台灣災難流行病學研究(2009 ~ 2016)

國立臺灣大學公共衛生學院公共衛生碩士學位學程 碩士論文-實務實習成果報告

Master of Public Health Degree Program College of Public Health

National Taiwan University Master Thesis - Practicum Report

台灣災難流行病學研究(2009 ~ 2016)

An Epidemiological Study of Disaster in Taiwan during 2009-2016

林欣陽 Hsin-Yang Lin

指導教授：陳秀熙 博士 實習指導老師：石富元主任 Advisor：Hsiu-Hsi Chen, Ph.D.

Preceptor: Fuh-Yuan Shin, MD, Ph.D.

中華民國 107 年 7 月

July, 2018

中文摘要

研究背景

近年來台灣發生的災難(包含自然與人為技術性災難)伴隨著大量傷患與嚴重 社會衝擊，引起社會高度重視系統性的防災準備與醫療應變。雖然現在台灣已 有各式防災應變計畫，仍然有許多可以改進的空間。從過往的事件，仍有需多 經驗需要發掘。過去有許多研究著墨於單一災難事件，但仍缺乏系統性地檢視 災難事件的特性與醫療衝擊。在本研究，以文獻回顧與實證資料來釐清台灣當 今的災難流行病學。

研究目的

本研究目的：

(1) 對於災難事件發生率與帶來的醫療衝擊提供基本描述 (2) 闡明不同類型災難發生的時間趨勢

(3) 整合個人因子、災難特徵與地區因子，以建立風險預估模型，提升對於災難 傷患產生的危險因子認識。

(4) 根據(3)的模型來預測災難傷患發生的數量，希冀提升台灣的災難準備。

研究方法

本研究為時間序列研究設計，資料來自 2009 年 1 月至 2016 年 12 月台灣衛 生福利部建置的緊急醫療管理系統中的災害事件登錄系統內的災難通報事件資

類別、日期、地點皆包含於內。依照災難類型區分為自然災害、人為/技術災害、

生物災害以及群眾聚集相關災害。依照緊急醫療分區將台灣縣市分成六區。

本研究首先對台灣發生災害事件的時間趨勢進行分析亦對於災難事件對醫 療系統之衝擊包含傷患數、傷患運送方式、傷病嚴重程度(死亡以及加護醫療需 求度)進行描述與分析。本研究進而運用階層卜瓦松迴歸模式，整合個人層級因 子與地域層級因子，對於災難發生之傷患數量之影響加以量化與評估。根據台灣 災害登錄數據得出的估計結果，進一步提供了按地區和災害特徵預測的人員傷 亡人數預測。

研究結果

研究時間自 2009 至 2016 年，涵蓋了 902 件災難事件，總傷患人數為 34949 人，總死亡人數為 477 人，總住院個案數為 3610 人。以生物災害、群眾聚集相 關災害、自然災害，以及人為/技術性災害作為災難事件類別區分，其中 308 件 (34.2%)屬於生物災害、82 件(9.1%)屬於群眾聚集相關災害、52 件(5.8%)為自然災 害，406 件(81.0%)屬於人為/技術性災害。相對應總傷患人數分別為 6364 人(18.2%)、

2857 人(8.2%)、17372 人(49.7%)、8356 人(23.9%)。

災難病患平均年齡為 41 歲(SD=21.6)，自然災害中之患者年紀最長，其平均 值為 47 歲 (SD=20.9)；生物災害傷患其年齡最輕，平均值為 28 歲(SD=18.8)。

分析患者到院方式，可以發現生物災害以及自然災害患者以自行前往醫院為 主(73.57%及 70.11%)，但是群眾聚集以及人為/技術性災難患者主要以救護車送

達醫院(54.98%及 61.81%)。生物災害與群眾聚集事件患者需要加護病房住院比率 相對其他兩類災難較低，人為技術災難有最高住加護病房比率(5.65%)。

運用階層卜瓦松迴歸模型評估個人層級與縣市層級之分析結果，顯示自然災 害、生物災害以及群眾聚集相關災害相較於人為/技術性災害對於造成災難個案，

其危險對比估計值分別為 2.24 (95% CI: 2.17-2.31)、1.11 (95%CI: 1.07-1.15)，

1.17(95%CI: 1.11-1.23)。都會區之居民成為災難個案之危險顯著低於非都會區者，

其相對危險對比估計值為 0.16 (95% CI: 0.07-0.36)。

災難事件個案人數預估值，以自然災害為 86.4 人(95% CI: 70.1-102.7 人)，生 物災害為 68.8 人(95% CI: 50.5-87.0 人)，群眾聚集災害為 43.8 人 (95% CI: 30.5- 57.0)，人為技術災害為 37.6 人 (95% CI: 21.7-53.5)，顯示台灣以自然災害帶來最 為顯著衝擊。

結論

自然災害的颱風可能帶來許多傷患，造成醫療衝擊。對於災難的衝擊，在 台灣有地域性的差異。南臺灣較常因自然災難罹災，而有更多傷患產生。非都 會區有較高的災難衝擊。本研究提供未來防災與災難應變的實證依據。

關鍵字：災難、災難流行病學、緊急醫療應變、大量傷患、緊急醫療服務

Abstract

Background：

The occurrence of disasters including the natural disasters and the technological disasters associated with mass casualty and social impact in the recent years in Taiwan have drawn great attention on the systematic approach including the preparedness and medical response toward the prevention of these events. In spite of the established disaster prevention planning in Taiwan, there are still rooms for improvement and also experience to be learned from these events. Although previous studies provided detailed description and exploration on single event, a systematic approach for the elucidation of the characteristics and medical burden of disaster is lacking. In this thesis, we thus provided a study by using literature review and empirical data for a better understanding of disaster epidemiology in Taiwan.

Objective:

The aim of this study was

(1) to provide basic description including incidence rate and medical burden brought by disaster events;

(2) to elucidate the time trend of the occurrence of different types of disasters;

(3) to establish risk prediction model incorporating the individual level factors, characteristics of disasters, and county level factors for a better understanding of the impact of these factors on the occurrence of disaster casualties;

(4) to predict the occurrence of disaster casualties based on (3) toward a better preparedness of disaster in Taiwan .

Methods:

We applied a time sequence study design using data derived from the registry of emergency medical management system for disaster reporting provided by the Ministry of Health and Welfare. The study period spanned from January, 2009 to December, 2016. Information on patient-level characteristics including age, sex, and severity of injury, and the characteristics of disaster event including the type, date, and location of the event were collected. The disasters were categorized into the types of natural disaster, technical disaster, bio-disaster, and mass-gathering disaster. The areas in Taiwan was dived into six zones according to the emergency medical division.

We first focused our analysis on the time trend of the occurrence of disaster events in Taiwan. The medical burden including the number of casualties, the method of transporting casualties, and the severity of casualties such as death and the requirement of intensive care was then depicted. We applied an multilevel Poisson

the occurrence of disaster casualty to elucidate their impact. Based on the estimated results derived from the empirical data on disaster in Taiwan, we further provided the prediction on the expected number of casualties by area and disaster characteristics.

Results:

During the study period between January, 2009 and December, 2016, the disaster registry included 902 events were recorded. A total of 34949 victims including 477 deaths and 3610 hospital admissions were enrolled. There are 308 (34.2%), 82(9.1%), 52(5.8%), and 406 (81.0%) events for the disaster type of Bio-disaster, mass-gathering associated, natural disaster, and technical disaster, respectively. The corresponding casualties associated with each type of disaster were 6364(18.2%), 2857(8.2%), 17372(49.7%), and 8356 (23.9%) respectively. The average age of disaster victims was 41 years old (SD: 21.6). The average age of natural disaster victims was the eldest ( 47 years, SD: 20.9) while the average age of bio-disaster victims was the youngest (28 years, SD: 18.8).

As to the method of transportation of the casualties to hospital, patients of bio- disaster and natural disaster seek for medical care by themselves mostly. (73.57% and 70.11%). Half of the patient of mass-gathering and technical disaster were brought to hospital by the vehicle of emergency medical service (54.98% and 61.81%). The ICU admission rate were lower in bio-disaster and mass-gathering disaster (0.16% and

1.1%, respectively). The patient of technical disaster had the highest ICU admission rate (5.65%).

Based on the results derived by multilevel Poisson regression model, the relative risks of natural disaster, bio-disaster and mass-gathering associated disaster for the disaster casualty occurrence compared with technical disaster was 2.24 (95% CI: 2.17- 2.31), 1.11 (95%CI: 1.07-1.15), and 1.17(95%CI: 1.11-1.23) respectively. The relative risk of urban citizen as the victim of disaster casualty was lowest 0.16 (95% CI: 0.07- 0.36), as comparing to the non-urban citizen for being the victims during disaster.

The predicted casualties for natural disaster, bio-disaster, mass-gathering associated disaster, and technical disaster was 86.4 (95% CI: 70.1-102.7), 68.8 (95% CI:

50.6-87.0), 43.8 (95% CI: 30.5-57.0), and 37.6 (95% CI: 21.7-53.5), showing the significant impact of natural disaster in Taiwan.

Conclusions:

The analysis of the empirical data on disaster in Taiwan revealed that natural disaster was associated with massive casualties and will result in remarkable medical impact and burden. There are geographical variation considering the impact of type of disaster.

Souther area of Taiwan was more vulnerable to natural disaster which results in increasing number of disaster casualties. The non-urban area also carried a higher

preparedness and prevention of disaster.

Keywords: disaster, disaster epidemiology, emergency medical response, mass

目錄

中文摘要... I Abstract ... IV 目錄... IX 圖表目錄... XI

第一章 導論... 1

第一節 研究背景與動機 ... 1

第二節 實習單位介紹 ... 2

第三節 研究架構與假說 ... 3

第二章 文獻探討... 5

第一節 災難事件與分類 ... 5

第二節 國外相關文獻 ... 7

第三節 國內相關文獻 ... 15

第三章 研究方法... 17

第一節 台灣災難資料收集 ... 17

第二節 災難類型分類 ... 18

第三節 研究區域劃分 ... 19

第四節 災難傷患個案資料收集 ... 20

第五節 統計分析方法 ... 20

第四章 研究結果... 23

第一節 研究期間台灣主要災難事件回顧 ... 23

第二節

研究期間災難事件特性分佈 ... 27

第三節 研究期間災難個案特性分佈 ... 34

第四節 災難與患者到院方式分析 ... 48

第六節

影響災難個案發生因素探討 ... 58

第七節 災難事件平均個案數預估 ... 62

第五章 討論與建議... 67

第一節 研究結果討論 ... 67

第二節 到院方式與後續處置 ... 69

第三節 台灣災難事件防治建議 ... 72

第四節

研究限制與展望 ... 74

參考文獻... 76

圖表目錄

表 2-1 CRED 災難分類表 ... 6

表 2-2 國際文獻整理 ... 11

表 4-1 傷患數大於百人的主要災難事件(依傷患數排序) ... 25

表 4-2 死亡數大於十人的主要災難事件(依死亡數排序) ... 26

表 4-3 研究期間災難事件特性 ... 29

表 4-4 研究期間災難個案特性分佈 ... 36

表 4-5 依災難類別區分患者到院方式 ... 50

表 4-6 依災難次類別區分患者到院方式(一) ... 51

表 4-7 依災難次類別區分患者到院方式(二) ... 51

表 4-8 依緊急醫療分區分患者到院方式 ... 52

表 4-9 災難類別與患者急診處置動向 ... 55

表 4-10 災難次類別與患者急診處置動向 ... 56

表 4-11 影響災難個案發生之多層次單變項與多變項危險分析* ... 60

表 4-12 各特性之災難預估平均個案數 ... 65

表 4-13 各區域不同類型災難預估平均人數 ... 66

圖 4-1 災難事件類型年別與年月別分佈趨勢 ... 30

圖 4-2 各區域災難事件類型年月別分佈趨勢 ... 31

圖 4-3 災難個案年月別趨勢 ... 37

圖 4-4 各區域災難個案年月別趨勢 ... 39

圖 4-5 研究期間災難發生率年趨勢以及年月趨勢 ... 43

圖 4-6 各區域研究期間災難發生率年月趨勢 ... 45

圖 4-7 影響災難個案發生之多層次單變項與多變項危險分析 ... 61

圖 4-8 觀察與預估災難個案數 ... 64

第一章 導論

第一節 研究背景與動機

我國地處亞熱帶，每年夏天都極容易遭受到來自太平洋的熱帶氣旋(颱風)侵 襲，引發風災、水災甚至是土石流等災情，最近幾年重大颱風災情包含納莉風災、

莫拉克風災等，皆造成極重大的傷亡與醫療衝擊等。而台灣因為處於環太平洋地 震帶，剛好是歐亞板塊與菲律賓海板塊交界處，因為板塊擠壓，與持續不斷的造 山運動，在台灣各地都有觀測到大小不一的斷層帶，因此地震頻繁，除了在 1999 年的九二一集集大地震令人餘悸猶存外，2016 年 2 月發生在高雄美濃的地震，

意外導致台南永康地區大樓倒塌，造成一百多人死亡及數百人受傷的慘況，仍叫 人歷歷在目[1]。

除了接二連三的天然災害外，人為災害也是不勝枚舉，以近幾年來說，如 2014 年的高雄氣爆事故與 2015 年的八仙樂園粉塵爆燃事故[2]等皆造成數百人 受傷，並造成全國燒燙傷病房與醫療人力大為吃緊。更別說幾乎每天都有的交通 意外，往往每隔一段時間就有大量傷患事件的發生，另外火災有時也導致許多傷 患產生，而毒性化學物質造成的特殊災害也會讓整個社會陷入恐慌。各式各樣的 災難事件層出不窮，進而影響到醫療系統的運作與穩定，尤其是急診與緊急醫療 應變更是首當其衝，災難事件往往帶來大量傷患，造成緊急醫療系統極大的衝擊，

並且耗用極高的醫療人力與資源，甚至導致病床短缺與。

過去歷年來台灣許多關於自然災害的統計報告，大多偏重財務損失與農漁業 危害等，缺乏廣泛緊急醫療應變相關的評估，只能指出可能造成極大的衝擊，但 是缺乏危險因子的分析，也缺乏地域性的比較，也缺乏不同災難事件對於傷病患

研究，有助於災害預防與後續災難的救助[3]，災難流行病學的研究，有助於探究 災難的健康影響，以助於後續的減災與預防[4]。也因此希望整合歷年來蒐集的災 害醫療事件與大量傷患通報資料，彙整出屬於本土的災難流行病學，了解台灣各 地區的不同災害發生頻率與差異，希望能對於未來的災害醫療整備與緊急醫療應 變及災難預防有更多助益。

第二節 實習單位介紹

因為災難事件，往往發生於不可預測，每年發生頻率不定甚至不多，因此 在台灣從事與災難醫學相關的單位並不多。而台灣衛生福利部轄下的區域緊急 醫療應變中心，是政府為了因應災難醫療應變而成立的單位，恰好符合這次研 究實習所需。

本次實習單位為衛生福利部台北區緊急醫療應變中心，由衛生福利部委託

國立台灣大學附設醫院執行與運作，為衛生福利部轄下的六個區域緊急醫療應 變中心之一。因應九二一震災、SARS 風暴與阿里山小火車翻覆意外等事件 後，為提升跨縣市災難應變與協調能力，衛生署於民國九十三年起於全台灣各 區域分別成立區域緊急醫療應變中心，於民國九十六年緊急醫療救護法修法通 過後，於第五條及第九條把區域緊急醫療應變中心納入法條內[5]，辦理以下業 務：一、即時監控區域內災害有關緊急醫療之事件。二、即時掌握區域內緊急 醫療資訊及資源狀況。三、建置區域內災害醫療資源之資料庫。四、協助規劃

之演練。六、跨直轄市、縣（市）之災害發生時，協助中央衛生主管機關調度 區域內緊急醫療資源，進行應變工作。七、協助中央衛生主管機關指揮區域內 急救責任醫院派遣相關人員，協助處理大量緊急傷病患。八、其他有關區域緊 急醫療災害應變事項。

台北區緊急醫療應變中心負責範圍包含台北市、新北市、基隆市、宜蘭 縣、金門縣、連江縣(馬祖)。依照衛生福利部規定，各區區域緊急醫療應變中 心[6]，均二十四小時不間斷即時監控區域內災害相關緊急醫療事件，並記錄與 建置相關資料庫，因此逐漸累積了台灣近十年來豐富的災害醫療事件資料，而 台北區緊急醫療應變中心，地處首善之區，彙整六區通報資料，並有豐富應變 經驗，適合可以做為台灣災害流行病學的研究場域。台北區緊急醫療應變中心 位處台大醫院東址大樓，包含應變辦公室與會議室，每日二十四小時均有值勤 人員監控即時新聞與消防救災通報等，會議室可供應變會議與跨區域視訊會議 舉行，以利調度應變資源與協調相關院所。除了災害事件與緊急醫療事件之監 控外，台北區緊急醫療應變中心也會定期安排教育訓練、相關演練與演習，以 提升台北區內院所相關人員對於緊急醫療應變的熟練度。

第三節 研究架構與假說

本研究藉由國內外災難研究文獻回顧，評估目前國際間對於災難研究之通用 分類方法以及其具體涵跨之災難事件內容。在文獻回顧中，本研究除以系統性方 法收集國際間以及台灣災事件之研究報告文獻，對於研究期間台灣發生之災難事

件本研究亦以系統性方法收集重要事件，摘錄其事件類型與影響程度。對於台灣 災難事件，本研究資料分析包含災難事件與傷患資料，依照(一)災難事件特性分 佈，呈現災難事件敘述性統計，包含各類型災難人數與發生頻率。(二)個案特性 分佈，呈現災難個案的敘述性統計，包含傷患人數與住院比率等。(三)醫療資源 耗用，比較患者到院前方式與急診處置後動向差異。

本研究運用收集之台灣災難個案資料與災難事件特性，結合歷年各縣市之性 別與年齡分層人口結構則可對於災難個案以多層次卜瓦松迴歸分析將個人層級 相關因子與地域層級相關因子同時納入考量，建構台灣研究區間的災難事件風險 評估模型，找出災難事件的危險因子。並藉以進行災難事件影響之個案數進行預 估。

第二章 文獻探討

第一節 災難事件與分類

在 2013 刊登於 NEJM 上的災難研究文獻回顧中將災難分為自然災難與人為 災難[7]，其中自然災難可以再區分成生物性(Biologic)、地質性(Geophysical)、天 氣相關(Climate-related)的災難。從 2000 年到 2009 年發生的自然災難次數是過 去 1980 到 1989 年發生的三倍。災難帶來的經濟損失與公共衛生衝擊也大幅增 加。該文獻也指出隨著公共衛生與流行病學調查的介入，找出死亡率的相關因 子將有助於後續對於災難之應變與減災準備。

根據設立於比利時的 Centre for Research on the Epidemiology of Disasters (CRED)[8]以及其建置的國際災難資料庫(Emergency Events Database, EM-

DAT)[9]，蒐集了全球自 1900 年開始迄今的災難事件，這個資料庫收納的災難事 件定義包含(1) 有 10 人以上死亡 (2) 有 100 人以上受災 (3) 宣告國家級的緊急 事件 (4) 需要國際協助。這個資料庫將災難事件分成自然災害(Natural)與人為 技術性(Technological)兩大類，自然災害包含地質物理災害(geophysical)、氣象 (meteorological)、水文(hydrological)、氣候(climatological)、生物(biological)、地 表外(extraterrestrial)等次類別，人為技術性災難包含工安事故(Industrial

accident)、運輸事故(Transport accident)、其他事故(Miscellanous accident)等次類 別，這個分類方式也廣泛的被國際災難相關研究所使用[10]，關於分類方式整 理如表 2-1。

表 2- 1 CRED 災難分類表 災難類別

(DISASTER GROUP)

災難次類別 (DISASTER SUBGROUP)

主要災難型態 (DISASTER MAIN TYPE)

災難次型態

(DISASTER SUB-TYPE)

自然災害 (NATURAL)

地質

(Geophysical)

地震(Earthquake) 地面運動(Ground

movement)、海嘯(Tsunami) 塊體移動

(Mass Movement)

岩石墜落(Rock fall)、滑坡 (Landslide)

火山活動

(Volcanic activity)

Ash fall、Lahar、Pyroclastic flow、Lava flow

氣象

(Meteorological )

極端溫度 (Extreme Temperature)

寒潮(Cold wave)、熱浪 (Heat wave)、嚴冬(Severe winter conditions)

霧(Fog)

風暴(Storm) 熱帶風暴(Tropical storm)、

對流風暴(Convective Storm) 水文

(Hydrological)

洪水(Flood)

土石流(Landslide) 崩落(Avalanche) (雪, 泥流, 落石)

波浪(Wave action) 氣候

(Climatological)

乾旱(Drought) 冰川湖爆發(Glacial Lake Outburst)

野火(Wildfire) 森林大火(Forest Fire)、陸

地火災(Land fire) 生物性

(Biological)

傳染性疾病(Epidemic) 昆蟲侵擾(Insect infestation)

蝗蟲

動物事故(Animal Accident)

地表外

(Extraterrestrial)

衝擊(Impact) 空中種爆炸(Airburst)

太空天氣(Space weather)

高能粒子(Energetic particles)、地磁暴

(Geomagnetic storm)、衝擊 波(Shockwave)

人為技術性 工安事故 化學品洩漏(Chemical

爆炸(Explosion) 火災(Fire)

氣體洩漏(Gas leak) 中毒(Poisoning) 輻射(Radiation) 漏油(Oil spill) 其他

運輸事故 (Transport accident)

空難(Air) 道路事故(Road) 軌道事故(Rail) 水難(Water) 其他事故

(Miscelleanous accident)

坍塌(Collapse) 爆炸(Explosion) 住宅火災(Fire) 其他

第二節 國外相關文獻

在 Pubmed 搜尋引擎以 disaster epidemiology、mass casualty incident 為關鍵 字，尋找相關文獻，針對一個地區或國家，在一定時間內的相關災難流行病學研 究，主要有九篇相關研究，研究地區包含美國及美國馬里蘭州、芬蘭赫爾辛基、

韓國、西班牙及阿斯圖里亞斯自治區、澳大拉西亞、紐西蘭等，整理如表 2-2。

其中在 2000 年發表的針對美國馬里蘭州發生大量傷患調查研究中[11]，作 者搜尋了 1993 年 5 月到 1996 年 5 月的新聞與雜誌關於大量傷患的新聞報導，

總共 256 筆。該研究採用了單一事件發生 10 名以上傷患作為大量傷患定義。藉 由連結相關災難個案資料與馬里蘭州醫療給付紀錄做，辨識出有住院紀錄的外傷 患者與相關就醫資料作分析，共計有 12478 名傷患。計算馬里蘭州居民每年約有 每千人 2.61 名重傷患者，這三年就總共有八起大量傷患事件與合計 203 名傷患，

而馬里蘭州居民每年約有每千人 0.014 名重傷患者是與大量傷患事件有關，203

名傷患有 77.8%是藉由救護車運送到醫院，只有三位是到馬里蘭州以外的地區就 醫，最多需要四家醫院來處助相關傷患。

在 2005 年於芬蘭赫爾辛基所做的研究[12]，作者調查了 1998 年 1 月到 2004 年 1 月當地的消防局緊急救護資料，定義大量傷患為 3-20 名傷患、嚴重大量傷 患事件為大於 20 名傷患，顯示這段期間總共有 59 件大量傷患事件，共計 263 名 傷患，依照事件類型可分成交通事故、住宅火災、刀傷與槍傷、中毒事件等，並 依患者病況可區分出到院前死亡、28 天內死亡、接受重大手術、需要特殊照護 等，另外針對輕傷患者進行額外分析。最後結論交通意外與火災是大量傷患的主 因，到院前救護可以處理大多數的大量傷患事件，加強訓練勤務派遣中心可以提 早辨識出大量傷患事件的發生，另外這個研究指出使用消防局的緊急救護資料可 能會缺漏了輕傷自行就醫患者，因為不會登陸到消防救護紀錄上。

在 2013 年韓國團隊發表一項研究[13]，使用韓國國家緊急應變局資料庫與 消防救護紀錄，分析了 2000 年到 2009 年與災難及大量傷患相關的救護資料。關 於災難事件，作者是以範圍超過一個地方政府轄區、有 10 名患者死亡或 50 名以 上傷患作定義，而大量傷患件則為 6 名以上傷患，並在之後針對這個定義以另外 一份報告整理發表[14]。在緊急應變局的資料庫中，擷取了災難編號、發生時間、

發生地點、機轉、耗用資源與人力、死亡與失蹤人數、受傷人數與傷病情、運輸 方式、患者年紀與性別、救護車、轉診原因等，接著針對韓國各地區分析個別災 難發生狀況與不同類型災難的傷亡比率做比較，最後作者建議可以利用現有資料 庫開發早期預警系統。

在評讀這幾篇研究可以發現，對於災難事件或是大量傷患事件的定義，其實

四名以上傷患需要救護車為定義，韓國 2012 年研究則以六名傷患，其他研究大 多以 10 名傷患死亡，符合 CRED 的 EM-DAT 資料庫的納入條件，因此在從事研究 時需要考量各國國情差別外，可以考慮以 CRED 標準，以利不同研究比較。

另外在 2014 年韓國團隊使用德菲法(Delphi method)建構了韓國的大量傷患 與災難研究架構，使用兩階段德菲法，邀請相關災難研究與應變專家參與，第一 階段利用問卷調查 11 位專家，使用兩個循環建構出要討論的議題與選項，第二 階段有 35 位專家參與，建立團隊共識，其中的專家都是有接受國家災難救命術 (National Disaster Life Support，NDLS)訓練或是其中的指導員。透過兩階段的德菲 法，確立災難定義為範圍超過一個地方政府轄區、有 10 名患者死亡或 50 名以上 傷患作定義，而大量傷患件則為 6 名以上傷患受影響。並且確立災難與大量傷患 的健康影響評估指標包含：傷患數、災難別傷患數、個別傷患的傷害嚴重指數 (Injury severity score，ISS)、各地區的傷患數、患者傷病類型與數量、死亡人數(包 含早期與晚期死亡數)、到院前死亡人數、事件發生後一個月死亡人數、災難別死 亡人數、早期與晚期傷患死亡率、到院前患者死亡率、事件發生後一個月死亡率、

事件發生率、災難別發生率、地區別事件發生率、每月事件發生率、依災難別分 第一位患者到達醫院平均時間、依災難別分的最後一位患者到達醫院平均時間、

災難別分轉送醫院數、住院人數等。這個研究架構顯示了韓國對於災難流行病學 研究的架構，可供本研究參考，這個研究提出的健康影響評估指標，也可以作為 後續研究的標的。另外 2017 年紐西蘭研究團隊發表關於紐西蘭突發大量死亡事 件研究[16]，也導入了韓國 2014 年研究的定義，以十名傷患死亡作為大量死亡事 件的的定義，顯示 CRED 與韓國的定義，逐漸受到世界其他地區的重視。以後或 許可以考慮評估不同定義對於台灣災難研究的衝擊與影響。

多篇研究提出[17,18]，不同類型的災難會帶來不一樣的傷病衝擊，例如洪水、

颱風、龍捲風、火山爆發、地震等，不同類型災害有不一樣的傷患類型，加以釐 清有助於後續救助與應變。

表 2- 2 國際文獻整理

編 號

論文題目 研究

時間

地點 資料來源 大 量 傷 患 (MCI) 與 災

難(disaster)定義

結果 結論

1 A case series analysis of mass casualty incidents Prehosp Emerg Care. 2000 Oct-Dec;4(4):299-304[11]

1993/05

~ 1996/05

Maryland, USA

Nexis national news publications search

MCI: ten or more simultaneous injuries.

在馬里蘭州三年期間，發生八件 MCIs，總計有 203 名傷 患，平均每件有 25.4 ± 10.7 傷患。總共有 158 (77.8%)名 傷患需要救護車運輸。每起 MCI 平均牽涉到 3.1 ± 1.1 醫 院。

馬里蘭州的到院前救護系統 (EMS system)對於 MCIs 從 傷患數 10 人到近 40 人都能 有效率處置。每年針對 MCI 事件的分析，對 EMS systems 建構很重要。

2 Analysis of multiple casualty incidents - a prospective cohort study.

Acta Anaesthesiol Scand.

2005 Nov;49(10):1527- 33.[12]

1998/01

~ 2004/02

Helsinki, Finland

Helsinki EMS MCI:incident involving 3 — 20 patients

總計有 59 件 MCIs，包含 263 傷患(167 位可步行, 96 位無 法步行)。MCIs 的年發生率為 1.8/100,000 居民。交通意外 為最常見主因，其次是住宅火災、中毒、穿刺傷或槍傷。

192 名 傷 患 有 被 送 到 急 診 室 ， 到 院 前 死 亡 率 為 4.9%

(13/263)，28 天內死亡率為 2.3% (6/263)。足夠資源與有 效處理 MCI 跟派遣中心(dispatching centre)早期警示 (P=

0.022)，以及醫療線上指導 (P < 0.001)有關.

MCI 原因主要為交通意外、

住宅火災以及中毒。EMS 體 系可以對大多數 MCI 都安 全且有效應對。以到院前處 置，派遣中心與線上醫療指 導對於應變 MCI 有重要腳 色。

3 Trends in disasters in Spain and their impact on public health: 1950-2005.

Public Health. 2007 May;121(5):375-7.[19]

1950~

2007

Spain - CRED 在 1950 到 2005 年間合計有 133 災難事件，其中 109 (82%)

為 人 為 技 術 性 (technological) ， 24 (18%) 是 自 然 災 害 (natural )。每年災難事件發生頻率呈現增加趨勢，線性回 歸為 Y=-87.8+0.004X (p=0.0033) 這些災難總計有 6886 人 死亡，平均每起事件 51.8 死亡。同時共有 8829 受傷，平 均每起事件 66.4 受傷。每年災難死亡率呈現穩定狀態，

但是受傷率呈現逐漸上升，Y= -11384+5.83X(p=0.004) 洪 水(%31.5)與空難(30.2%)有最高的死亡率。

西班牙容易受到洪水襲擊，

並且帶來大量傷亡與財產損 失，另外極端氣候導致自然 災害逐漸增加。

編 號

論文題目 研究

時間

地點 資料來源 大 量 傷 患 (MCI) 與 災

難(disaster)定義

結果 結論

4 Incidence and mortality rates of disasters and mass casualty incidents in Korea: a population-based cross-sectional study, 2000-2009. J Korean Med Sci. 2013 May;28(5):658-66.[13]

2000/01

~ 2009/12

Korea Database of the National Emergency Management Agency (NEMA) and from provincial fire departments

Disaster: incident that affects more than one municipal local governing district, involves the death of more than 10 people, or involves more than 50 casualties.

MCI: incident that involves more than 6 casualties, regardless of the affected area or number of deaths.

從 NEMA 資料庫總共蒐集到 47,169 事件，115 筆屬於災 難事件(disaster)，3079 筆屬於 MCIs。發生人為技術災難 (technical disasters/MCIs)的年發生率是自然災難(natural disasters/MCIs)的 12.7 倍。過去十年災難與大量傷患事件 的粗死亡率(crude mortality rates)分別為每十萬人 2.36 死 亡與 6.78 死亡。災難與大量傷患事件的粗受傷發生率 (crude injury incidence rates)分別為每十萬人 25.47 傷患與 152 傷患。

韓國的災難與 MCI 事件的發 生率與死亡率與世界趨勢相 比較低。

5 Epidemiology of Mass Casualty Incidents in the United States Prehosp Emerg Care. 2014 Jul-Sep;18(3):408-16[20]

2010 USA (32 states and territories)

National EMS Database of the National Emergency Medical Services Information System (NEMSIS)

過多傷患超乎當地平 常資源所能處理或是 過多傷患超過一般急 診或 EMS 所能負荷，

需要而外資源介入協 助，則宣告為 MCI

在 2010 年合計有 9776094 EMS 救護事件，有 14504 被宣 告為 MCI. 扣除重複，則為 9913 筆 MCIs。其中有 39.1%

發生在 the South Atlantic region of the United States(當地居 民暫全國 19.1%)， 60.9% 發生於都會區，58.4% 發生在 街道或快速道路上。合計有 13677 MCI 傷患。Motor vehicle traffic crash 導致 62.7%的傷患。

這個研究呈現 EMS 對於 MCI 事件的應變，對於 MCI 事件 有 可 能 通 報 不 足 。 The National EMS Database 對於 MCI 分析是極為有用的，可 以來強化 EMS 應變與計畫。

編 號

論文題目 研究

時間

地點 資料來源 大 量 傷 患 (MCI) 與 災

難(disaster)定義

結果 結論

6 Epidemiology of Emergency Medical Services-Assessed Mass Casualty Incidents according to Causes.

J Korean Med Sci. 2016 Mar;31(3):449-56.[21]

2012 Korea EMS database for six South Korean provinces, hospital records

MCIs that involved ≥ 6 patients

經由 EMS 評估的大量傷患事件(EMS-assessed MCIs)可以分 類為火災(FAs), 道路交通意外(RTAs),化學與生物製劑意外 (CBs), 與其他(MECHs).合計有 362 EMS-assessed MCIs，粗 發生率為每十萬人口 0.6-5.0。 這些 MCIs，有 322 件與道 路交通意外有關(RTAs)。合計有 2578 名傷患，其中 54.3%

為女性。化學與生物製劑意外有最高的住院比率(16 名病 患 , 55.2%)， 大 多 數 的 道 路 交 通 意 外 與 其 他 (RTAs and MECHs)為輕傷。 全部總計有 32 (1.2%)名死亡。

研 究發 現道 路交通 意外 的 MCI 造成 EMS 與急診最大的 負擔，化學與生物製劑意外 需要最多的住院資源。

7 An epidemiological approach to mass casualty incidents in the Principality of Asturias (Spain) Scand J Trauma Resusc Emerg Med. 2016; 24:

18.[15]

2014 Autonomo us region of the Principality of Asturias (Spain)

EMS call center registry

MCI is “ every incident with four or more people affected that requires ambulance

mobilisation”.

在 2014 年 Asturias 地區共有 39 件 MCI，其中 39 件 (79

%)是道路交通意外、3 起(7.5 %) 火災意外以及 5 件(12.8

%)其他。21 件 (56.7 %)有四名傷患，3 件事件(8 %)有七名 以上傷患。平均每起大量傷患事件需要 2.41 輛救護車出 勤(standard error = 0.18)。平均每起事件大多數傷患是輕傷 患者(mean = 4; standard error = 0.2)，平均 0.26 位重傷患 者(standard error = 0.08)。患者人數與出勤救護車總數有高 度 正 相 關 ( p < 0.01)，患者人數與高階救命術救護車 (Advanced Life Support (ALS) ambulances)出勤也有高度正 相關( p < 0.001)，患者人數與非 ALS 救護車出勤則無。

在本區域道路交通意外與輕 傷患者是最主要 MCI 型態。

在 MCI 時過多 ALS 救護車啟 動，可能會影響日常的緊急 應變。

8 Australasian disasters of national significance: an epidemiological analysis, 1900-2012.

Emerg Med Australas.

2015 Apr;27(2):132-8.[22]

1900~

2012

Australasia "EM-DAT 、 Australian Emergency Management Knowledge Hub "

CRED definition 在監測區間，總共有 165 起災難事件，其中 65 件達到國 家級程度。分別為 38 件自然災難(natural disasters)，22 件 人為技術災難(technological disasters)，3 件恐怖攻擊、2 件 大規模槍擊案。地理分析顯示人口聚集地區是主要的災難 發生地區。時間序列分析顯示從 1980 年代開始災難發生 率逐步上升，於 2005~2009 達到高峰。近幾年的森林大火

時間序列分析顯示從過去十 五年來自然災難發生率逐步 上升，並且在過去三年有較 嚴重的災難。澳大拉西亞對 於災難的脆弱度逐漸增加。

全 災 害 應 變 (all-hazards

編 號

論文題目 研究

時間

地點 資料來源 大 量 傷 患 (MCI) 與 災

難(disaster)定義

結果 結論

與洪水導致澳大拉西亞史上最嚴重的死亡數與經濟損失。 model)是未來澳大拉西亞應

該加強的部分。

9 Marked decline of sudden mass fatality events in New Zealand 1900 to 2015: the basic epidemiology Aust N Z J Public Health.

2017 Jun;41(3):275- 279.[16]

1900~

2015

New Zealand

Ministry for Culture and Heritage History Group. New Zealand Disasters Timeline (internet database)"

Sudden mass fatality event as one that involved 10 or more fatalities.

Framework for “mass casualty incidents”

(Korea study)[14]

在紐西蘭從 1900 到 2015 年間，總共有 56 件突發大量傷 亡 事 件 ( sudden mass fatality events with 10 or more fatalities)，總共有 1896 位死亡，其中最嚴重是 Hawke’s Bay earthquake (258 deaths)。大量傷亡事件分類為交通運輸相 關(transportation-related) (64%)、自然災害(11%), 工業事 故 (9%), 戰爭(9%) and 基礎設施(infrastructure)(5%). 事 件發生率與相關死亡率有顯著下降(both p<0.0001). 對於 災難事件仍有知識差距有待解決，包含: (1)基本災難流行 病學，如非致死性傷病、存活者數量。(2) 後續災害的預 防 (3) 符合成本效益的減災措施‧

因為突發大量傷亡事件導致 的健康危害與發生率在紐西 蘭呈現顯著下降。

對於災難處置，需要增加基 礎流行病學的研究與社會應 變。.

第三節 國內相關文獻

在 PubMed 資料庫，以 Taiwan、disaster 以及 epidemiology 作為關鍵字搜尋，

可找出 69 篇台灣過去發生災難之相關的研究，以災難類型區分，地震有 39 篇、

颱風 14 篇、傳染病(SARS) 10 篇、火災 6 篇。地震研究主要聚焦於 1999 年九二 一大地震，共有 38 篇，有 11 篇是關於地震與相關疾病的流行病學及災難應變分 析，其他研究多著重在災後創傷後症候群與自殺相關研究共有 27 篇。另外有一 篇是針對 2016 地震導致台南永康大樓倒塌緊急應變過程的報告。

關於九二一地震，2001 年有關於其災難流行病學之發表[23]，蒐集了來自政 府、衛生局與醫院的相關報告與資料，分析性別、年齡與居住地區對於死亡率的 影響，該研究發現居住越靠近震央死亡率越高，老人死亡率高於年輕人，30%患 者死於頭部外傷，在地震後 12 小時有最高的醫療需求，並建構出一個回歸模型。

在 2017 年 Lancet 刊登了關於 2016 年永康震災救難的醫療應變報告，作者 在該篇研究中報導研究期間每日傷病情人數的變化、以及相關檢傷，以及患者動 向狀況。這篇報告提出了當時台灣災難醫療隊應變狀況，是之前研究甚少提及的，

其次職業安全防護，N95 口罩的使用與後續心靈支持的介入。該研究報導除了對 災民外，當時在永康應變時提出了對於救災人員與工作人員的心靈支持與壓力舒 緩，值得後續災難研究探討之主題。

颱風相關的研究之主題主要圍繞於 2005 年海棠颱風、2009 年莫拉克颱風為 主要災難事件學術探討焦點，其中約半數是以災難後創傷後症候群以及自殺等心 理衛生相關議題之研究，另外的研究主題則聚焦於颱風後續相關傳染性疾病研究。

以此議題為中心， SARS 相關之研究為主要議題，其中約半數著重在醫療應變以 及感染管控之防疫經驗，另外則探討了患者與醫護人員在應對此種大規模感染症

爆發流行時所產生與面對的心理壓力以及相關之精神創傷。關於台灣火災災難事 件研究，主要則以 2014 年高雄氣爆為研究主題，另外則為 2015 年八仙樂園粉塵 爆炸災難事件。亦有將前述兩者之事件做綜合比較之學術探討。在 2016 年，針 對八仙粉塵暴燃事件的緊急應變與後續患者照護死亡率提出報告[2]，提出台灣 當時官方如何主導災難應變與相關政策的執行，以及後續傷患照護結果，雖然有 大量傷燙傷患者，但是整體死亡率只有 2.4%(相較於國際水準為 26.8%)，記錄應 變過程並將結果與國際比較，是值得注意的。

台灣目前的研究主要偏重於個別重大災難的研究，不管是其流行病學或是後 續精神相關研究，缺乏長時間連貫性的綜合比較與討論，也無法呈現出台灣災難 的區域性差異以及個別緊急醫療資源耗用狀況。回顧美國、芬蘭與韓國等相關研 究，有呈現了時間序列的研究，在韓國研究更呈現出不同地域對於大量傷患事件 發生的落差，值得在整理台灣本土資料時，列入考量。回顧芬蘭與韓國的研究都 使用了消防緊急救護資料，所有經由消防局轉送的傷患都收納進去，但此一研究 設計之缺點則是輕傷患者如果自行就醫就可能缺漏，也是後續研究需要考量之處。

台灣災難事件登錄資料庫具有持續收集時序性之災難通報事件，包含其中涉及之 患者以及事件本身特質的詳盡資料之優點。此外藉助於台灣縣市人口戶籍登錄資 料對於歷年台灣人口之電子化大數據以及就醫資訊電子登錄系統之優勢，實可運 用此資料對於台灣災難事件進行描述以及對歷年災難事件特性以及個案特質之 剖析建立災難風險管理與實證對策。

第三章 研究方法

第一節 台灣災難資料收集

本研究為時間序列研究設計，由台灣衛生福利部建置的緊急醫療管理系統 登錄的災害事件登錄系統取得歷年災難通報之資料進行實證研究與探討。

依據衛生福利部頒布的「緊急醫療救護資訊通報辦法」第三條規定當地方救 災救護指揮中心接獲報案，經初步判定係大量傷病患事件或有擴大之虞時，應通 知當地衛生、消防主管機關及相關機關（構）。當地衛生或消防主管機關應於中 央衛生主管機關緊急醫療管理系統（以下簡稱緊醫系統）內建立「災害事件檔」。 遇非大量傷病患事件時，地方衛生主管機關知悉並判定為「特殊事件」後，得於 緊醫系統建立「災害事件檔」。

根據區域緊急應變中心目前的通報標準：(1)影響緊急醫療體系運作事件，輻 傷事件 1 人以上受傷事件；危害物質外洩事件 1 人以上受傷事件；其他事件 5 人以上重傷或死亡送醫事件；15 人以上送醫事件。(2) 發生當地縣(市)政府緊急 醫療救護資源無法因應，有調度跨直轄市、縣(市)緊急醫療救護資源之可能必要。

(3)其他具新聞性且預期有擴展性之影響緊急醫療系統運作事件。(4)兩岸人民重 大意外之大量傷病患事件。(5)研判影響醫療機構能量或運作事件(例如醫院火災、

停電，地震..等等)。這個通報準則，也影響了災害事件的建立。

地方衛生主管機關知悉事件發生後，應聯繫轄區內急救責任醫院，了解傷病 患收治、處理情形，並告知醫院緊醫系統「災害事件檔」建立情形與通報中央衛 生主管機關區域緊急醫療應變中心。急救責任醫院接獲地方衛生主管機關通知 事件檔建立後，應於三十分鐘內提供當時事件相關之收治傷病患初步檢傷人數 資料，並後續更新傷病患處置資料至完成傷病患醫療緊急處置為止。地方衛生主

管機關應主動查核急救責任醫院所通報之傷病患緊急處置資料，並指導醫院於 完成緊急醫療處置後，更新最後處置資料及追蹤後續動向。假如患者送到非急救 責任醫院，該項辦法也規定大直轄市、縣（市）衛生主管機關應協助非急救責任 醫院通報所收治傷病患之緊急醫療救護資訊。因此緊急醫療管理系統中的「災害 事件檔」，因為有強制急救責任醫院登錄傷患傷病情，另外衛生局也會輔導非急 救責任醫院通報相關收治資訊，所以算是極為完整的災害應變緊急醫療資料登 錄，與消防局的救護資料相比更多了傷患到院後的處置狀況。

目前大量傷患數量的定義，來自緊急醫療救護法施行細則[24]及「衛生機關 及醫療機構處理大量傷病患緊急醫療救護作業要點」第二條「大量傷病患緊急醫 療救護，係指單一事故、災害發生之傷病患人數達十五人以上，或預判可能發生 十五人以上傷病患之緊急醫療救護」，大概是目前官方文件關於大量傷病患數量 的定義，主要以達十五人或預期十五人以上為分界，當然在實務上區域緊急醫療 應變中心在處理大量傷病是件或是災難事件時，其通報標準依照災難性質有作 調整，不過在台灣普遍是以十五人為基準。

第二節 災難類型分類

依照緊急醫療管理系統事件通報系統，災害種類總共被分成：風災、土石流、

水災、地震、生物病原\傳染病\食物中毒、其他自然災害、火災、危害物質、空 難、海難、陸地交通事故及車禍、工安事故、停電、停水、重大暴力或恐怖攻擊、

群眾聚集、社會矚目是件、其他人為技術災害、其他等分類。

本次研究台灣災難事件通報資料的災難類型區分為自然災害、人為/技術災

難可再細分次災難類型，自然災害包含：地震、水災、土石流、颱風、其他自然 災害，人為/技術災害包含：空難、一氧化碳中毒、爆炸、火災、危害物質、道路 交通事故、海難、工安事故，其中一氧化碳中毒主要是來自原本分類的其他人為 技術災難，因為台灣每到秋冬季節，都常有爆發一氧化碳群聚中毒事件，因此將 它獨立出一個子分類。生物災害由原本的包含生物病原\傳染病\食物中毒分類，

劃分成食物中毒、蜂螫意外，這兩種是目前主要跟生物病原相關的災難通報是件，

至於傳染病通報因為目前由疾病管制數的傳染病通報系統負責，因此實際運作上，

沒有通報到緊急醫療管理系統，也不列入後續討論分析。，群眾聚集相關災害則 包含以下三種分類：大型活動、暴力事件、社會矚目事件等。而在 EM-DAT 資料 庫出現的某些災難分類，因外台灣極為罕見或不曾發生，因此沒有列入後續討論 分析[26]。

第三節 研究區域劃分

各縣市之區域分類則劃分為六區：北區(桃園市、新竹市、新竹縣、苗栗縣)、

中區(臺中市、彰化縣、南投縣)、南區(雲林縣、嘉義市、嘉義縣、臺南市)、東區 (花蓮縣、臺東縣)、台北區(臺北市、新北市、基隆市、宜蘭縣、金門縣、連江縣)，

以及高屏區(高雄市、屏東縣、澎湖縣)。除地理位置之區分外，各縣市依據內政 部區分之都會屬性[27]，可歸屬於大都會區(台北基隆大都會區(台北市、新北市以 及基隆市)、桃園中壢大都會區(桃園市)、台中彰化大都會區(臺中市以及彰化縣)、

台南大都會區，以及高雄大都會區)、次都會區(新竹次都會區與嘉義次都會區)以 及非都會區三種類型。此區域層級之特性區分有助於評估各區域特質對於好發之 災難性質以及對於醫療資源之需求加以描述與探討。

第四節 災難傷患個案資料收集

大量傷病患及特殊事件之緊急傷病患收治處置資訊包含了傷患檢傷資料(到 院時間（含年月日時分）、到院後醫療檢傷、中文診斷、姓名、性別、電話、地 址、出生年月日、到院方式、身分證字號、到院前救護檢傷（含到院前心跳停止 患者,OHCA）、事故地點、事故原因)，處置情形(動向、場所及時間（含：加護病 房、一般病房、手術房、留觀、轉院、死亡、出院或其他）、病況檢查（第 1-5 天 之狀態：穩定、出院、死亡或其他）、 離院時間（含年月日時分）)，轉診資料 (轉出醫院申請、轉入醫院確認、轉入及轉出時間)等災難個案在個人層級之特性 資料。為保障患者隱私，在提取資料時去除姓名、電話、地址、身分證字號，以 流水號代替去識別化。運用此個人層級資料結合前述地區層級資料有助於對災 難事件以多層級方式進行完整之評析。

第五節 統計分析方法

使用本研究首先將針對歷年個災難事件特性包含災難類別、傷患人數、死亡 人數以及時間趨勢進行基本描述。比較研究期間各種災難類型發生事件數、災難 涉及之傷患數、死亡個案數、危急病患數、住院個案數以及各災難類型事件之平 均傷患數、平均死亡個案數、平均危急病患數以及平均住院個案數，並且以年月 別以及區域別之災難事件發生數與發生率評估台灣各災難事件發生類型之時間 趨勢與地區差異。除對於各災難事件類型以及涉及各案與傷患數評估個別災難 事件特性外，本研究亦不同災難事件類型中之個案特性包含性別、年齡、檢傷分 級、是否為危急病患進行個人層級別之特性分析。對於災難事件中醫療資源之耗

資料中類別變項如性別、縣市別、災難類型等、檢傷級別，以及到院方式等 以百分比表示。連續變項（如平均年齡）則以平均值±標準差表示與描述。研究 亦結合歷年各縣市之性別與年齡分層人口結構對於災難個案發展階層卜瓦松迴 歸分析，將個人層級相關因子與地域層級相關因子同時納入考量，建構台灣歷年 災難事件風險評估模型。

考慮縣市j 中災難事件個案數 Yij，則該災難事件個案數可以卜瓦松分佈描

述

Yij~Poisson(μij) 。 (1) 所觀察之災難事件個案數之期望值為E(Yij)=μij.若以λij 表示該災難事件之發生 力量(或發生率)，若以PYij表示該災難事件個案數所對應之觀察人年，則該災 難事件之期望值即為

μij=PYij X λij 。 (2)

影響該災難事件發生之因素可利用卜瓦松迴歸模式描述與量化如下

log(λij)=αj+βXij+εij ， (3) εij~N(0, σ²)，

其中 Xji 為包含個人層級特質如性別、年齡、以及其災難事件特性如災難類 別。αj 則為縣市j 之特性，表示如下

αj=α0+rZj+cj , (4) cj~ N(0, σc2)，

其中 Z^j 為縣市層級變項，包含區域類型(大都會、次都會、非都會)，以及區域 別(北區、南區、中區、東區、台北區、高屏區)，cj 則包含了區域層級對於災 難個案發生之異質性之描述。

藉由台灣研究期間災難實證資料得到之上述個人層級特性與縣市層級效果 特性之參數估計結果(分別為

β 與 r)，吾人可量化與評估上述不同層級因子對於

第四章 研究結果

第一節 研究期間台灣主要災難事件回顧

針對研究時間內，所有傷患數大於一百人者有 35 起事件主要災難事件(表 4-1)，自然災害共 17 起，包含 13 起颱風、水災 1 起以及地震 3 起，人為/技術 性共 5 起；危害物質 3 起、火災 1 起以及道路交通事故 1 起；群眾聚集 5 起，

皆為大型活動導致；生物災害 8 起，皆為食物中毒。所以主要是以自然災害尤 其颱風引起的傷患數最多，其次是食物中毒。主要因為颱風引起的衝擊範圍往 往是大範圍與跨區域性，很少颱風只會影響到台灣單一縣市，往往是多區域，

甚至全國都受到影響，也因此產生較多的傷患，不過死亡或重傷患者比率較 低，除了莫拉克颱風與蘇迪勒颱風，這兩個令全台震驚的嚴重颱風。自然災害 除了健康衝擊外，對於經濟、農業與民生的衝擊往往更加嚴重，但不在本研究 範疇。危害物質導致的主要災難事件有三起，其中兩起為旗津地區化工溶劑飄 散導致當地居民感到不適，紛紛前往就醫有關，也因此創下極高的傷患數，但 慶幸經急診評估處理即可出院返家，也與高雄旗津地區緊臨高雄港與化工原料 運送與加工有關，有地緣關係。

以死亡數大於十人者計有 7 起事件(表 4-2)，包含自然災害兩起，皆為颱 風(2009 年莫拉克颱風、2015 蘇迪勒颱風)，人為技術性災難五起，火災兩起、

空難一起以及危害物質一起。可以發現，雖然颱風與食物中毒可能導致數量眾 多的傷患產生，但是要導致患者死亡比率卻遠低於人為技術性災難，例如高雄

氣爆事件，340 名傷患中有 16 名患者死亡，或是交通相關事故，皆有較高比率 的死亡與重症，在後面分析中可以更加凸顯出不同類型災難帶來不同的健康衝 擊。

表 4- 1 傷患數大於百人的主要災難事件(依傷患數排序)

災難名稱簡述 通報傷患數 死亡人數 發生時間 災難類別 災難次類別

莫拉克颱風 6316 46 2009/8 自然災害 颱風

台灣梅姬風災 2431 4 2016/9 自然災害 颱風

蘇迪勒風災 2017 10 2015/8 自然災害 颱風

莫蘭蒂風災 1287 5 2016/9 自然災害 颱風

高雄市旗津區民眾吸入 化學樹脂液

1271 0 2014/8 人為/技術性 危害物質

杜鵑風災 996 6 2015/9 自然災害 颱風

凡那比颱風 713 4 2010/9 自然災害 颱風

0206 地震 562 9 2016/2 自然災害 地震

2010 臺北國際花卉博 覽會

555 2 2011/4 群眾聚集 大型活動

尼伯特風災 546 4 2016/7 自然災害 颱風

0627 八仙樂園粉塵暴 燃事件

529 11 2015/6 人為/技術性 火災

蘇力風災 468 3 2013/7 自然災害 颱風

金門縣食物中毒 410 0 2016/11 生物災害 食物中毒

蘇拉風災 342 3 2012/7 自然災害 颱風

高雄市凱旋二路與二聖 路石化氣爆事件

340 16 2014/8 人為/技術性 危害物質

臺北市反服貿抗議事件 群眾聚集

310 0 2014/3 群眾聚集 大型活動

高雄市旗津區風車公園 異味飄散危害物質

285 0 2016/4 人為/技術性 危害物質

台南市南區學校群體食 物中毒生物病原/傳染 病/食物中毒

210 0 2012/3 生物災害 食物中毒

610 水災 201 5 2012/6 自然災害 水災

990304 高雄縣甲仙鄉 地震

191 0 2010/3 自然災害 地震

高雄市新北市學生畢旅 於屏東龍子泉餐廳用餐 後疑似食物中毒事件

164 0 2015/3 生物災害 食物中毒

梅姬颱風 158 1 2010/10 自然災害 颱風

屏東縣南榮國中疑似食 用營養午餐食物中毒

158 0 2013/4 生物災害 食物中毒

鼎金保安宮疑似食物中 毒事件

147 0 2009/4 生物災害 食物中毒

恆春鎮食物中毒 136 0 2010/9 生物災害 食物中毒

麥德姆風災 131 0 2014/7 自然災害 颱風

彰化縣鹿港鎮 2012 台 灣燈會

127 0 2012/1 群眾聚集 大型活動

南投縣仁愛鄉 6.3 規模 地震

125 2 2013/6 自然災害 地震

1000427 阿里山小火車 翻覆

122 5 2011/4 人為/技術性 道路交通事

故

康芮風災 119 1 2013/8 自然災害 颱風

2009 年臺北聽障奧運 116 0 2009/8 群眾聚集 大型活動

泰利風災 110 2 2012/6 自然災害 颱風

高雄市岡山區岡燕路保 五總隊疑似食物中毒

103 0 2014/4 生物災害 食物中毒

台東縣 105 年全中、全 大運

102 0 2016/4 群眾聚集 大型活動

苗栗縣仁德醫專疑似食 物中毒事件

101 0 2012/11 生物災害 食物中毒

表 4- 2 死亡數大於十人的主要災難事件(依死亡數排序)

災難名稱簡述 通報傷患數 死亡人數 發生時間 災難類別 災難次類別

莫拉克颱風 6316 46 2009/8/5 自然災害 颱風

高雄市凱旋二路與二聖 路石化氣爆事件

340 16 2014/8/1 人為/技術性 危害物質

新竹縣竹 60 線 13K 車 禍陸地交通事故、車禍

23 13 2012/12/9 人為/技術性 道路交通事

故 台南市新營醫院北門分

院火災

74 12 2012/10/23 人為/技術性 火災

0627 八仙樂園粉塵暴 燃事件

529 11 2015/6/27 人為/技術性 火災

台灣蘇迪勒風災 2017 10 2015/8/6 自然災害 颱風

台北市復興航空墜機事 件

27 10 2015/2/4 人為/技術性 空難

第二節 研究期間災難事件特性分佈

研究時間自 2009 至 2016 年，本台灣災難登錄資料庫中涵蓋了 902 件災 難事件，總傷患人數為 34949 人，平均每件災難事件之傷患人數為 39 人；

總死亡人數為 477 人，平均死亡人數為 0.53 人；危急個案數為 1221 人，平 均危急個案數為 1.35 人；總住院個案數為 3610 人，平均住院個案數為 4 人。表 4-1 為各台灣於研究期間災難事件以及四類別災難事件特性之整理。

以生物災害、群眾聚集相關災害、自然災害，以及人為/技術性災害作 為災難事件類別區分，其中 308 件(34.2%)屬於生物災害、82 件(9.1%)屬於群 眾聚集相關災害、52 件(5.8%)為自然災害，406 件(81.0%)屬於人為/技術性災 害。前述四類災害中，涉及之總傷患人數分別為 6364 人(18.2%)、2857 人 (8.2%)、17372 人(49.7%)，以及 8356 人(23.9%)；對應之每件災難事件平均傷 患人數分別為 21 人、35 人、334 人，以及 18 人。四類事件之死亡個案(平 均死亡個案數)則分別為 3(0.01)人、17(0.21)人、116(2.23)人，以及 341(0.74) 人。 由上述四分類之災難類特性描述結果顯示，台灣發生最為頻繁者為人 為/技術性災難(51%)，生物災害次之(34.2%)。自然災害發生之頻次雖最低 (5.8%)，但其所造成之傷患人數以及醫療需求相對強烈；除傷患人數最多外 (17372 人，49.7%)，類似之情形亦可見於災難事件造成之危急病患以及須住 院病患。人為/技術性災害亦造成相當程度之醫療負擔需求，其危急病患佔 66.2%(808 人)，為四類災難事件中最高者，所需住院總人數為 1145 人

(31.7%)，僅次於自然災害。

災難事件之時間(年；年月別)分佈趨勢則圖示於圖 4-1(a)與(b)。自 2009 至 2016 年間，每月發生災難事件中位數為 9 件(IQR: 6)。災難事件類型以生 物災害以及人為/技術性災害為多。自然災害較常發生於夏季，其細分類別 以颱風(共 29 件，55.8%)、水患(共 13 件，25.0%)為主。各區域別(北區、中 區、南區、東區、台北區，以及高屏區)之災難事件年月別趨勢分佈則分別 呈現於圖 4-2。各地區由於區域特性互異，發生之災難事件數以及種類亦有 所不同。北區、中區、南區、東區、台北區、高屏區之月平均災難事件發生 次數分別為 2.0、1.8、1.6、1.4、2.3、3.3 次。北區、台北區、中區、南區 之災難事件以人為/技術性災難為主(73.3%、63.8%、52.6%)；東區與高屏區 之生物災害相對較多(24.6%、63.8%)。東區之自然災難事件亦相對較多 (18.5%)。

表 4- 3 研究期間災難事件特性

合計 生物災害 群眾聚集相

關災害 自然災害 人為/技術性

災害

平均/

頻次 SD/% 平均/

頻次 SD/% 平均/

頻次 SD/% 平均/

頻次 SD/% 平均/

頻次 SD/%

事件數 902 308 34.2 82 9.1 52 5.8 460 51.0

傷患數 34949 6364 18.2 2857 8.2 17372 49.7 8356 23.9 平均傷患數 39 249 21 34 35 71 334 974 18 67

死亡個案數 477 3 0.6 17 3.6 116 24.3 341 71.5

平均死亡個案數 0.53 2.1 0.01 0.10 0.21 0.72 2.23 6.62 0.74 1.77 危急病患數 1221 13 1.1 48 3.9 352 28.8 808 66.2 平均危急病患數 1.35 5.6 0.04 0.34 0.59 1.22 6.77 18.01 1.76 4.59 住院個案數 3610 308 8.5 107 3.0 2050 56.8 1145 31.7 平均住院個案數 4.00 31.7 1.0 3.7 1.3 1.7 39.4 125.8 2.5 7.2

圖 4- 1 災難事件類型年別與年月別分佈趨勢 (a)

(b)

圖 4- 2 各區域災難事件類型年月別分佈趨勢

圖 4-2 各區域災難事件類型年月別分佈趨勢 (續)