以全民健保資料庫探討選舉與高齡人口醫療利用的關聯 - 政大學術集成

全文

(1)國立政治大學統計系研究所碩士學位論文. 以全民健保資料庫探討. 政治大選舉與高齡人口醫療利用的關聯立. ‧ 國. 學. Using National Health Insurance Database to Explore the Elderly’s Medical Usage During the Elections. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 指導教授：余清祥博士黃泓智博士研究生：余佑駿撰. 中華民國一百零八年七月 DOI:10.6814/NCCU201901132.

(2) 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. DOI:10.6814/NCCU201901132.

(3) 謝誌時光荏苒，轉眼間兩年過去，彷彿昨日我才剛收到錄取通知書，沒想到一下子就要從政大畢業了。還記得當初面對即將到來的研究生生活，有種雀躍但又忐忑不安的心情，一方面是期待能學習統計分析的知識，另一方面則擔心自己在新領域有許多基礎需要補齊，好險在研究所期間，遇到了許多啟蒙老師，在拓展我視野的同時，也一步步耐心地引導我從統計的視角去欣賞數據分析的美；同時，身邊聚集了許多好夥伴，一起熬過無數個夜晚，完成艱難的考試與報告，參與不同的競賽，磨練程式技能與上台技巧。在短短兩年間，讓我從懵懂的大學生，變成稍稍可以獨當一面的數據分析家。一路走來，實在是有太多的人要感謝了，很開心當年選擇了政大統計，讓我在鑽研統計學理的時光中，有滿滿的收穫。如果要列出自己能順利畢業的感謝名單，那無庸置疑，排名第一就是我的指導教授─余清. 治政大外，對於不同學科的概念也有所涉獵；最棒的一點是，隨著大數據分析的科技發展，老師也願立意從概念上與時俱進。因此，從課內知識的傳授，到論文分析的引導，甚至是生涯探索時的指祥，老師他是一位極富知識、充滿耐心，且願意提攜後輩的好老師，除了掌握專業領域的知識. ‧ 國. 學. 點，老師總是可以給我很多意見與方向。回想起來，自己就是在碩二每周一對一討的論下，才進步如此神速，如同沐浴在春風之中，受其薰陶。只能說能遇見老師，真是三生有幸！. ‧. 接著感謝余團隊的每個成員，先是學長姐─芃彣、佩雯、培軒、文豪、乙涵以及子瑜，謝謝你們每周的細心栽培，不論是處理資料的程式與邏輯，或是分析數據的切入與詮釋，都讓我. Nat. sit. y. 有所成長；特別是佩雯，謝謝妳聽了耕伃的建議，把我推薦進余團隊，我才能在這兩年有如此. io. er. 大的成就。也謝謝學弟妹─譽騰、明蕙、庭禎、志軒，謝謝你們在最初的時候選擇相信我們，加入團隊一起進步一起奮戰，相信你們在未來都能有好的發展，青出於藍勝於藍，余團隊的未. n. al. Ch. 來就靠你們與立承及晏辰一起再創顛峰了！. engchi. i n U. v. 再來，要謝謝我的最佳戰友們─承恩、焌彥、昱廷、宜君、佩柔、芳妤以及雲綺，這兩年來面對挑戰，我們總是互相打氣鼓勵、分工合作，完成一個又一個的任務。特別是承恩，感謝有你在每個崩潰的死線下與我一起度過，還分擔許多工作站的維護壓力。現在，大家成功地一起畢業了，期許我們永遠以身為余團隊一份子而驕傲，勇敢開啟下個精采的冒險篇章。最後，謝謝這段時間一同奮鬥的研究室常駐客─飛洋、立諭、健宏、昕東、又瑄、奕志，從白天到黑夜，不管何時總有一盞燈亮著，就是各位的存在，研究室才充滿歡笑。也感謝政大統計，提供許多豐富資源，使學術理論與業界應用間有很好的連結；特別是文敏助教，幫忙處理許多碩士班的行政，以及維護研究室的資源。還有很多朋友、社群，以及沒被提到的人，感謝這兩年來各位的陪伴與鼓勵，我從大家身上學到很多，有你們才有現在的我，謝謝大家！最後的最後，謝謝我的家人，爸爸、媽媽、姊姊們，以及我最可愛的女朋友─媁涵，感謝你們總是相信我、默默地支持我，讓我在學習這條路上能無後顧之憂，勇往直前，很幸運有你們相伴，謝謝你們！. DOI:10.6814/NCCU201901132.


(5) 摘要我國在 2018 年進入高齡社會（Aged Society），65 歲以上（高齡）人口超過總人口的 14%，預計 2026 年將突破 20%，成為超高齡社會（Super-aged Society）。全民健保等社會保險支出隨人口老化快速增加，2013 年老年人健保總支出約 2040 億元台幣，2018 年增至 2612 億元，預期在 2023 年之前突破 3000 億元，十年間增了將近 1/3。除了較高的醫療需求，高齡人口的退休生活安排及照護，近年也逐漸受到臺灣各界關切，希望老年人活得幸福、有尊嚴。由於我國各級民意代表選舉頻繁，每隔一段時間就有全國性選舉，而高齡人口對政治熱衷程度又遠. 政治大在投票前後時間的健康變化為研究目標。立. 高於年輕族群，似乎選舉相關活動成為退休生活的一部份，因此本文以高齡人口. ‧ 國. 學. 本文以高齡人口在選舉期間的死亡風險與醫療利用為研究目標，根據候選人. ‧. 得票率接近程度或不均度分組，使用健保資料庫的 2005 年百萬老人抽樣檔（資料期間 1996 年至 2013 年），包含承保資料檔（ID）、門診處方及治療明細檔（CD）、. y. Nat. io. sit. 住院醫療費用清單明細檔（DD）、重大傷病證明明細檔（HV）、醫事機構基本資. n. al. er. 料檔（HOSB）等資料。整體而言，本文發現選舉與高齡人口的健康高度相關。. Ch. i n U. v. 在選情激烈的地區，標準化死亡率在投票前下降、投票後回升；其次，門診次數. engchi. 隨著選舉的介入而增加，但平均費用卻減少，原因主要是單病門診次數所致；住院則是平均次數沒有增加，每次的平均天數上升。. 關鍵詞：健保資料庫、高齡人口、死亡率、醫療利用、選舉. DOI:10.6814/NCCU201901132.


(7) Abstract Population aging is speeding up in Taiwan and the elderly population (65 years and older) surpassed 14% in 2018, expected to reaching 20% in 2026. An increasing elderly population means a higher demand of medical utilization and the medical expenditure of Taiwan’s elderly was 204 billion NT dollars in 2013, increasing to 261 billion in 2018, and is expected to reach 300 billion NT dollars in 2023, equivalent to 1/3 increment in 10 years. In addition to medical cost, the life-style management and long-term care of the elderly also draw attention to the public in recent years. In this. 政治大. study, we aim to explore the health status of the elderly during the time of Taiwan’s. 立. national elections and evaluate its impact on the elderly’s health.. ‧ 國. 學. We use the data from the National Health Insurance Research Database (NHIRD) to check if medical utilization and mortality rates of Taiwan’s elderly are different. ‧. before and after the national election days. The dataset used in this study is a sample. y. Nat. io. sit. (one million aged 65 and beyond, about 46% of total population) of Taiwan’s elderly,. n. al. er. containing records of registry for beneficiaries (ID), outpatient visit (CD), and. i n U. v. inpatient admissions (DD). We found that there is a close connection between the. Ch. engchi. election and elderly’s health. The elderly’s mortality rates, the numbers of out-patient visits, and the days of in-patient visits are all larger after the election days, although the average cost of out-patient visit decreases and the number of in-patient visits does not change much.. Keywords: Big Data, National Health Insurance, Election Effect, Medical Utilization, Mortality Rates. DOI:10.6814/NCCU201901132.


(9) 目錄第壹章、緒論........................................................................................................... 1 第一節、研究動機 ........................................................................................... 1 第二節、研究目的 ........................................................................................... 5 第貳章、文獻回顧及研究方法 ................................................................................ 7 第一節、文獻回顧 ........................................................................................... 7 第二節、全民健康保險資料庫介紹 ............................................................... 11 第三節、政府資料介紹.................................................................................. 15. 政治大第一節、健保資料庫資料前處理 .................................................................. 28 立. 第參章、探索性分析 ............................................................................................. 27. ‧ 國. 學. 第二節、各地區醫療資源 .............................................................................. 33 第三節、死亡率探索 ..................................................................................... 37. ‧. 第四節、就醫率 ............................................................................................. 44. sit. y. Nat. 第五節、門診次數 ......................................................................................... 47. al. er. io. 第六節、門診費用 ......................................................................................... 50. v. n. 第七節、住院次數與天數 .............................................................................. 52. Ch. engchi. i n U. 第八節、選舉介紹與得票率分析 .................................................................. 55 第九節、投票率分析 ..................................................................................... 59 第十節、實驗組與控制組 .............................................................................. 64 第肆章、選舉前後的醫療利用分析 ...................................................................... 70 第一節、選情激烈的地區 .............................................................................. 70 第二節、得票不均的地區 .............................................................................. 77 第伍章、結論與建議 ............................................................................................. 80 第一節、結論 ................................................................................................. 80 第二節、研究限制與建議 .............................................................................. 81. DOI:10.6814/NCCU201901132.

(10) 參考文獻 ................................................................................................................ 84 附錄─圖 ................................................................................................................. 89 附錄─表 ................................................................................................................104. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. DOI:10.6814/NCCU201901132.

(11) 圖次圖 1-1-1、1980 年至 2020 年高齡人口比例 ............................................................ 3 圖 1-1-2、2004 年至 2017 年台灣自然增加率 ........................................................ 3 圖 1-1-3、各國高齡人口佔總人口比例─歷史值與未來推估值 ............................ 3 圖 1-1-4、各國高齡化社會至高齡社會所需時間 ................................................... 4 圖 1-1-5、各國高齡社會至超高齡社會所需時間 ................................................... 4 圖 1-1-6、2004 至 2014 總統、直轄市長、縣市長選舉投票率 ............................. 4 圖 1-2-1、研究架構流程圖 ...................................................................................... 6. 政治大圖 2-4-1、定位準則的涵蓋率立 ................................................................................ 18 圖 2-2-1、2005 百萬老人抽樣檔抽樣比例與資料涵蓋時間 ................................. 15. ‧ 國. 學. 圖 2-4-2、健保資料庫推估人口就醫常住地流程（以 2006 第一季為例） ......... 19 圖 2-4-3、死亡人口估計過程（重繪參考許筱翎，2017） .................................. 20. ‧. 圖 2-4-4、2006 年至 2011 年死亡估計高齡死亡人數與內政部比較─按性別 .... 21. sit. y. Nat. 圖 2-4-5、滑動窗口的時間判斷示意圖................................................................. 21. al. er. io. 圖 2-4-6、季節週期因素調整前後的結果 ............................................................. 23. v. n. 圖 2-4-7、差異中的差異法之理論概念................................................................. 25. Ch. engchi. i n U. 圖 2-4-8、選舉前、選舉發生、選舉結束之時間切割示意圖 .............................. 26 圖 3-2-1、台灣地區各縣市醫療資源分配狀況（2006 年） ................................. 35 圖 3-3-1、2006 年至 2011 年之五齡組別死亡率 .................................................. 38 圖 3-3-2、2006 年至 2011 年之五齡組別死亡率─依性別分 ............................... 38 圖 3-3-3、2006 年至 2011 年高齡人口百萬抽樣檔死亡率 ................................... 39 圖 3-3-4、2006 年至 2011 年高齡人口百萬抽樣檔死亡率(已修正) ..................... 39 圖 3-3-5、2006 年至 2011 年高齡人口百萬抽樣檔死亡率─按性別.................... 41 圖 3-3-6、2006 年至 2011 年高齡人口百萬抽樣檔死亡率─按十齡組 ................ 41 圖 3-3-7、2006 年至 2011 年高齡人口百萬抽樣檔死亡率─按縣市(已修正) ..... 42. DOI:10.6814/NCCU201901132.

(12) 圖 3-3-8、2006 年至 2011 年男性標準死亡比之平均與標準差─按縣市 ............ 43 圖 3-3-9、2006 年至 2011 年女性標準死亡比之平均與標準差─按縣市 ............ 44 圖 3-4-1、2006 年至 2011 年每季就醫率(已修正) ................................................ 44 圖 3-4-2、2006 年至 2011 年每季就醫率─按性別(已修正) ................................ 45 圖 3-4-3、2006 年至 2011 年每季就醫率─按十齡組(已修正)............................. 46 圖 3-4-4、2006 年至 2011 年每季就醫率─按性別與十齡組(已修正) ................. 46 圖 3-5-1、2006 年至 2011 年門診次數(已修正).................................................... 48 圖 3-5-2、2006 年至 2011 年門診次數─按性別(已修正) .................................... 49. 政治大圖 3-5-4、2006 年至 2011 年門診次數─按性別與十齡組(已修正) ..................... 49 立圖 3-5-3、2006 年至 2011 年門診次數─按十齡組(已修正) ................................ 49. 圖 3-6-1、2006 年至 2011 年每季門診費用 .......................................................... 50. ‧ 國. 學. 圖 3-6- 2、2006 年至 2011 年每季門診費用─按性別.......................................... 50. ‧. 圖 3-6- 3、2006 年至 2011 年每季門診費用─按十齡組 ...................................... 51. y. Nat. 圖 3-6- 4、2006 年至 2011 年每季門診費用─按性別與十齡組 .......................... 51. er. io. sit. 圖 3-7-1、2006 年至 2011 年每季住院次數 .......................................................... 54 圖 3-7-2、2006 年至 2011 年每季住院次數─按十齡組 ....................................... 54. al. n. v i n Ch 圖 3-7-3、2006 年至 2011 年每季住院次數─按性別 ........................................... 54 engchi U 圖 3-7-4、2006 年至 2011 年每季住院次數─按性別與十齡組 ........................... 55 圖 3-7-5、2006 年至 2011 年每季住院天數─按性別與十齡組 ........................... 55 圖 3-8-1、2004 年至 2012 年的總統、縣市長選舉概況與政黨得票率................ 56 圖 3-8-2、2004 年至 2014 年選舉政黨得票率變化 .............................................. 57 圖 3-8-3、2004 年至 2012 年總統大選─政黨得票率差異分布 ........................... 58 圖 3-9-1、2016 年總統大選之性別與年齡投票率統計......................................... 62 圖 3-9-2、2008 年至 2012 年總統與縣市長選舉性別投票率統計 ....................... 63 圖 3-10- 1、選舉可能情況與指標預想的結果比較 .............................................. 66 圖 3-10-2、2005 年至 2014 年縣市長選舉候選人得票率機率密度圖 ................. 67. DOI:10.6814/NCCU201901132.

(13) 圖 4-1-1、2008 總統大選─甲實驗組與控制組標準化死亡比 ............................. 70 圖 4-1-2、2009 縣市長選舉─乙實驗組與控制組標準化死亡比 ......................... 71 圖 4-2-1、2009 縣市長選舉─丙實驗組與控制組標準化死亡比 ......................... 77 附圖 1-1、近三十年高齡人口數變化 .................................................................... 89 附圖 1-2、1990 年至 2060 年三階段年齡人口結構 .............................................. 89 附圖 3-1、2006 年至 2011 年高齡人口百萬抽樣檔死亡率─按性別 ................... 90 附圖 3-2、2006 年至 2011 年高齡人口百萬抽樣檔死亡率─按十齡組 ............... 90 附圖 3-3、2006 年至 2011 年高齡人口百萬抽樣檔死亡率─按縣市 ................... 91. 政治大附圖 3-5、2006 年至 2011 年台北市每季標準化死亡比 ...................................... 92 立附圖 3-4、2006 年至 2011 年新北市每季標準化死亡比 ...................................... 92. 附圖 3-6、2006 年至 2011 年桃園市每季標準化死亡比 ...................................... 92. ‧ 國. 學. 附圖 3-7、2006 年至 2011 年台中市每季標準化死亡比 ...................................... 92. ‧. 附圖 3-8、2006 年至 2011 年台南市每季標準化死亡比 ...................................... 93. y. Nat. 附圖 3-9、2006 年至 2011 年高雄市每季標準化死亡比 ...................................... 93. er. io. sit. 附圖 3-10、2006 年至 2011 年基隆市每季標準化死亡比 .................................... 93 附圖 3-11、2006 年至 2011 年宜蘭縣每季標準化死亡比 .................................... 93. al. n. v i n Ch 附圖 3-12、2006 年至 2011 年新竹縣每季標準化死亡比 .................................... 94 engchi U 附圖 3-13、2006 年至 2011 年新竹市每季標準化死亡比 .................................... 94 附圖 3-14、2006 年至 2011 年苗栗縣每季標準化死亡比 .................................... 94 附圖 3-15、2006 年至 2011 年彰化縣每季標準化死亡比 .................................... 94 附圖 3-16、2006 年至 2011 年雲林縣每季標準化死亡比 .................................... 95 附圖 3-17、2006 年至 2011 年嘉義縣每季標準化死亡比 .................................... 95 附圖 3-18、2006 年至 2011 年嘉義市每季標準化死亡比 .................................... 95 附圖 3-19、2006 年至 2011 年南投縣每季標準化死亡比 .................................... 95 附圖 3-20、2006 年至 2011 年台東縣每季標準化死亡比 .................................... 96 附圖 3-21、2006 年至 2011 年花蓮縣每季標準化死亡比 .................................... 96. DOI:10.6814/NCCU201901132.

(14) 附圖 3-22、2006 年至 2011 年屏東縣每季標準化死亡比 .................................... 96 附圖 3-23、2006 年至 2011 年澎湖縣每季標準化死亡比 .................................... 96 附圖 3-24、2006 年至 2011 年金門縣每季標準化死亡比 .................................... 97 附圖 3-25、2006 年至 2011 年連江縣每季標準化死亡比 .................................... 97 附圖 3-26、2006 年至 2011 年每季就醫率(門診+住院) ....................................... 97 附圖 3-27、2006 年至 2011 年每季就醫率─按性別 ............................................ 98 附圖 3-28、2006 年至 2011 年每季就醫率─按十齡組 ........................................ 98 附圖 3-29、2006 年至 2011 年每季就醫率─按性別與十齡組 ............................ 98. 政治大附圖 3-31、2006 年至 2011 年每季門診次數─按性別 ........................................ 99 立附圖 3-30、2006 年至 2011 年每季門診次數 ....................................................... 98. 附圖 3-32、2006 年至 2011 年每季門診次數─按十齡組 .................................... 99. ‧ 國. 學. 附圖 3-33、2006 年至 2011 年每季門診次數─按性別與十齡組......................... 99. ‧. 附圖 3-34、2006 年至 2011 年每季門診費用 ....................................................... 99. y. Nat. 附圖 3-35、2006 年至 2011 年每季門診費用─按性別 .......................................100. er. io. sit. 附圖 3-36、2006 年至 2011 年每季門診費用─按十齡組 ...................................100 附圖 3-37、2006 年至 2011 年每季門診費用─按性別與十齡組........................100. al. n. v i n Ch 附圖 3-38、2006 年至 2011 年每季住院次數 ......................................................100 engchi U 附圖 3-39、2006 年至 2011 年每季住院次數─按性別 .......................................101 附圖 3-40、2006 年至 2011 年每季住院次數─按十齡組 ...................................101 附圖 3-41、2006 年至 2011 年每季住院次數 ......................................................101 附圖 3-42、2006 年至 2011 年每季住院天數 ......................................................102 附圖 3- 43、2006 年至 2011 年每季住院天數(已修正) .......................................102 附圖 3-44、2006 年至 2011 年每季住院天數─按性別 .......................................102 附圖 3-45、2006 年至 2011 年每季住院天數─按性別(已修正) .........................102 附圖 3-46、2006 年至 2011 年每季住院天數─按十齡組 ...................................103 附圖 3-47、2006 年至 2011 年每季住院天數─按十齡組(已修正) .....................103. DOI:10.6814/NCCU201901132.

(15) 附圖 3-48、2006 年至 2011 年每季住院天數─按性別與十齡組........................103. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. DOI:10.6814/NCCU201901132.


(17) 表次表 2-4-1、2006 年第一季就醫常住地判斷與內政部資料比較─人口數與比例 .. 18 表 2-4-2、2011 年第四季就醫常住地判斷與內政部資料比較─人口數與比例 .. 19 表 2-4-3、消除季節週期因素計算過程................................................................. 23 表 2-4-4、差異中的差異法計算過程 .................................................................... 25 表 2-4-5、實驗組與控制組之選舉介入前後差異計算辦法 .................................. 26 表 2-4-6、差異中的差異法之估計值計算辦法 ..................................................... 26 表 3-1-1、2006 年至 2011 年應出現而未出現在該年承保資料檔的 ID 比例 ...... 29. 政治大表 3-1-3、各縣市高齡人口數與內政部資料比較─按五齡組 .............................. 31 立表 3-1-2、各縣市高齡人口數與內政部資料比較─按性別 .................................. 30. ‧ 國. 學. 表 3-1-4、各縣市高齡人口數與內政部資料比較─按十齡組 .............................. 31 表 3-1-5、各縣市高齡人口數與內政部資料比較─按性別與十齡組 .................. 32. ‧. 表 3-2-1、各分級醫療院所之基本介紹................................................................. 34. sit. y. Nat. 表 3-2-2、2006 年至 2011 年各縣市醫療機構數與高齡人數 ............................... 35. al. er. io. 表 3-2-3、2006 與 2011 年各縣市特約類型的醫療院所之數量 ........................... 36. v. n. 表 3-2-4、2006 年至 2011 年平均醫療機構服務面積........................................... 37. Ch. engchi. i n U. 表 3-8-1、2004 年至 2012 年總統大選全台與各縣市之政黨得票率分析 ............ 58 表 3-8-2、2005 年至 2012 年縣市長選舉與總統大選的政黨傾向變化................ 59 表 3-9-1、2004 年至 2014 年總統大選與縣市長選舉投票率變化 ....................... 61 表 3-9-2、最近一次各國的大選投票率與歷年平均投票率 .................................. 61 表 3-9-3、年齡分組之政治參與特性 .................................................................... 63 表 4-1-1、甲實驗組與控制組之男性標準化死亡比（DD 法） ........................... 70 表 4-1-2、甲實驗組與控制組之女性標準化死亡比（DD 法） ........................... 71 表 4-1-3、2009 縣市長選舉乙實驗組與控制組之男性（DD 法） ...................... 72 表 4-1-4、2009 縣市長選舉女性乙實驗組與控制組（DD 法） .......................... 72. DOI:10.6814/NCCU201901132.

(18) 表 4-1-5、甲實驗組與控制組之就醫率─應用差異中的差異法 .......................... 73 表 4-1-6、乙實驗組與控制組之就醫率─應用差異中的差異法 .......................... 73 表 4-1-7、甲實驗組與控制組之門診次數（DD 法） ........................................... 74 表 4-1-8、乙實驗組與控制組之門診次數（DD 法） ........................................... 74 表 4-1-9、甲實驗組與控制組之單病門診次數（DD 法） ................................... 74 表 4-1-10、甲實驗組與控制組之共病門診次數（DD 法） ................................. 74 表 4-1-11、甲實驗組與控制組之門診費用（DD 法） ......................................... 75 表 4-1-12、乙實驗組與控制組之門診費用（DD 法） ......................................... 75. 政治大表 4-1-14、乙實驗組與控制組之住院次數（DD 法） ......................................... 76 立表 4-1-13、甲實驗組與控制組之住院次數（DD 法） ......................................... 75. 表 4-1-15、甲實驗組與控制組之住院天數（DD 法） ......................................... 76. ‧ 國. 學. 表 4-1-16、乙實驗組與控制組之住院天數（DD 法） ......................................... 76. ‧. 表 4-2-1、乙實驗組與控制組男性之標準化死亡比（DD 法） ........................... 77. y. Nat. 表 4-2-2、乙實驗組與控制組女性之標準化死亡比（DD 法） ........................... 78. er. io. sit. 表 4-2-3、丙實驗組與控制組之就醫率（DD 法）............................................... 78 表 4-2-4、丙實驗組與控制組之門診次數（DD 法） ........................................... 79. al. n. v i n Ch 表 4-2-5、丙實驗組與控制組之門診費用（DD 法） ........................................... 79 engchi U 表 4-2-6、丙實驗組與控制組之住院次數（DD 法） ........................................... 79 表 4-2-7、丙實驗組與控制組之住院天數（DD 法） ........................................... 79 附表 1-1、部分已實施的高齡友善城市指標 .......................................................104 附表 3-1、內政部戶政司資料高齡人口數─按五齡組（2006 年） ....................104 附表 3-2、健保資料庫高齡人口數─按五齡組（2006 年） ...............................105 附表 3-3、健保資料庫高齡人口數按比例還原─按五齡組（2006 年） ............105 附表 3-4、健保資料庫與內政部高齡人數差異─按五齡組（2006 年） ............106 附表 3-5、內政部與健保資料庫高齡人口數─按十齡組（2006 年） ................106 附表 3-6、健保資料庫與內政部高齡人數差異─按十齡組（2006 年） ............107. DOI:10.6814/NCCU201901132.

(19) 附表 3-7、內政部與健保資料庫高齡人口數─按性別與十齡組（2006 年） ....108 附表 3-8、健保資料庫與內政部高齡人數差異─按性別與十齡組（2006 年） 109 附表 3-9、2006 年至 2011 年健保資料庫各縣市醫療院所數量總計 .................. 110 附表 3-10、2006 年至 2011 年標準化死亡比─按縣市及性別(1/3) .................... 110 附表 3-11、2006 年至 2011 年標準化死亡比─按縣市及性別(2/3) .................... 111 附表 3-12、2006 年至 2011 年標準化死亡比─按縣市及性別(3/3) .................... 111 附表 3-13、2004 總統大選相關資訊 .................................................................... 112 附表 3-14、2008 總統大選相關資訊 .................................................................... 112. 政治大附表 3-16、2005 年與 2006 年縣市長選舉相關資訊 ........................................... 113 立附表 3-15、2012 總統大選相關資訊 .................................................................... 113. 附表 3-17、2009 年與 2010 年縣市長選舉相關資訊 ........................................... 114. ‧ 國. 學. 附表 3-18、2014 年縣市長選舉相關資訊 ............................................................ 114. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. DOI:10.6814/NCCU201901132.

(20) 第壹章、緒論第一節、研究動機依照國家發展委員會（以下簡稱國發會）統計資料與聯合國世界衛生組織對高齡人口之定義（65 歲以上），圖 1-1-1 顯示台灣從 1993 年進入高齡化社會（高齡人口佔總人口達 7%），並在 2018 年進入高齡社會（高齡人口佔占總人口達 14%），之後按照國發會人口推估，將於 2026 年進入超高齡社會（高齡人口佔總人口達 20%）；不但老化速度加快，隨著醫療的進步，超高齡人口（85 歲以上）比例也穩定上升，而內政部統計處的資料也指出過去二十年來，台灣人口的平均餘命增加兩歲之多。此外，圖 1-1-2 顯示 2004 年到至 2017 年台灣自然增加率，. 政治大灣甚至發生首次死亡數大於出生數，全台的自然增加率呈現負成長立. 除了在 2012 年（龍年）有攀升之外，整體而言不斷遞減，至 2019 年 2 月時，台 12. 。附圖 1-1. 呈現近三十年高齡人口數變化不斷增加，附圖 1-2 則繪製 1990 年至 2060 年三階. ‧ 國. 學. 段人口結構比例，其中高齡人口於 2017 年超過幼年人口（0 至 14 歲）3。種種跡. ‧. 象都顯示，台灣人口老化嚴重。. y. Nat. 計算各國的高齡人口比例，台灣的人口老化問題看似並不嚴重，觀察圖 1-1-3. io. sit. 發現台灣在各國的高齡人口比例不但排名敬陪末座，甚至只和美國、韓國不相上. n. al. er. 下。但從圖 1-1-4 與圖 1-1-5 中，顯示不同國家由高齡化社會至高齡社會所需的. i n U. v. 時間，以及高齡社會至超高齡社會所需的時間，分析發現台灣相較其他國家，雖. Ch. engchi. 然較晚進入高齡化社會，但是老化速度之快，僅花 25 年的時間便進入高齡社會，之後更預估只需 8 年便進入超高齡社會，皆比平均時間花費更少，老化速度堪稱世界之最。因此，台灣高齡人口比例不僅越來越高，同時上升的幅度也越來越快。既然人口老化的趨勢無法抵擋，那麼老人生活的安排與照料更顯得重要，潛藏的老人問題也考驗著國家發展與個人生活。舉例來說，高齡人口的健康醫療使用，將隨著壽命延長而日益明顯，總體醫療需求量不斷增加。根據衛生福利部中央健康保險署（以下簡稱健保署）統計，高齡人口醫療費用比一般人高二到三倍，內政部人口查詢網─總增加率 http://statis.moi.gov.tw/micst/stmain.jsp?sys=220&ym=10706&ymt=10806&kind=21&type=1&funid= c0110103&cycle=41&outmode=0&compmode=0&outkind=1&fld1=1&cod00=1&rdm=exbUZpAB 2 https://web.moi.gov.tw/stat_chart/chart_full.aspx 3 內政部統計處 https://www.moi.gov.tw/stat/news_detail.aspx?sn=15493 1. 1. DOI:10.6814/NCCU201901132.

(21) 過去五年佔總就醫人數，從 12.07%上升到 14.26%，雖然只成長兩個百分點，但醫療費用卻增加了五百多億，從 2040 億成長到 2612 億，約佔整體的 37.24%。不僅如此，失能的危機、照顧老年人的經濟負擔、對老年人歧視與不公，以及造成的社會世代隔閡等問題，都是人口老化伴隨而來的挑戰（WHO, 2002）。因此為了因應高齡社會所帶來的衝擊，除了分析醫療資源利用並重新分配之外，也更應該思考如何讓高齡人口成功老化。引用 Rowe & Kahn（1997）對於成功老化提出的模型，除了著重生理避免疾病發生的同時，也應透過參與社會活動的方式，達到情感性的社會支持，避免人際關係的孤立，進而活躍老化。. 政治大治選舉。在每四年的總統大選與縣市長選舉的交錯下，選舉相關活動成了台灣日立而在社會參與的部分，於我國民主制度中，最普遍且參與門檻最低的便是政. ‧ 國. 學. 常風景之一。同時，整理中央選舉委員會（以下簡稱中選會）的資料，圖 1-1-6 指出上述的兩種大選的投票率約為七成，不但投票率高，從選舉造勢晚會的人數. ‧. 更顯示了全民瘋選舉的特有文化，尤其高齡人口往往比年輕族群更為投入。因此，. n. al. er. io. sit. y. Nat. 選舉可視為高齡者生活非常重要的活動之一。. Ch. engchi. i n U. v. 2. DOI:10.6814/NCCU201901132.

(22) 圖 1-1-1、1980 年至 2020 年高齡人口比例（國家發展委員會）. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 1-1-2、2004 年至 2017 年台灣自然增加率. 圖 1-1-3、各國高齡人口佔總人口比例─歷史值與未來推估值 3. DOI:10.6814/NCCU201901132.

(23) 圖 1-1-4、各國高齡化社會至高齡社會所需時間. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 1-1-5、各國高齡社會至超高齡社會所需時間. 圖 1-1-6、2004 至 2014 總統、直轄市長、縣市長選舉投票率. 4. DOI:10.6814/NCCU201901132.

(24) 第二節、研究目的全民健康保險是我國聞名國際的社會保險制度，實施至今已超過二十年，根據健保署與行政院的公開資料，納保率已達到 99.8%4，無論老少、貧富皆享有就醫權利，透過個人的就醫紀錄，可以反映出個人的就醫習性與醫療資源利用。回顧國內過去使用健保資料庫的研究，除了探討高齡人口的醫療需求、醫療資源的分配不均、健保與年金改革所帶來的影響外，較少人從成功老化的角度切入。而根據 Rowe 和 Kahn（1997）定義成功老化包含的三個要件：「生理上降低疾病或失能（disability）的風險」、「心理上維持心智與身體的高功能」，以及「社. 政治大. 會上積極參與社會活動」。因此，本研究欲透過社會參與的角度探討成功老化的. 立. 現象，重新思考人口老化問題，進而輔佐、改善高齡人口的生活品質。而其中，. ‧ 國. 學. 政治選舉是台灣最常見的社會參與方式。因此，本研究欲以高齡人口的死亡風險. ‧. 與醫療使用為觀察標的，除了輔以健保資料庫外，更整理中央選舉資料庫、內政部統計處，以及行政院重要性別統計資料庫等多種政府資料進行分析，研究選舉. y. Nat. er. io. sit. 事件的介入前後，其所帶來的影響。. al. 本文將在第貳章先進行相關文獻探討，包括高齡人口醫療需求、死亡準則判. n. v i n Ch 定、就醫常住地（以下簡稱常住地）定位、台灣選舉背景、成功老化因素、如何 engchi U. 評估事件介入後的醫療資源使用變化，以及選舉與健康之相關研究，並且說明文中使用的健保資料庫、政府資料來源以及研究方法。接著，第參章則對本研究所使用的健保資料庫進行資料前處理，並對高齡人口的死亡率及醫療利用情形作初步探討，包含就醫率、門診次數、門診就醫費用、住院次數以及天數，在整體、不同性別、年齡分組、各縣市下的平均程度，以了解基本概況；然後，針對研究資料涵蓋時間下的大選與縣市長選舉做基本介紹與探索分析，說明投票率隨時間與年齡組的變化與高齡人口在政治上的高參與度，其次，利用得票不均度與平均. 4. 參考行政院重要性別統計資料庫─國內指標 5. DOI:10.6814/NCCU201901132.

(25) 得票率差異代表選舉的激烈程度，挑出需比較的縣市組別。最後，第肆章則分析實驗組與控制組中，不同性別、年齡組，在得票不均度或選情激烈程度的分組下，於選舉事件介入前後，死亡風險及醫療需求與資源利用變化趨勢，並嘗試量化比較；最後，更進一步排除可能死亡的高齡人口以及不同疾病別的醫療使用情形，找出選舉活動介入影響較大的對象與層面。總結以上，第伍章則提出本研究的結論，希冀降低人口老化造成的衝擊，並重新檢視成功老化中，社會參與所帶來的效應，提供另一種政府思考人口老化與長期照護需求的切入點，作為政策參考依據。並說明後續的研究限制及建議方向。架構流程圖如圖 1-2-1 所示。. 立. 政治大. ‧. ‧ 國. 學 er. io. sit. y. Nat. n. a圖 1-2-1、研究架構流程圖 i v l C hengchi Un. 6. DOI:10.6814/NCCU201901132.


(27) 第貳章、文獻回顧及研究方法台灣於 1993 年步入高齡化社會，自 1994 年開始實施全民健保後，便有許多研究分析不同年齡層的醫療需求。本研究為了探討選舉事件介入前後，與高齡人口醫療利用的關聯，所以蒐集相關的文獻，了解台灣政治選舉背景與高齡人口的醫療利用的通盤情形。本章在第一節首先回顧高齡人口在醫療利用上的特性，以及過去文獻探討對健保資料庫的死亡判定準則，接著，指出研究結果利用健保資料庫判斷就醫常住地的辦法；然後，整理台灣的選舉文化與成功老化的具備因素；之後，了解如何評估事件介入對死亡風險與醫療需求的影響，並學習量化及比較. 政治大. 前後的差異。最後，引用國外文獻的研究結果，說明選舉衍生的社會事件及氛圍，. 立. 與健康的變化有甚麼關聯。第二節與第三節介紹本文所使用高齡人口健保資料庫，. ‧ 國. 學. 以及其他官方資料來源，如中選會選舉資料庫、內政部統計處、行政院性別統計. ‧. 資料庫等。第四節則簡述本研究中有使用到的分析方法與處理後的資料品質。. sit. y. Nat. n. al. er. io. 第一節、文獻回顧. 一、高齡人口醫療利用與死亡距離的相關研究. Ch. engchi. i n U. v. 針對高齡人口的醫療需求與利用。張鴻仁（2002）指出全民健保醫療利用呈現集中化，高使用者主要為高齡人口、住院、慢性病急重症病患，人數約佔全體健保的 20%，但其花費卻佔全體醫療費用的 75%。內政部 2018 年的數據更進一步顯示老年人口雖然只佔全體人口的 14%，但是健保藥費卻占全年總藥費比率約 40%。另一方面，李大正、楊靜利、王德睦（2011）研究指出醫療費用隨著年齡增加而增加。然而，老年人的平均醫療費用比年輕人高的關鍵不只是年齡較大，還有老年人較年輕人更接近死亡，所以考慮人口老化與醫療費用的關聯時，必須納入「死亡距離」的考量；研究也顯示，個人醫療費用的高峰集中於死亡前一段時間，而死亡年齡越高，死亡距離別平均醫療費用越低，即壽命延長除了使高齡 7. DOI:10.6814/NCCU201901132.

(28) 人數增加，進而對整體醫療費用帶來壓力之外，也對整體費用的上漲有遞延作用。國外學者 Zweifel 與 Werblow（2004）則說明年齡增加和平均醫療開支之間的正相關，反映的只是高死亡成本和高齡人口高死亡率的作用，且疾病身故者的醫療支出是存活者的 6 到 7 倍。再結合美國學者 Lubitz（1984）提出的死亡距離觀點，研究指出 5.9%的臨終高齡人口耗費 27.9%的醫療資源，其中有 46%的醫療費用支出是發生在六十天前。總結來說，要研究醫療使用情形可從花費比例最高的高齡人口下手，並依照性別、年齡、疾病別、死亡距離、門診、住院等方面分析。二、死亡判定準則的相關研究. 政治大. 高齡人口的死亡率隨年齡上升，但各年齡層因醫療技術的發展，有隨時間下. 立. 降的趨勢，本文希望探討在選舉事件的介入前後，高齡者的死亡率與選情劇烈程. ‧ 國. 學. 度是否有關聯，但健保資料庫缺乏病患的死亡紀錄，因此參考過去文獻擬定一些判斷準則。蘇維屏（2014）指出癌症患者於死亡前有醫療使用頻繁的情況發生。. ‧. 李大正（2011）則運用健保資料庫百萬人抽樣檔進行死亡人口的估計，利用退保、. Nat. sit. y. 門診紀錄與住院明細，交叉比對找出死亡人口。許筱翎（2017）則結合高齡人口. n. al. er. io. 資料庫中的承保資料檔（ID）、門診處方及治療明細檔（CD）、住院醫療費用清. i n U. v. 單明細檔（DD）以及重大傷病證明明細檔（HV），歸納出六個判斷準則並結合. Ch. engchi. 連續兩年以上沒有門診紀錄，以估計死亡人口，結果也與內政部的統計資料最接近。因此，本文會參考許筱鈴（2017）的方法，用於判斷研究中高齡人口的死亡情形。三、健保資料庫做常住地定位的相關研究張雅雯（2002）研究指出老人所在地的醫療資源具有明顯的影響力。所以在探討相關議題時，須將個體做進一步的定位。而我國的人口紀錄採常住人口（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）曾提出常住人口與戶籍人口的差異，並認為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際生活 8. DOI:10.6814/NCCU201901132.

(29) 人數，可提供政策制定、資源規劃的參考。因此，林民浩等人（2011）利用多數台灣人傾向選擇距離較近的醫療院所作為小病的就醫地特性，以上呼吸道感染的就醫地推估患者的常住地。林敬昇（2016）延伸研究人口遷移與跨區時，發現約有 88%的感冒患者僅於單一縣市就醫，但若是癌症患者，則各縣市間跨區就醫的旅行距離差異大，甚至能到十倍之多。綜合小病會近就醫的習性，簡于閔（2016）利用全民健保制度實施超過二十年，且納保率超過 99%，且每年平均會有 70% 的國人因感冒而就醫的特性，按不同年齡層族群的感冒就醫比例，結合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. 政治大了研究各地區高齡人口在醫療利用上的差異，本文以簡于閔（2016）的研究建議立. 考準則，最後建議以合計點數（T_AMT）555 點作為定位的判斷依據。因此，為. 作為定位準則的主要方法. ‧ 國. 學. 四、成功老化因素的相關研究. ‧. 人口老化將帶來的挑戰，包括提高疾病的風險、失能的危機、照顧老年人的. Nat. sit. y. 經濟負擔加重、老人醫療資源需求劇增，以及對老年人歧視、不公等問題。所以. n. al. er. io. 世界衛生組織於 2002 年提出「活躍老化政策框架 Active Ageing: A policy. i n U. v. Framework」以優化健康、社會參與及安全保障等方面，改善生活品質。而過去. Ch. engchi. 文獻大多使用健保資料庫針對醫療資源利用與疾病進行研究，探討健康、醫療、經濟等議題，較少人思考如何從源頭上改變社會老化的思維。因此，根據 Rowe 和 Kahn（1997）定義成功老化包含三個要件，包含在生理上降低疾病或失能（disability）的風險、心理上維持心智與身體的高功能，以及社會上積極參與社會活動。此外，之後 Crowther 等學者（2002）更加入第四個要件─正向靈性（positive spirituality），指出宗教信仰與靈性力量等對於高齡者的正向影響性。另一方面，整理目前世界各地實施的高齡友善城市指標，如附表 2-1 所示，已有許多案例將社會融入、公民參與等相關項目納入考量。綜合以上，本研究決定從社會參與的角度切入，以台灣最普遍的政治參與方式─選舉，做為研究中的介入事件，重新. 9. DOI:10.6814/NCCU201901132.

(30) 思考人口老化議題與輔助政策的調整。五、選舉背景相關研究選舉文化是台灣的日常風景，透過不同性別、年齡組、縣市的高齡人口死亡風險及醫療需求，探討與選舉間的關聯性。為了解高齡人口對政治參與的程度，莊文忠等人（2016）於研究中指出，在 2016 年的總統大選中的年齡投票率，不論性別皆隨年齡呈現上升的趨勢，約在 65 歲左右達到高峰，並於 75 歲後開始下降。平均而言，中高齡族群的投票率約為青壯年族群的兩倍。另外，行政院主計處 2014 年的性別圖像報告中，顯示 2008 年到 2012 年的總統大選與縣市長選舉，. 政治大. 女性投票率皆大於男性。因此，綜合以上可以得知，不同年齡層與性別之間對政. 立. 學. ‧ 國. 治參與的程度不同。. 六、事件介入後的醫療風險與利用相關研究. 本研究希望藉由高齡人口在選舉活動上的高參與度，分析選舉事件介入前後，. ‧. 醫療利用的關聯。參考陳芝嘉、余清祥、蔡偉德（2015）用全民健保資料庫分析. Nat. sit. y. 九二一地震災區與非災區比較，估計震災前後的死亡風險的變化，並衡量地震介. n. al. er. io. 入事件對災民的影響；研究發現，對於突發型的天災，如地震這種介入事件，除. i n U. v. 了在短時間內造成嚴重的死傷外，倖存之災民後續仍必須承受震災傷害的死亡風. Ch. engchi. 險，影響效果不會在短時間內消失，且中高齡的族群受到的影響較為嚴重。另外，顧漢凌（2006）透過差異中的差異方法（difference-in-difference Method），研究在醫療資源缺乏地區增設大型醫院後，醫療使用的變化，實證結果顯示，增設大型醫院事件介入後，會提高該地區的門診使用量，但隨人口稠密的程度，有不一樣的影響。因此，本研究參考上述方法後，除了比較整體平均的表現外，也會利用差異中的差異方法與自助重抽法（Bootstrap），量化實驗組與控制組之間的前後差異。七、選舉與健康關聯的相關研究在國外文獻方面，Williams & Medlock（2017）發現競選活動可能對健康產 10. DOI:10.6814/NCCU201901132.

(31) 生積極和消極影響，實證結果顯示美國總統大選 2008 年歐巴馬（Barack Obama）以及 2016 年川普當選（Donald Trump）前後，都使美國的種族情緒產生兩極化的現象；而且川普當選後更讓當地的少數族群產生壓力。在選舉結束後大環境的改變下，Lee 等人（2015）研究結果說明生活在具有高度種族偏見的社區中，與疾病和死亡的風險增加有關。Leitner（2016）研究指出，居住於高偏見地區的黑人和白人居民，患有心臟病的風險會增加，且對黑人有較大的影響。Hatzenbuehler 等人（2014）則發現居住在有高度反同性的社區中的女同性戀，男同性戀和雙性戀者，其死亡風險是低偏見社區的三倍。由以上可知，政治氣候所帶來的社會氛圍影響，不容小歔。. 立. 政治大. ‧ 國. 學. 第二節、全民健康保險資料庫介紹. 全民健康保險屬於強制性的社會保險，其主要宗旨是全民皆納保，使得全體. ‧. 民眾可獲得公平的醫療服務。凡具有中華民國國籍，在台灣地區設籍滿六個月以. y. sit. n. al. er. io. 保。. Nat. 上的人（在台灣地區出生之新生兒只要辦妥戶籍出生登記），都必須參加全民健. Ch. i n U. v. 全民健康保險自 1995 年 3 月 1 日開辦至今，於 2018 年人口實質納保率以達. engchi. 到 99.82%，而高齡人口（65 歲以上）更是高達 99.79%。使得健保資料庫在醫藥衛生相關領域得實證資料中，佔有甚高的代表性；除了醫學相關領域之外，人口研究對於健保資料庫的依賴程度也越來越高，其研究成果可做為國家政策之參考，是重要的研究資源。為了促進健保相關研究，中央健康保險局（現改制為健保署）自民國 87 年起，即委託國家衛生研究院推動「全民健康保險研究資料庫」之建置，希望透過健保資料的發行，累積實證基礎以利相關研究。此資料累積了全台灣兩千三百萬人自健保開辦以來的所有就醫紀錄，並允許研究人員串接醫師、醫療院所等資訊，不論深度及廣度而言，皆是非常珍貴的資訊（連賢明，2008）。. 11. DOI:10.6814/NCCU201901132.

(32) 本研究專注於探討高齡人口族群，所使用的資料庫為透過「特殊需求」方式所申請的「高齡人口資料庫」（目前此方法已停用）：以 2005 年承保資料檔中「2005 年 65 歲以上在保者」隨機取 100 萬人，擷取其各年度就醫資料建置而成；抽樣比例達 45.7%，所涵蓋人口數幾乎一半，是非常寶貴的研究資源。圖 2-2-1 顯示資料抽樣比例與涵蓋時間。以下就本研究所使用的資料庫檔案內容依序作介紹：一、高齡承保資料百萬抽樣檔 ID（年份：2002 年～2013 年）承保資料檔記載每一位保險對象的基本資料，其欄位包含保險對象及被保險人加密後身分證號、投保金額、出生年月、投保地、加退保別類別、加退保日期等。. 立. 政治大. 二、高齡門診處方及治療明細檔 CD（年份：1996 年～2013 年）. ‧ 國. 學. 門診處方及治療明細檔詳細記載了每一位病患當次門診的費用、疾病診斷及. ‧. 主手術紀錄，其欄位包含病患基本資料、醫事機構代號、就醫科別、就醫日期、費用點數、國際疾病分類標準（ICD9），其資料單位為每一次門診。. sit. y. Nat. al. er. io. 三、高齡住院醫療費用清單明細檔 DD（年份：1996 年～2013 年）. v. n. 住院醫療費用清單明細檔記載了每一位病患當次住院的各種費用明細、主次. Ch. engchi. i n U. 診斷及主次手術、處置紀錄，其欄位包含病患基本資料、醫事機構代號、就醫科別、住院日期、住院天數等，資料單位為每一次住院。四、全體重大傷病證明明細檔 HV（年份：1997 年～2013 年）重大傷病證明明細檔記載了領有重大傷病卡者之領卡資料，其欄位包含加密後的身分證號、性別、出生年月、領取之重大傷病類別代碼，醫事機構代號、死亡註記、死亡日期等。五、全體醫事機構基本資料檔 HOSB（年份：1997 年～2013 年）醫事機構基本資料檔記載了當年度所有醫療機構的基本資料，其欄位包含醫. 12. DOI:10.6814/NCCU201901132.

(33) 事機構代號、特約類別、評鑑等級、縣市區碼等。針對上述五個資料檔（ID、CD、DD、HV、HOSB）所選取的重要變項加以定義與說明：（一）ID：個人身分證號國民身分證統一編號，或是外籍居留證號碼，為保護個資，衛服部已將原始之身分證號碼加密處理。（二）HOSP_ID、HOSP_CONT_TYPE：醫事機構代號、特約類別每間醫療診所都有唯一的醫事機構代號，涵蓋範圍包括牙醫診所、藥局、基層. 治政院所、地區醫院、區域醫院及醫學中心，可與醫事機構基本資料檔（HOSB）做串大立檔，得知其特約類別。 ‧ 國. 學. （三）五齡組、十齡組. ‧. 將原始欄位出生年月（ID_BIRTHDAY）轉換為被保人之年齡後，在進行分. sit. y. Nat. 組，分別為 65-69、70-74、75-79、80-84、90-94、95-99 共七組，探討標準死亡. al. er. io. 比（SMR）時使用。進一步考量不同年齡層在政治參與程度與醫療使用的特性，. v. n. 因此將上述的五齡組再合併成三組，分別為高齡組 65-74、高高齡組 75-84、超高齡組 85-99。. Ch. engchi. i n U. （四）CASE_TYPE：案件分類案件分類「02」表示為西醫急診，「12」表示為牙醫急診，本研究於死亡判斷準則中，急診定義包含變數案件分類之代碼為「02」者。（五）FUNC_TYPE：就醫科別就醫科別「22」表示為急診醫學科，本研究於死亡判斷準則中，急診定義包含變數就醫科別之代碼為「22」者。（六）ID_OUT_TYPE：退保別 13. DOI:10.6814/NCCU201901132.

(34) 民國 98 年以前之健保資料庫，按照譯碼簿之說明，退保別為「1」者代表該保險人已經退保，因此，退保別等於 1 亦屬於本研究死亡判斷準則的條件之一。（七）TX_CODE：異動別民國 98 年以後之健保資料庫，按照譯碼簿之說明，異動別為「08」者代表該被保險人已經退保，因此，異動別等於「08」為本研究死亡判斷準則的條件之一。（八）TRAN_CODE：轉歸代碼住院醫療費用清單明細檔中，轉歸代碼「4」表示為：死亡、「9」表示自殺、. 治政「A」表示病危自動出院。轉歸代碼等於三者任一為本研究死亡判斷準則的條件之大立一。 ‧ 國. 學. （九）DEATH_MARK、CARD_MARK：死亡註記、持卡註記. ‧. 重大傷病證明明細檔中，死亡註記「Y」表示該病患死亡；持卡註記「2」. io. sit. y. Nat. 表示該病患因死亡而註銷持卡。因此，上述兩條件皆為本研究中死亡判定標準。. n. al. er. （十）IN_DATE、OUT_DATE、BED_DAY：入院與出院年月日、病床天數. Ch. i n U. v. 住院醫療費用清單明細檔詳細記載了每一次住院的入院、出院日期，可完整. engchi. 描述病患的住院歷程，可得知每次住院的順序與間隔時間。另一方面，病床天數（BED_DAY）為自行新增之變數，是透過原始欄位急性病床天數（E_BED_DAY）以及慢性病床天數（S_BED_DAY）加總得到。以上可應用於死亡判斷中，最後一筆住院天數大於 30 天的準則。（十一）ACODE_ICD9_1~ ACODE_ICD9_3：國際疾病分類號國際疾病分類號碼按傷病名稱，參照世界衛生組織一九七五第九次修訂之國際疾病分類表（Acode）填寫。（十二）T_AMT：合計點數 14. DOI:10.6814/NCCU201901132.

(35) 門診處方及治療明細檔中合計點數為用藥明細點數小計、診療明細點數小計、診察費、藥事服務費之加總。（十三）AREA_NO_H：縣市區碼醫事機構基本資料檔中，醫院所在的縣市代碼。可透過外部資料轉換成六都制的縣市名稱。（十四）月份月份為自行新增之變數，因為研究中需對每季的變化作追蹤，因此在資料時間細緻度上必須精準到月份，故使用原始欄位退保日期（ID_OUT_DATE）、. 治政出院年月日（ OUT_DATE ）、就醫日期（ FUNC_DATE ）及死亡日期大立（DEATH_DATE），作為醫療使用、死亡、定位的月份判斷。其中 1 月～3 月為 ‧ 國. 學. 第一季、4 月～6 月為第二季、7 月～9 月為第三季、10 月～12 月為第四季。. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 2-2-1、2005 百萬老人抽樣檔抽樣比例與資料涵蓋時間. 第三節、政府資料介紹除了全民健保資料庫之外，本研究另外使用了政府公布的資料來源，包含中選會之選舉資料庫、內政部統計處，以及行政院重要性別統計資料庫。介紹如下：. 15. DOI:10.6814/NCCU201901132.

(36) 一、中選會選舉資料庫中央選舉委員會提供歷屆公職人員選舉資料，其中包含各地區的選舉人數、投票數等重要數據，資料的細緻度從縣市到鄉鎮市區可自由選擇，並對性別分開統計。二、內政部統計處內政部統計處有提供與國政相關的重要統計指標，包含人口密度、依賴人口比、老幼人口比、出生人數、死亡人數、自然增加、社會增加與生命表等，除了人口相關的資料外之外，也統計民政、地政、警政、入出國及移民、消防及營建. 政治大. 等相關指標，面向廣泛，包是十分重要的資料來源。. 立. 三、重要性別統計資料庫. ‧ 國. 學. 行政院為提升機關性別統計資料之應用與流通，提供各界了解我國性別平等. ‧. 發展現況及長期趨勢，自 104 年建置啟用「重要性別統計資料庫」，提供一站式查詢服務。其中國內指標專區依照「性別平等政策綱領」7 大政策領域為主架構，. y. Nat. n. al. er. io. 別比例等重要指標。. sit. 提供各機關重要性別統計資料之查詢服務。其中政治參與的部分包含投票人數性. 第四節、研究方法. Ch. engchi. i n U. v. 本研究使用全民健保資料庫及選舉資料庫做為分析資料來源，以深入了解及探討高齡人口在選舉介入前後的死亡風險與醫療利用情形；透過探索性資料分析（Explorer Data Analysis; EDA）的方式對資料進行剖析及探討，同時搭配國內外期刊、碩博士論文、研討會文章、研究報告以及一般著作等相關文獻，並加以整理歸納，以作為本研究後續分析之參考。因健保資料庫資料量大且內容多元，使得資料品質龐雜，本文在進行研究前先對資料庫進行偵錯、清理與整併的動作，以確保後續資料分析結果是具有可信. 16. DOI:10.6814/NCCU201901132.

(37) 度的；整併過後再搭配合適的研究方法與準則進行相關的實證分析。其中本文所運用的相關研究方法與計算公式如下：一、常住地判斷方法與限制健保資料中僅記錄有保險對象之投保地，但是受限於投保地會因大公司集體投保的現象而無法忠實呈現保險對象之實係活動低區。根據過去研究顯示，台灣基層醫療院所設立普遍，民眾小病微恙在就醫選擇上，往往會前往就醫距離較近的醫療院所（林民浩等人，2011）；假設一個人的生活圈不會離常住地太遠，就醫常住地會近似投保人口常住地，並建議以合計點數小於等於 555 點作為常住地的判斷標準（林敬昇，2016）。. 立. 政治大. 綜合以上，本研究決定引用林敬昇（2016）的研究結果，以合計點數小於等. ‧ 國. 學. 於 555 點，作為就醫常住地定位的依據，並輔以其他就醫紀錄之次數做判斷，圖 2-4-1 顯示本研究就醫常住地準則的涵蓋率，都在 97%以上，高涵蓋率也暗示高. ‧. 齡人口有較高的機會得小病，且結果也顯示涵蓋率會隨時間變化有季節因素的震. Nat. sit. y. 盪，與老人在冬季抵抗力弱，容易感冒的現實相符合。關於此準則判斷出就醫常. n. al. er. io. 住地的資料代表性，與內政部戶政司提供的人口統計資料做比較，表 2-4-1 與表. i n U. v. 2-4-2 顯示 2006 年第一季與 2011 第四季的常住地定位結果與內政部資料對照，. Ch. engchi. 表格中的差異欄位顯示本研究判斷方法與內政部資料的比例差異，正值（藍色）為高估，負值（紅色）為低估；不難發現本研究的判斷方法在台北市皆高估，在新北市皆低估，且差距隨時間演進越顯明顯，造成原因認為除了與雙北間的交通便利有關外，也和台北市比新北市有較多的醫療院所有關聯。就醫常住地判斷流程如圖 2-4-2。. 17. DOI:10.6814/NCCU201901132.

(38) 圖 2-4-1、定位準則（T_AMT<=555）的涵蓋率表 2-4-1、2006 年第一季就醫常住地判斷與內政部資料比較─人口數與比例5. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. 5. Ch. engchi. i n U. v. 表中比例為該地區的高齡人口數除以全體高齡人口數。 18. DOI:10.6814/NCCU201901132.

(39) 表 2-4-2、2011 年第四季就醫常住地判斷與內政部資料比較─人口數與比例6. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 2-4-2、健保資料庫推估人口就醫常住地流程（以 2006 第一季為例）. 6. 表中比例為該地區的高齡人口數除以全體高齡人口數。 19. DOI:10.6814/NCCU201901132.

(40) 二、死亡判定準則由於健保資料控中並無紀錄保險對象的死亡時間，因此參考許筱翎（2017）的研究結果，利用承保資料檔（ID）、門診處方及治療明細檔（CD）、住院醫療費用清單明細檔（DD）以及重大傷病證明明細檔（HV）整理出的六大準則，配合連續兩年沒有門診紀錄的篩選再取聯集，得到估計死亡人口名單。詳細的死亡準則與死亡人口估計過程如圖 2-4-3，注意取聯集的部分是指只要符合任一條準則，便判斷為死亡人口。另外，該研究也指出，利用這六條準則估計的死亡人數和官方數據有一致的表現，唯獨 100 歲以上人口有較大的誤差，原因和抽樣的數. 政治大. 量太少有關。綜合以上考量，本研究決定聚焦在 65～99 歲的高齡人口。. 立. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 2-4-3、死亡人口估計過程（重繪參考許筱翎，2017）關於此準則判斷高齡死亡人口數的資料代表性，與內政部戶政司提供的人口統計資料做比較，圖 2-4-4 顯示 2006 年至 2011 的死亡人數判定與內政部資料對照，可以發現不論性別 2006 年的死亡人數最接近，差距小於 3%，之後隨時間演進，到 2011 年死亡人數差距漸大，但仍在可接受的範圍內。另外比較可惜的是，內政部資料只有統計年度高齡人口的死亡數，所以無法比較每季的死亡人數變化。. 20. DOI:10.6814/NCCU201901132.

(41) 圖 2-4-4、2006 年至 2011 年死亡估計高齡死亡人數與內政部比較─按性別三、滑動窗口的時間判斷在死亡準則上，連續兩年沒有門診紀錄的條件篩選上，因為時間細緻度是季. 政治大. （三個月），因此條件判斷上也是以季為單位做滑動，引用滑動窗口（sliding. 立. windows）的概念，如圖 2-4-5 所示。. ‧. ‧ 國. 學 sit. y. Nat. io. al. n. 四、年齡別死亡率. er. 圖 2-4-5、滑動窗口的時間判斷示意圖. Ch. engchi. i n U. v. 年齡別死亡率（Age-specific Mortality Rate）代表在一個社區中某個年齡層的死亡率，用來測量各年齡層的死亡風險，通常以單齡組或五齡組呈現，其定義為某年齡的死亡人數除以這個地區年齡為該年齡的人數。實證上，由於年滿某個年齡的人數較不容易計算其死亡率，因此研究上習慣以年中年齡為某個年齡的人數，取代一年內年滿該年齡的人數。計算公式如下： 𝑥歲別死亡率 =. 一年內𝑥歲死亡人數 𝑥歲年中人口數. 又本研究時間單位為季，因此將上述計算公式改為每季即可。. 21. DOI:10.6814/NCCU201901132.

(42) 五、標準死亡比（standardised mortality ratio，SMR）7 粗死亡率（死亡人數/人口數）不容易拿來作縣市間的比較。除了每個縣市的醫療資源都不一樣，當地人口的社經背景也有所差異。所以可能某些縣市的醫療資源比較豐沛、居民的經濟能力優渥、又或是某地區的人口的地理環境惡劣，都會使粗死亡率有所不同。本研究決定使用間接標準化方式做調整，又稱為標準化死亡比，以季節和五齡組做分組，計算公式如下：標準化死亡比 =. =. 觀察死亡人數預期死亡人數. × 100%. 死亡之總人數治 × 100% 政 ∑(各組人口數 × 標準人口該組死亡率 ) 大立 8. ‧ 國. 學. 六、消除季節週期因素. 本研究的時間以季節為單位，所以在計算死亡率或任何醫療利用時，數值上. ‧. 都會受到季節的周期性的影響，因此參考時間數列移動平均與季節變動的處理方. sit. y. Nat. 法，假設數列成直線趨勢，先計算各季的平均（𝑄̅𝑖 , 𝑖 = 1,2,3,4），以及整體所有. n. al. er. io. ̅̅̅̅̅𝑖 = 季節的平均（𝜇），接著計算各季差異平均並除以週期數計算累積數值（𝛥𝑄. i n U. v. 𝑎𝑣𝑒𝑟𝑎𝑔𝑒 𝑜𝑓 𝛥𝑄𝑖 = 𝑎𝑣𝑒𝑟𝑎𝑔𝑒 𝑜𝑓 ((𝑄𝑖+4 − 𝑄𝑖 ) + (𝑄𝑖+8 − 𝑄𝑖+4 ) + ⋯ ), 𝑖 = 1,2,3,4 ，. Ch. engchi. 得到 𝑐𝑢𝑚𝑄𝑖 = (̅̅̅̅̅ 𝛥𝑄1 , ̅̅̅̅̅ 𝛥𝑄1 + ̅̅̅̅̅ 𝛥𝑄2 , ̅̅̅̅̅ 𝛥𝑄1 + ̅̅̅̅̅ 𝛥𝑄2 + ̅̅̅̅̅ 𝛥𝑄3 , ̅̅̅̅̅ 𝛥𝑄1 + ̅̅̅̅̅ 𝛥𝑄2 + ̅̅̅̅̅ 𝛥𝑄3 + ̅̅̅̅̅ 𝛥𝑄4 ) ），然後將各季平均減去整體平均及季差異平均之累積值，得到季節週期效應（𝑆𝑖 = 𝑄̅𝑖 − 𝜇 − 𝑐𝑢𝑚𝑄𝑖 , 𝑖 = 1,2,3,4），最後將各季減去相對應的季節週期效應，便可保留隨時間變化的數值趨勢，並消除季節週期性的影響。但是因為變換的關係，所以數值的大小會產生平移而失去原本的意義，但是彼此間隨時間變化的倍數關係仍會保留。計算過程如表 2-4-3 所示，圖 2-4-6 呈現調整前後的結果。. 7. https://qi.cch.org.tw/zh-tw/qs/smr/hospital-standardized-mortality-ratio 式中的標準人口該組死亡率，為樣本的五齡組死亡率，並非政府資料分組後的死亡率。即以樣本整體分組後的數值作為比較的基準對象。 8. 22. DOI:10.6814/NCCU201901132.

(43) 表 2-4-3、消除季節週期因素計算過程真實真實季節觀察計算的數列季節調整結果數列週期影響 =真實+季節週期週期效應 1 5 6 -0.5 6.5 2 1 3 -4.5 7.5 3 2 5 -3.5 8.5 4 4 8 -1.5 9.5 5 5 10 -0.5 10.5 6 1 7 -4.5 11.5 7 2 9 -3.5 12.5 8 4 12 -1.5 13.5 9 5 14 -0.5 14.5 10 1 11 -4.5 15.5 11 2 13 -3.5 16.5 12 4 16 -1.5 17.5 13 5 18 -0.5 18.5 14 1 15 -4.5 19.5 15 2 17 -3.5 20.5 16 4 20 -1.5 21.5 17 5 22 -0.5 22.5 18 1 19 -4.5 23.5 19 2 21 -3.5 24.5 20 4 24 -1.5 25.5. 政治大. 學 ‧. ‧ 國. 立. 各季整體各季差異各季差異平均平均之平均/4 平均之累積 14 13.5 1 1 11 1 2 13 1 3 16 1 4. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 2-4-6、季節週期因素調整前後的結果七、辛普森指標 Simpson Index、得票不均度在生態學研究上，多樣性指數常用來評估群集中的物種組成與分布情形，多樣性指標大致可以分為三類：物種豐富度、物種均勻度與物種多樣性。物種豐富度用來表示某地區物種之數量；物種均勻度是指生物群集中不同物種個體分布均勻程度或相等性；而物種多樣性同時考量物種豐富度與物種均勻度，最常用的指. 23. DOI:10.6814/NCCU201901132.

(44) 標之一為辛普森指數（Simpson Index）本文引用 Edward H. Simpson 於 1949 年提出的 Simpson Index，中文又譯作辛普森指標。為一在生物科學領域中常用來評估群集物種多樣性的指標，本文引用此指標來計算得票不均的情形。計算公式如下： 𝑠. 𝑠 𝑁𝑖 ( ) = ∑ 𝑃𝑖2 𝑖=1 𝑁 𝑖=1. 𝜆=∑. 其中λ為多樣性指標，𝑠為樣本中的種類總數，𝑁𝑖 為第𝑖種類的個數，𝑁為總個體數，𝑃𝑖2 為第𝑖種類的出現比值。其值會介在 0～1 之間，若λ = 1則表示該群集. 政治大沒有票數分散的狀況；反之，若λ值越小，則代表該群集物種多樣性豐富，於本立. 僅有一種物種，於本文中即代表得票很集中、該地區的政黨或候選人傾向很一致，. ‧ 國. 學. 文中即代表投票的選擇性多元，該地區的選民有自己的政黨或候選人傾向。而為了解釋上的便利性，我們定義得票不均度為1 − λ，如此一來(1 − λ)若接近 0，代. ‧. 表得票數沒有不均勻，選舉結果顯示得票有集中的情形，投票選擇上有一致的傾. sit. n. al. er. io. 八、選情激烈程度. y. Nat. 向；反之，(1 − λ)若接近 1，代表得票數有分散的現象，投票選擇較多元。. i n U. v. 為了描述選情的激烈程度，因此利用得票率差異作為激烈程度。先判斷得票. Ch. engchi. 率是否達到具有影響力的門檻，依照有影響力的候選單位數量不同，若只有兩個具影響力的候選單位，則選情的激烈程度計算如下：選情激烈程度 = 平均得票率差異 = 第一高得票率 − 第二高得票率. （2-4-1 式）. 若有三個具影響力的候選單位，則選情的激烈程度如下：選情激烈程度 = 平均得票率差異 1. = 2 ∑ ((第一高得票率 − 第二高得票率) + （第二高得票率 − 第三高得票率）) （2-4-2 式）. 24. DOI:10.6814/NCCU201901132.

(45) 九、差異中的差異模型（Difference-in-Differnece Method；DD Method）差異中的差異分析法（DD Method）是利用跨期橫斷面資料（Pooled Cross Section Over Time）最具代表性的模型之一。在一般文獻中會讓樣本分成兩組討論，一為實驗組，另一為控制組，並設定一個虛擬變數作為判斷時間前後的條件，也就是說，利用此虛擬變數的改變作為變數改變前或改變後的依據，以分析在變數產生改變後的影響程度，因此能準確地觀察到真正的影響力，且有效地排除其他干擾因素。圖 2-4-7 與表 2-4-4 說明差異中的差異法計算過程與理論概念。. 立. 政治大. ‧. ‧ 國. 學 sit. y. Nat. 圖 2-4-7、差異中的差異法之理論概念. n. al. er. io. 表 2-4-4、差異中的差異法計算過程. Ch. engchi. i n U. v. 在本研究中，選舉活動介入前後的醫療使用變化，無法區分是否為社會參與抑或是受時間趨勢及時間改變而影響的其他因素造成，因此，為了消弭上述所帶來的衝擊，有效地排除時間、地區所產生的影響而設計了控制組。而本研究挑選實驗組與控制組的做法，是依據選舉時的得票不均度與選情激烈程度（平均得票率差異）來做挑選，將實驗組定調為選舉中，得票不均度高或是選情較為激烈的區域；反之，控制組定調為選舉中，得票不均度低或是選情較為平緩的區域。目標是希望控制組在選舉介入前後，不會對該組的醫療使用有太大的影響，而比較可能受其他因素（如：系統或時間）改變而有較大的影響。 25. DOI:10.6814/NCCU201901132.

(46) 圖 2-4-8 以 2008 年 03 月的總統大選為例，假定選舉前半年屬於選舉發生的情況，則定義 2007 年 Q2 及 2007 年 Q3 為選舉前；2007 年 Q4 及 2008 年 Q1 為選舉發生，2008 年 Q2 及 2008 年 Q3 為選舉結束。接著我們計算表 2-4-5、表 2-4-6 的所有變量，個別獲得實驗組和控制組在選舉前與選舉發生的差異，以及選舉發生到選舉結束的差異，之後再透過差異中的差異法分析，得知不同組別間因為政治活動所造成的差距。若差異中的差異法之估計值（DD Estimate）大於 0，則表示事件狀態的改變，對時間前後的醫療使用變化有提升的影響力；反之，若小於 0，則表示事件狀態. 政治大. 改變，使醫療使用的成長減緩，甚至有負成長的現象發生。. 立. ‧. ‧ 國. 學 sit. y. Nat. io. er. 圖 2-4-8、選舉前、選舉發生、選舉結束之時間切割示意圖. al. n. v i n Ch 選舉介入選舉結束 U i e h n c g (2007Q4、2008Q1) (2008Q2、Q3). 表 2-4-5、實驗組與控制組之選舉介入前後差異計算辦法選舉前 (2007Q2、Q3) 實驗組控制組. 醫療使用量 (𝐵𝑒 ). 醫療使用量 (𝑈𝑒 ). 醫療使用量 (𝐴 𝑒 ). 醫療使用量. 醫療使用量. 醫療使用量. (𝐵𝑐 ). (𝑈𝑐 ). (𝐴 𝑐 ). 選舉前到介選舉介入到入的差異. 結束的差異. (𝑈𝑒 − 𝐵𝑒 ). (𝐴𝑒 − 𝑈𝑒 ). (𝑈𝑐 − 𝐵𝑐 ). (𝐴𝑐 − 𝑈𝑐 ). 表 2-4-6、差異中的差異法之估計值計算辦法差異中的差異（DD Estimate）選舉前到選舉介入. 選舉介入到選舉結束. (𝑈𝑒 − 𝐵𝑒 ) − (𝑈𝑐 − 𝐵𝑐 ). (𝐴𝑒 − 𝑈𝑒 ) − (𝐴𝑐 − 𝑈𝑐 ). 26. DOI:10.6814/NCCU201901132.
