以全民健保資料庫探討臺灣人口特性與變遷 - 政大學術集成

全文

(1)國立政治大學統計學系碩士論文. 以全民健保資料庫探討臺灣人口特性與變遷. 政治大 Using National 立 Health Insurance Database to explore the ‧. ‧ 國. 學. Township-level Population and its Migration. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 研究生：林敬昇撰指導教授：余清祥博士中華民國一百零五年七月.

(2) 謝誌在政大短短兩年的時間，經歷的事情非常多，也遇到了很多貴人。首先，最想先謝謝余清祥老師，很開心有這個機會可以加入余老師的研究室，從碩一的懵懵懂懂，到碩二成為學弟妹的榜樣，才知道老師除了給我們指導以外，學習成長環境也是相當可貴，每周除了跟老師討論碩士論文進度以外，還有研究生之間的討論時間，讓學生們之間可以彼此討論、交流想法，讓我們在研究的這條路上不孤單、相扶相持，才能與大家有這麼多的回憶、共同努力的曾經。. 政治大不論是研究室、班級出遊、專案討論、活動參與、甚至到了求職階段，我們都一立在來是我的好夥伴：昱霈、崇甫，這兩年內我們一起共同經歷了好多的事，. ‧ 國. 學. 直陪伴在彼此身旁。非常感謝昱霈在團隊上的支援，有很多苦差事你都願意幫忙分擔，也都能點出很多我沒有注意到的細節，在我最需要援助的時候，你都能夠. ‧. 為我分擔很多事，真的是不能沒有你。崇甫在團隊中則是扮演一個非常特別的角. y. Nat. io. sit. 色，我個人將他稱為氛圍調和者，是你帶給團隊這麼多的活絡氣氛與歡樂，以及. er. 在視覺化技術上給予我們很多，真的是不能沒有你。看見我們三個這兩年一起成. al. n. v i n 長的過程，真的感到非常開心，這些回憶我會好好地珍惜，在未來面對社會的現 Ch engchi U 實面時，還能夠回憶什麼是真心相待。. 最後是即將升碩二的余團隊學弟妹們，非常感謝你們當初願意相信我們，與我們一起共同奮鬥。雖然你們常常用很浮誇、很崇拜的言詞在捧我們，但我們很開心能成為你們的榜樣，讓我們知道這一年的打拼並沒有讓你們失望，希望你們可以將這個風氣繼續傳承下去，用貢獻去證明自己存在的價值，是我想分享給你們的ㄧ句話，放手去做吧。還有小馬學長、家人、同學、還有很多沒提到的人，這兩年也因你們有了很大的成長，非常謝謝我們的相遇。 I.

(3) 摘要戶籍登記制度是臺灣的特色之一，但戶籍人口與實際上的活動人口兩者未必一致，無法確定從中衍生的政策規劃是否妥適，這也是我國仍舊每十年進行一次戶口普查，以獲得常住人口資訊的原因之一。然而，十年一次普查的間隔過長，調查項目也較少，近年不少國家嘗試以公務統計、抽樣調查取得所需資訊，彌補、甚至取代普查，我國 2010 年普查也改成抽樣調查（約 16%抽樣）。本文尋求替代普查的資料來源為目標，其中全民健保是我國聞名國際的重要社會保險制度，實施至今已逾 20 年，國人無論貧富、居住地區皆享有就醫權利，透過個人的就醫記錄可反映出類似常住人口的特性。. 政治大呼吸道感染就醫地記錄，作為判斷常住地的依據，輔以投保人口的相關資訊，未立來或可發展為類似戶口普查的常住人口之參考。本文亦利用就醫常住地探討就醫因目前的健保資料庫並未紀錄投保人之居住地，本研究透過健保資料庫之上. ‧ 國. 學. 人口之特性及其變遷，包括就醫習性、跨區就醫與醫療資源的關聯，並將此就醫需求特性之結果做為調整臺灣醫療資源的參考。再者，透過就醫常住地的方法推. ‧. 估人口遷移矩陣(Origin Destination Matrix)，提供與戶籍遷移不同面向的資料參. sit. y. Nat. 考來源，進一步探討因醫療資源分佈不均所造成的就醫行為之變遷，以及估算跨. io. er. 區就醫所衍生的成本。. al. 結論：於「醫療層級」角度，約九成的感冒病患會選擇至基層院所就診，於. n. v i n Ch 「地」角度，約 88%的感冒病患僅會在單一個縣市就診，感冒就醫地除了可作為 engchi U 投保人口常住地估計參考依據之ㄧ，亦可運用至人口特性及遷移等主題作進一步研究。如：本文發現各縣市間的癌症就醫人口之跨區就醫旅行距離差異大，縣市之間的癌症跨區旅行距離相差將近十倍；人口的遷移以鄰近地區為主、15 至 34. 歲的遷移率高於平均值，且遷移距離較長，與過去人口遷移相關研究成果相似。限制：感冒就醫行為在各年齡層間有所差異，因此人口結構在年齡層上受到感冒就醫比例影響，如：十歲以前的人口，因上呼吸道器官尚未發育完全而容易感染，因此感冒就醫比例相當高，人口比例較高，此外，亦無法探討未就醫之人口。因樣本代表性上的限制，也難以探討鄉鎮市區層級(Town-ship Level)。. 關鍵詞: 全民健康保險、人口特性、大數據、常住人口、就醫地 II.

(4) Abstract Although the population registration system is one of the distinctive features of Taiwan’s official statistics, it does not necessarily reflect the demographic information regarding the usual residential (or de jure) population. This is one of the reasons why Taiwan government still conduct population census every 10 years in order to acquire appropriate information for policy planning. However, the interval of 10 years is too long for most countries and thus there are some attempts (from Nordic countries especially) to integrate the records from official statistics and survey to construct the. 治政 information of de jure population. Taiwan also experimented 大 a survey of 16% sample 立. to replace the traditional census in 2010. In this study, we also propose an alternative. ‧ 國. 學. approach of data source to achieve the information of de jure population.. ‧. Our approach is based on the National Health Insurance Research Database. sit. y. Nat. (NHIRD). Taiwan has national health insurance for more than 20 years, and everyone. n. al. er. io. is eligible to join the NHI, no matter rich or poor, and now more than 99% of Taiwan. i n U. v. population are covered. In a sense, the NHIRD covers practically whole population in. Ch. engchi. Taiwan. In addition, every township of Taiwan has at least one medical institution, more than 10,000 medical institutions in 371 townships. People tend to visit nearby medical institutions for minor sickness, such as upper respiratory tract infection (URTI) and skin diseases. Therefore, the records of UTRI are used to approximate the de jure population. These records can also be used to acquire the pattern how people migrate by the change of their usual place of outpatient visit. We applied the outpatient migration data to migration models to evaluate the behavior of outpatient visits can be described by these models. III.

(5) We found that about 70% of people from database of one million sample in 2005 (LHI2005) would go to medical institution at least once annually because of UTRI, and 88% of these outpatient visits are in one county. Also, about 90% of people from LHI2005 would go to the doctors at least once for 2005-2007 (3-year interval) because of UTRI. In order words, the records of UTRI, including the locations of medical institution, can be used to estimate the place-of-residence. But this information should be used with care since they are not identical to those from census or population registration.. 立. 政治大. Keyword: National Health Insurance Research Databases, de jure Population, Census. ‧. ‧ 國. 學. Big Data, Outpatient Visits. n. er. io. sit. y. Nat. al. Ch. engchi. IV. i n U. v.

(6) 目錄第一章緒論 ........................................................................................................... 1 研究背景與動機 ............................................................................................. 1 研究目的 ......................................................................................................... 4 第二章文獻回顧 ..................................................................................................... 7 臺灣人口記錄與居住地估計 ......................................................................... 7 醫療利用與遷移行為 ..................................................................................... 9 第三章資料處理與研究方法 ................................................................................ 12 就醫常住地 ................................................................................................... 13. 政治大. 樣本結構比較 ............................................................................................... 16 就醫常住地遷移與跨區就醫之判斷 ........................................................... 18. 立. 第四章就醫習性與醫療可近性............................................................................. 21. ‧ 國. 學. 就醫需求基本特性 ....................................................................................... 21 就醫地與醫療可近性 ................................................................................... 26. ‧. 第五章遷移者特性 ............................................................................................... 33. y. Nat. 就醫常住地遷移 ........................................................................................... 33. er. io. sit. 遷移者特性 ................................................................................................... 35 第六章結論與建議 ............................................................................................... 39. n. al. Ch. i n U. v. 結論 ............................................................................................................... 39. engchi. 研究限制與未來方向 ................................................................................... 40 參考文獻................................................................................................................ 42 附錄 ....................................................................................................................... 44. V.

(7) 表目錄表 1-1、歷年出生數與死亡數 ..................................................................................... 2 表 3-1、本文所使用支全民健康保險研究資料庫說明 ........................................... 13 表 3-2、各種疾病之樣本代表性 ............................................................................... 17 表 4-1、2005、2012 年感冒就醫人口數與癌症就診人數 ...................................... 21 表 4-2、癌症與感冒就診之醫療院所層級比例 ....................................................... 26. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. VI. i n U. v.

(8) 圖目錄圖 1-1、2015 年戶籍人口之各縣市淨遷移率 ............................................................ 4 圖 2-1、2000 與 2010 年普查人數與戶籍人數之差異 .............................................. 8 圖 3-1、2005 年各鄉鎮市區之基層院所數(資料來源:HOSB 檔) ........................... 14 圖 3-2、就醫常住地概念圖 ....................................................................................... 14 圖 3-3、就醫常住地判斷之資料處理流程 ............................................................... 15 圖 3-4、投保、就醫、普查、戶籍資料之人口結構比較 ....................................... 17 圖 3-5、判斷就醫常住地之示意圖 ........................................................................... 18 圖 3-6、2005 年每人感冒就醫地個數之分配 .......................................................... 19. 政治大圖 4-1、2005 年各年齡層之感冒就醫人數占總投保人數比例 .............................. 22 立圖 4-2、2005、2012 年每人感冒就醫次數之分配 .................................................. 22 圖 3-7、判斷癌症跨區就醫之資料處理流程 ........................................................... 20. ‧ 國. 學. 圖 4-3、2005 至 2012 年平均感冒就診次數及其 SMR 調整 .................................. 23 圖 4-4、2005 與 2006 年感冒就診人次與人數在個月份之差異 ............................ 24. ‧. 圖 4-5、2005 與 2006 年感冒就診人次與人數在個月份之差異 ............................ 24. sit. y. Nat. 圖 4-6、2005、2012 年各年齡層之平均感冒就診次數 .......................................... 25. io. er. 圖 4-7、2005、2012 年各縣市平均感冒就診次數及其變化 .................................. 26 圖 4-8、2005 癌症與感冒病患之單一就醫地分佈 .................................................. 28. al. n. v i n Ch 圖 4-9、2012 癌症與感冒病患之單一就醫地分佈 .................................................. 28 engchi U 圖 4-10、2005 年癌症病患跨區就醫之比率 ............................................................ 29 圖 4-11、2005 與 2012 年癌症病患跨區就醫比率之成長率(%) ............................ 29 圖 4-12、2005、2012 年各縣市癌症病患跨區就醫之平均旅行距離 .................... 30 圖 4-13、2005 年各縣市癌症病患跨區目的地之比例 ............................................ 31 圖 4-14、2005 至 2012 年各縣市癌症病患跨區目的地之比例成長率 .................. 32 圖 4-15、2005 至 2012 年跨區就醫旅行距離成長率 .............................................. 32 圖 5-1、戶籍人口與就醫常住人口之 2005 年各縣市淨遷移率比較 ..................... 34 圖 5-2、2005 至 2006 年就醫常住人口之遷移矩陣 ................................................ 35 圖 5-3、2005 至 2006 年各年齡層之遷移比例 ........................................................ 36 VII.

(9) 圖 5-4、2005 至 2006 年遷移者之遷移距離與年齡分布 ........................................ 37 圖 5-5、2005 至 2006 年有無遷移者在各年齡層之平均感冒就診次數比較 ........ 38 圖 5-6、2005 至 2006 年有無遷移者在各年齡層之重大傷病比例 ........................ 38. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. VIII. i n U. v.

(10) 第一章緒論研究背景與動機人口特性係指一個社會或地理區位內人群所構成的特性，而人口特性可以由許多不同的構面予以描述，例如：人口數成長（自然增加、社會增加）、人口密度、人口年齡結構等。而「人」是國家構成的最關鍵要素，人口總數、結構及其變遷等關係著一個國家的發展，因此政府制訂政策時需配合各地的人口特性，才能有效地分配有限的資源。目前許多地方政府相當積極地提供人口特性之分析，以供政府作為政策規劃之參考依據，例如：桃園市楊梅區的戶政事務所網站維護. 政治大. 的「揚眉大數據1」，其中包含許多人口特性的分析，如：人口遷移數、人口結構. 立. 等。因此，人口特性為一國家或地區的人口概況，可作為調整國家未來整體資源. ‧ 國. 學. 配置之參考依據。. 人口數的成長、人口老化為人口特性重要的面向之一。欲瞭解當前臺灣人口. ‧. 趨勢，可由內政部戶政司2所維護的資料一窺端倪，如表 1-1 所示。因出生人數減. y. Nat. 少、死亡人數增加，我國人口自然增加逐年遞減，然而，受外籍配偶增加而使社. io. sit. 會增加隨之遞增，近年我國總人口每年成長仍約 7 至 8 萬人。由於預期壽命延. n. al. er. 長，若社會中每一代出生數比上一代少，這個社會的人口就會逐漸高齡化；因此，. i n U. v. 我國 0-14 歲人口比率持續下降，而 65 歲以上人口比率持續上升，人口高齡化程. Ch. engchi. 度愈發明顯。有鑑於高齡化時代的來臨，各地方政府透過多元機制鼓勵結婚與生育，近幾年可看到部分成效，例如：臺北市 2011 年以來生育率有回升的跡象，和近幾年的「助妳好孕」計畫不無關聯。伴隨著國人平均壽命持續延長，整個社會的人口快速老化，預期未來國民年金、社會保險及社會福利等償付能力將面挑戰。根據內政部 104 年 9 月所公布的「103 年簡易生命表3」中，103 年國人的平均壽命已達到 79.84 歲，其中男性平. 楊梅戶政事務所網站之揚眉大數據。http://www.yangmeihro.tycg.gov.tw/home.jsp?id=129&parentpath=0,122 2 其他人口統計資料以及外網連結資源-百年人口統計。http://www.ris.gov.tw/zh_TW/346 3 生命表是測算某一特定人口「預期壽命」或「平均餘命」的科學工具。資料來源：內政部統計處網站 - 我國生命表。http://www.moi.gov.tw/stat/index.aspx 1 1.

(11) 均壽命為 76.72 歲、女性為 83.19 歲。若與歐美主要國家作比較，可以發現在男性的部份與美國、德國等最接近，女性則與英國、德國相當，且高於美國 2 歲；若與亞洲地區國家比較，我國高於中國、馬來西亞、菲律賓。由於人口老化與醫療、社會整體等資源配置與利用相關，有必要探究國人（尤其是老年人）的醫療需求，以提供調整醫療資源配置之參考。. 表 1-1、歷年出生數與死亡數年別. 出生數 (千人). 死亡數 (千人). 自然增加數 (千人). 社會增加數 (千人). 2004. 216. 135. 81. 3. 2005. 205. 139. 2006. 204. 135. 2007. 204. 2008. 立. 三階段人口結構(%) 0-14 歲. 15-64 歲. 19.34. 71.19. 65 歲以上 9.48. 71.56. 9.74. 政66 治 15 大 18.70 18.12. 71.88. 10.00. 141. 63. 19. 17.56. 72.24. 10.21. 198. 143. 55. 24. 16.95. 72.62. 10.43. 2009. 191. 143. 52. 35. 16.34. 73.03. 10.63. 2010. 166. 145. 21. 21. 15.65. 73.61. 10.74. Nat. sit. y. ‧. ‧ 國. 38. 學. 69. er. io. 人口總數及組成會受生育、死亡、遷移的影響。以國家層級而言，通常遷移. al. 在人口數的影響上遠小於出生與死亡，但因近年臺灣的生育率近年逐漸下降，低. n. v i n Ch 生育率始終高掛全球最低前三名，死亡率隨著醫療科技的改善持續下降，諸多因 engchi U 素加快了臺灣人口老化，如同不少歐美國家，減緩人口老化只能仰賴移民，遷移逐漸受到政府及各界的重視。臺灣從古自今就是遷移頻繁的地區，包括中國、荷蘭、日本等皆與臺灣有很深的淵源，近年因為交通便利、運輸發達，國內遷移也. 非常普遍，各縣市居民因為就學、就業、生活環境等因素而改變居住地。雖然臺灣有關國內遷移的資料從 1980 年代開始有紀錄，但至今資料紀錄仍不完整，無法足夠探討遷移人口的特性，例如：遷移動機、年齡與性別結構等，後續會繼續說明，探討遷移人口時所遇到的障礙。探討人口特性時，人口相關的資料為不可或缺的工具之一。臺灣官方的人口資料通常可分為靜態人口與動態人口兩種。所為靜態人口係指某一特定時刻靜止 2.

(12) 情況之人口現象資料，例如戶口數、人口之性別、年齡組成、教育程度及婚姻狀況等項目，動態人口則是指於某一特定期間演變之人口現象資料，例如人口之出生數、死亡數、結婚數、離婚數及遷徙數等。前述的靜態人口主要來自於戶口普查，記錄方式以常住人口4為主，後述的動態人口主要來自於戶籍登記資料，其記錄方式以戶籍人口5為主。兩者皆有其特色及限制，其中常住人口較能反映居民的實際需求，比戶籍人口更適於做為政策規劃的依據。然而常住人口通常來自於戶口普查，但因普查為全面性的人口調查，耗費大量人力、物力等成本，加上每十年進行一次、調查內容較少，缺乏資料的即時性及多樣性，使用上頗多侷限。戶籍人口資料由內政部負責維護，可透過網站下載6，其內容較普查問卷更為多元、公佈時間更為即時，但其限制為僅能代表法令上的人口紀錄，雖然依照戶籍. 政治大分變更者，但這些資料紀錄僅能代表法令上的常住地，未必能夠反映人口的真實立法民眾需主動辦理戶籍資料變更，包括出生、死亡、結婚、離婚、遷移等涉及身. ‧ 國. 學. 常住地。. 目前國內的人口遷移資料來源以內政部統計月報，其主要記錄了該縣市各年. ‧. 度的遷入總人數、遷出總人數。但資料記錄卻不完整，縣市之間的遷移人數只有六都地區有記錄，六都與非六都地區之間的遷移人數並無記錄。進一步探討各地. y. Nat. sit. 區之間的人口移動與可能的誘因時，會遇到許多限制。以 2015 年臺灣各縣市淨. al. er. io. 遷移概況為例，探討人口遷移時，大多以人口淨遷移率7作為衡量一縣市人口遷. v i n Ch 為正值)為人口流入區，藍色的區塊(淨遷移率為負值)為人口外流區。人口流入區 engchi U n. 移的狀況。以圖 1-1 之 2015 年臺灣各縣市淨遷移率為例，紅色的區塊(淨遷移率. 主要為桃園市、新竹縣、臺中市，其淨遷移率皆為正值，顯示人口遷移大多以北. 部地區及臺中市為主。而人口流出區以南投縣、苗栗縣、雲林縣最為嚴重，其淨遷移率皆為負值。除了臺中市外，中南部及東部皆為人口流出區。顯示目前臺灣地區的人口分布仍相當不均，城鄉差距的擴大會影響國家經濟的發展、地方資源的分配，為當局政府和社會大眾所需重視的。然而，欲進一步了解人口的移動及. 4. 常住人口定義：居住在臺閩地區境內已達或預期達 6 個月以上之所有本國籍與外國籍人口。戶籍人口定義：具有戶籍登記現住中華民國國民，指在臺閩地區設有戶籍之中華民國國民，於統計標準日不論其是否住在戶內均為該地區之人口。 6 內政部統計月報，http://sowf.moi.gov.tw/stat/month/list.htm 7 人口淨遷移率，或稱社會增加率，其公式為:(該縣市遷入人口-該縣市遷出人口)/該縣市年中人口數。單位以千分比作表示。 3 5.

(13) 遷移誘因時，戶籍遷移資料仍需輔以其他外部資料才能繼續探討，例如：各地區的就業市場、醫療資源因素等資料，檢視與遷移之關聯。. 立. 政治大. ‧ 國. 學 ‧. 圖 1-1、2015 年戶籍人口之各縣市淨遷移率. n. al. er. io. sit. y. Nat. 研究目的. Ch. i n U. v. 因戶籍人口與普查人口資料皆存在限制，本文提出透過健保資料庫中的呼吸. engchi. 道感染就醫地記錄，作為判斷常住地的依據，輔以投保人口的相關資訊，未來或可發展為類似戶口普查的常住人口之參考，除了可以避免普查所需的大量人力與時間成本，且較戶籍人口更能反映出實際的活動範圍，發揮健保資料背後的附加價值。因為全民健康保險實施超過 20 年，國人投保率超過 99%，國人無論貧富、居住地區皆享有相當公平的就醫權利。由於幾乎包括全體臺灣人民的就醫記錄，即使僅用健保抽樣資料（例如：百萬人抽樣檔，約 5%人口），也非常適合用來推估人口特性。因為抽樣時已考慮樣本代表性、且各年度資料相當齊全。本文使用健保資料庫之上呼吸道感染就醫地，結合投保人口的相關資訊，作為類似常住人口的人口資料，針對以下兩大主題作人口特性之探討，發揮健保資料庫探討人口特性之價值： 4.

(14) 一、就醫常住地基於健保實施已逾 20 年，國人大多養成了個人的就醫習慣，加上臺灣醫療院所設立普遍，若以鄉鎮市區為單位，即使離島偏鄉至少都有兩家以上的基層診所，國人獲取就醫相當便利，小病往往會選擇距離較近的醫療機構（亦即醫療可近性程度高）。因此本文將小病的就醫地作為推估此病患經常活動的範圍(本文稱「就醫常住地」)，更能反映此病患的常住地，且小病的就醫人口本文稱為「就醫常住人口」，作為推估各地區常住人口數、探討人口特性的另一種可能。此外，透過健保資料庫中的就醫記錄特色，探討就醫常住人口的就醫習性，一覽臺灣國人對於醫療資源的利用狀況。過去也有研究利用健保資料庫估計被保險人口的居住地（本文稱常住地），如廖建彰(2006)等人以被保險人的投保地點當作常住地、. 政治大. 林民浩(2011)等人使用上呼吸道感染就醫地與投保地判斷常住地。. 立. 二、遷移與就醫習性探討. ‧ 國. 學. 本文透過健保資料庫中的就醫紀錄探討各地區的就醫人口之特性，除了可作為戶籍與普查紀錄以外的人口資料參考，同時也能彌補內政部統計月報之遷移資. ‧. 料的不完整。例如：雖然內政部戶籍資料提供了該縣市各年度的遷入總人數、遷. sit. y. Nat. 出總人數，但僅提供各縣市的遷入人數、遷出人數以及六都地區之間的遷移人數，並未提供各地區之間的遷移人數，無法得知遷移人口中相當重要的遷移「來源地」. io. n. al. er. (Origin)以及「目的地」(Destination)，以及遷移者的年齡等資訊。. Ch. i n U. v. 研究人口遷移時會牽涉到許多複雜的問題，然而，本文透過健保資料庫的就. engchi. 醫紀錄，可以追蹤病患在各年度的就醫常住地及其變遷，將就醫常住地的改變視作為「遷移」。利用小病就近就醫的特性推估該病患的就醫常住地，利用就醫常住地來判斷遷移的來源地及目的地，計算出縣市遷移矩陣 (Origin-Destination Matrix)，較戶籍資料中的遷移人數更具有資訊。不單僅有各縣市的遷入與遷出人數，還具有其遷移之來源地以及目的地。此外，利用健保資料庫中的就醫記錄，更可以進一步探討遷移者與就醫特性之間的關聯及誘因。因此，若政府相關單位需要重新調整醫療資源的分配以達到供需平衡，必須同時考量遷移人口的來源地與目的地。透過健保資料之就醫行為探討人口之特性，除了可以補充戶籍與普查資料不足的醫療、健康面向外，還能提供更豐富的人口移動資訊。本文將先探討與人口遷移、醫療需求相關文獻，接著介紹健保資料庫之使用方法，最後探討人 5.

(15) 口特性以及醫療需求等主題。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 6. i n U. v.

(16) 第二章文獻回顧國家人口記錄是施政重要依據，因常住人口的資料收集相當不易，因此過去人口記錄多以戶籍資料為主，兩者亦存在差異與各自的限制。因本文欲使用全民健康保險資料庫進行常住人口的估計，除了第一節從臺灣人口記錄問題進行回顧外，第二節亦針對投保人口的居住地估計尋找相關文獻；本文利用就醫常住地的方法來估計居住地後，本文接續探討就醫常住人口的人口特性：如遷移行為、就醫習性、癌症跨區就醫行為等，因此第三節回顧以上人口特性相關的文獻；最後第四節將針對全民健康保險研究資料庫處理進行說明。. 臺灣人口記錄與居住地估計治. 立. 一、人口記錄問題. 政. 大. ‧ 國. 學. 民國 62 年修正的戶籍法《戶籍法》第 61 條規定，「戶政事務所應於每年年終按戶校正戶口。」，但至民國 86 年修改條文為第 49 條「戶政事務所得派員查. ‧. 對校正戶籍登記事項。」，因此從民國 86 年後廢除以往的年終戶口校正後，使得. y. Nat. 戶籍人口與常住人口逐漸產生差異。. io. sit. 洪永泰(1995)研究民國 70 年與 83 年的國民健康調查與醫療保健調查資料，. n. al. er. 發現戶籍人口與現住人口(本文稱常住人口)，若以「人」為計算單位時，「藉在人. i n U. v. 在」，亦即戶籍地與現在居住地相同之比例幾乎不到九成。若以「戶」為單位，. Ch. engchi. 此「藉在人在」的比例更低，僅約五成六。此外亦發現，教育程度、職業別有相當大的誤差，原因可能是問項中的定義不清、民眾認知模糊、訪員或資料處理誤差所導致。陳肇男與劉克智(2002)利用 2000 年的人口及住宅普查結果與戶籍登記資料做比對，發現戶籍人口與常住人口的差異性逐漸擴大。過去都市化程度不高時，戶籍制度的確能夠反映臺灣人口分布，但隨著經濟發展、都市化程度提高、人口的流動，自從戒嚴令在 1987 年後解除，國人享有居住地權利可以自由遷出戶籍地，但因沒有依照法規需要在十五日內辦理遷移，使得戶籍人口與常住人口產生差異。顏貝珊(2010)提出近年社會結構改變，如：遷移行為越來越頻繁，使得民眾 7.

(17) 配合普查的意願明顯降低，且在 2010 年開始實施的抽樣調查(16%)代替原本的全面性普查，造成調查品質下降。此外，從行政院主計處8的 96 年國內遷徙調查結果得知新竹市(差異 26%)、臺北縣市(差異 2%)等屬於工商發達或周邊腹地地區，其常住人口大於戶籍人口數，而台東、屏東、嘉義與雲林等縣市(差距 13%以上)，因其縣市的工作與就學機會相對較差，導致常住人口小於戶籍人口。本文亦整理 99 年人口及住宅普查9與內政部統計月報資料，比較各縣市在 2000 與 2010 年普查之常住人數以及戶籍人數差異，瞭解目前臺灣兩大人口數資料上的差異性。圖 1-1 為兩種人口記錄的差異比較，其中紅色為常住人數高於戶籍人數的地區，藍色地區為戶籍人數高於常住人數之地區，而常住與戶籍人數差異之比例的定義如下：. 政治大常住與戶籍人數差異之比例立= 𝐻𝑎 (𝑡)−𝑅𝑎 (𝑡). (1). 𝑅𝑎 (𝑡). ‧ 國. 學. 其中，𝐻𝑎 (𝑡)及𝑅𝑎 (𝑡)分別為 a 地區在第 t 年的戶籍人數、常住人數。. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 2-1、2000 與 2010 年普查人數與戶籍人數之差異. 圖 1-1 可看出 2000 年及 2010 年常住人數明顯高於戶籍人數集中在北部，尤其是新竹市、新北市，而戶籍人數高於常住人數的地區為東部地區以及中南部非. 8. 9. 相關統計數據取自行政院主計處的 96 年國內遷徙調查，http://www.dgbas.gov.tw/ 99 年人口及住宅普查，http://ebas1.ebas.gov.tw/phc2010/chinese/rchome.htm 8.

(18) 六都的縣市。這個結果表示，在許多非六都地區都有戶籍人數高估的狀況，實際在該地區居住與活動的人口比戶籍登記人數還要少，若施政依據戶籍人數，將會高估這些地區的人口數，無法使各地居民獲得合宜的資源配置。. 二、健保居住地問題因目前的健保資料庫並沒有包含投保人之居住地或生活圈所在的地理區位資訊，但過去已有許多研究嘗試利用健保資料庫來進行估計其投保人口之居住地及其所在鄉鎮市區，用以分析健康狀態之特性。廖建彰(2006)等人分析 2000 年臺灣腦中風發生率與盛行率的城鄉差距，將投保地點當作投保人的實際居住地。但值得注意的是，利用投保地作為投保人口居住地會忽略了在臺灣的全國性大公. 政治大聯，容易造成居住地的估計偏誤。因臺灣就醫的便利性、醫療可近性(Accessibility) 立司集體納保的現象，且投保人身分若為依附眷口，則投保地與居住地可能毫無關. ‧ 國. 學. 程度高，吳依凡(2004)發現多數國人小病就醫地通常選擇在距離較近的醫療院所。為解決此問題，林民浩等人(2011)比較三種不同的方法來估計居住地。其中利用. ‧. 上呼吸道感染之就醫地、投保單位、被保險人身分與投保地作搭配，判斷居住地所在效果最好。. Nat. sit. y. 綜合上述，國人的投保率已超過 99%，且多數的醫療院所都有加入健保之醫. al. n. 常住人口。. er. io. 療體系，在樣本性相當足夠的情況下適合用上呼吸道感染就醫地來估計各縣市的. Ch. i. e. i n U. v. ngch 醫療利用與遷移行為. 一、醫療利用相關文獻本文參考與跨區就醫相關的文獻，瞭解跨區就醫與醫療資源的關聯。為了瞭解臺灣跨區就醫之醫療利用情形，參考林維娟(2003)，使用承保抽樣歸人檔為主檔，其由國家衛生研究院所發行，對象為在 2000 年地區醫院層級以上門住診就醫之民眾，透過不同地理區域與不同醫院層級組合下觀察對象之跨區門診與住院比例。結果顯示，不論地理區域為何種層級，病患的住院跨區率皆大於門診跨區率，且醫院層級中以醫學中心的門診跨區率最高，且就醫地往往為大都市地區。為瞭解就醫所需旅行距離，本文參照章殷超等 (2009) 利用地理資訊系統 9.

(19) (Geographic Information System, GIS)與癌症診療資料庫(Taiwan Cancer Data Base, TCDB)，分析就醫地理可近性與病患就醫方向的地理關聯。透過各鄉鎮市區地理中心，依照道路距離計算區分成不同級距。發現病患是否跨區就醫與附近有無醫學中心級醫院有關。為了獲得更好的醫療照護，病患寧願承擔跨區所帶來的成本。本研究參考此理念，使用各縣市之地理中心位置，透過 GOOGLE 所提供的地圖服務，計算各縣市之間的行車距離。此外，也有研究探討跨區就醫比例與醫療資源的關係，如：葉冠伶(2013)文獻指出，醫療資源分配不均之狀況導致病患為了獲取更好的醫療照顧，需要進行跨區就醫。長期下來，病患無法負擔跨區的就醫成本後，可能會考慮遷移至醫療資源較豐富的地區。此外，陳珮青等人 (2003) 針對評鑑為地區教學以上層級之醫院，選取主、次診斷為糖尿病、中風、剖腹生產、. 政治大判斷是否跨區住院。結果顯示跨區比例最高的縣市為雲林縣(63.8%)與本文所得立闌尾切除之病人，由電話訪問進行問卷調查，以病患的居住地以及所住的醫院來. ‧ 國. 學. 到的結果類似，可見雲林縣的醫療資源相當缺乏，因此判斷病患所住的地區之醫療資源狀況會影響就醫行為，作為本文分析跨區就醫之參考。. ‧. 二、人口遷移相關文獻. y. Nat. sit. 在探討人口特性前，必須先了解人口遷移理論。Ravenstin(1889)的遷移法則. n. al. er. io. (The Laws of Migration)為人口遷移的典範，提到鄉村人口往都市流動的現象。. i n U. v. Bogue(1959)提出人口推拉理論(Push and Pull Theory)，其理論描述遷移者受原居. Ch. engchi. 住地的推力及目的地的拉力之影響才產生遷移之行為。Greenwood (1985)也指出在人生的某些特定階段有較高的機率會遷移。如年輕人因為求學、進入勞動市場、或結婚因素而有較高的遷移機率。教育程度高者會因為遷移後所獲得的利益大，使得遷移機率也大。如 Schwartz (1973, 1976)、Levy and Wadycki (1974)、Inoki and Suruga (1981)、Greenwood(1997) 發現上述各國教育程度高者，為追求更高的薪資報酬與就業升遷機會而選擇遷移。銀慶貞(2004)使用 1992 和 2002 年的人口遷移資料，並對遷移背後動機作進一步的探討。其實證結果顯示，若是短距離移動，則會以居家因素為主，若是長距離遷移，則以工作和教育相關的因素為主。薛立敏(2007)利用民國 81 至 91 年國內遷徙調查報告與「都市及區域發展統計彙編」的資料來研究遷移行為。其結果發現，十年國人選擇遷入臺北、高雄地區的比例 10.

(20) 下降，且發現臺灣的遷移行為在十年來有很大的變化，遷入桃園、基隆、台中等縣市的比例增加，顯示出都會區的外擴以及城鄉差距縮小。民國 81 年時原居住地的失業率會影響居民的遷移決策，民國 91 年因 80 末期房價大漲，原居住地的住宅支出成為了該地居民最顯著影響遷移之因素。. 而本文參考過去研究所指出的人口遷移動機，輔以健保資料庫之優點(就醫紀錄)，進而將人口遷移與醫療資源、就醫需求等人口特性作分析，探討人口遷移的誘因與特性，如：遷移者的人口特性、遷移距離等，以及與醫療資源之間的關聯性，如；各縣市之間的遷移人數與醫療資源的關聯。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 11. i n U. v.

(21) 第三章資料處理與研究方法目前臺灣官方的人口統計資料有兩大來源：戶籍人口與常住人口，兩者皆有其特色及限制。戶籍人口來自於內政部統計月報資料，其特色為較多元，時間較即時，但其戶籍地僅代表法令上的居住地，未必能夠反應人口真實的居住地。常住人口來自於「人口及住宅普查」，普查表中問項包含「經常居住情形」（即為常住地）能夠反映真實居住地；但每十年一次、成本高，使用頗多侷限。政府在分配地方資源、施政規劃時，需要配合各地方的人口數及人口結構。因兩大資料都有各自的限制，本文提出另一種可能的資料參考來源：全民健康保險研究資料庫。臺灣目前全民健保納保率已達到 99%以上，全民健康保險研究資料庫(後稱. 治政學相關領域外，人口研究對於健保資料庫的依賴程度也越來越高，其研究成果可大立作為國家政策之參考，為重要的研究資源。自民國 87 年起，中央健康保險局(現健保資料庫)的就醫資料成為醫學相關領域中最具有代表性的實證資料。除了醫. ‧ 國. 學. 改制為健保署)即委託國衛院推動「全民健康保險研究資料庫」之建置，經過兩年籌備，國衛院自民國 89 年起提供學界健保資料庫加值服務，以利相關研究。. ‧. 本研究使用國衛院的健保資料可分為三種：基本資料檔、承保抽樣歸人檔與. sit. y. Nat. 特殊需求檔；基本資料檔如：醫事機構基本資料檔(HOSB)；承保抽樣歸人檔如：. io. 述在「譯碼簿10」中有詳細的說明。. n. al. Ch. er. 承保資料(ID)、門診處方及治療明細檔(CD)等。每個檔之資料欄位名稱和資料描. i n U. v. 健保資料庫的資料量龐大，資料中出現輸入錯誤或是標示不明等問題相當常. engchi. 見，因此本研究使用的資料庫已經過除錯、整合、正規化等處理，資料中異常的部分已被排除，確保資料的正確性。. 10. 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 12.

(22) 表 3-1、本文所使用支全民健康保險研究資料庫說明檔案名稱. 使用年份. Registry for beneficiaries. 2005-2012. (ID檔). 內容說明承保資料檔(普查檔): 紀錄當年度投保人的投保資料。. Catastrophicillnessdataset. 2005-2012. (HV_CD檔). 擷取門診處方及治療明細檔(CD)，欄位名稱為「部分負擔代號」，其值為 001（重大傷病）之所有資料。. Longitudinal Health. 2005-2012. Insurance Database 2005. 從ID承保檔抽出100萬人，包含就診. 政治紀錄、住院紀錄等資訊。大. (ID百萬人抽樣檔) Registry for contracted. 2005年承保抽樣歸人檔:在2005年，. 立2005-2012. 醫事機構基本資料檔。. ‧. ‧ 國. (HOSB檔). 學. medical facilities. 在第二章中提到，過去已有許多研究嘗試利用健保資料庫來進行估計其投保. Nat. sit. y. 人口之居住地及其所在鄉鎮市區。本文參考過去估計居住地的方法，因小病就醫. er. al. n. 地判斷為居住地。. io. 地通常選擇在距離較近的醫療院所，因此本文將上呼吸道疾病(後稱感冒)的就醫. Ch. i n U. v. e n就醫常住地 gchi. 本文所提出的「就醫常住地」是針對投保人口的常住地進行估計，因多數人的生活圈並不會距離常住地太遠，且投保人口的移動範圍會圍繞在常住地附近。由就醫常住地的輔助，可以將全民健保資料庫之就醫人口視作未來人口資料的來源之ㄧ。一般而言，小病的就醫地通常會在生活圈內，且就醫地與醫療資源分配會有相關，小病大多會選擇在基層院所就診，又因臺灣各縣市皆有基層院所的設置(參考附表 3-1)，如圖 3-1，醫療可近性的程度高，小病的就醫地通常選擇在距離較近的醫療院所(吳依凡，2004)。本文參考過去估計居住地的方法，綜合上述原因， 13.

(23) 將上呼吸道疾病(後稱感冒)的就醫地作為判斷為投保人口的居住地依據。. 立. 政治大. 圖 3-1、2005 年各鄉鎮市區之基層院所數(資料來源:HOSB 檔). ‧ 國. 學. 就醫常住地的概念為：醫療利用、就診上的常住地，在時間區間內最經常感. ‧. 冒看診的醫療院所所在的地區。如圖 3-2，假設在一個人的生活圈不會距離常住. y. Nat. 地太遠，感冒的就醫地會選擇較近的基層院所，此時就醫常住地會近似於常住地。. n. er. io. al. sit. 因此，就醫常住地相當適合作為投保人口的居住地。. Ch. engchi. i n U. 圖 3-2、就醫常住地概念圖 14. v.

(24) 本文使用健保資料庫中的 Ambulatory care expenditures by visits(後稱 CD 檔) 的就醫記錄判斷就醫常住地。本文參照林民浩(2011)所提出的上呼吸道感染定義為 ICD-9-CM：460-466、480-487，抓取 CD 檔中滿足此條件的就醫記錄；接著，針對每一個投保對象去計算感冒就診之就醫地的分佈，找出最經常感冒就診的地區作為其就醫常住地；若有一個以上的就醫地感冒就診次數相同，則取時間距離現在最近的感冒就醫地作為就醫常住地。資料處理流程如圖 3-3：. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. i n U. v. 圖 3-3、就醫常住地判斷之資料處理流程. engchi. 以 2005 年承保抽樣歸人檔為例，當年度投保人數為 100 萬人，而有在 CD 檔中就診的人數為 925409(參考附表 3-2)，代表超過九成的投保人口一年內會有就診記錄；從中挑選出上呼吸道感染就診後的人數為 700159，代表超過七成的投保人口一年內會有感冒就診記錄。因就醫常住地的判斷方式是針對有感冒就診記錄的投保人口，因此可以判斷就醫常住地的人數為 700159 人，含概承保抽樣歸人檔約 70%，亦稱這些可以判斷就醫常住地的投保人口為「就醫常住人口」，作為常住人口的估計。接著本文將就醫常住人口在各縣市的分佈比例與戶籍人口、普查、投保人口、常住人口進行比較，檢驗三者人口資料之間的差異性。. 15.

(25) 樣本結構比較本文利用就醫常住人口推估各縣市之常住人口，比較就醫常住人數、投保人數、戶籍人數、普查常住人數之間的差異。本文比較戶籍人口數與就醫常住人口數之差異，但就醫常住人口的人口總數會受到承保抽樣歸人檔的總數限制，需要將其總數等比例放大至與戶籍人數相同較適合作比較。其比例為戶籍人口總人數除以就醫常住總人數。本文針對縣市別、年齡別去比較兩者之間的差異，其結果如附表 2-1 與 2-2。從附表 2-1 可以發現，相較於戶籍人口，就醫常住人口在六都的比例比戶籍人口高，人口都市化的程度較明顯(就醫常住人口約 61.6%、戶籍人口約 59.9%)。使用這兩種人口資料時，縣市別的人口結構於兩者之間會有些差異，此差異與戶籍人口的籍不在人在有關，在六都中的就醫常住人口並非戶籍地. 政治大. 皆在六都中。而附表 2-1 可以發現在年齡結構上會有較明顯的差異，其原因是來. 立. 自於本法是透過感冒就醫行為出發，因此在各年齡層的人口數會受感冒就診比例. ‧ 國. 學. 影響。在十歲以前的幼年人口，因上呼吸道器官尚未發育完全，容易得上呼吸道之感染，因此感冒就醫比例相當高，因此反應在人口數上也相較於高。而在 20-. ‧. 40 歲之間，就醫常住人口與戶籍人口數相較於其他年齡層的差異較小，且就醫. y. Nat. 常住人口數也較少，在此年齡層其感冒就診比例較低。. io. sit. 接著，繼續比較臺灣本島 22 個縣市之四種人口比例在結構上差異(人口比例. n. al. er. 差異取絕對值)；比較方式為先將四種人口資料在 22 個縣市的人口分布比例計算. i n U. v. 出來，接著兩兩針對各縣市的人口比例取「差值」，在針對這 22 個差值繪製成圖. Ch. engchi. 3-4 之盒型圖(Box-Plot)，參考圖 3-4。發現 2000 年四者之間以戶籍與普查結構最相似(平均差值為 0.15%)，接著到 2010 時，戶籍與普查的結構差異變大(平均差值 0.23%)，顯示近年來戶籍與普查人口結構差異越來越大，可能與 99 年普查改用抽樣方式進行有關；雖然官方兩種人口資料整體上差異最小，但人口普查時年進行一次，難以探討人口特性變遷，而戶籍人口資料欄位有限，深入探討會受到限制。投保人口值得注意的是，在臺北市與新北市有極端值出現，顯示投保人口在臺北市與新北市的人口結構與其他資料差異較大，可能因為投保地會受到全國性大公司集體納保的影響產生偏差。就醫常住人口與普查常住平均差值變小 (0.32%  0.26%)；且就醫常住與官方兩種人口資料，相較投保人口差異小；除此之外，臺北市與新北市沒有如投保人口出現極端的差異，但還是與普查常住人 16.

(26) 口結構有所差異，其代表著不同的特性。如上述，就醫常住人口為推估常住人口之可行依據之ㄧ。. 立. 政治大. ‧ 國. 學. 圖 3-4、投保、就醫、普查、戶籍資料之人口結構比較. ‧. 除了感冒外，本文一併比較不同的疾病種類；感冒、皮膚科、牙科皆從 2005 年承保抽樣歸人檔的 CD 檔取出，癌症、慢性精神病則是從重大傷病證明明細檔. y. Nat. sit. (特殊需求檔)取出，比較各種疾病的樣本代表性。小病如：感冒、牙科、皮膚科，. n. al. er. io. 皆有蠻高的人數比例；癌症與慢性精神病為重大傷病中罹患人數最多的兩類，如. i n U. v. 表 3-2 其比例僅分別為 1.5%及 0.6%。整體比較來看，感冒就醫人口最具有代表性。. Ch. engchi. 表 3-2、各種疾病之樣本代表性疾病種類. 2005 年人數. 2005 年人數比例. 感冒. 700159. 70.0%. 皮膚科. 201058. 20.1%. 牙科. 388594. 38.8%. 癌症. 342983. 1.5%. 慢性精神病. 140056. 0.6%. 17.

(27) 就醫常住地遷移與跨區就醫之判斷一、就醫常住地遷移關於遷移的資料，目前僅由內政部提供的戶籍遷移資料。但僅包含縣市層級的遷入遷出人數，縣市之間的遷移人數僅有六都之間的遷移矩陣 (OriginDestination Matrix)。無法針對人口特性去探討遷移行為的誘因或遷移者的特性。然而，本文透過感冒常住地判斷投保人口的居住地，且資料年份從 2005 年至 2012 年，因此我們可以追蹤投保人口各年度的就醫常住地，判斷是否有遷移的行為發生，同時又具有遷移者的人口特性：如年齡、性別、遷移起點、遷移終點、就醫習性、是否罹患重大傷病等等。. 政治大較近的基層院所，此時就醫常住地會近似於常住地。且就醫常住地的的改變，極立如先前所假設，一個人的生活圈不會距離常住地太遠，感冒的就醫地會選擇. 有可能是因為常住地改變，因此本文判斷就醫常住地的方式如圖 3-5，2005 年某. ‧ 國. 學. 投保人口就診 4 次，其中 3 次為 A 地，則判斷此投保人口於 2005 年的就醫常住. ‧. 地為 A 地；而 2006 年就診 3 次，其中在 B 地就診 2 次，則判斷此投保人口於 2006 年的就醫常住地為 B 地；若 2005 年與 2006 年的就醫常住地不同，我們將. Nat. n. al. er. io. sit. y. 判斷此投保人口在 2005 以及 2006 年間就醫常住地有遷移之情形。. Ch. engchi. i n U. v. 圖 3-5、判斷就醫常住地之示意圖然而我們也觀察到如圖 3-5 中 2006 所描述的情形，同一年內病患先在 B 地就診了兩次，後又在回 A 地就診一次，是否有回流遷移11(Return Migration)的行為發生呢？因資料處理限制的關係，我們無法得知是否真有回到原居住地，本文. 回流遷徙指的是回到之前居住地的遷徙活動，通常是回到他們出生或成長的地方（Da Vanzo and Morrison, 1981:85） 18 11.

(28) 先不討論此行為，且假定會在 2005 年居住於 A 地，2006 年居住於 B 地；此外，本文觀察投保人口的感冒就醫行為，如圖 3-6 所示，發現僅在「單一個縣市」感冒就診的比例將近九成，換句話說，即為將近九成的人不會在兩個不同縣市感冒就診；因本文所探討的遷移層級為縣市之間，因此即便有回流遷移的情況發生，在討論縣市之間的遷移時，影響應不大。參考附表 3-4。. 立. 政治大. ‧. ‧ 國. 學 sit. n. al. er. io. 二、跨區就醫. y. Nat. 圖 3-6、2005 年每人感冒就醫地個數之分配. Ch. i n U. v. 醫療資源不均儼然是臺灣目前的問題，通常較嚴重的病情往往會需要較好的. engchi. 醫療資源，因此在醫療資源較不足的地區，病患可能需要跨區尋求更好的醫療資源。而林維娟(2003)則提到醫院層級中以醫學中心的門診跨區率最高，且就醫地往往為大都市地區。判斷是否跨區就醫有許多方法，陳珮青等(2003)利用電話訪問進行調查，詢問其病患居住地與就醫地來判斷。然而，本文欲使用就醫常住地的方法作為居住地的判斷，探討重大傷病病患的跨區就醫行為，本文使用重大傷病中罹患人數最多的癌症做實證分析，與陳珮青等(2003)跨區就診結果做比較。章殷超等 (2009)文中提到，研究跨區就醫與醫療資源的關係時，認為使用就醫距離遠近會比跨區就醫更合適，本文亦將各縣市就醫常住人口中的癌症病患挑出，觀察跨區就醫的行為與特性：跨區比例、跨區就醫成本等。透過就醫常住地，本文可以判斷癌症病患是否有跨區就醫之行為。如圖 3-7， 19.

(29) 本文從 HV_CD 檔挑選出癌症相關的就診記錄，觀察癌症就診的就醫地，並同時與 2005 承保抽樣歸人檔做串接，利用 CD 檔判斷為就醫常住地；若癌症就醫地與就醫常住地不相符，則判斷為該次癌症就診為跨區就診。參考附表 3-5。. 立. 政治大. ‧. ‧ 國. 學. 圖 3-7、判斷癌症跨區就醫之資料處理流程. y. Nat. sit. 全民健保資料庫有了就醫常住地的輔助後，可以作為另一種人口資料參考之. al. n. 上。. er. io. 依據，本文在第四章以及第五章運用就醫常住人口在人口遷移、就醫習性等領域. Ch. engchi. 20. i n U. v.

(30) 第四章就醫習性與醫療可近性此部分將針對投保人口的感冒就診進行探討，比較癌症就診狀況，以瞭解就醫人口之醫療需求特性與醫療可近性之關聯。欲進行分析之前，需先瞭解其人數結構，如表 4-1 所示，2005 及 2012 年感冒就醫人數分別約為 70 萬人以及 61 萬人，人數減少原因為 CD 檔乃 2005 年百萬人抽樣檔，同一批人口追蹤其 2000 至 2012 年的就醫行為，因此就醫總人數會因為人口死亡數增加而減少，此外，在 2006 至 2012 年皆沒有新生兒的人口加入，此兩種原因導致感冒就醫人數隨著年份而下降。癌症就醫人數為 HVCD 檔取出，並非由抽樣檔獲得，因此癌症就診人數會隨癌症病患增加而上升，2005 及 2012 年癌症就醫人數分別約為 26 萬人. 政治大表 4-1、2005、2012 年感冒就醫人口數與癌症就診人數立. 以及 43 萬人。. 感冒就醫人數. 641067. 2007. 640795. 2008. 616673. 2012. al. 615567. Ch. 644400. e614222 ngchi. sit. 627106. n. 2011. io. 2010. 303992. er. 2009. 280303. y. 2006. 258436. ‧. 700159. Nat. 2005. 癌症就醫人數. 學. ‧ 國. 年份\就醫類型. i n U. v. 326898 351974 375341 401831 431489. 就醫需求基本特性無疑地，臺灣醫療資源豐富乃國人福祉之一，且醫療資源與健康的關係相當密切，因此瞭解就醫總人數之後，以下從就醫行為的角度出發，利用健保資料庫獨特的優勢，探討國人醫療需求的基本特性、醫療可近性的關聯。在進行初步感冒就醫習性分析前，先了解各年齡層感冒就醫率。2005 年感冒就醫人數為 700159 人，占 2005 年投保人口 70%；而圖 4-1 則顯示，雖然整體上有 70%的感冒就醫率，但感冒就醫率在各年齡層有些差異。在十歲以前，免疫系統尚未完全發展成 21.

(31) 熟，且容易彼此傳染，因此在感冒就醫比例上偏高。. 立. 政治大. ‧ 國. 學. 圖 4-1、2005 年各年齡層之感冒就醫人數占總投保人數比例. ‧. 接著探討感冒就醫人口的就診次數分布，圖 4-2 中 2005 年每人感冒就醫次數分配中發現，有 65%的就醫人口在 2005 年感冒就診次數介於 0 至 4 次之間，. Nat. sit. y. 僅有 19%的就醫人口感冒就診次數介於 5 至 9 次，2012 年則分別為改變至 74%. n. al. er. io. 與 17%，2012 年平均感冒就診次數有較低的狀況。. Ch. engchi. i n U. v. 圖 4-2、2005、2012 年每人感冒就醫次數之分配 22.

(32) 接著探討歷年感冒平均就診次數，如圖 4-3，從 2005 年至 2006 年，感冒平均就診次數大幅下降，而 2010 年至 2011 年感冒平均就診次數大幅上升，顯示近年感冒平均就診次數會有震盪的狀況。感冒平均就診次數有震盪的趨勢，然而人口結構的改變有可能也會影響感冒平均就診次數，如：高齡人口的平均就診次數較高，若高齡人口比例逐年上升，其感冒平均就診次數也會跟著上升，但非代表整體的感冒平均就診次數上升。因此我們使用標準化死亡比(SMR)的概念進行人口結構的調整。其結果顯示於圖 4-3 右半部，經過標準母體的人口結構調整後，其趨勢與左圖非常相似，代表平均感冒就診次數震盪並非因人口結構改變導致；而震盪的原因可能是受到流行性感冒所影響，本文深入探討 2005 至 2006 下降與 2010 至 2011 上升的狀況進行觀察。. 立. 政治大. ‧. ‧ 國. 學 er. io. sit. y. Nat. al. n. v i n C h年平均感冒就診次數及其圖 4-3、2005 至 2012 SMR 調整 engchi U 由圖 4-4 可以發現到，2005 年在各月份的就診人次與人數接高於 2006 年，尤其以一月及三月最為明顯；一般流感的巔峰期落在一月至三月之間，而二月的就診次數會受到農曆新年影響，除了習俗上避諱看診外，新年期間診所不會營業，因此在二月時有下降的狀況。而圖 4-5 顯示，2011 年僅在一至四月就診人次與人數上有高於 2011 年，其餘月份皆少於 2010 年。. 23.

(33) 立. 政治大. 圖 4-4、2005 與 2006 年感冒就診人次與人數在個月份之差異. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 4-5、2005 與 2006 年感冒就診人次與人數在個月份之差異. 為了確保資料的正確性，本文將年齡層介於 0 至 10 歲的就醫人口移除。從圖 4-6 中發現，2005 年年齡層介於 70 與 80 歲之間的平均感冒就醫次數最高(平均 6.1 次)，年齡層介於 15 與 30 歲之間的平均感冒就醫次數最低(平均 3.8 次)， 2012 年分別為 5.5 次與 3.6 次。可以注意到高齡人口的平均感冒就診次數相對較 24.

(34) 高，可能影響原因為高齡人口身體健康狀況相較於年輕族群不理想，小病的療程需要多一些醫療利用。而 100 歲以上的部份因為樣本數較少，受到極端值影響，不需過度解釋。. 立. 政治大. ‧ 國. 學 ‧. 圖 4-6、2005、2012 年各年齡層之平均感冒就診次數. y. Nat. sit. 除了年齡層外，亦可從地區角度出發，探討不同地區的感冒就醫利用。從圖. n. al. er. io. 4-7 左半部中發現，2005 年中，南部平均感冒就診次數普遍比北部高，以南投縣. i n U. v. 平均 7.4 次為全臺最高，其可能原因為空氣品質狀況以及老年人口比例較高，南. Ch. engchi. 投除了盆地地形不易讓空汙物值排出，鄰近雲林地區的六輕工業區汙染源使得其上呼吸道疾病就診次數較其他縣市高出許多。圖 4-7 右半部顯示，各縣市的感冒平均就診次數下降幅度有差異，如南投與彰化地區下降幅度最高，嘉義縣市、新北、臺北、桃園市下降幅度最低。. 25.

(35) 治政圖 4-7、2005、2012 年各縣市平均感冒就診次數及其變化大立 ‧ 國. 學. 就醫地與醫療可近性. ‧. 在本節中，本文會探討疾病種類與就醫地的關係，首先針對感冒病患就醫地. sit. y. Nat. 的特性進行研究，輔以癌症病患的就醫地作比較，探討臺灣目前醫療資源分佈現. er. io. 況所引申的問題。首先從比較疾病的醫療層級利用狀況作探討；在表 4-2 中，癌. al. 症病患將近六成會在醫學中心就診，三成會在區域醫院就診，顯示在醫療資源較. n. v i n Ch 不完善的地方，如：沒有醫學中心與區域醫院之縣市，癌症病患可能會有跨區就 engchi U 醫的需求。表 4-2、癌症與感冒就診之醫療院所層級比例醫療院所層級\就醫類型. 癌症. 感冒. 醫學中心. 58.81%. 1.75%. 區域醫院. 31.96%. 3.38%. 地區醫院. 6.09%. 5.21%. 基層院所. 3.14%. 89.66%. 26.

(36) 在此的跨區就醫係指：就醫常住人口不選擇在就醫常住地之縣市就診，如：某癌症病患就醫常住地在花蓮縣，但某次癌症就醫地卻在 Z 市。此現象不僅使病患會有額外時間以及金錢成本，也會有社會成本的產生，如：病患工作需要請假、跨區就醫中所產生的空氣汙染等等。因此本文接續著比較感冒就醫人口與癌症就醫人口在各縣市的醫療利用狀況，探討醫療資源分布、醫療可近性、跨區就醫之間的關聯性。首先，從全體癌症病患之就醫地分佈進行分析，如圖 4-8，在臺北市以及新北市兩地區，癌症與感冒人口(後稱就醫常住人口)之就醫地分佈差異極大。以 2005 年為例，有 33%的癌症就醫人口會選擇在臺北市就診，但就醫常住人口僅有 11%在臺北市就診。若將就醫常住人口視作臺北市的常住人口，則可預期有將. 政治大狀況，即 11%癌症就醫人口居住在臺北市中。但卻有將近 33%的癌症就醫人口選立. 近 11%的人口會居住在臺北市，以此概念，癌症就醫人口中亦有相同的人口分佈. ‧ 國. 學. 擇在臺北市就診，此現象顯示在臺北市中有將近 22%的癌症就醫人口是來自於外縣市，其背後亦顯示出因醫療資源不均所帶來的隱藏醫療成本。至於，新北市. ‧. 則僅有 2%的癌症病患會選擇在此就診，但感冒人口卻有 17%會在此地就診，顯示新北市癌症就醫人口中，有將近 15%癌症就醫人口會在外縣市就診；其原因可. y. Nat. sit. 能是鄰近地區(如桃園市 2 間、臺北市 8 間醫學中心)都具備有相當豐富的醫療資. er. io. 源，新北市的癌症病患跨區之後所獲得的醫療較完善。而如圖 4-9，2012 年癌症. al. v i n Ch 的 13%下降至 10%，而新北市由原先的 e n g2%上升至 c h i U4%，顯示彼此之間有調節的 n. 就醫地不均勻的程度減緩，如臺北市由原先的 33%下降至 30%，桃園市由原先. 作用，背後原因可能與新北市多一間醫學中心有關。就醫地之分析顯示出臺灣各縣市醫療供給與需求有差異存在，需要更進一步探討癌症病患就醫行為。. 27.

(37) 圖 4-8、2005 癌症與感冒病患之單一就醫地分佈. 立. 政治大. ‧. ‧ 國. 學 y. Nat. er. io. sit. 圖 4-9、2012 癌症與感冒病患之單一就醫地分佈. al. v i n C h 2005 年為例，六都中除了新北市以外，癌 4-10 發現各縣市之間有明顯差異。以 engchi U n. 本文接續著計算 2005 年及 2012 年各縣市癌症病患跨區就醫之比例，如圖. 症病患跨區就醫之比例皆偏低，而新竹縣、雲林縣等非六都地區癌症跨區就醫比例偏高，其原因可能為醫療資源不夠完善足以癌症病患獲得治療。而新北市癌症. 病患跨區就醫比例高之原因應為鄰近臺北市與桃園市等醫療資源較完善地區(醫學中心與區域醫院較多)，在地理位置優勢下，癌症病患花少量的旅行成本即可獲得良好的資源，因此下一部分將會繼續探討跨區就醫旅行成本的問題。圖 4-11 顯示，2012 年多數縣市的癌症病患其跨區就醫比例呈現負成長，顯示癌症病患跨區就醫的需求越來越低，可能是原居住地的醫療資源改善。其中雲林縣的癌症病患，其跨區就醫之比例下降最多(約下降 15%)，新竹縣癌症跨區就醫之比例上升最多(約上升 5%)。 28.

(38) 政治大. 圖 4-10、2005 年癌症病患跨區就醫之比率. 立. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 4-11、2005 與 2012 年癌症病患跨區就醫比率之成長率(%). 病患跨區就醫時，為了獲得更好的醫療資源，必須付出許多成本，因此本文進一步討論各縣市癌症病患進行跨區就醫所引申之成本及其變遷。從圖 4-12 發現，2005 年新北市的平均旅行距離12最短(34.26 公里)，而同年度的臺東縣平均旅行距離最長(313.88 公里)，旅行距離相差將近十倍，顯示醫療資源匱乏的縣市必須付出將近十倍的成本才能獲得癌症治療。以區域性來看，東部地區的癌症病患. 12. 在此的距離係指縣市中心點之間的距離，資料來源為 Google Map，參考附表 3-6。 29.

(39) 為了跨區就醫所需歷經的旅行距離最長。雖然六都中的臺中市、高雄市的醫療資源相較於其他非六都更完善，但其癌症病患跨區之旅行距離卻比鄰近地區還長，此現象需要進一步探索原因。2012 年各縣市皆沒有太大的改變，但台東縣的平均旅行距離有下降的趨勢(269.42 公里)，新北市的平均旅行距離亦下降(29.64 公里)。因此，推斷各縣市癌症病患之就醫成本與醫療資源供給狀況有顯著關聯，且醫療成本似乎有下降之趨勢。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. i n U. v. 圖 4-12、2005、2012 年各縣市癌症病患跨區就醫之平均旅行距離. Ch. engchi. 上述提到部分六都地區(如：高雄市與臺中市)之癌症病患，平均跨區就醫距離比鄰近地區長，為了更進一步瞭解此現象，可以計算各縣市跨區就醫目的地之分佈，甚至可以作為調整醫療市場之依據。從圖 4-13，縱軸為就醫常住地，橫軸為跨區就醫地，按照地理位置排序縣市北中南東，可以發現到非六都地區之癌症病患會跨區至鄰近的六都地區就診，如：屏東縣的癌症病患約有九成往高雄市就診，宜蘭縣的癌症病患約有六成往臺北市就診、兩成往桃園市就診。而在六都地區的癌症病患，雖然先前發現跨區就醫的比例不高，但若有跨區就醫之需求，則會往其他六都地區就診，因此旅行距離會較長，如：高雄市的癌症病患約有兩成會往臺北市、約有五成會往臺南市，臺中市的癌症病患約有四成會往臺北市、約 30.

(40) 有一成往桃園市。因此高雄市與臺中市的癌症病患，其平均就醫旅行距離會較鄰近地區非六都地區長。. 立. 政治大. ‧ 國. 學 ‧. 圖 4-13、2005 年各縣市癌症病患跨區目的地之比例圖 4-14 為 2005 至 2012 跨區就醫比例的成長率，紅色為比例呈現正成長，. y. Nat. sit. 藍色為比例呈現負成長，此圖指出各縣市的跨區就醫之目的地逐漸改變，癌症就. er. io. 醫地收斂至醫療資源完善之鄰近地區。各地區往桃園市的比例有下降的趨勢，南. al. v i n Ch 療資源漸漸完善，國人對於醫療資源越來越熟悉，供給與需求逐漸平衡中。 engchi U n. 部地區往臺北市的比例亦在下降，但北部地區往臺北市的比例亦在上升。顯示醫. 從圖 4-15 顯示，除了近年來多數縣市癌症跨區就醫比例下降，其跨區就醫. 所需的平均旅行距離亦在下降，背後與醫療資源改善有關，使得癌症病患可以在較近的醫療院所獲得完善的治療，就醫成本亦下降。圖 5-16 中以嘉義縣的跨區就醫距離下降最多，接下來本文對於就醫成本下降之現象深入探討背後影響之原因。而從圖 4-14 中可以發現，嘉義縣往嘉義市的比例改變非常多，本文更深入探究其原因，發現 2005 年至 2012 年在嘉義市的癌症相關醫師成長率為 150%(410 位)，然而嘉義縣的癌症相關醫師成長率僅有 29%(79 位)，此證據支持醫療資源的改善，會調整癌症病患跨區就醫的問題。政府與相關單位未來在調整醫療資源設置時，建議先參考各縣市的癌症病患跨區就醫現況。 31.

(41) 立. 政治大. ‧. ‧ 國. 學. 圖 4-14、2005 至 2012 年各縣市癌症病患跨區目的地之比例成長率. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 4-15、2005 至 2012 年跨區就醫旅行距離成長率. 32.

(42) 第五章遷移者特性在本文第壹章中提及遷移人數在人口組成上扮演重要的角色。遷移人口會對於遷移地的人口的組成與結構產生衝擊，如目前受到關注的敘利亞難民遷移至歐洲的議題。近年臺灣生育率、死亡率皆在下降，遷移人數對於人口數的組成顯得越來越重要。目前作為研究遷移的資料來源主要由內政部統計月報提供，但因資料記錄不夠完整，僅有六都地區記錄縣市之間的遷移人數，無法一覽臺灣整體的人口遷移情勢。本文透過健保資料庫的就醫紀錄，利用就醫常住地的概念作出發，可以追蹤病患在各年度的就醫常住地及其變遷，將就醫常住地的改變視作為「遷移」，將. 政治大了可以估計各縣市之間的遷移人數之外，同時可以觀察遷移者與未遷移者在醫療立就醫常住人口之遷移，作為未來研究遷移主題時的另一種參考資料。其特色為除. ‧ 國. 學. 利用狀況、特性，甚至是觀察出差異，找尋影響人口遷移的可能誘因。因此本文在本章會先利用就醫常住地的概念針對每個縣市計算遷移人數，接著在針對遷移. Nat. io. n. al. er. 就醫常住地遷移. sit. y. ‧. 者的人口特性、誘因作探討。. i n U. v. 在第三章中的圖 3-5，敘述了本文判斷遷移的方式，將就醫常住地的改變視. Ch. engchi. 作為「遷移」。內政部的戶籍資料僅提供各縣市的遷入人數、遷出人數，並未提供其來源地(Origin)以及目的地(Destination)。本文透過就醫常住地，判斷「每位病患」各年度的常住地，具有其遷移之來源地以及目的地，進一步分析其特性與變遷。首先，先利用本文所提出的就醫常住地的概念去計算各縣市之淨遷移率，同時在與戶籍資料之淨遷移率進行比較。如圖 5-1，除了新竹市、苗栗縣、宜蘭縣、嘉義市外，可以發現到在整體正負的方向上皆沒有太大的差異，跟戶籍所呈現的遷移狀況類似。然而，在淨遷移率的比值上某些縣市有很大的差異；若將就醫常住淨遷移率與戶籍淨遷移率相除，作為兩種資料之淨遷移率差異，基隆市、臺東縣在兩者資料上相差最大(臺東縣相差了 5.47 倍，基隆市相差了 5.48 倍)。此差 33.

(43) 距說明就醫常住地上的遷移程度比戶籍地更高，亦顯示了不同資料來源呈現了不一樣的遷移面貌，就醫常住地可以視作為一個人的生活圈、居住地，戶籍地可以視作一個人的法定居住地。因此，就醫常住地的改變相較於戶籍地，更能呈現人口真實的遷移行為。此圖亦勾勒出「籍在人不在」的問題；若將就醫常住地視作常住地，而臺東縣的就醫常住地淨遷率移高出戶籍地大約 5.47 倍，顯示在臺東縣人口遷出的比例遠大於戶籍遷移資料上所呈現的，有許多人戶籍卻在臺東縣，而小病的就醫地在外縣市，可能是實際居住在外縣市所導致。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 5-1、戶籍人口與就醫常住人口之 2005 年各縣市淨遷移率比較. 圖 5-2 為 2005 年遷移矩陣(參考附表 3-4)，縱軸為遷移起點(Origin)，橫軸為遷移終點(Destination)，格子內的顏色越深代表：該遷移起點「就醫常住地遷移者」中，移動到該遷移終點的比例，簡短來說，即為該縣市遷移者的終點選擇。以臺北市為例，臺北市的遷移人口中，遷移至新北市的比例最多，其次是桃園市。另外值得注意的是各縣市遷移至六都的比例皆不低，顯示各縣市的就醫常住人口在遷移的終點選擇會以六都為主，引伸出後續都市化程度上升的問題。東部地區(熱圖左上方)，臺東縣、花蓮縣、宜蘭縣的遷移目的地以新北、臺北、桃園市居多，或是經過中橫來到臺中市，往南部方向的比例較低。 34.

(44) 若將遷移頻繁的區域視為生活圈的概念，可以看出目前國人遷移終點會以鄰近縣市居多，遷移之目的地選擇在較熟悉的環境之中。但花東地區往北部與中部的比例明顯比鄰近地區還高，其原因未來可以深入探討。至於 2012 年遷移狀況與 2005 年相似，但臺東縣往花蓮縣的比例有提高趨勢。對於這些遷移者背後的人口結構在下一節繼續探討。. 立. 政治大. ‧. ‧ 國. 學 sit. y. Nat. io. n. al. Ch. i n U. 遷移者特性. engchi. er. 圖 5-2、2005 至 2006 年就醫常住人口之遷移矩陣. v. 接續著上一節利用就醫常住地的特性進行探討縣市之間的遷移行為，本文針對遷移者的人口特性進行描述，包含年齡結構、醫療利用狀況。圖 5-3 為就醫常住人口在各年齡層的遷移比例；在此的遷移比例係指：在該年齡層中的遷移人數占該年齡層中的就醫常住人口總數，可以發現到年齡層之間的遷移比例差異相當大，遷移比例高於平均的年齡層落在 15 至 34 歲間，其中遷移比例最高的年齡層落在 20 至 24 歲，推斷可能與教育、外縣市就學的因素有關，或是與剛踏入社會工作，在居住地上會有改變有關。此現象與過去文獻吻合，如蔡宏進（民 70）指出臺灣地區的遷移人口多集中於 20 到 34 歲、陳肇男（民 79）使用臺灣 1987 年「臺灣地區遷徙調查」，採用 logit 模型分析，也發現年輕 35.

(45) 人的遷移比例較高、Greenwood (1985)也指出在人生的某些特定階段有較高的機率會遷移。如求學、進入勞動市場、或結婚因素而有較高的遷移機率。. 立. 政治大. ‧. ‧ 國. 學 sit. y. Nat. 圖 5-3、2005 至 2006 年各年齡層之遷移比例. n. al. er. io. 接著，圖 5-4 可以了解遷移者的遷移距離與年齡層之間的關係，圖指出遷移. i n U. v. 者在 20 至 24 歲之間，除了遷移比例最高外，平均遷移距離最長；隨著年齡增. Ch. engchi. 加，平均遷移距離逐漸下降，顯示年輕族群(15 至 34 歲)移動範圍較其他族群遠。此現象與銀慶貞(2004)使用 1992 和 2002 年的人口遷移資料所得到的結論呼應: 若是長距離遷移，則以工作和教育相關的因素為主。. 36.

(46) 立. 政治大. 圖 5-4、2005 至 2006 年遷移者之遷移距離與年齡分布. ‧ 國. 學. 若將醫療資源利用視作為人口特性的一環，繼續探討遷移者在感冒的醫療資. ‧. 源利用狀況。如圖 5-5，本文同時比較遷移者與未遷移者在各年齡層的 2005 年感冒就診次數，發現除了 95 至 99 歲樣本值過少，受到極端值的影響外，似乎未遷. y. Nat. sit. 移者在各年齡層的平均就診次數相較於遷移者高。而 Kolmogorov-Smirnov 檢定. er. io. 結果顯示未遷移者的平均感冒就診次數比遷移者低(P-Value = 0.002)，背後可能. n. al. i n C hengchi U 小病在身也不經常利用醫療資源，值得未來繼續探討。. v. 的原因與遷移者的原居住地醫療資源有關，是否因醫療可近性程度不高，即便有. 若將重大傷病比例視做健康程度的衡量指標，試圖探討遷移與健康之間的關係。從圖 5-6 發現遷移者在 35 歲以上在 2005 年的重大傷病比例似乎比未遷移者高，但 Kolmogorov-Smirnov 檢定結果不支持此假設(P-Value = 0.1)，但可以從圖中看見在 35 歲以上有明顯的差距。因健康的衡量方式是一個複雜的問題，本文暫用重大傷病比例捕捉健康程度，雖然仍不能完全衡量健康程度，但可以作一個初步的探討。因 35 歲以上的遷移者的重大傷病比例明顯高於未遷移者，可能原因為遷移者因得罹患了重大傷併而有即刻性的醫療需求，才有了遷移的動機產生。而 90 歲以上因樣本過少的問題，本文暫不做過多的解釋。. 37.

(47) 立. 政治大. 圖 5-5、2005 至 2006 年有無遷移者在各年齡層之平均感冒就診次數比較. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 5-6、2005 至 2006 年有無遷移者在各年齡層之重大傷病比例. 38.