國立臺灣大學公共衛生學院流行病學與預防醫學研究所
博士論文
Institute of Epidemiology and Preventive Medicine College of Public Health
National Taiwan University Doctoral Thesis
台灣族群可歸因於可介入危險因子之疾病負擔
Burden of Disease Attributable to Modifiable Risk Factors in Taiwan Population
羅偉成 Wei-Cheng Lo
指導教授: 林先和 博士 Advisor: Hsien-Ho Lin, Sc.D.
中華民國 107 年 1 月
January 2018
致謝
Dear Prof. Hsien-Ho Lin, thank you for your kindly guidance and advice.
Being an advisor, you are the best one I've ever seen or heard.
Being a scientist, you are the role model for academic and research.
I am truly grateful for your teaching and nurturing.
Dear committees, thank you all for your valuable comments.
Your insights broaden my study vision.
Your suggestions completed my dissertation.
Dear lab members and classmates, thank you for all your assistance in my PhD life.
The joy we've had is the melody that will be always gently humming.
The time we've spent together is the memory that I will cherish forever.
Dear colleagues in CRS, thank you for your inspiring and caring.
All the training equipped me essential skills to do my research.
All the discussion stimulated me to think outside of the box.
Dear dad, mom, and family, thank you for your support and encourage.
You have made all of my successes possible.
You have made all of my dreams come true.
Dear Allison, my lovely wife, thank you for all your thoughtfulness and support.
I can't overcome any challenge and achieve any goal without your love and affection.
I can't survive in struggles and face the frustration without your companionship and encouragement.
Dear Rhysper, my lovely son, thank you for being our baby and brightening our life.
Your smile and laugh makes me forget my worries.
Your coming makes my life more colorful and meaningful.
Dear God, thank you for your wonderful arrangements.
The people I've met made who I am today.
The things I've been through made this journey fruitful.
Thanks everyone.
中文摘要
透過健康介入政策達到有效控制或預防引起慢性疾病的危險因子是促進國人 健康的關鍵，為了擬定合適且正確的健康介入政策，首先必須瞭解各種可預防或 可介入的危險因子對於國家整體的罹病風險或是死亡所佔的角色與重要性。
藉由台灣豐富的健康資料，本研究利用比較性風險評估(Comparative Risk Assessment, CRA)的架構推估及比較多個可預防或可介入危險因子對國人慢性非 傳染病死亡負擔的影響，評估的危險因子包括血壓過高、血糖過高、血脂過高、
肥胖、吸菸、飲酒、嚼檳榔、缺乏運動、PM2.5暴露、高鈉攝取、低蔬果飲食攝取 與慢性 B 型肝炎和 C 型肝炎感染。另一方面，本研究亦透過健康資料的連結，建 立一具族群代表性之研究世代並藉由部分族群可歸因分率(Partial Population Attributable Fraction, PAFp)與因果圓派加權模型(causal pie weighted model)的分析 來評估抽菸、飲酒、糖尿病以及體重過輕等危險因子對台灣結核病疫情的影響。
分析結果顯示血糖過高、吸菸、血壓過高是造成國人死亡負擔最重要的危險因 子，2009 年約有 14,900 名死亡人口與血糖過高有關，其次是吸菸，影響了 13,340 名 死亡人口，而血壓過高，分別貢獻約 6,280 名男性死亡人口以及 4,910 名女性死亡人 口。而評估 PM2.5暴露相關的死亡負擔也發現顯著的地區別差異，說明健康不平等議 題的重要性以及多層次的預防介入計畫的必要性。在結核病負擔的評估上，考量危險 因子的相關性並調整年齡、性別與其他社經地位因子後，部分族群可歸因分率估計 結果發現有 38.2%的結核病發生與吸菸、飲酒、糖尿病以及體重過輕有關，進一步利 用因果圓派加權模型考量這些危險因子的交互作用發現，有 15.8%的結核病發生來 自吸菸與飲酒兩者並存的影響。
本研究提供了危險因子對於國人整體健康影響的量化評估證據，未來可結合 成本效益分析，在資源有限之情形下，幫助衛生健康資源分布的政策依據參考。
另外，本研究結果亦指出未來的疾病預防與健康促進必須有更多的跨部門、跨面 向的合作與規劃，與聯合國提出的永續發展目標一致，強調政策擬定上多元整合 的重要性。
關鍵字：比較性風險評估、族群可歸因分率、疾病負擔、可預防危險因子
英文摘要
Abstract
To facilitate priority-setting in health policymaking and be best to allocate public health resources, we estimated the adult mortality burden attributable to 13 metabolic, lifestyle, infectious, and environmental risk factors in Taiwan. Also, for communicable disease, the impact of modifiable risk factors (tobacco smoking, alcohol use, underweight, and diabetes mellitus) on tuberculosis incidence was estimated individually and jointly.
Taking advantage of the well-established health information system in Taiwan, the comparative risk assessment framework was applied to estimate mortality burden of non-communicable diseases attributable to individual risk factor or risk factor clusters, while a national representative cohort was built up for quantifying the joint impact of these potentially modifiable risk factors on tuberculosis in Taiwan.
We found high blood glucose, tobacco smoking, and high blood pressure are the major risk factors for deaths from non-communicable diseases and injuries among Taiwanese adults. In 2009, high blood glucose accounted for 14,900 deaths (95% UI: 11,850–
17,960). It was followed by tobacco smoking (13,340 deaths, 95% UI: 10,330–16,450), and high blood pressure (11,190 deaths, 95% UI: 8,190–14,190). A large number of years of life would be gained if the 13 modifiable risk factors could be removed or reduced to the optimal level. Also, the substantial geographic variation in PM2.5
attributable mortality fraction was found. The social inequalities in environment and health deserve more attentions. For the burden of tuberculosis incidence, the analysis of partial population attributable fraction found that tobacco smoking, alcohol
consumption, underweight, and diabetes mellitus individually contributed 18.5%, 12.7%, 6.7%, and 7.5%, respectively, and jointly accounted for 38.2% (95% CI 19.6%, 54.1%) of TB cases in Taiwan. On the other hand, a significant interactive effect due to tobacco smoking and alcohol consumption was identified by causal pie weighted model;
there are 15.8% of TB cases caused by the interaction between tobacco smoking and alcohol consumption.
Our integrative analysis provides an aerial view of distribution and determinants of population health and helps the country to prepare for the new Sustainable Development Goals. Our findings underline the necessity to intensify the collaborative effort from the communicable and non-communicable health sectors as well as non-health sectors.
Key words: comparative risk assessment, population attributable fraction, burden of disease, risk factors prevention
目錄
口試委員會審定書 ...i
致謝 ...i
中文摘要 ... iii
英文摘要 ... iv
圖目錄 ... viii
表目錄 ... ix
第一章 緒論 ... 1
第一節 研究動機與重要性 ... 1
第二節 重要名詞解釋 ... 2
第二章 文獻探討 ... 5
第一節 全球疾病負擔 ... 5
第二節 比較性風險評估與族群可歸因分率 ... 7
第三節 台灣疾病負擔 ... 11
第四節 危險因子預防與結核病防治 ... 12
第三章 研究目的 ... 13
第四章 材料與方法 ... 14
第一節 研究架構 ... 14
第二節 危險因子的選擇與資料來源 ... 15
第三節 暴露與疾病的定義 ... 17
第四節 相對風險的估計 ... 20
第五節 垃圾死因代碼的再分配 ... 23
第六節 族群可歸因分率 ... 23
第七節 敏感度分析與不確定性估計 ... 27
第五章 結果 ... 29
第一節 慢性非傳染性疾病死亡負擔之比較性風險評估 (2009 年) ... 29
第二節 地區別可歸因於細懸浮微粒(PM2.5)暴露之疾病死亡負擔 (2014 年) ... 43
第三節 可歸因之結核病疾病負擔 ... 49
第六章 討論 ... 57
第一節 台灣族群可歸因疾病負擔分佈情形 ... 57
第二節 全球疾病負擔與台灣疾病負擔 ... 58
第三節 地區別可歸因於細懸浮微粒(PM2.5)暴露之疾病死亡負擔 ... 60
第四節 危險因子介入與結核病控制 ... 62
第五節 慢性非傳染性疾病與慢性傳染性疾病的預防與管理 ... 64
第六節 永續發展目標與世界衛生組織終結結核策略 ... 65
第七節 健康資料的應用與發展 ... 66
第八節 研究優勢與限制 ... 67
第七章 結論與建議 ... 70
第一節 結論 ... 70
第二節 建議 ... 71
參考文獻 ... 74
附錄圖表 ... 88
圖目錄
圖一、比較性風險評估分析架構與流程 ... 14
圖二、疾病別之危險因子族群可歸因分率排序比較 ... 35
圖三、疾病別可歸因於危險因子之死亡人口 ... 36
圖四、疾病別可歸因於危險因子之死亡率 ... 37
圖五、疾病別可歸因於危險因子之生命損失年數 ... 38
圖六、疾病別可歸因於危險因子之生命損失年率 ... 39
圖七、2014 年台灣地區縣市別年平均細懸浮微粒(PM2.5)暴露 ... 44
圖八、縣市別可歸因於細懸浮微粒(PM2.5)暴露之疾病別死亡負擔(2014) ... 45
圖九、縣市別可歸因於細懸浮微粒(PM2.5)暴露之死亡負擔(2014) ... 46
圖十、研究世代追蹤流程圖 ... 51
圖十一、結核病因果圓派加權模型分析結果 ... 55
表目錄
表一、族群可歸因分率方法比較 ... 10
表二、危險因子測量單位，資料來源，理論最小風險暴露分布，與對應之疾病結果 ... 22
表三、年齡別，性別代謝相關危險因子分佈情形 ... 32
表四、年齡別，性別生活型態及感染相關危險因子盛行分布情形 ... 33
表五、2009 年縣市別細懸浮微粒(PM2.5)年平均分布(μg/m3) ... 34
表六、2009 年台灣族群可歸因於危險因子之死亡人口 ... 40
表七、吸菸的族群可歸因分率的敏感度分析 ... 42
表八、縣市別可歸因於細懸浮微粒(PM2.5)暴露之死亡負擔(2014 年) ... 47
表九、敏感度分析，以 2005 年暴露資料評估 2014 年縣市別可歸因於細懸浮微粒(PM2.5) 暴露之死亡負擔 ... 48
表十、研究世代基本人口學變項與危險因子盛行分布 ... 52
表十一、研究世代結核病發生率及基本變項與危險因子相對危險性估計 ... 53
表十二、結核病相關危險因子之部分族群可歸因分率(PAFp) ... 54
表十三、部分族群可歸因分率與因果圓派加權模型推估結果比較 ... 56 表十四、台灣疾病負擔 2009 與全球疾病負擔 2010 其可歸因於危險因子之死亡人口比較59
第一章 緒論
第一節 研究動機與重要性
瞭解造成疾病負擔的原因是促進國人健康的關鍵。在台灣，慢性非傳染性疾病是 造成國人失能以及死亡的主要原因，隨著高齡化的趨勢，可預期未來將導致龐大 的醫療支出及社會負擔。從公共衛生的角度，透過危險因子的介入能有效預防疾 病的發生。因此除了瞭解台灣族群疾病負擔分布情形之外，利用系統性的方法量 化並比較可歸因於可介入危險因子的疾病負擔，對於未來疾病預防的政策擬定與 方向將提供關鍵的評估參考。
另一方面，結核病是台灣族群目前所有傳染病當中最嚴重的一種，每年通報的結 核病確診病例超過萬人，死亡的人數也在千人以上。對於結核病的防治，台灣的 努力不遺餘力，包括個案主動監測(surveillance of case detection)、都治計畫(Directly Observed Treatment, Short Course (DOTS))、接觸者追蹤(contact tracing)、以及潛伏 感染治療(latent TB infection treatment)等措施都有不錯的成效。然而，相較於其他 已發展國家，台灣地區仍然有較高的結核病疾病負擔，除了個案通報檢測以及適 當的治療與追蹤之外，減少暴露於可能增加罹病風險的危險因子或許是未來結核 病防治的關鍵方向之一。然而在決定適當的介入策略之前，必須正確評估這些危 險暴露對國人結核病負擔的影響。
本研究是首次利用台灣本土健康資料以及系統性的方法評估比較台灣族群可歸因 於重要危險因子之疾病負擔，採用全球疾病負擔計畫(Global Burden of Disease, GBD)發展之比較性風險評估(Comparative Risk Assessment, CRA)分析框架，提供整 合性的評估及國際比較。分析成果亦可進一步連結成本效益分析或疾病負擔預測 評估，做為未來衛生施政重要參考。
研究結果提供台灣族群重要危險因子其相關疾病負擔分布情形，期望除了協助衛 生政策的擬定與資源分配之外，亦藉此幫助檢視過去相關危險因子介入措施的成 效，並強調未來疾病防治上跨領域、跨部會的合作重要性。相關的研究結果不僅
能提供予未來全球疾病負擔計畫作為參考，亦期許能成為其他國家在疾病負擔評 估上的重要範例與經驗參考。
第二節 重要名詞解釋
疾病負擔(Burden of Disease)：
是指疾病、傷殘失能與過早死亡對整個族群社會造成的經濟及健康的壓力負擔。
失能調整生命人年(Disability-Adjusted Life Year, DALY)：
是衡量整體疾病負擔的一種估計指標。最初是由世界衛生組織所開發，現在則漸 漸地在公共衛生和健康影響評估等方面變得普遍。失能調整生命人年包括兩個部 分，分別是因失能或殘障導致的結果所損失的健康年數(the Years Lost due to Disability, YLD)以及因過早死亡所損失的生命年數(Years of Life Lost, YLL)。
永續發展目標(Sustainable Development Goals, SDGs)：
2015 年 9 月，聯合國大會基於千禧年發展目標未能達成的部份，發佈了《翻轉我 們的世界：2030 年永續發展方針》。這份方針提出了所有國家都面臨的問題，並 基於積極實踐平等與人權，規畫出 17 項永續發展目標及 169 項追蹤指標，作為未 來 15 年內(2030 年以前)，成員國跨國合作的指導原則。
垃圾死因代碼(garbage code)：
泛指該死因紀錄沒有醫學意義或者過於廣泛而沒有價值。例如，「衰老」、「敗 血症」、「心臟衰竭」等等。
比較性風險評估(Comparative Risk Assessment, CRA)：
以系統性的方法評估單一或多個危險因子暴露對族群健康或疾病負擔的影響。
理論最小風險暴露分佈(theoretical minimum-risk exposure distribution, TMRED)：
代表過去流行病學研究指出該危險暴露分佈對族群有最小的罹病風險，舉例來說，
吸菸的最低風險暴露分佈就是族群當中所有人終其一生都是不吸菸者，而對體重 過重、肥胖來說，則是整個族群的 BMI 分佈處於最理想的分佈(約略是平均值 21 kg/m2，標準差 1 kg/m2的分佈)。
族群可歸因分率(Population Attributable Fraction, PAF)：
在一個族群當中，當危險因子的暴露從目前的盛行狀況變成反事實的假設分布時，
可以避免多少比例的疾病發生或死亡。
總合資料(aggregate data)：
總合資料是從多個測量數據中合併而來，在各群體之下，針對某一個變項去計算 每個群體的統計量，實務上最常計算的統計量為平均數。
部分族群可歸因分率(partial population attributable fraction, PAFp)：
是一種推估族群可歸因分率的方法，可以考量危險因子之間的共同分佈與相關性，
並且校正背景不可介入危險因子，例如: 年齡、家族病史等，推估單個或多個危險 因子的族群可歸因分率。
因果圓派加權模型(causal pie weighted model)：
利用個別資料計算不同危險因子暴露分層下的族群可歸因分率，進而解構多個危 險因子在疾病發展的過程中，潛在的成分因素(component cause)組合及其相對應之 因果圓派權重(causal-pie weights, CPW)
國民健康訪問調查(National Health Interview Survey, NHIS)：
係由衛生福利部國民健康署及財團法人國家衛生研究院共同合作執行的全國性健 康調查，目的是監測國民健康現況與長期變化趨勢，以提供政策訂定與計畫評估 參考，調查範圍涵蓋台灣地區 23 縣市，樣本個案遍及全台 164 個樣本「鄉鎮市區」，
調查內容涵蓋健康狀態、醫療服務利用情形、健康行為等廣泛健康議題。
台灣三高盛行率調查(Taiwanese Survey on Hypertension, Hyperglycemia, and.
Hyperlipidemia, TwHHH)：
為提供高血壓、高血糖及高血脂的防治政策研擬及臨床研究的重要參考資料，國 民健康局委託台灣公共衛生學會執行「台灣地區高血壓、高血糖、高血脂盛行率 調查」，計畫對象選自衛生署國民健康調查完成受檢家戶，依抽樣原則抽樣後，
由訓練並標準化後之收案研究員，以標準化結構性問卷進行基本人口學、危險因 子、疾病史等問卷資料收集，體位測量如腰圍、臀圍及血壓測量。
國民營養變遷調查(Nutrition and Health Survey in Taiwan, NAHSIT)：
係由衛生福利部國民健康署委託中央研究院舉辦的大型營養調查，是監測國民的 飲食營養健康趨勢的重要參考資料。透過以機率抽樣方式抽選民眾，再進行中選 民眾之飲食評估、健康相關問卷訪查以及民眾之身體健康檢查。藉此資料可監測 台灣地區民眾營養健康情形，作為政府擬定飲食營養、健康促進或疾病預防等相
代謝當量(metabolic equivalent, MET)：
是顯示運動強度、估算熱量消耗的簡易指標。是指進行運動時熱量消耗速率與坐 著休息時熱量消耗速率的比值，1 個單位的代謝當量被定義為每公斤體重每分鐘消 耗 3.5 毫升氧氣，大概相當於 1 個人在安靜狀態下坐著，沒有任何活動時，每分鐘 氧氣消耗量。5 個單位的代謝當量的活動表示運動時氧氣的消耗量是安靜狀態時 的 5 倍。代謝當量是用於表示各種活動的相對能量代謝水準，也是除了心率和自 覺運動強度以外的另一種表示運動強度的方法。
吸菸影響率(smoking impact ratio, SIR)：
作為評估族群吸菸累積暴露分布的間接指標，其概念是以不吸菸族群的肺癌死亡 率為基準，透過量化研究族群多出的肺癌死亡率與吸菸族群多出的肺癌死亡率 (excess risk)的比值來代表研究族群吸菸累積盛行暴露。
系統性文獻回顧與統合分析(systematic review and meta-analysis)：
系統性回顧(systematic review) 乃針對研究主題以系統性方式進行文獻回顧，而統 合性分析(meta-analysis) 則以系統性回顧為基礎就已發表文獻進行資料統合分析 (data pooling)。透過標準且嚴謹的程序，系統性回顧與統合分析能提供臨床醫療人 員實證資訊與解決臨床問題的方法。
第二章 文獻探討
第一節 全球疾病負擔
疾病負擔的測量可以提供健康政策的擬定與資源分配有更完整且全面的視角，全 球疾病負擔計畫最早是於 1994 年，由 Christopher J.L. Murray 與 Alan Lopez 所發 起，利用系統性的方法量化全球疾病所造成的死亡與失能負擔[1, 2]。隨著時間的 進展，全球疾病負擔計畫也陸續擴大估計的範圍與改善分析的方法，目前最新版 的全球疾病負擔 2016 的分析結果已經涵括 328 個疾病與傷害以及 84 個危險因子 暴露，橫跨 195 個國家，提供性別，年齡別，與年代別的估計結果[3-7]。
對於疾病負擔的量化測量，全球疾病負擔計畫發展一個綜合性指標，失能調整生 命人年(Disability-Adjusted Life Year, DALY)，綜合評估因罹病所造成的失能負擔 (Years Lost due to Disability, YLD)與死亡負擔(Years of Life Lost, YLL)[4, 8, 9]。全 球疾病負擔計畫透過解構族群當中疾病的盛行分布、嚴重程度的比例、以及相對 應的失能權重就能夠幫助我們量化族群當中因疾病所造成的失能負擔[10]。另一方 面，疾病所造成的死亡負擔，除了死亡人數的計算之外，潛在減少的壽命年數的 估計是在考慮死亡數量的基礎上，以期望壽命為基準，進一步衡量死亡造成的壽 命損失，強調了過早死亡(premature death)對健康的損害。而這些量化的疾病負擔 結果更進一步被評估有多少比例是來自可介入或可預防的危險因子的貢獻，提供 更多元的衛生政策參考。
除了探索了解不同疾病在不同國家或地區所造成的健康負擔以及量化不同危險因 子對於疾病負擔的影響之外，全球疾病負擔研究也結合永續發展目標(Sustainable Development Goals, SDGs)，探討全球永續發展目標當中健康相關的指標其現況與 未來發展。永續發展目標是為了延續並擴展千禧年發展目標(The Millennium Development Goals, MDGs) 未能達成的部份，揭櫫所有國家都可能面臨的問題，
提出了 17 項永續發展目標及 169 項追蹤指標，試圖改變過往以經濟發展為導向和 考量的思維，同時兼顧了「經濟成長」、「社會進步」與「環境保護」等三大面 向，做為 2030 年之前各國的努力目標以及跨國合作的指導原則[11]。世界衛生組
的指標，用來評估衡量與健康狀態相關的表現。基於過去全球疾病負擔計畫在疾 病負擔評估的經驗與成果，全球疾病負擔 2016 亦進一步針對全球 188 個國家評估 37 項健康相關的永續發展指標以及建立一整合指標(the health- related SDG index)，
觀察這些國家從 1990 到 2015 的趨勢變化，並預測未來的發展[12, 13]。透過這些 指標估計，除了可以幫助各個國家了解現況及未來趨勢，擬定策略與介入政策，
達成永續發展目標之外，這同時也凸顯疾病負擔評估在全球衛生與健康促進上的 應用價值。
藉著運用現存之流行病學資料，全球疾病負擔計劃透過了系統性的評估方法，針 對各個國家、地區提供穩定且可比較的疾病負擔評估結果，然而這些國家層級的 估計資料可能會有品質不佳、甚至會有所限制或缺乏的情況。當資料品質不佳時，
例如在死因分析上，死亡原因經常會被錯誤歸因於「器官衰竭」或是「心跳停止」
這類的垃圾死因(garbage code)，全球疾病負擔計劃團隊會利用統計模型將垃圾死 因代碼再分配(garbage code redistribution)，以避免低估真實的死亡負擔。又或者當 單一國家或地區的資料無法取得或缺乏時，全球疾病負擔計劃團隊會利用貝氏統 合回歸分析(Bayesian meta-regression)的方法來估計缺漏的資料，他們將全球 195 個國家劃分成 7 個主要區域以及 21 個次要區域，當單一國家的資料有所缺漏時，
會利用在同一個次要區域的其他國家來協助推估，而當次要區域的資料有所缺漏 時，會利用其主要區域的結果來協助推估[4, 8, 9, 14]。雖然這樣的方法對於全球的 疾病負擔估計可以提供穩定且可比較的結果，但假若模型假設與現實情形有所落 差時，對於單一國家來說，就可能產生偏差的估計。因此世界衛生組織總幹事陳 馮富珍博士(Dr. Margaret Chan, Director-General of WHO)曾說過：「我們不能忘記 真正的需要是彌平資料的缺口，特別是中低收入國家，因此我們不能過度仰賴統 計模型對疾病負擔的推估，應當更強調國家健康資料系統的建立，特別是出生與 死亡登錄系統的建立」[15]。
過去在全球疾病負擔計劃中，對台灣的估計結果也曾經出現與現實狀況有所落差 的情況[16]，全球疾病負擔計劃 2013 指出因燃煤所引起的室內空氣污染是造成台 灣族群疾病負擔的重要危險因子之一(在所有危險因子當中排名第六)[17]，然而事
關文獻與資料的情況下，便利用同一區域內的鄰近國家的資料來協助推估，在全 球疾病負擔計劃的定義下，台灣與中國大陸、北韓同屬一個區域，因此台灣地區 所缺乏的資料就會受到中國大陸與北韓的影響，而這兩個國家確實有較嚴重的室 內空氣污染情形。另外，台灣族群因腦中風所導致的失能調整人年的損失，在全 球疾病負擔計劃 2010 的評估也顯著高於我們團隊的估計結果 (306,413 DALYs v.s.
216,462 DALYs)[19]。
這表示全球疾病負擔計劃在資料受限或缺乏文獻時，對於單一國家資料的推估，
若過度依賴鄰近國家或地區的資料就可能得到錯誤的估計。因此，有效利用政府 或非政府單位所收集的健康資料評估單一國家的疾病負擔程度是必要的，許多國 家也陸續利用自己所收集且具有族群代表性的健康資料進行國家層級、甚至地區 層級的疾病負擔分析計畫，包括澳洲、紐西蘭、中國、南韓、新加坡、日本等國 家[20-27]。這些國家級疾病負擔報告多數都採用全球疾病負擔計劃所建立之良好 分析框架，並提供可比較的分析結果。台灣擁有品質優良，收集完整的健康資料，
包括具族群代表性的普查訪問資料、全民健康保險資料、死因登錄資料、環境監 測資料、以及長期追蹤的世代研究資料。這些資料能幫助評估台灣族群疾病負擔 分布，釐清危險因子暴露對國人健康所扮演的角色，協助正確的資源運用以及適 當的政策擬定。
第二節 比較性風險評估與族群可歸因分率
除了評估全球因疾病所造成的失能與死亡負擔之外，全球疾病負擔計劃亦建立比 較性風險評估(Comparative Risk Assessment, CRA)分析框架，針對可預防、可介入 的危險因子估計其可歸因之疾病負擔[7, 17, 28]。比較性風險評估的特色包括以下 幾點: 首先，透過反事實(counterfactual)的暴露假設建立(通常是理論最小風險暴露 分佈(theoretical minimum-risk exposure distribution, TMRED))，可協助比較不同危險 因子所導致的疾病負擔程度; 其次，比較性風險評估架構考量多個危險因子與疾病 之間複雜的因果網絡關係，在特定假設條件下，簡化評估多個危險因子所共同引 起的疾病負擔估計的可能性; 另外，比較性風險評估結合失能調整生命人年的推估，
在比較性風險評估分析框架當中，族群可歸因分率(population attributable fraction, PAF)的推估是分析的核心與重點[7, 17, 28]，它代表的意義是在一個族群當中，當 危險因子的暴露從目前的盛行狀況變成反事實的假設分布時，減少了多少比例的 疾病發生或死亡，這也表示有多少比例的疾病發生或死亡可以被歸因於這個危險 因子的暴露[29-31]。舉例來說，假若台灣吸菸盛行率從目前的 35%變成 0%，將有 60%的肺癌死亡人口可以被避免，那麼吸菸對於肺癌的族群可歸因分率就等於 60%。
族群可歸因分率於 1953 年，由 Levin 首次提出，作為一個整合性量化指標，族群 可歸因分率的計算是建立於三個重要假設之下，包括 1). 危險暴露與疾病之間因果 關係確立; 2). 危險暴露可以從目前的暴露分布轉變為反事實的假設分布; 3). 對危 險暴露的介入，不會改變其他危險因子的分布，在這三個假設前提下，以二元變 項危險因子為例，我們可以利用下列方程式估計族群可歸因分率：
𝑃𝐴𝐹 = 𝑃(𝐸)(𝑅𝑅 − 1) 1 + 𝑃(𝐸)(𝑅𝑅 − 1)
RR 是指在危險暴露下的相對風險值，P(E)是指危險因子目前真實的盛行率分布。
因此，相對風險值(RR)與危險因子盛行率(P(E))決定了族群可歸因分率的大小，相 較於高度相對風險值但盛行率低的危險因子，一個具有中度相對風險值且高度盛 行的危險因子，可能對於整個族群的疾病負擔有很大的影響。同時考量危險暴露 與疾病的關係強度以及危險因子的盛行暴露，利用文獻或健康資料得到的總合資 料(aggregate data)來估計族群可歸因分率，能夠協助評估危險暴露對整體族群的貢 獻，並提供危險暴露間比較基準。
此外，疾病的成因往往是多因性的，當我們想了解多個危險因子的共同效應(joint effect)時，危險因子的關聯性增加了估計多重危險因子共同族群可歸因分率的難度。
目前全球疾病負擔計劃的比較性風險評估方法在評估多重危險因子的效應時，並 未完整考量危險因子之間的相關性，僅針對心血管代謝以及飲食相關危險因子，
處理中介效應(mediation effect)的影響後，評估多重危險因子所共同造成的心血管 疾病負擔[7, 17, 28]。當危險暴露之間存在複雜的關係時，例如抽煙與飲酒的正相
關性、營養不良與糖尿病的負相關性或與背景不可改變危險因子有相關性時，未 考量危險因子之間的相關性與共同分布，就可能造成偏差的估計。Dr. Spiegelman 提出部分族群可歸因分率(partial population attributable fraction, PAFp)，嘗試在考量 危險因子的共同分布與相關性以及不可改變危險因子的影響(例如年齡性別家族史) 下，評估單個或多個危險因子的貢獻[32]。
𝑃𝐴𝐹𝑝 =∑𝑆𝑠=1∑𝑇𝑡=1𝑃𝑠𝑡𝑅𝑅1𝑠𝑅𝑅2𝑡− ∑𝑆𝑠=1∑𝑇𝑡=1𝑃𝑠𝑡𝑅𝑅2𝑡
∑𝑆𝑠=1∑𝑇𝑡=1𝑃𝑠𝑡𝑅𝑅1𝑠𝑅𝑅2𝑡
t 代表不可改變的背景危險因子(t= 1,…, T)，RR2t代表危險因子在 t 層級的相對風
險值(RR2,1 =1)，而 s 是指可預防或可介入的危險因子(s= 1,…, S)，RR2s代表危險因 子在 s 層級的相對風險值(RR1,1 =1)，Pst代表危險因子的共同分布。利用世代資料，
可以適當估計危險因子的共同盛行分布以及不同危險因子組合下的相對危險性結 果，計算多個危險因子對疾病負擔的共同效應，提供衛生介入政策更多元的評估 參考。
另一方面，全球疾病負擔計劃對於其他危險因子與疾病，是假設危險因子彼此獨 立的前提下，利用下列公式計算多個危險因子對疾病負擔的共同貢獻[7, 17, 28]。
𝑃𝐴𝐹𝑚 = 1 − ∏(1 − 𝑃𝐴𝐹𝑖)
𝑚
𝑖=1
PAFi表示不同危險因子的族群可歸因分率估計，PAFm代表多重危險因子的合併影 響。然而，當危險因子彼此相關或者存在中介效應或修飾作用(effect modification) 時，過度簡化地假設危險因子彼此獨立就可能得到錯誤的估計。因此，當我們想 要進一步了解同一個疾病下，多個危險因子其獨立(independent)或相依
(interdependent)的貢獻情形時，在目前全球疾病負擔計劃的比較性風險評估框架下，
單純的族群可歸因分率估計可能就無法回答危險因子之間複雜的交互作用，倘若 任意運算不同危險因子的族群可歸因分率就會造成錯誤的解讀。為了明確觀察在
果圓派加權模型(causal pie weighted model)，利用因果圓派理論，解構多個危險因 子在疾病發展的過程中，潛在的成分因素(component cause)組合及其相對應之因果 圓派權重(causal-pie weights, CPW)[33, 34]。在單調性假設下(monotonicity assumption)，透過因果圓派加權模型，危險因子之間的複雜交互作用關係可以清楚 的被解讀，亦可透過直接的加法運算，評估多個危險因子的合併影響。我們進一 步比較三個方法的優勢與限制 (表一)，發現傳統的族群可歸因分率的計算在比較 性風險評估的架構下，利用文獻或健康資料取得的總合資料，可以有效率的幫助 我們同時評比多個危險因子單獨所造成的疾病負擔情形，但是若想要觀察多個危 險因子對單一疾病的合併貢獻以及彼此複雜的交互作用關係，可能就需要利用個 別資料搭配部分族群可歸因分率或是因果圓派加權模型等方法來進行推估。
表一、族群可歸因分率方法比較
族群可歸因分率 (PAF in CRA)
部分族群可歸因分率 (PAFp)
因果圓派加權模型 (CPW)
PAF 共同假設 (PAF assumptions)
1. 暴露與疾病的因果關係確立
2. 危險暴露可以從目前的暴露分布轉變為反事實的假設分布 3. 危險暴露的介入，不會改變其他危險因子的分布
模型重要假設
(Key model assumptions)
假設危險因子獨立
(Risk factors are independent and uncorrelated)
危險暴露與背景危險因 子沒有交互作用關係 (No interaction of the index exposure with the background risk factors) 非保護性因子
(Non-negative effect)
單調性假設 (Monotonicity assumption) 非保護性因子 (Non-negative effect)
資料型態 (Data input)
總合資料 (Aggregate data)
個別資料 (Individual data)
個別資料 (Individual data) 多重危險因子合併效應
(Joint effect)
假設危險因子獨立，以乘積 性風險模型估計
(multiplicative risk model) 針對心血管代謝以及飲食相 關危險因子，處理中介效果 (mediation effect)的影響
考量危險因子相關性及 聯合分佈
(correlation and joint distribution)
可估計並觀察累加性交 互作用
(additive scale)
限制 (Limitation)
沒有完整考量危險因子之間 的相關性(correlation) 無法觀察危險因子之間的交 互作用(interaction)
無法觀察危險因子之間 的累加性交互作用 (additive interaction) 無法觀察保護性因子
統計檢定力可能不足以 觀察到真實的狀況 (power may be insufficient to detect interaction)
無法觀察保護性因子
第三節 台灣疾病負擔
慢性非傳染性疾病是近年來造成台灣族群疾病負擔的主要來源，根據統計處死因 統計報告，2016 年有超過 117,747 的人死於慢性非傳染性疾病，約佔總死亡人口 的 68.3%，包括 47,760 人死於惡性腫瘤、20,812 人死於心臟疾病、11,846 人死於 腦血管疾病、9,960 人死於糖尿病、6,787 人死於慢性下呼吸道疾病、5,881 人死於 高血壓性疾病、5,226 人死於腎炎、腎病症候群及腎病變、以及 4,738 人死於慢性 肝病及肝硬化[35]，而目前常規的死因統計報告卻提供有限的訊息來幫助政策的擬 定與資源分配。回顧台灣疾病負擔相關研究，過去研究曾利用死因登錄資料與全 民健保住院資料檔評估台灣疾病負擔情形，結果顯示，2009 年全台灣總失能調整 人年(DALYs)為 2,302,181 人年 [36, 37]。然而，僅採用全民健保住院檔分析失能 損失人年(YLD)可能得到低估的結果。另外，以醫療支出費用作為傷病失能權數的 基準也可能無法真實反映健康損失與生活品質的影響。
此外，另一研究團隊參考 WHO 全球疾病負擔估計(Global Health Estimates, GHE) 報告分析架構，針對台灣數個重要非傳染性疾病(包括糖尿病、心血管疾病、呼吸 道疾病、腎臟病、肺癌) 推估失能調整人年與健康平均餘命，分析結果發現四項主 要非傳染病總失能調整人年為 1,654,540 人年 (YLL: 1,222,185 人年; YLD: 432,315 人年)。[38-40]。而來自成大研究團隊的研究計畫亦嘗試利用不同的方法評估國人 健康餘命(Health Life Expectancy, HALE)並解構族群差距，成果報告指出，2013 年 台灣男性零歲健康餘命為 67.38 歲、女性零歲健康餘命為 69.61 歲[41]。這些文獻 與研究報告利用了各種不同面向的健康量化指標來評估國人疾病負擔情形，但是 針對危險因子暴露所引起的疾病負擔的分析仍有所不足。
在缺乏有效的治療方法之下，避免風險暴露來預防疾病的發生就成為減輕族群疾 病負擔的關鍵，為了提出以證據導向(evidence-based)為基礎的衛生政策規劃，我們 必須評估台灣族群可歸因於可介入危險因子的疾病負擔分佈情形。過去也有許多 文獻嘗試評估台灣族群有多少比例的疾病負擔可以被歸因於可預防、可介入的危 險因子，例如，慢性 B 型肝炎與 C 型肝炎造成的慢性肝病與肝癌負擔，吸菸、飲
單一危險因子的貢獻，仍然缺乏全面性的考量、評比多個危險因子對族群所造成 的疾病負擔。
第四節 危險因子預防與結核病防治
對於台灣族群來說，結核病是所有傳染病當中最嚴重的一種，台灣 2016 年結核病 新案數 10,328 人(每十萬人口 43.9 人)，死亡數 547 人(每十萬人口 2.3 人)[47]。儘 管過去十年來台灣結核病防治有成，在「十年減半」的目標下，個案主動監測、
都治計畫、接觸者追蹤、以及潛伏結核感染治療等抗癆政策的實施都取得明顯的 成效，結核病發生率從 2005 年的每十萬人口 72.5 降低至 2015 年的每十萬人口 45.7，
而這樣的比例相較於其他已開發國家仍然太高，日本結核病發生率就只有台灣的 三分之一，因此結核病防治仍有進步空間[48, 49]。就發生率的趨勢來看，台灣結 核防治即將進入停滯期，需要新的方向來突破瓶頸，因此危險因子的介入與預防 將成為抗癆策略新的選擇與重點。過去研究指出，結核病的發生有很高比例與危 險因子的暴露有關，根據高結核負擔的國家資料顯示，有 27%的結核病發生可歸 因於營養不良，21%可歸因於吸菸，16%可歸因於 HIV，13%可歸因於飲酒，10%
可歸因於糖尿病，22%是來自室內空氣污染的貢獻[50]。而對台灣族群來說，吸菸，
飲酒，糖尿病，體重過輕是造成結核感染的可能重要危險因子，在規劃危險因子 的介入與預防時，必須要了解其可能的潛在效益，特別是多個危險因子的共同影 響，因此利用健康資料評估可歸因於單一或多個危險因子暴露的結核病負擔將作 為台灣結核防治策略的重要參考。
第三章 研究目的
為了協助衛生政策的擬定以及適當資源分配，透過全面性的評估台灣族群可歸因 於可介入危險因子的疾病負擔，除了提供可與國際比較的結果之外，亦給予疾病 防治策略上新的方向。
因此本研究有下列三點主要目的：
1). 針對慢性非傳染性疾病，本研究選擇十三個代謝、生活型態、感染、環境相關 危險因子，評估台灣成人族群(大於 30 歲)可歸因之死亡負擔分布情形。
2). 對於細懸浮微粒(PM2.5)空氣污染暴露，本研究探討地方縣市層級可歸因之死亡 負擔並觀察是否存在地理分布差異。
3). 針對慢性傳染性疾病，本研究探討抽菸、飲酒、糖尿病以及體重過輕等危險因 子對台灣結核病疫情的影響。
第四章 材料與方法
第一節 研究架構
本研究分析針對台灣重要慢性非傳染性疾病以及結核病，探討可歸因於危險因子 的負擔比例，首先可歸因的慢性非傳染性疾病死亡負擔部分，分析架構以全球疾 病負擔計劃所建立之比較性風險評估框架為基礎，評比台灣族群 2009 年可歸因於 重要危險因子的慢性非傳染性疾病死亡負擔，如圖一所示，我們利用台灣具全國 代表性的健康普查資料評估危險因子盛行暴露，並合併文獻回顧所取得之相對風 險計算各危險因子-疾病組合之族群可歸因分率，並利用死因登錄資料計算不同死 因人數及其生命損失年數，乘上對應之族群可歸因分率後，得到可歸因於各危險 因子之死亡負擔。除了細懸浮微粒(PM2.5)空氣污染之外，所有的分析會以全國盛 行資料為基準，依性別、年齡別來進行。此外，在相同分析架構下，本研究另針 對細懸浮微粒(PM2.5)空氣污染暴露，評估 2014 年台灣在全國以及地方縣市層級可 歸因之疾病死亡負擔，以觀察近年細懸浮微粒(PM2.5)污染對國人的健康威脅情形，
並瞭解是否存在地理分布差異。
圖一、比較性風險評估分析架構與流程
*: 國民健康訪問調查(National Health Interview Survey, NHIS)、台灣三高盛行率調查 (Taiwanese Survey on Hypertension, Hyperglycemia, and. Hyperlipidemia, Tw3H)、國民營養 變遷調查(Nutrition and Health Survey in Taiwan, NAHSIT)、台灣空氣品質監測網絡(Taiwan Air Quality Monitoring Network, TAQMN)
死亡率/死亡人口估計 資料來源(死因登錄檔)
疾病別死亡率 /死亡人口估計
可歸因疾病別死亡率 /死亡人口估計 相對風險估計
資料來源(文獻回顧)
危險因子盛行暴露估計 資料來源(健康訪問調查)*
族群可歸因分率估計
另一方面，為了正確評估多個危險因子對結核病負擔的共同影響，特別是當這些 危險因子彼此之間可能存在複雜的關聯性或修飾作用，我們利用具全國代表性的 國民健康訪問調查 2001、2005、2009 的資料連結疾病管制署結核病通報資料檔、
全民健康保險資料及死因登錄資料建立一追蹤世代，並使用部分族群可歸因分率 以及因果圓派加權模型估計可歸因於單一危險因子或多個危險因子之結核病疾病 負擔。
第二節 危險因子的選擇與資料來源 一、危險因子的選擇
危險因子的選擇條件必須符合下列標準：1). 危險因子與疾病之間的因果關係必須 有過去具良好設計以及良好品質的文獻證明。2). 危險因子的暴露是可透過預防介 入手段而改變的。3). 這些危險因子是造成族群重要疾病的原因之一。4). 危險因 子的盛行暴露可藉由具國家代表性的調查資料所取得[51]。針對慢性非遺傳性疾病，
本研究根據台灣主要死因統計分布資料，選擇了 13 個重要的可介入危險因子，包 括代謝相關危險因子(血壓過高、血糖過高、血脂過高、以及肥胖)、生活習慣危險 因子(吸菸、飲酒、嚼食檳榔、缺乏運動)、飲食相關危險因子(高鈉攝取、低蔬果 攝取)、感染相關危險因子(慢性 B 型肝炎、慢性 C 型肝炎)、以及環境危險因子(細 懸浮微粒暴露 PM2.5)。而在結核病方面，考量台灣族群特性以及資料品質，本研究 將評估吸菸、飲酒、體重過輕(BMI<18.5)、糖尿病對台灣族群結核病負擔的影響。
除了估計單一危險因子的貢獻之外，也估計多個危險因子的合併效應。
二、資料來源
非環境危險因子盛行暴露的分布主要取得自台灣重要的全國性健康普查資料，包 括有國民健康訪問調查(National Health Interview Survey, NHIS)、台灣三高盛行率 調查(Taiwanese Survey on Hypertension, Hyperglycemia, and. Hyperlipidemia,
TwHHH)、國民營養變遷調查(Nutrition and Health Survey in Taiwan, NAHSIT)。而 細懸浮微粒(PM2.5)暴露的資料是來自於環保署所建立之台灣空氣品質監測網絡。
國民健康訪問調查係由衛生福利部國民健康署及財團法人國家衛生研究院共同合 作執行的全國性健康調查，目的是監測國民健康現況與長期變化趨勢，以提供政 策訂定與計畫評估參考，調查範圍涵蓋台灣地區 23 縣市，樣本個案遍及全台 164 個樣本「鄉鎮市區」，國民健康訪問調查 2009 應訪人數有 30,528 案，完訪率高達 84.0%，樣本的選取採多階段分層系統抽樣設計(Multi-stage stratified systematic sampling design)，各層內採用抽取率與單位大小成比例(Probability Proportional to Size, PPS)，等距抽樣法逐步抽出「鄉鎮市區」、「村里」、「鄰」、「人」。由 於各縣市樣本具有不同的抽取率，因此如欲推估全國或各縣市的數值，必須加權 調整。[52]。調查內容涵蓋健康狀態、醫療服務利用情形、健康行為等廣泛健康議 題。本研究利用樣本個案自答問卷的結果評估台灣族群身體質量指數、飲酒、嚼 食檳榔、運動習慣等生活型態相關危險因子盛行分布。本研究所有分析皆使用全 國樣本的權值來加權估計，以得到具全國代表性的結果。
台灣三高盛行率調查是一個具全國代表性的健康普查資料，研究族群是隨機選取 自國民健康訪問調查 2001 的 6,600 個抽樣樣本家戶，於 2002 年進行高血壓、高 血糖、高血脂(簡稱三高)盛行率調查，以及 2007 年的追蹤調查。本研究將利用 2007 年的調查結果作為評估台灣族群血壓、血糖、血脂盛行分布資料來源。此外，2007 年的追蹤調查也檢驗了受訪者 B 型肝炎、C 型肝炎的感染狀況，藉此評估台灣族 群慢性肝炎盛行率。
另外，國民營養變遷調查是為了監測台灣國民的營養健康狀況，瞭解國人健康和 飲食生活形態的關係，所進行的大型調查研究。調查對象包括 2 個月以上之台灣 地區常住居民，調查抽樣採用分層多段集束取樣法，特色在以縣市分層使數據具 全國代表性以及全縣市代表性。問卷內容主要包括飲食評估調查、營養狀態評估、
營養知識態度、飲食與健康行為。利用 24 小時飲食回憶問卷進行個人飲食評估，
反映台灣民眾的營養或食物攝取狀態。
而細懸浮微粒(PM2.5)暴露的資料是來自於台灣空氣品質監測網絡，由環保署於 1993 年建置而成，包括有 76 個固定式空氣品質測站以及 4 個活動式測站，記錄每 小時空氣品質相關指標，包括 CO, NOx, SO2, PM, and O3[53]。
另一方面，針對結核病可歸因之負擔的估計，本研究利用國民健康訪問調查 2001、
2005、2009 的資料連結疾病管制署結核病通報監測資料、全民健康保險資料、死 亡登錄資料，建立一研究世代，經排除 136 位受訪日期錯誤或曾經有結核病病史 的個案後，共計有 55,577 位研究個案被納入後續分析。
第三節 暴露與疾病的定義 一、暴露的定義
危險因子暴露分布的資料主要來自於台灣重要健康普查資料庫，BMI、缺乏運動、
飲酒、以及嚼食檳榔的資料取自於國民健康訪問調查 2009。代謝相關危險因子(血 壓過高、血糖過高、血脂過高)以及的感染相關危險因子(慢性 B 型肝炎、慢性 C 型肝炎)的盛行分布估計是來自於台灣三高盛行率調查 2007，飲食相關危險因子(高 鈉攝取、低蔬果攝取)的暴露則是利用國民營養變遷調查 2013 的資料，而細懸浮微 粒(PM2.5)暴露的資料是來自於環保署所建立之台灣空氣品質監測網絡。
在國民健康訪問調查 2009 資料庫中，依照運動的類別、頻率、以及時間長度，記 錄了受訪者的運動習慣，為了將不同的運動強度與頻率進行標準化，我們依照受 訪者的運動類別計算其累積代謝當量(metabolic equivalent, MET)作為運動習慣之 相對能量代謝水平，並定義代謝當量介於 3-6 為中等強度運動，代謝當量大於 6 為劇烈強度運動[54, 55]。當每周有大於等於 2.5 小時的中等強度運動或者大於等 於 1 小時的劇烈強度運動則定義為適當運動行為; 而當每周有小於 2.5 小時的中等 強度運動或者小於 1 小時的劇烈強度運動則定義為運動不足; 而若沒有進行任何 中等強度運動或者劇烈強度運動則定義為不運動[56]。
而飲酒習慣方面，國民健康訪問調查 2009 資料庫中記錄了受訪者飲酒的類別與飲
負擔研究以及過去文獻將飲酒行為劃分為四個等級：1). 無飲酒行為：過去一年沒 有喝酒的習慣; 2). 飲酒行為等級一：女性每日酒精攝取累積濃度 0–19.99 克，男性 每日酒精攝取累積濃度 0–39.99 克; 3). 飲酒行為等級二：女性每日酒精攝取累積濃 度 20–39.99 克，男性每日酒精攝取累積濃度 40–59.99 克; 4). 飲酒行為等級三：女 性每日酒精攝取累積濃度大於 40 克，男性每日酒精攝取累積濃度大於 60 克[57, 58]。
嚼食檳榔盛行率則依據受訪者自答有無嚼食檳榔習慣作為估計結果。
在吸菸盛行率評估部分，為了有效評估族群累積暴露的狀況，我們採用吸菸影響 率(smoking impact ratio，SIR)作為族群吸菸盛行分布的指標，其概念是以不吸菸族 群的肺癌死亡率為基準，透過量化研究族群多出的肺癌死亡率與吸菸族群多出的 肺癌死亡率的比值來代表研究族群吸菸累積盛行暴露[59, 60]，我們使用下列公式 計算吸菸影響率(SIR)：
Smoking impact ratio = CLC− NLC
S∗LC− N∗LC × N∗LC NLC
在上列公式中，CLC與 NLC分別表示研究族群中全體族群與不吸菸族群的肺癌死亡 率，S*LC與 N*LC代表參考族群中吸菸族群與不吸菸族群的肺癌死亡率。公式概念 推導如下(P 代表危險因子盛行率，R0是非暴露組的疾病死亡率，R1是暴露組的疾 病死亡率，RR 代表 R1 /R0)：
𝑃 × R1+ (1 − 𝑃) × 𝑅0− 𝑅0 𝑅1− 𝑅0
= 𝑃 × 𝑅𝑅 + (1 − 𝑃) × 1 − 1 𝑅𝑅 − 1
=𝑃(𝑅𝑅 − 1) 𝑅𝑅 − 1 = 𝑃
全體族群的肺癌死亡率是來自死亡登錄資料，我們也利用國民健康訪問調查 2001，
2005 以及公務人員研究世代(Civil Servant cohort)資料連結全國死亡登錄資料建立 一長期追蹤世代作為推估參考族群中吸菸族群與不吸菸族群的肺癌死亡率之依據 [15, 61-63]。但由於男性 80 歲以上以及女性族群其吸菸盛行率較低以及肺癌死亡
人數較少，導致在這些組別的吸菸影響率(SIR)估計較不穩定，因此在這些組別我 們直接使用國民健康訪問調查 2009 的吸菸行為調查結果作為盛行率估計來源。
血壓、血糖、血脂的盛行分布估計是利用台灣三高盛行率調查 2007。依據台灣三 高盛行率調查報告，血壓的測量方法是採坐姿，利用經校準之電子血壓計(Microlife 電子血壓計 BP3AC1-1)來測量，兩次測量取平均值作為紀錄(若兩次測量值相差 10mmHg 以上，則測量第三次)，本研究使用收縮壓的結果作為族群血壓分布。另 外，空腹 12 小時靜脈血液則被收集後用作評估個案血糖，血脂以及 B 型肝炎、C 型肝炎抗原抗體檢驗結果。而國民營養變遷調查中所記錄之 24 小時飲食回憶問卷，
經過資料整理與轉換後，用作估計台灣族群每日鈉攝取，蔬果攝取狀態。
縣市別年平均細懸浮微粒(PM2.5)暴露的資料是來自於台灣空氣品質監測網絡，由 於空氣品質測站的設立是依據人口密度與道路使用情況，而非縣市行政區域依據，
因此，對於有多個測站資料的縣市地區(特別是有多個較高發展程度的都市地區)，
為取得代表大多數居住民眾的暴露程度，我們將採用人口密度超過 10,000 人/每平 方公里的測站資料，整合計算後作為該縣市平均細懸浮微粒(PM2.5)暴露估計，而 對於測站資料有限的縣市地區，則以該縣市都市地區的測站資料做為估計結果[53, 64]。
二、疾病的定義
慢性非傳染性疾病別死因資料是來自於死因登錄檔，相關 ICD-10 定義請見附錄表 一。垃圾死因代碼的再分配是利用多重死因資料並建立多元邏輯斯迴歸分析模型 (Multinomial logistic regression analysis)(細節請參照本章第六節)[65]，另外生命損 失年數(YLL)的估算係採全球疾病負擔研究的生命表(附錄表二)計算各年齡之平均 餘命，乘上年齡別之死亡人口計算生命損失年數[17, 28]。
結核病部分是利用疾病管制署結核病通報資料來估計疾病發生率。在台灣，結核 病是法定傳染病，依傳染病防治法的規定，各醫院不論發現確診或疑似的結核病 人，都必須在一週內通報，以便主管機關掌握疫情。目前臨床上診斷結核病的方
法，除了依據臨床表現與 X 光，主要靠塗片耐酸性染色鏡檢及結核菌培養[66]。而 對於疾病管制署結核病通報資料的完整性評估，過去研究也發現全民健康保險資 料中有 96.3%的結核病病人會被通報至疾病管制署，說明有十分良好的通報完整性 [67]。
第四節 相對風險的估計 一、相對風險
可歸因慢性非傳染病疾病負擔的相對風險資料主要來自於過去全球疾病負擔計劃 和其他比較性風險評估的研究，這些研究利用系統性文獻回顧與統合分析
(systematic review and meta-analysis)的方法來得到整合的相對風險性估計，包括血 壓過高、血糖過高、血脂過高、肥胖、飲酒、缺乏運動、以及飲食相關危險因子[58, 59, 68-73]。而細懸浮微粒(PM2.5)暴露的相對風險是來自全球疾病負擔計劃研究團 隊的估計，研究者同樣利用系統性文獻回顧與統合分析的方法，以非線性關係的 假設推估細懸浮微粒(PM2.5)暴露與相關疾病的死亡風險，並建立相對風險方程式，
此方程式中的理想細懸浮微粒(PM2.5)暴露濃度(相對危險性為 1)是取自目前為止最 大的空汙世代研究(American Cancer Society's Cancer Prevention Study II, CPS II)中 的最低暴露群(信賴區間上下界分別為 5.8 μg/m3 及 8.8 μg/m3)，我們以此當作本研 究在分析族群，可歸因分率時的理想暴露濃度[73](附錄圖一)。此外，由於在本研 究中使用吸菸影響率(SIR)作為族群吸菸盛行分布的指標，其參考族群肺癌死亡率 的推估依據是來自國民健康訪問調查 2001，2005 以及公務人員研究世代的資料，
因此在相對風險的選擇上，我們同樣使用以本土研究世代資料推估的結果，作為 吸菸相對風險值的參考[15, 63]。
而針對台灣族群本土特有的危險因子暴露(嚼食檳榔、慢性 B 型肝炎、慢性 C 型肝 炎)，本研究進行一系統性文獻回顧，選擇以台灣族群為研究對象的高品質大型前 瞻性觀察性研究進行統合分析歸納整合其相對風險資料[63, 74-77]。所有的相對風 險資料，當相對風險值未達統計顯著水準時，我們假設其相對風險值等於 1(RR=1)，
詳細資料請見附錄表三-表九。
二、反事實的暴露分布
對於代謝相關危險因子(血壓過高、血糖過高、血脂過高、以及肥胖)來說，零暴露 是違反了正常生理的表現，因此本研究採用理論最小風險暴露分布(theoretical minimum-risk exposure distribution, TMRED) 作為其反事實的假設分布，其來源依 據是來自過去相關文獻中，該危險因子暴露分布下，有最低的死亡風險結果[78]。
而吸菸、飲酒、嚼食檳榔、以及感染相關危險因子等，則使用零暴露作為其反事 實的假設分布，即使適量飲酒可能降低了罹患心血管疾病的風險[57, 79]。(表二)
三、多重危險因子的共同影響
由於心血管代謝相關危險因子，包括血壓過高、血糖過高、血脂過高、以及肥胖，
經常是彼此相關的關係，甚至在肥胖與心血管疾病的因果關係當中，血壓過高、
血糖過高、血脂過高也扮演了中介因子的角色[80, 81]。此外，從預防介入計劃的 角度來看，針對心血管代謝相關危險因子的介入與改變往往也是密不可分的，透 過促進運動行為改善肥胖，同時可能也會改變個案血壓、血糖、血脂的分佈。因 此，本研究進一步探討多個心血管代謝相關危險因子的合併效應，並考量其相關 性及中介因子關係。根據文獻，肥胖對於心血管疾病的死亡，有 50%是透過血壓、
血糖、血脂的影響，進而影響心血管疾病的風險[80-82]。因此我們利用台灣三高 盛行率調查的個人代謝相關危險因子暴露資料，扣除 50%肥胖的中介效應所引起 的心血管疾病相對風險之後，利用相加尺度(additive scale)計算肥胖、血壓過高、
血糖過高、血脂過高的個人總和相對風險，進一步評估可歸因於多個心血管代謝 相關危險因子的疾病負擔[78, 82]。
&: 理論最小風險暴露分布(theoretical minimum-risk exposure distributions, TMRED)以平均值(標準差)呈現
#: TW3H: 台灣地區血壓過高、血糖過高、血脂過高之追蹤調查研究; NHIS: 國民健康訪問調查; NAHSIT: 台灣營養健康狀況變遷調查 TAQMN: 台灣地區空氣品質監測網
*: 其他心血管疾病 (國際疾病分類標準(ICD-10): I00, I26-I28, I34-I37, I44-I51, I70-I99)
表二、危險因子測量單位，資料來源，理論最小風險暴露分布，與對應之疾病結果
危險因子 暴露單位 理論最小風險暴露分布& 資料來源# 疾病結果
血壓過高 收縮壓 (毫米汞柱) 115 (6) TW3H 2007 缺血性心臟病, 中風, 血壓過高性心臟病, 其他心血管疾病*
血脂過高 總膽固醇 (毫克/分升) 78 (15.6) TW3H 2007 缺血性心臟病, 缺血性中風
血糖過高 空腹血糖值 (毫克/分升) 88.2 (5.4) TW3H 2007 缺血性心臟病, 中風, 糖尿病, 慢性腎臟病
過重/肥胖 身體質量指數 (公斤/平方公尺) 21 (1) NHIS 2009 缺血性心臟病, 缺血性中風, 血壓過高性心臟病; 其他心血管疾
病*; 乳癌, 大腸癌, 腎癌, 糖尿病
鈉攝取量 每日攝取量 (克/天) 0.5 (0.05) NAHSIT 2013 缺血性心臟病, 中風, 血壓過高性心臟病, 其他心血管疾病*
蔬果攝取量 每日攝取量 (克/天) 600 (50) NAHSIT 2013 缺血性心臟病, 缺血性中風; 大腸直腸癌, 胃癌, 肺癌, 口腔癌
食道癌
吸菸 吸菸影響率(SIR) 無抽菸 NHIS 2001, NHIS 2005, 公務人員
研究世代(Civil Servant cohort)
缺血性心臟病, 中風, 其他心血管疾病, 肺癌及其他癌症 (詳見 附錄) 慢性腎臟病, 慢性阻塞性肺病
飲酒 目前飲酒狀態 無飲酒 NHIS 2009 缺血性心臟病, 缺血性中風, 出血性中風, 血壓過高性心臟病,
口腔癌, 食道癌, 乳癌, 肝癌及其他癌症 (詳見附錄); 糖尿病;
慢性肝病; 酗酒; 交通意外事故; 自殺
嚼食檳榔 目前食用檳榔狀態 無食用檳榔 NHIS 2009 口腔癌, 食道癌, 喉癌
缺乏運動 運動強度 高強度運動 NHIS 2009 缺血性心臟病, 缺血性中風, 乳癌, 大腸癌, 糖尿病
室外空氣污染 細懸浮顆粒物 (微克/每立方公尺) 7.5 (0.75) TAQMN 2009 缺血性心臟病, 中風, 肺癌, 慢性阻塞性肺病
B 型肝炎病毒 B 型肝炎表面抗原陽性 無感染 TW3H 2007 肝癌, 慢性肝病及肝硬化
C 型肝炎病毒 C 型肝炎病毒抗體陽性 無感染 TW3H 2007 肝癌, 慢性肝病及肝硬化
第五節 垃圾死因代碼的再分配
為了有效評估台灣族群疾病負擔以及提升可比性，我們利用多重死因登錄資料，
建立多元邏輯斯迴歸分析模型(Multinomial logistic regression analysis)，將垃圾死因 代碼做有效分配。模型中的共變數包括年齡、性別、戶籍地、婚姻狀況、死亡月 份、以及死亡證明書開立之醫療單位層級，資料的四分之三會作為模型訓練組 (training set)，而四分之一作為評估測試組(test set)，以建立適當的預測模型參數。
為了符合實際狀況以及公共衛生之用途，每一個垃圾死因代碼都可能被重新分配 到多個主要死因結果，這同時也適當反映了垃圾死因代碼背後的不確定性
(uncertainty)[65]。根據 WHO 全球死因分布的報告，我們歸納出 13 項垃圾死因代 碼類別，包括敗血症(septicemia), 血容積過少(volume depletion), 界定不明之癌症 部位(ill-defined cancer site), 心衰竭(heart failure), 界定不明之心血管疾病
(ill-defined cardiovascular diseases), 腎衰竭(renal failure), 界定不明之事故傷害 (ill-defined injury), 界定不明之症狀(ill-defined conditions), 以及其他界定不明之死 因代碼(other ill-defined codes)。當中以界定不明之症狀佔台灣族群垃圾死因代碼之 大多數(30.4%)(附錄表十)。模型架構的定義與演算是使用 R 程式語言。
第六節 族群可歸因分率 一、族群可歸因分率
在本研究當中，族群可歸因分率的估計是主要的核心，在可歸因的慢性非傳染性 疾病死亡負擔部分，針對危險暴露的資料型態不同，我們使用兩種不同的廣義方 程式來估計族群可歸因分率[82-84]。對於危險暴露屬於連續變項的類型，例如血 壓、血糖、血脂，我們使用以下方程式：
𝑃𝐴𝐹𝑖𝑗 = ∫ 𝑅𝑅𝑥 𝑖𝑗(𝑥)𝑃𝑖𝑗(𝑥)𝑑𝑥 − ∫ 𝑅𝑅𝑥 𝑖𝑗(𝑥)𝑃′𝑖𝑗(𝑥)𝑑𝑥
∫ 𝑅𝑅𝑥 𝑖𝑗(𝑥)𝑃𝑖𝑗(𝑥)𝑑𝑥
RR(x)是指在暴露程度 x 下的相對風險值，P(x)是指危險因子目前真實的盛行分布，
P’(x)是指危險因子的反事實(理想)分布，i 代表年齡分組的層級，j 代表性別。而
若危險暴露屬於類別變項的類型，例如吸菸、飲酒、嚼食檳榔、缺乏運動，我們 使用以下方程式：
𝑃𝐴𝐹𝑖𝑗 = ∑𝑛𝑘=1𝑃𝑖𝑗𝑘(𝑅𝑅𝑖𝑗𝑘− 1)
∑𝑛𝑘=1𝑃𝑖𝑗𝑘(𝑅𝑅𝑖𝑗𝑘− 1) + 1
i 代表年齡分組的層級，j 代表性別，k 代表危險因子暴露的層級(k= 1,…, n)，RRijk
代表該危險因子 k 層級的相對風險值，Pijk代表該危險因子 k 層級的盛行比例。透 過族群可歸因分率的估計，我們能夠以一個一致且可比較的方式評估危險因子暴 露對族群的效應。而估計所得的族群可歸因分率會乘上相對應疾病別的死亡人口 或生命損失年數，得到可歸因於各危險因子之死亡負擔。所有的計算過程皆依據 年齡別、性別來進行，相同危險因子但不同疾病別的可歸因死亡負擔以及可歸因 生命損失年數加總後作為可歸因於該危險因子的累計疾病負擔。使用的分析軟體 是 STATA (Version 12.0; Stata Corporation)。
二、部分族群可歸因分率
另一方面，針對結核病的疾病負擔，為了正確觀察多重危險因子的共同效應並考 量危險因子之間的聯合分布與相關性，並且在可取得長期追蹤的研究世代資料之 前提下，本研究進一步使用部分族群可歸因分率的方法來估計結核病疫情可歸因 於危險因子暴露的比例[32]。部分族群可歸因分率的公式定義是：
𝑃𝐴𝐹𝑝 =∑𝑆𝑠=1∑𝑇𝑡=1𝑃𝑠𝑡𝑅𝑅1𝑠𝑅𝑅2𝑡− ∑𝑆𝑠=1∑𝑇𝑡=1𝑃𝑠𝑡𝑅𝑅2𝑡
∑𝑆𝑠=1∑𝑇𝑡=1𝑃𝑠𝑡𝑅𝑅1𝑠𝑅𝑅2𝑡
t 代表不可改變的背景危險因子(t= 1,…, T)，RR2t代表危險因子在 t 層級的相對風險
值(RR2,1 =1)，而 s 是指本研究欲探討的可介入危險因子(s= 1,…, S)，RR2s代表危險 因子在 s 層級的相對風險值(RR1,1 =1)，Pst代表危險因子的共同分布。
首先，透過健康資料的連結，我們建立一長期追蹤的研究世代，利用匯總羅吉斯 迴歸模型(pooled logistic regression model)估計各危險因子的相對危險(odds ratio, OR)[85]，並利用 Cox 比例風險模式(Cox proportional hazard model)計算風險比
