資源時較可能選擇跨區就醫。林維娟(2003)研究地區醫院以上層級門診就醫民眾，討論不同地區與醫療院所層級的組合下，患者跨區就醫與住院比例。發現住院跨區率高於門診跨區率，而所有組合中跨區率最高的是醫學中心的門診，且就醫地點通常為大都市。 6.

(15) 第二節資料庫介紹自民國 87 年起，中央健康保險局委託國家衛生研究所建立健保資料庫，並於民國 89 年開放各界申請使用。由於台灣全民健保之納保率達 99%以上，全民健康保險資料庫(健保資料庫)的就醫資料為公衛領域中最具公信力的實證資料，健保資料庫對於人口研究也多有貢獻，其研究成果可作為國家訂定政策時的參考，是不可或缺的研究資源。. 政治大. 健保資料可依照母體大小分為兩種，分別為抽樣檔與全人口檔。若母體較. 立. 大(如：全國投保戶)，則提供抽樣檔；若母體較小(如：重大傷病人口)，則提供. ‧ 國. 學. 母體檔。每個檔案資料欄位名稱和資料描述在「譯碼簿」1中有詳細的說明。. ‧. 由於健保資料庫的資料數量多且內容複雜，輸入錯誤等問題十分常見，因. Nat. sit. y. 此本研究使用的資料庫已經過除錯、正規化等處理，以確保資料的正確性。本. n. al. er. io. 研究需透過患者的就醫紀錄探討就醫特性，故以門診處方及治療明細檔(後稱CD. i n U. v. 檔)串連承保資料檔(後稱ID檔)，取得各性別、年齡於不同疾病的就醫紀錄，同. Ch. engchi. 時以CD檔中單次就醫紀錄的醫事機構代號串連醫事機構基本資料檔(後稱HOSB 檔)，取得各次就醫的看診地點，作為常住地判斷上的參考。以下針對本文所使用的健保資料庫檔案內容與介紹： 2005 年承保抽樣歸人檔： 1. 承保資料檔：ID (2005 年~2012 年). 1. 譯碼簿，資料來源：國家衛生院全民健康保險研究資料庫，http://nhird.nhri.org.tw/date_02.html 7.

(16) 當中記錄了ID、出生年月、性別、加保日期、加保類別、退保日期、退保類別等欄位。 2. 門診處方及治療明細檔：CD (2005 年~2012 年) 當年就醫記錄，包括 ID、ICD9、性別、醫事機構代號、出生日月、就醫日期、金額等。基本資料檔：. 政治大. 1. 醫事機構基本資料檔：HOSB (2005 年~2012 年). 立. 年份. 筆數. 學. 檔案. ‧ 國. 當中記錄了醫事機構代號、縣市區碼、特約類別、型態別等欄位。. 筆數. io. (MB). al. 筆數. (MB) 15036998. v ni. 2005. 1011467. 2006. 1004477. 2007. 997485. C h 14275312 8578.914 engchi U 267.555 14324281 8608.344. 2008. 996216. 267.844. 14213998. 2009. 991502. 267.164. 2010. 989188. 2011 2012. (MB) 28.031. 44802. 29.430. 46397. 30.508. 8542.070. 48024. 31.586. 14668611. 8815.273. 49811. 32.711. 258.930. 14598852. 8773.352. 51587. 33.922. 988298. 258.695. 14978654. 9001.602. 53564. 35.242. 987507. 258.492. 14973208. 12997.578. 55389. 36.406. 270.383. 8. 9036.664. 空間. 42582. n. 271.016. 空間. er. Nat. 空間. HOSB. y. CD. sit. ID. ‧. 表 2-1、各年度 ID、CD、HOSB 資料筆數與資料空間(MB).

(17) 第三節一、. 研究方法. 常住人口判斷本文使用健保資料庫中百萬抽樣門診處方及治療明細檔(CD檔)與醫事機構. 基本資料檔(HOSB檔)，由CD檔中具有上呼吸道感染之就醫紀錄 (ACODE_ICD9_1：460-466、480-487)與官方定義為消化系統疾病之就醫紀錄做為研究兩類疾病患者就醫特性的根據。並藉由CD檔中醫事機構代號(HOSP_ID) 欄位與HOSB檔串連，取得每位患者於兩類疾病的就醫地，取次數最多者作為該. 政治大. 就醫人口的常住地。若同時出現兩個以上的就醫地次數相同，則挑選就診日期. 立. 最晚者作為該就醫人口的常住地。. ‧. ‧ 國. 學. 二、. 就醫紀錄篩選條件. sit. y. Nat. n. al. er. io. 本文不同於過往文獻，基於提升樣本數量與改變年齡結構，將消化系統疾. i n U. v. 病加入判斷常住地的樣本中。但是未必所有消化系統疾病皆具有能夠判斷常住. Ch. engchi. 地之特性，故本文透過 CD 檔中醫事機構代號(HOSP_ID)欄位與 HOSB 檔串連後，取得該醫事機構之特約類別(HOSP_CONT_TYPE)，由 CD 檔中合計點數 (T_AMT)發現醫療院所層級與單次就醫總金額的關聯，並以單次就醫總金額的累積分布函數(CDF, Cumulative Distribution Function)判斷選取就醫紀錄時的金額上限，確保資料品質。. 9.

(18) 第三章臺灣人口特性與常住地推估臺灣的官方人口統計可分為常住人口與戶籍人口。常住人口即十年一次的人口普查對全國人民調查後所取得的人口、住宅之資訊，可直接讓國家作為出生率、死亡率、遷移率、性別比、年齡結構等重要資訊的參考指標，惟缺點是十年一次的人口普查往往無法及時反映十年間的細部資訊，在廣泛討論人口特性時有著許多限制。戶籍人口則是內政部所記錄的人口資料，並不像常住人口一樣受到十年一次人口普查的限制，然而戶籍登記時會受到法令上的約束，只能定義為法令上. 政治大. 所記錄的常住地，與國民實際活動的常住地有所差異，若用於討論人口特性時恐. 立. 怕會產生偏差，本研究目標為尋找樣本與2005年百萬抽樣檔最接近的取樣方式。. ‧ 國. 學. 本研究所使用的健康保險資料庫中則有兩種指標可作為研究人口特性的依. ‧. 據：投保人口與就醫人口。投保人口的特性為國人於全民健康保險的投保率高於. Nat. sit. y. 99%，且在資料欄位的特性上，已清楚顯示各投保人口之投保地(鄉鎮市區)，內容. n. al. er. io. 豐富也明確，惟投保地會受到企業組織集體納保而與被保人實際常住地區產生偏. i n U. v. 差，且也無法捕捉在其他地區就學、工作者的實際動向。就醫人口則是因為國人. Ch. engchi. 平均就醫比率相當高，過去林民浩等人(2011)、林敬昇等人(2016)皆採用上呼吸道感染(後稱感冒)的就醫地推估常住地，其結果已證實與實際的普查資料相當符合，然而臺灣每年的感冒盛行率只佔了約七成左右的人口且主要偏重於19歲以下的人口，若將該常住地推估準則運用於人口特性、人口移動等研究領域，可能會在中高齡人口出現樣本數不足的現象。因此本文將探討從感冒估計就醫地時的樣本代表性，若有不足，再藉由觀察其他類疾病的就醫特性，挑出適合的疾病類型加入樣本，目的是使推估常住地的樣本更加齊全、更加符合母體特性。表 3-1、2005 年於不同就醫地(縣市)就診感冒之人數 10.

(19) 感冒就醫地(縣市)數量 1 2 3 4 5 6 7. 人數 582751 91065 8322 709 70 9 1. 過去研究曾採用感冒就醫地作為常住地，以推估各縣市之常住人數。由表31可以發現曾經就醫感冒的患者之中，約有85%只在同一縣市就醫，且人數隨著就. 政治大. 醫縣市的數量增加快速降低，這顯示人們在就診感冒的選擇上與地區的關聯相當. 立. 大，才會導致一年之中在兩個以上的縣市看過感冒的人數明顯較少。因為治療感. ‧ 國. 學. 冒所需要的醫療資源與需求較低，因此選擇就醫地(縣市)的考量往往與醫療院所. er. io. sit. y. Nat. 常住地的參考。. ‧. 與患者本身的生活圈或常住地息息相關，過去研究利用這個性質將感冒作為推估. al. n. v i n 第一節C h 臺灣就醫人口特性 engchi U. 由於資料庫中的資料形式，以感冒就醫人口分析全體人口特性的時候，必須先確認樣本代表性的關係才得以將以上呼吸道感染為根本的研究結果套用於所有納保人口，分別是：納保人口與百萬抽樣人口、百萬抽樣人口與所有門診人口、所有門診人口與上呼吸道感染人口。目前已確定百萬人抽樣檔是所有納保人口的分層抽樣資料，故不會產生偏差，樣本代表性足夠。而百萬抽樣人口與所有門診人口在性別比例上，以2005 年為例，分別有49.5%和48.3%的男性比例，相差約 1%左右。年齡結構則如圖3-1所示，比起百萬抽樣人口，幼齡人口在所有門診人. 11.

(20) 口的比例高出了約0.8%，25到49歲的人口則少了約1.3%，其他年齡結構皆相當一致。感冒就醫人口在20歲之前的比例則是明顯高於百萬抽樣人口與所有門診人口，代表感冒就醫人口的人口就醫特性較偏向低齡，過去以感冒就醫人口推估常住地的做法雖然已被證實效果良好，但仍有推估出的人口年齡層偏低的問題。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 3-1、2005 年百萬抽樣人口、所有門診人口、感冒就醫人口的年齡結構由圖3-2可以看出隨著年齡的上升，感冒人口就醫率與總就醫率的差異越來越大。因此，單就感冒的就醫資訊判定常住地，雖然過去文獻已證實有其準確度，但因為上呼吸道感染本身的就醫族群已有年齡上的分布不均，故欲進一步利用該法推估出的常住地資訊時，往往會遇到低齡樣本為大宗、中高齡樣本較少的情形。. 12.

(21) 立. 政治大. ‧ 國. 學 ‧. 圖 3-2、2005 年上呼吸道感染與所有門診紀錄之就醫率. n. er. io. sit. y. Nat 第二節 a. 加入其他就醫紀錄樣本 v. i l C n hengchi U 上個段落確認樣本代表性的結果顯示：在年齡方面，感冒就醫紀錄只有在低齡時具有較高的就醫率，若貿然取用上呼吸道感染就診紀錄很可能會在實際運用時遇到非低齡人口樣本數不足的狀況。雖然過去研究證實感冒的確有就近就醫的特性，適合用於推估常住地，但特定年齡層的樣本數問題依然存在，也是本文嘗試改善的目標。本文欲提出之解決方法為：檢視其他未看過感冒的患者就醫紀錄，將其加入原來的感冒樣本，以增加其他年齡的涵蓋率且使年齡結構更靠近所有門診人口。但過去文獻之所以採感冒就醫紀錄推估常住地，是基於感冒普遍較不嚴重、不需 13.

(22) 要太豐沛的醫療資源，因此患者多會選擇於常住地就近看診。因此在加入其他樣本時，除了注意加入後提升了多少就醫率，也要判定是否所有疾病都適合被加入，以免將較嚴重的疾病併入紀錄中，此時若患者因疾病較嚴重而選擇跨區，會使常住地的判斷出現偏誤。首先，本文先由從未就診感冒，卻於其他疾病就診的患者比例，探討未就診上呼吸道者中，哪類疾病為就醫的最大宗。如圖3-3所示，消化系統疾病幾乎在各年齡層具有最高的比例，也就是將消化系統疾病紀錄併入原先的上呼吸道感染疾. 政治大. 病紀錄中將會獲得最多的資料筆數，也可以改善感冒較薄弱的中高齡涵蓋率。. 立. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 3-3、2005 年未就診上呼吸道感染者於其他疾病的就醫情形過去文獻以感冒就醫地推估常住地時，其核心精神為：多數人會選擇在常住地附近就診感冒，缺點是其具有涵蓋率不足與年齡結構不同於所有門診人口的問題。本文選擇以其他疾病加入感冒樣本，以增加涵蓋率與補充感冒無法包含的年齡層，可能會面對到的問題即是抵觸了最一開始的核心精神，因此在挑選其他疾病加入樣本之餘，還需要符合多數人會選擇在常住地附近就診的條件。而上呼吸 14.

(23) 道感染具有該就醫特性的原因是上呼吸道感染症狀往往輕微、不需要特別豐沛的醫療資源，通常患者只需要不高的醫療金額與前往基層院所就能得到妥善的處理。由圖3-4可以看到在合計點數(欄位名稱：T_AMT)小於10000元時，就醫合計點數 (總金額)與基層院所就醫比例呈現負相關，代表費用越低的就醫資料，其在基層院所就醫的比例越高。由圖3-5則是能夠發現年齡與基層院所就醫比例呈現負相關，因為高齡患者罹患較嚴重之疾病的比例較高，往往需要較豐沛的醫療資源，反而幼齡患者前往就醫之疾病多屬輕微疾病，於基層院所便能解決多數的問題。由表 3-2又可以發現基層院所幾乎佔了感冒約九成的就醫比例，與先前的猜想相符：感. 治政大冒不需要特別豐沛的醫療資源，故基層院所的就醫比例較高，這也是過去研究能立以感冒就醫地作為判斷準則的最大關鍵，而基層院所的就醫比例又和金額呈現負. ‧ 國. 學. 相關，因此較低的就醫總金額也能夠呈現某疾病的醫療資源需求度，故本文以就. ‧. 醫總金額(合計點數)作為篩選疾病嚴重程度的標準。. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 3-4、2005 年所有疾病的就醫總金額(合計點數)與基層院所就醫比例的關聯. 15.

(24) 政治大. 圖 3-5、2005 年所有疾病的就醫年齡與基層院所就醫比例的關聯. 立. 學. 基層院所. 地區醫院. 區域醫院. 醫學中心. 0.902. 0.047. 0.032. 0.018. 上呼吸道感染. Nat. n. al. er. io. sit. y. ‧. ‧ 國. 表 3-2、2005 年上呼吸道感染的各醫療院所層級就醫分佈. Ch. engchi. i n U. v. 圖 3-6、2005 年上呼吸道感染與消化系統疾病的單次就醫總金額分佈. 16.

(25) 在篩選就醫總金額的時候，先由圖 3-7 發現了兩種疾病的單次就醫總金額皆存在著右偏現象，尤其消化系統更是嚴重。本文藉由累積分布函數 (CDF, Cumulative Distribution Function)的概念分別找出兩疾病金額的累積分布函數上升趨勢漸緩的臨界值，將其訂定為篩選兩疾病時的金額上限。從圖 3-8 可以發現上呼吸道感染約在 CDF 至 95%時金額上升幅度才開始減緩，對應至 X 軸的單次就醫總金額後代表：469 元是感冒金額上升的臨界值，超過 469 元後感冒的單次就醫總金額分佈會更加分散。而從圖 4-10 發現消化系統疾病約在 CDF 達 75%時就開始向右成長，對應至 X 軸的單次就醫總金額後代表：840 元是消化系統疾病金. 治政額上升的臨界值。由此本文只將單次就醫總金額在大 469 元以下的感冒就醫紀錄與立 ‧ 國. 學. 單次就醫總金額在 840 元以下的消化系統疾病就醫記錄列入推估常住地的依據，一但超越限定金額，便認定該次就醫需要較豐沛之醫療資源，不具有就近就醫的. ‧. 特性。. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 3-7、2005 年上呼吸道感染、消化系統疾病單次就醫總金額之累積機率分佈為了確認前面所訂定的篩選機制，從表3-3可以發現經過金額的篩選之後，消化系統疾病在基層院所的就醫比例提高了約11%，而其他三種醫療院所層級的比 17.

(26) 例皆下降，代表金額的高低的確和醫療院所層級具有相關性，而醫療院所層級又和疾病的就醫可近性相關，因此可以推得篩選出較低的就醫金額的確有較高的可能讓符合金額條件的消化系統疾病也具有就近就醫的特性。表 3-3、2005 年各醫療院所層級於就醫紀錄中所佔比例基層院所. 地區醫院. 區域醫院. 醫學中心. 0.726. 0.091. 0.107. 0.076. 0.838. 0.051. 0.061. 0.050. 消化系統疾病 (篩選金額前) 消化系統疾病 (篩選金額後). 立. 加入其他就醫紀錄樣本之效果. ‧ 國. 學. 第三節. 政治大. ‧. 上一節提出為了改善感冒樣本的不足，必須加入消化系統疾病，同時為了. sit. y. Nat. 使消化系統疾病具有就近就醫的特性，必須利用篩選就醫總金額來達到控制疾. n. al. er. io. 病嚴重程度的效果。此部分將針對第四節提出之加入樣本指標，測試加入其他. i n U. v. 樣本後，新樣本在提供的數量與品質兩大面向上有何表現。數量即消化系統疾. Ch. engchi. 病能為上呼吸道感染補充的就醫率，品質為同時看過感冒與消化系統疾病的病患在就醫這兩類疾病時，各自就醫地的吻合度。表 3-4、2005 年兩常住地判斷準則採用樣本之總就醫率估計方法. 總就醫率. 感冒(未篩選金額). 0.701. 感冒補入消化(皆有篩選金額). 0.793. 18.

(27) 立. 政治大. 圖 3-8、2005 年上呼吸道感染與消化系統於個年齡之就醫比例. ‧ 國. 學. 增加數量的部分，整體上由表4-3可發現在增加了消化系統疾病並透過金額控. ‧. 制樣本品質後，總就醫率較原本單以感冒判斷時約上升了9.2%。區分成年齡層來. y. sit. n. al. er. io. 的就醫率。. Nat. 看，由圖3-9可看到消化系統疾病的確在感冒原先較缺乏的非幼齡人口提供了可觀. Ch. i n U. v. 經過消化系統疾病的合併之後，由圖 3-8 發現多數的年齡層就醫率皆得到了. engchi. 可觀的改善，惟 90 歲以上的就醫率仍未達 70%。雖然 90 歲以上的年齡層一向有樣本較少的問題，但本文還是希望能盡量在不影響資料品質的前提下提升樣本數，又由圖 3-9 發現循環系統疾病在高齡人口就醫率方面相當突出，因此嘗試以循環系統疾病進行合併。. 19.

(28) 立. 政治大. ‧ 國. 學 ‧. 圖 3-9、未就診上呼吸道感染或消化系統疾病者，於其他疾病的就醫情形. sit. y. Nat. 樣本數量在加入循環系統疾病之後，雖然整體就醫率只增加了約 2.3%，但是. n. al. er. io. 由圖 3-10 可以看到循環系統疾病在高齡區段的確提供了許多就醫率。然而在確. v. 認加入樣本的品質時，由表 3-5 發現循環系統疾病於四種醫療院所層級的就醫比. Ch. engchi. i n U. 例相當接近，並不像感冒或消化系統疾病一樣具有多數在基層院所就醫的特性，代表循環系統疾病患者在選擇就醫地上的偏好與原來兩種疾病不同，即使加入循環系統疾病的確能提升原來偏低的高齡就醫率，但貿然將其加入樣本可能會污染資料的品質。另外，其他類的疾病無法像循環系統疾病一樣能在高齡區段提供豐富的就醫率，基於精簡合併資料規則的想法，不另外尋求方法提升高齡就醫率，畢竟低於七成門檻的族群只有 90 歲以上的年齡區間，該區段本來就屬於較小眾的人口，且張新儀等人(2003)研究台灣地區常住人口與移動人口的比較中，發現. 20.

(29) 「籍在人不在」之情況多數發生於 20 到 34 歲間，90 歲以上的老年人口遷移行為較少，使用戶籍地來判斷常住地應足矣。. 立. 政治大. ‧. ‧ 國. 學. 圖 3-10、2005 年加入循環系統前後，各年齡層的就醫比例. er. io. sit. y. Nat. 表 3-5、2005 年循環系統疾病於各醫療院所層級的分佈. n. al. Ch. 基層院所. 循環系統疾病. 0.283. 地區醫院. e n g c0.214 hi. iv 區域醫院 n U 0.268. 醫學中心 0.236. 結合上述的判斷規則，本章改進的常住地推估指標為：結合感冒與消化系統疾病的就醫紀錄，且感冒需排除單次就醫總金額(合計點數)大於 469 元之紀錄、消化系統疾病則需排除單次就醫總金額(合計點數)大於 840 元之紀錄，取出現最多次數之就醫地作為常住地，若出現同樣的最多次數則以最後一次的就醫地為主。以此準則增加樣本之後的結果同本節一開始所示，總就醫率為 0.793，年齡分佈則如圖 3-11 呈現，只有 90 歲以上的就醫率較低，原因是最能提升高齡就醫率的 21.

(30) 循環系統疾病在就醫特性上不符合推估常住地所需要的特性，且 90 歲以上的高齡人口遷移行為少，透過加保地判斷常住地就能有可觀的準確度。. 立. 政治大. ‧. ‧ 國. 學. Nat. n. al. er. io. sit. y. 圖 3-11、2005 年上呼吸道感染與消化系統於個年齡之就醫比例. Ch. engchi. 22. i n U. v.

(31) 第四章其他常住地推估準則上一章提到增加其他類型疾病的就醫紀錄於感冒就醫紀錄中，是基於單靠感冒推估常住地時，雖然過去文獻顯示具有可信度，但在能夠藉此推估常住地的往往因就醫人口的年齡結構，多屬中低齡的患者，所以在上一章試著利用高齡患者就醫率較高的消化系統疾病及循環系統疾病增加樣本在高齡的就醫率。其中消化系統疾病在單次就醫金額與醫療院所層級分佈所展現的特性皆與上呼吸道感染十分類似，因此適合合併樣本；惟循環系統疾病在單次就醫金額與醫療院所層級. 政治大. 分佈所展現的特性與感冒和消化系統疾病截然不同，因此不適合用以合併樣本。. 立. 此節延續前一章的思考脈絡：推估常住地時使用的資料，須和感冒具有類. ‧ 國. 學. 似的特性，如：類似的單次就醫金額與醫療院所層級分佈。前一章是將其作為. ‧. 審核新樣本是否適合的標準，而本章直接以單次就醫金額或醫療院所層級分佈. sit. y. Nat. 作為樣本的篩選條件，直接以較低金額的就醫紀錄（不限就醫疾病）或基層醫. n. al. er. io. 療院所的就醫紀錄作為樣本，探討以其患者推估出的人口資訊是否與整體資料. i n U. v. 或普查資料吻合，甚至探討作為推估常住地的準則，是否能比上一章提供之準. Ch. engchi. 則（篩選金額後的感冒及消化系統疾病）提供更多資料數量或是更好的資料品質。. 第一節以低金額就醫紀錄作為常住地判斷準則上一章提出單次就醫金額與醫療院所層級的關聯，發現某次就醫紀錄的就醫金額越低，其是在基層院所就醫的可能性便越大。而從上一章也發現低就醫金額與於基層院所就醫皆是標準的小病（如感冒）就醫特性，此節欲將低就醫金額和 23.

(32) 基層院所就醫這兩大特性分開，並將其視為兩種新的就醫地推估準則，此段落將先討論以低金額就醫紀錄作為常住地判斷準則的母體涵蓋率率及可行性。為了訂定低金額就醫紀錄的金額門檻，由圖 4-1 觀察所有門診紀錄的單次就醫金額分佈，發現存在著些許金額極高的極端值，因此透過累積分布函數(CDF, Cumulative Distribution Function)找出累積分布函數上升趨勢漸緩的臨界值，將其訂定為篩選時的金額門檻。從圖 4-2 可以發現所有門診紀錄的金額上升幅度約在 CDF 累積達 70%時開始減緩，因此將 CDF 為 70%時所對應到的 X 軸單次就醫總. 政治大就醫總金額分佈會變得分散。本段落將保留 555 元以下的就醫紀錄作為推估常住立金額 555 元作為金額篩選的門檻，其意義代表超過 555 元後所有門診紀錄的單次. ‧ 國. 學. 地的依據，即以此準則推估某病患的常住地時，以該病患所有花費 555 元以下的就醫紀錄中出現次數最多的就醫地推估為其常住地。. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 4-1、2005 年所有門診紀錄的單次就醫金額分佈 24.

(33) 立. 政治大. ‧ 國. 學. 圖 4-2、2005 年所有門診紀錄單次金額 CDF. ‧. 為了確認前面所訂定的篩選機制是否能有效辨認出小病，本文於表 5-1 展示. sit. y. Nat. 單次就醫金額低於 555 元之紀錄中有高達 84.4%是於基層院所就醫，高比例於基. n. al. er. io. 層院所就醫這個特性符合本文對小病的假設。並從圖 4-3 得知，作為常住地的推. i n U. v. 估準則，低金額就醫紀錄在所有年齡皆能貢獻比感冒更高的就醫率，其中在 20 歲. Ch. engchi. 以上的年齡層甚至能提供高出約 20%的就醫率，能在推估病患常住地時獲得更多患者的資訊。表 4-1、2005 年合計點數低於 555 的就醫紀錄，於各醫療院所層級的分佈. 金額低於555元之就醫紀錄. 基層院所. 地區醫院. 區域醫院. 醫學中心. 0.844. 0.071. 0.052. 0.034. 25.

(34) 立. 政治大. ‧ 國. 學. 圖 4-3、2005 年上呼吸道感染與篩選金額後所有門診紀錄於各年齡之就醫比例. ‧ y. Nat. io. sit. 以基層院所就醫紀錄作為常住地判斷準則. n. al. er. 第二節. i n U. v. 除了上段所提到的低金額就醫紀錄，基層院所也是上一章判斷小病的重要特. Ch. engchi. 性，本段落將以所有基層院所就醫紀錄作為新的就醫地推估準則，討論以基層院所就醫紀錄作為常住地判斷準則時所提供的母體涵蓋率率，並於下章比較本文所探討過的四種常住地推估準則（分別為：感冒、感冒加上消化系統疾病、低金額就醫紀錄、基層院所就醫紀錄）。由表 4-2 可以看到多數的病患在選擇基層院所時，較偏向於同一個縣市內就醫。雖然這個趨勢在基層院所中不如感冒那麼明顯，但是在資料處理過程中也會利用投票的機制選出就醫次數最多的縣市。. 26.

(35) 表 4-2、2005 年於不同就醫地(縣市)就醫基層院所之人數基層院所就醫地(縣市)數量. 人數. 1. 632441. 2. 215552. 3. 31648. 4. 3813. 5. 448. 6. 68. 7. 13. 治政圖 4-4 可以看見基層院所就醫紀錄作為常住地的推估準則，相較原本較泛用大立. 的感冒推估準則，從 10 歲開始都能提供更高的就醫率。和上一段所使用的低金. ‧ 國. 學. 額就醫紀錄比較，基層院所就醫紀錄在高齡的樣本含蓋率較低，然而不管是和單. ‧. 以感冒推估或加入消化系統疾病後的上呼吸道感染比較，涵蓋率在 10 歲至 94 歲. n. al. er. io. sit. y. Nat. 的區間皆有明顯的差異。. Ch. engchi. i n U. v. 圖 4-4、2005 年上呼吸道感染與基層院所就醫紀錄於各年齡之就醫比例. 27.

(36) 第五章各準則的差異與比較第一節. 與所有門診紀錄比較. 上一章中，提供了第四章所提及的感冒準則或感冒加上消化系統疾病準則之外的兩種準則，分別是以低金額就醫紀錄與基層院所就醫紀錄推估常住地的兩種準則。過去文獻採用感冒推估常住地是因為患者往往會選擇在常住地附近看小病，而本節提出準則的出發點則來自低金額就醫紀錄與基層院所就醫紀錄和小病的關聯，於表 5-2 中可以看到上一章提出的二種準則皆提供的樣本人數與二種從感冒延伸的準則具有不小的差距；以基層院所就醫紀錄為例，比感冒多提供了約. 治政大等議題時提供更多的資訊。從圖 5-5 中也能發現各準則於各年齡的母體涵蓋率率，立相較感冒推估準則或是補入消化系統疾病就醫紀錄的感冒推估準則，上一章提出 42%的人數，在個人資料難以取得的現在是相當可觀的數量，能在研究人口移動. ‧ 國. 學. 的兩種準則皆有效增加高於 10 歲的母體涵蓋率。. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 0-1、各推估準則的母體涵蓋率. 28.

(37) 表 0-1、各推估準則提供的樣本人數推估準則. 感冒. 感冒補入消化. 低金額. 基層院所. 樣本人數. 587721. 694475. 839267. 834011. 然而欲評論某準則推估常住地的適合度時，除了其涵蓋數量，資料本身是否保有就近就醫的特性（即資料品質）也是十分重要的環節。接著，本文將比較各準則判斷出來的結果和所有門診情形、普查資料的一致性，並衡量各準則在樣本數量與資料品質的表現。ㄧ、與所有門診情況比較. 立. 政治大. ‧ 國. 學. 這裡將討論上述四種常住地推估準則各自提供的樣本人口，在年齡的分佈上是否與所有門診人口接近。若與所有門診人口相差不大，代表該準則所獲取的人. ‧. 口資訊與現實結構類似，也可望得到較好的可信度；反之，若相差太大，代表該. Nat. sit er. io. 意。. y. 準則獲得的人口資訊與現實的就醫情形有所偏差，在資料品質方面的表現差強人. al. n. v i n Ch 表 0-2、2010年所有門診與各準則判斷出的各年齡層人口比例 engchi U 年齡. 整體門診. 感冒. 感冒補入消化. 低金額. 基層院所. 5~19歲. 0.1998. 0.2463. 0.2232. 0.2031. 0.2058. 20~44歲. 0.3898. 0.3843. 0.3843. 0.3860. 0.3922. 45~64歲. 0.2848. 0.2750. 0.2752. 0.2842. 0.2821. 65歲以上. 0.1256. 0.1084. 0.1173. 0.1268. 0.1199. 表5-3將所有人口劃分成四大年齡層（若需要更詳細的五齡組劃分格式，請參考附表1），分別是5歲至19歲、20歲至44歲、45歲至64歲、65歲以上，並列出各準則判斷出的該年齡人數所佔比例。發現四種準則皆會高估5歲至19歲的人口比. 29.

(38) 例，只是單以感冒判斷時會高估得最多，加入消化系統疾病之後有成功拉近此年齡層與所有門診情形的差距，但比起低金額就醫紀錄與基層院所就醫紀錄還是顯得過高。在20歲至44歲方面，只有以基層院所就醫紀錄推估時會高估人口比例，但四種準則在這個年齡層中偏差皆不大。45歲至64歲的年齡層中，四種準則皆沒有太嚴重的偏差。對於65歲以上的年齡層，則是再次發現低金額就醫紀錄與基層院所就醫紀錄這兩種準則都有較好的表現。以上是僅藉由觀察所得出的整體趨勢，而本文利用MAPE(平均絕對值誤差率, Mean Absolute Percentage Error)計算以五齡組分類時，能夠量化四種準則與所有門診情形在年齡分佈上的差異程度；其中，. 治政大某準則MAPE的值越大，代表該準則和所有門診情形在年齡分佈上相差較大，反立. 之則代表年齡分佈較接近。從表5-4可以發現感冒除了是提供最少樣本數的準則，. ‧ 國. 學. 在推估出的人口族群方面也和實際就醫出入最大，雖然的確藉由補入消化系統疾. ‧. er. io. sit. Nat. 或基層院所就醫紀錄具有相當低的MAPE。. y. 病來提升中高齡的就醫率更貼近實際就醫的人口特性，但仍不像低金額就醫紀錄. al. n. v i n Ch 表 0-3、2010年各常住地推估準則對所有門診的五齡組MAPE engchi U 推估準則. 感冒. 感冒補入消化. 低金額. 基層院所. MAPE. 0.1456. 0.0794. 0.0117. 0.0480. 30.

(39) 第二節. 與普查資料比較. 接著本段要以普查資料比對四種常住地推估準則，與上一節以所有門診情況比對的最大差異是：以所有門診情況比對的目的在於從年齡角度檢視各準則所提供的樣本在特性上是否類似實際就醫，而十年一次的普查資料中除了年齡資料外亦有提供居住地的資料，可以直接透過常住地的推估結果檢驗各準則的資料品質。圖5-6是各準則與普查資料的各縣市人口比例，附表2則是更詳細的數字列表，且可以從之計算各準則對普查的縣市人口比例MAPE。如表5-5所示，低金額就醫紀. 政治大. 錄對縣市人口的推估結果與普查差異最大，感冒與基層院所就醫紀錄則不相上下，. 立. 值得一提的是感冒在加入消化系統疾病就醫紀錄後，推估縣市人口的結果與普查. ‧ 國. 學. 最為接近，各準則於此項目的表現與之前比對所有門診五齡組的表現相差甚大。. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 0-2、普查數據與各準則判斷的縣市人口比例 31.

(40) 表 0-4、2010 年各常住地推估準則對普查資料的縣市分佈 MAPE 推估準則. 感冒. 感冒補入消化. 低金額. 基層院所. MAPE. 0.0943. 0.0784. 0.1116. 0.0928. 除了縣市的地區資料外，普查資料亦提供年齡的人口資料，表 5-6 將所有人口劃分成四大年齡層（若需要更詳細的五齡組劃分格式，請參考附表 3），分別是 5 歲至 19 歲、20 歲至 44 歲、45 歲至 64 歲、65 歲以上，並列出各準則判斷出的該年齡人數所佔比例。由表 5-6 可以看到無論是感冒還是感冒補入消化，這兩. 政治大. 種以感冒就醫為出發點的準則還是建立在較多的低齡人口上，這是感冒就醫本身. 立. 的特性使然。而 20 歲至 44 歲的區間是就醫行為最少的年齡，所以不管是哪種準. ‧ 國. 學. 則都會低估其人口比例，這也是從就醫行為探討常住地時最常發生的偏差。最後，本文利用 MAPE 計算以五齡組分類（資料詳見附表 3），看到感冒準則所推估出. ‧. 的人口年齡分佈與普查資料所顯示的人口年齡分佈差異最大，補入了消化系統疾. y. Nat. er. io. sit. 病之後降低與普查資料的差異，達到與低金額就醫紀錄差不多的水準。與普查資料差異最小的則是基層院所就醫紀錄，且基層院所就醫紀錄在樣本數量及相較所. al. n. v i n Ch 有門診紀錄的相似度上，表現都相當理想，是所有準則中最沒有明顯缺陷的。 engchi U 表 0-5、2010年普查資料與各準則判斷出的各年齡層人口比例年齡. 普查. 感冒. 感冒補入消化. 低金額. 基層院所. 5~19歲. 0.1937. 0.2463. 0.2232. 0.2031. 0.2058. 20~44歲. 0.4141. 0.3883. 0.3843. 0.3860. 0.3922. 45~64歲. 0.2800. 0.2570. 0.2752. 0.2842. 0.2821. 65歲以上. 0.1122. 0.1084. 0.1173. 0.1268. 0.1199. 32.

(41) 表 0-6、2010年各常住地推估準則對普查資料的五齡組MAPE 推估準則. 感冒. 感冒補入消化. 低金額. 基層院所. MAPE. 0.1021. 0.0714. 0.0710. 0.0505. 第三節. 其他應用. 本章前二節內容為比較各準則與所有門診紀錄、普查資料的資料分佈，結果顯示低金額就醫紀錄或基層院所就醫紀錄較接近所有門診紀錄、普查資料，. 政治大. 但是所有門診紀錄與普查資料的資料來源、目標皆不同，使用比較出來的結果. 立. 時需注意解讀上的限制。顏貝珊(2011)曾討論不同普查方式的差異，如加拿大、. ‧ 國. 學. 英國等國家採用傳統問卷式普查，能夠獲得較詳盡的資料，但耗費大量的人力. ‧. 與需要民眾的配合；新加坡、德國採登記式普查結合抽樣調查，結合長表與短. sit. y. Nat. 表並以抽樣方式改善登記制度難以獲得的資料數量。可以發現各普查方式存在. n. al. er. io. 著資料特性上的差異，所以即使使用常住地推估準則的結果接近普查資料，也不能斷言該準則就是最準確的準則，而是視情況而定。. Ch. engchi. i n U. v. 本文使用全民健保資料庫中的就醫紀錄發想推估常住地的可能性，其優點是全民健保資料庫的資料抽樣方式能使我們對同一批人進行追蹤。這樣的優勢能夠讓我們鎖定同一群人於不同年度的推估常住地，討論人口移動的趨勢。而不同的常住地推估準則可能會看到不同的結果。圖 5-3 至圖 5-6 即是四種準則所看到的不同移動現象，橫軸為總移動(移出人數+移入人數)、縱軸為淨移入(移入人數-移出人數)，結果以感冒、感冒補入消化、低金額就醫紀錄的結果較一致。可以從圖 5-6 看到，藉基層院所就醫紀錄討論人口移動時，台北市與台北縣的位置與其他三種準則相反，代表基層院所與其他三種準則的就醫特性有所不同，. 33.

(42) 導致解讀出不同的現象。但在未知常住地移動資訊的前提下，本文無法斷定何者才符合真實情形，只能從圖 5-6 得知各準則在常住地移動的解讀上存在著不小的差異，使用時應注意到適用時機的問題。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. i n U. v. 圖 0-3、感冒準則 2005-2007 至 2008-2010 移動情形. Ch. engchi. 34.

(43) 立. 政治大. ‧. ‧ 國. 學. 圖 0-4、感冒補入消化準則 2005-2007 至 2008-2010 移動情形. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 0-5、低金額準則 2005-2007 至 2008-2010 移動情形. 35.

(44) 立. 政治大. ‧. ‧ 國. 學. 圖 0-6、基層院所準則 2005-2007 至 2008-2010 移動情形. n. er. io. sit. y. Nat. al. Ch. engchi. 36. i n U. v.

(45) 第六章結論與建議第一節結論本文探討以全民健康保險資料庫評估常住地的可行性，有別於普查的資料蒐集，希冀可更即時的反映常住人口的資訊，其中曾有學者提議將投保地視為常住地，但投保地的結果與普查相差甚大，本文採用就醫記錄為判斷常住人口的依據。學者常用上呼吸道感染（俗稱感冒）就醫紀錄推估患者常住地，本文發現上呼吸道感染的就醫比例在幼齡及青少年人口（0到19歲）較為普遍，成年人、甚至高齡. 政治大. 老年人（80歲以上）的感冒就醫比例相對較低，以此作為推估常住人口的依據，. 立. 不免有樣本代表性的疑慮。. ‧ 國. 學. 因此本文提出加入其他疾病的就醫記錄以併入中高齡的樣本，彌補上呼吸道. ‧. 感染就醫者年齡分佈的問題，分析顯示消化系統疾病較為有效，能夠提升20歲以. sit. y. Nat. 上人口的就醫樣本。不過，消化系統疾病的就醫特性與上呼吸道感染不盡相同，. n. al. er. io. 包括健保費用、醫療院所等，避免這些因素影響常住地的估計，確保加入感冒以. i n U. v. 外樣本也具有相似特性，本文在增加樣本時加入單次就醫總金額（合計點數）、. Ch. engchi. 基層院所就醫率之間的關係，分析發現消化系統疾病的加入的確使樣本中各年齡層的分佈更加均勻。此外，本文也考慮循環系統疾病的補充感冒記錄的不足，但發現循環系統疾病患者於四個層級醫療院所的就醫率相當分散，只有0.283的就醫紀錄是於基層院所就醫，相較上呼吸道感染的0.902（或消化系統疾病經金額篩選後的0.838），因此判定不適於加入推估常住地。除了由消化系統疾病併入感冒之外，本文亦分別使用金額與基層醫療院所作為篩選就醫紀錄的標準，原因是若想使用就醫地判斷常住地，必須盡量確保使用的就醫記錄是小病，才能最大程度地利用多數患者就近就醫小病的特性使就醫地貼近常住地，而不管是低金額或是基 37.

(46) 層院所的就醫紀錄皆有類似小病的特性，因此本文嘗試以其作為推估常住地的準則。本文也比較各常住地推估準則的差異，在樣本提供數量方面，低金額就醫紀錄和基層院所就醫紀錄分別提供了839,267和834,011人，比起感冒或感冒補入消化的587,721和694,475人，在未來用於探討人口特性及移動等研究時能記錄到較多人口的訊息，較具優勢。在資料品質方面，若以2010年的所有門診紀錄為標準、人口年齡分佈為研究目標，則MAPE的表現上由低到高依序是：低金額就醫紀錄、. 政治大. 基層院所就醫紀錄、感冒補入消化、感冒；若以2010年的普查紀錄為標準、人口. 立. 年齡分佈為研究目標，則MAPE的表現上由低到高依序是低金額就醫紀錄、基層. ‧ 國. 學. 院所就醫紀錄、感冒補入消化、感冒；若以2010年的普查紀錄為標準、人口縣市分佈為研究目標，則MAPE的表現上由低到高依序是：感冒補入消化、基層院所. ‧. 就醫紀錄、感冒、低金額就醫紀錄。. sit. y. Nat. io. n. al. er. 低金額就醫紀錄雖然提供了最多的樣本數量，在年齡分佈的推估上也和所有. v. 門診紀錄或普查資料相近，但推估縣市的結果與普查落差也較大，相較起來基層. Ch. engchi. i n U. 院所就醫紀錄推估縣市的結果就與普查接近許多。且比起低金額就醫紀錄在篩選資料時需先定義出低金額的標準，基層院所就醫紀錄的篩選容易許多，於各標準的表現也都相當接近比較的對象。但是也需注意基層院所就醫紀錄所顯示的人口移動特性與其他三種準則不同（第五章第三節），使用時建議與其他準則同時使用，方便結果的比對。另外，感冒補入消化系統疾病之後，在質與量的表現都比單以感冒判斷還好，證實了藉由疾病類型增強樣本代表性的作法確實可行，缺點則是實際操作過程較煩瑣，除了要將消化系統疾病的就醫紀錄併入感冒就醫紀錄外，還需要篩選金額才能夠維持小病特性，作為準則有不夠簡潔直觀之嫌。. 38.

(47) 在常住地的判斷結果方面，相較於普查提供的各縣市人口比例，本文的四種準則在多數縣市皆具有相同的趨勢(高估、低估)，原因是即使本文已透過小病多於常住地附近就醫的特性進行控制，就醫資源的不平均仍會造成一定程度的偏差，可以透過這個性質發現各縣市的醫療資源差距，並可大致上看出各縣市間的跨區就醫現象。. 第二節研究限制與未來方向. 政治大. 過去研究人口移動、就醫需求或跨區就醫等議題時，多以上呼吸道感染所推估. 立. 的常住地進行討論。但如本文所示，上呼吸道感染的患者年齡層偏低，且往往不. ‧ 國. 學. 是具有人口移動或跨區就醫行為者，造成研究結果容易顯示出不同於現實的人口. ‧. 移動現象，如過低的人口移動率。本文透過其他就醫紀錄提升中老年人於樣本中. sit. y. Nat. 的就醫率，能在未來進行人口移動相關研究時，增加較有移動潛力的人數。未來. io. al. er. 能夠透過本文所提出之常住地判斷準則，繼續研究各年齡患者就醫地數量的多寡，. v. n. 討論不同年齡在選擇就醫地時的特性，並研究常住於不同都市化程度地區之患者. Ch. engchi. i n U. 跨區就醫之特性，藉由患者跨區就醫之距離與疾病類型討論各地患者在罹患不同疾病時的就醫習慣。也可以透過常住地的判定，討論各地區之間的人口移動關係，甚至從不同推估準則中看到不同的人口移動現象，增加各準則使用上的但書，將常住地推估準則的選擇規則化。在研究限制方面，由於 20 到 44 歲的青壯年人口本身就醫率較低，因此在以就醫紀錄推估常住人口時較難克服該年齡層的樣本問題，建議未來進行相關研究時可經由權數的調整修正該年齡層的比例，而加入消化系統疾病後較高的高齡比例經過青壯年人口的加權後，可望修正到與普查結果接近的比例。 39.

(48) 另外，本文處理資料時選用 2005 年承保抽樣歸人檔，因此在比較普查資料時所使用的 2010 年承保資料檔中，會有已死亡者殘留的問題，其中因死亡者多屬高齡，會造成承保資料檔樣本結構與真實情形的差異。本文未處理此方面問題，建議未來研究相關議題時能夠嘗試修正，得到更接近現實的資料。最後，本文在第五章評估各準則的表現時利用所有門診紀錄與普查資料進行比較，若表現相似也僅代表該準則推估出的資料分佈與比較對象相似，並不代表該準則就是較佳的準則，畢竟無論是所有門診紀錄還是普查資料皆有各自特性，與現實人口也會存在落差，本文僅以能夠取得的資料討論資料特性的相似與否，無法斷定哪種準則最能表現人口的常住現象。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 40. i n U. v.

(49) 參考文獻一、中文部份 1.. 吳依凡(2004)，醫療資源可近性對個人醫療利用的影響─台灣地區的實證研究，國立中央大學產業經濟研究所碩士論文。. 2.. 林民浩、楊安琪、溫在弘(2011) ，利用地區差異與人口學特徵評估。全民健保資料庫人口居住地變項之推估原則，台灣衛誌，30，347-361。. 3.. 林敬昇(2016)，以全民健保資料庫探討臺灣人口特性與變遷，國立政治大學. 政治大林維娟(2003)，跨區醫療利用及其影響因素分析，國立陽明大學醫務管理研立商學院統計學系碩士論文。. 4.. 洪永泰(1995)，戶籍登記常住人口與非常住人口之差異研究，國科會專題研. ‧. 究報告。. y. Nat. 張新儀、林明珠、洪永泰、林淑慧(2003)，臺灣地區「常住人口」與「移動. io. sit. 6.. ‧ 國. 5.. 學. 究所碩士論文。. n. al. er. 人口」的比較 2001 年國民健康訪問調查資料的實證分析，調查研究， 14，5-29。 7.. Ch. engchi. i n U. v. 陳珮青、楊銘欽、江東亮、鄭守夏(2003)，病人跨區住院與醫療區資源分佈之探討，臺灣衛誌，22(1):27-32。. 8.. 陳肇男(民 79)，臺灣地區各類型遷徙之選擇性與差異性，第十三卷，頁 4357。. 9.. 楊雅惠(2015)，澳洲常住人口推計技術及人口普查資料蒐集方法，行政院主計總處。. 10. 廖建彰、李采娟、林瑞雄、宋鴻樟(2006)，2000 年台灣腦中風發生率與盛行率的城鄉差異，台灣衛誌，25(3)，223-230。 41.

(50) 11. 蔡文正、龔佩珍(2003)，民眾對基層診所評價與就醫選擇影響因素，臺灣衛誌 2006，22(3)，181-193。 12. 顏貝珊、余清祥(2010)，2010 年各國人口普查制度之研究，人口學刊， 40，203-229。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 42. i n U. v.

(51) 二、英文文獻 1.. Greenwood, M. J. (1985), “Human Migration: Theory, Models, and Empirical Studies.” Journal of Regional Science, 25(4): 521-544.. 2.. Greenwood, M. J. (1997), “Internal Migration in Developed Countries.” Handbook of Population and Family Economics, 1: 647-720.. 3.. Lin, J., Liaw, K., and Tsay, C. (1999), “Determinants of Fast Repeat Migrations of the Labor Force: Evidence from the Linked National Survey Data of Taiwan.” Environment and Planning A, 31(5): 925-945.. 4.. 治政大 on Migration.” Journal Schwartz, A. (1973), “Interpreting the Effect of Distance 立 ‧ 國. 5.. 學. of Political Economy, 81(5): 1153-1169.. Schwartz, A. (1976), “Migration, Age and Education.” Journal of Political. ‧. Economy, 84: 701-19.. Sjaastad, L.A. (1962), “The Costs and Returns of Human Migration.” Journal of. sit. y. Nat. io. Political Economy, 70: 80-93.. n. al. er. 6.. Ch. engchi. 43. i n U. v.

(52) 附錄. 整體就醫. 感冒消化. 感冒. 低金額. 基層院所. 5~9. 0.0554. 0.0676. 0.0765. 0.0572. 0.0575. 10~14. 0.0715. 0.0798. 0.0872. 0.0729. 0.0738. 15-19. 0.0728. 0.0759. 0.0826. 0.073. 0.0745. 20-24. 0.0663. 0.0667. 0.0687. 0.0657. 0.0673. 25-29. 0.0755. 0.0752. 0.0747. 0.0764. 30-34. 0.0876. 0.0768 治政 0.0868 0.0888 大. 0.0868. 0.088. 35-39. 0.0785. 0.077. 0.0777. 0.0777. 0.0787. 40-44. 0.0819. 0.0786. 0.0763. 0.081. 0.0818. 0.0846. 0.0811. 0.0767. 0.0839. 0.0841. 0.0797. 0.0766. 0.0712. 0.0793. 0.0722. 0.0701. 0.0651. ‧. 0.079. 0.0723. 0.0714. 60-64. 0.0483. 0.0475. 0.0441. 0.0487. y. 0.0475. 65-69. 0.0358. 0.0349. 0.0328. 0.0352. 70-74. 0.0325. 0.0312. 0.0291. 75-79. 0.0252. 80-84. 0.0191. 85-89. 0.0093. 0.0077. 90-94. 0.003. 95-99. 0.0007. 55-59. Nat. io. n. al. 0.0363. er. 50-54. ‧ 國. 45-49. 立. 學. 年齡. sit. 附表 1、實際就醫與各常住地推估準則判斷出的五齡組人口比例. 0.033. 0.032. i v 0.0256. 0.0241. 0.0192. 0.0175. 0.007. 0.0092. 0.0081. 0.0023. 0.0021. 0.0029. 0.0025. 0.0005. 0.0004. 0.0007. 0.0005. 0.0216 n C0.0236 h e n g c0.0154 0.0171 hi U. 44.

(53) 附表 2、2010 普查資料與各常住地推估準則判斷出的縣市人口比例戶口普查. 感冒消化. 感冒. 低金額. 基層院所. 台北縣. 0.177. 0.174. 0.179. 0.163. 0.172. 台北市. 0.116. 0.119. 0.111. 0.129. 0.12. 基隆市. 0.017. 0.016. 0.017. 0.016. 0.016. 新竹市. 0.021. 0.022. 0.022. 0.023. 0.022. 宜蘭縣. 0.019. 0.018. 0.018. 0.018. 0.018. 桃園縣. 0.095. 0.09. 0.09. 0.092. 0.09. 新竹縣. 0.023. 0.02. 0.02. 0.019. 0.02. 台中市. 0.05. 0.058. 0.056. 0.059. 0.059. 台中縣. 0.069. 0.068. 0.069. 0.067. 0.067. 苗栗縣. 0.023. 0.021. 0.022. 彰化縣. 0.053. 政治0.021 大 0.021 0.053. 0.053. 0.053. 0.053. 南投縣. 0.02. 0.02. 0.02. 0.019. 0.02. 0.027. 0.028. 0.029. 0.027. 0.028. 0.034. 0.039. 0.038. 0.04. 0.041. 0.046. 0.043. 0.043. 0.043. 0.043. 0.066. 0.073. 0.072. 0.073. 0.073. 0.055. 0.05. 0.051. 0.048. 0.048. 0.012. 0.017. 0.016. 0.018. 0.017. v 0.015. 0.015. 0.033. 0.034. io. 嘉義市. al. n. 嘉義縣. 0.021. 屏東縣. 0.035. 台東縣. 0.009. 花蓮縣. 0.013. y. sit. 高雄縣. Nat. 高雄市. ‧. 台南縣. er. 台南市. ‧ 國. 雲林縣. 立. 學. 縣市. i n C0.034 h e n g c 0.035 hi U 0.016. 0.016. 0.007. 0.008. 0.008. 0.008. 0.014. 0.014. 0.014. 0.013. 附表 3、2010 普查人口與各常住地推估準則判斷出的五齡組人口比例感冒消化. 低金額比. 基層院所. 年齡. 普查比例. 比例. 感冒比例. 例. 比例. 5~9. 0.0524. 0.0676. 0.0765. 0.0572. 0.0575. 10~14. 0.0683. 0.0798. 0.0872. 0.0729. 0.0738. 15-19. 0.0730. 0.0759. 0.0826. 0.073. 0.0745. 20-24. 0.0721. 0.0667. 0.0687. 0.0657. 0.0673. 45.

(54) 25-29. 0.0858. 0.0752. 0.0768. 0.0747. 0.0764. 30-34. 0.0918. 0.0868. 0.0888. 0.0868. 0.088. 35-39. 0.0809. 0.077. 0.0777. 0.0777. 0.0787. 40-44. 0.0834. 0.0786. 0.0763. 0.081. 0.0818. 45-49. 0.0850. 0.0811. 0.0767. 0.0839. 0.0841. 50-54. 0.0792. 0.0766. 0.0712. 0.0793. 0.079. 55-59. 0.0700. 0.0701. 0.0651. 0.0723. 0.0714. 60-64. 0.0458. 0.0475. 0.0441. 0.0487. 0.0475. 65-69. 0.0332. 0.0349. 0.0328. 0.0363. 0.0352. 70-74. 0.0293. 0.0312. 0.0291. 0.033. 0.032. 75-79. 0.0225. 0.0236. 0.0216. 0.0256. 0.0241. 80 歲以上. 0.0273. 0.0274. 0.0319. 0.0287. 立. 0.0248 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 46. i n U. v.

(55)