淺談病媒管制的經驗與面對抗藥性的新思路

病媒管制，我從來都沒忘卻過曾經親身體驗過的餘思，那字眼對我來說象徵著台灣公共衛生的某種里程碑，是值得紀念的，也是值得傳誦。同時也象徵著一段記憶，就如同每個台灣男人在歷經兵役後，相隔數年仍難以忘懷的歲月。我曾經在大學時研修過病媒管制課程，在我修課那年是必修課，是那課程列為必修的最後一年，因此授課老師彷彿受到使命招喚般的…傾囊相授。

[書評]自願被吃的豬: 100個讓人想破頭的哲學問題

原文書名：The pig that wants to be eaten: and ninety-one other thought experiments

作者：Julian Baggini

譯者：黃煜文

[書評] 失控的撙節 The Body Economic: Why Austerity Kills

這本書出自於兩名公共衛生學界的學者，經過收集、整理長達十多年各國的資料，統整出一個令各國政府都不能忽視的結論：對大眾健康真正的威脅，並非來自於經濟衰退本身，而是緊縮政策。這個結論是根據一種社會科學研究所採用的自然實驗(natural experiment)，這種實驗法並非由研究者施加介入措施於觀察對象，而是採取旁觀式的角度去觀察發生於社會、歷史、環境的事件，對於不同社群的影響。而作者所設定的觀察重點就在於兩種政策所導致的後果：撙節法與振興方案。

誰替我們把關農作物?

幾年前清明掃墓時，在墓地的土丘上發現了一棵奇特又茂盛的樹，大約1.5公尺高，我父親稱呼此樹種為"鹿仔樹"，因為以前台灣養鹿人家經常拿此樹的葉子來作為飼料，其正式的名稱為構樹，是一種多年生喬木。

一些有名望的家族墓園由於幅員廣大，通常都會雇用專門的墓園管理者來打理墓園的環境，其中很重要的工作便包含土丘的整理，大多數的管理者都會採取種植韓國草來兼顧美觀和實用性，因為韓國草可以減少其他雜草的生長，不過需要養護草皮。偶爾這些墓園也會出現一些由其他地區借風吹而遷徙繁殖的植物，其中最麻煩的就屬鹿仔樹，因為繁殖力強而且生長速度極快，也會破壞墓園植被，因此墓園管理者通常會採取一些"特效手段"來加以根除，就是除草劑，又稱年年春。

年年春是怎樣的除草劑呢？年年春只是商品名，為除草劑商品，主要成分為嘉磷塞異丙胺鹽(Glyphosate-IPA，成品濃度大約41%嘉磷塞溶液)，在台灣還有其他74家廠商以相同成分但不同商品名稱登記，例如興農春、富貴春、家家春、春多多、春卡多等，其他以嘉磷塞(Glyphosate)為主的衍生製品還包含嘉磷塞三甲基硫鹽(Glyphosate-Trimesium，成品濃度大約13%嘉磷塞溶液，1家廠商登記商品名為免你割)、嘉磷塞胺鹽(Glyphosate-Ammonium，濃度大約74.7%水溶性粒劑或濃度41%溶液，由4家廠商登記不同商品名)、以及嘉磷塞本身(Glyphosate，在台灣有10家為原進、4家原製農藥登記)，以上的相關資訊均可在農委會農藥資訊服務網輸入關鍵字"嘉磷塞"查閱。

[書評] 法官的被害人(Der Richter und sein Opfer: Wenn die Justiz sich irrt)

法官的被害人，副標"德國冤案事件簿"，光看譯名就很容易令我聯想到，同樣以探究德國司法案件的書，由費迪南．馮．席拉赫著作的罪行、罪咎與誰無罪，想當然爾，席拉赫的書總是令我感到如同在觀賞犯罪電視劇一般的暢快，十分戲劇化又驚悚。於是我開始不由自主地期待這本"法官的被害人"，不曉得作者會以什麼樣的方式來陳述這些德國冤案。然而這類的有前提式的期待，在我翻開第一章並開始閱讀時就消失無蹤，取而代之的是一種類似看紀錄片的心情，就像我當時在新聞媒體上看到三死囚案(蘇、劉、莊三人)的感受相類似，那是你我都不得不去面對的議題，因為司法就在你我的身邊，一旦它出現了問題，人人都可能是下一個冤案的受害者。

[書評] 我的街頭人生 (JE TAPE LA MANCHE UNE VIE DANSLARUE)

我的街頭人生這本書十分寫實的記錄了這個以往不被關注的社會現象，街友的生活，以及在街頭求生存的一些故事與心得。那是一個我從未想像過的世界，那明明就真實的存在於街頭、巷弄間，卻令人刻意想迴避、忽略。這本書的筆觸樸實，敘事平靜平淡，卻會在每個章節段落結尾，留給讀者心頭上五味雜陳的感受。

[書評] 泰王的新衣 (A kingdom in crisis)

泰王的新衣，為泰國國內政治情勢動盪與黃、紅衫軍街頭抗爭的現象，提出了另一番令人驚心動魄的解釋，內容確實如書本後側的警示，的確大半的陳述皆涉及議論泰國王室而列為泰國禁書。事實上，要真切評論泰國目前的政治態勢，若刻意避免涉及王室成員所關聯的種種事情，恐怕只剩下旅遊與疫情報導能談論。

[書評] 被討厭的勇氣 二部曲

不論你是否是一個愛書之人，每當我們閒晃書局時總會看見琳瑯滿目的書架，分門別類的讓顧客能夠很清楚地找到自己想要的書。而筆者總是習慣性地先晃歷史、社會、哲思、科普類，看看最近是否有新奇有趣的書，最後才是中文與外文小說區，至於心理、商管、勵志、雜誌、語言學習區等，除非有實務上的需求，否則通常我都不太會特別停留腳步去翻閱。而最近一部心理類的新書，就引起了我的注意，那就是由岸見一郎與古賀史健著作的，被討厭的勇氣二部曲。

試驗研究的考量(Consideration of experimental study)

Overview
在上一個章節，筆者介紹了一些隨機分派相關的軼事，與執行隨機分派的主要設計方式，以及幾種常見的型態與執行的概略流程圖。而在本章節，筆者將介紹以隨機分派為核心的臨床試驗研究，又稱為Randomized control trial (簡稱RCT)，其基本的研究執行流程如下圖：

Figure 1. Structure of randomized control trial

包含在隨機分派後進行的研究追蹤(follow-up)與追蹤後所得的結果(outcome)資訊，觀察並收集受試者在追蹤後是否有出現研究目的所關心的徵狀或事件，最後再確認資訊與研究過程無誤後，進行後續的整理與分析，並採用適當的分析策略與方法獲得合理的數據，最後再根據數據所指出的證據來說明研究成果。看似單純，其中卻隱含了許多細節，而研究的成敗也往往取決於細節的處理是否謹慎且細心。

一個RCT的執行絕非一人之力所及，一個成功的RCT也必須考量諸多事宜，研究成員、受試者、分析人員、測量工具、分析方法、研究設計的流程、時間、資源的限度、甚至是試驗的藥劑於上市後的追蹤與調查等，任何一個環節出現失誤或隱瞞，都可能會造成RCT的結果產生誤差，最後影響的就可能是數千人甚至是上萬人受到影響。

因此在本章節，筆者將會進一步介紹臨床試驗研究的幾種重要的考量。這些考量關係著試驗研究是否符合人道與醫療道德標準、是否是合法、合理的研究、是否是有效的研究，其研究結果是否可信、其推論是否可以應用於臨床醫療的實務面等。

隨機分派(Randomization in Experimental study)

Overview
隨機分派(randomization)為臨床試驗研究常見的研究設計。對統計方法而言，隨機分派設計能夠令統計方法的估計與推論更有效。對研究設計而言，隨機分派能具備干擾因子的有效控制，降低研究分析時可能產生的干擾作用，避免研究結果失去價值。時至今日，隨機分派設計早已是現代醫學研究，特別是臨床試驗(clinical trial)不可或缺的方法。然而這套方法卻是在20世紀早期才逐漸發展成熟，由兩位學者各自提出並推廣，對流行病學與生物統計領域的影響十分深遠，因此筆者將會介紹這兩名學者與隨機分派的關係與一些軼事，也就是Hill's and Fisher's randomization。另外，筆者也將介紹隨機分派設計的結構與做法，與其變化過的幾種型態。

流病研究設計簡介(Introduction for study design)

研究設計的終極目標即是尋思如何找出因果效應，counterfactual theory提供一個很清楚的思考脈絡去找出exposure與outcome之間的因果效應，我將用一個很簡單的例子來說明此概念：

一位天賦異稟的研究者想要了解台灣族群吃"生大蒜"降低"缺血型腦中風(Ischemic stroke)"的風險，因此選取所有台灣人，並且操控所有台灣人從D-day開始每天三餐飲食皆額外吃3粒生大蒜，接著觀察所有台灣人在研究結束後，測量缺血型腦中風的發生頻率，接著研究者必須施展超能力將時空重置，再次回到D-day，然後這次令所有台灣人每天三餐都不額外吃３粒生大蒜，接著再次於研究結束後測量缺血型腦中風的發生頻率。如此一來，研究者就可以取得所有台灣人在相同時空內兩種情境之結果，也可以確定每天三餐吃3粒生大蒜與發生缺血型腦中風的因果效應是多少。

效應與相關性(Effect and association in Epidemiology)

Overview
前段文章中有提到疾病頻率的測量種類，incidence risk、incidence rate與prevalence risk，然而這些測量方法都是針對single population中特定暴露條件下的疾病頻率，於是在同一population中，仍有一群沒有接受特定暴露的群體，而且這群人也可能會發病，例如某特定地區居民中，若以吸菸來區分，則可以獲得吸菸與不吸菸的兩個子群體，而對這兩群人觀察15年後肺癌發生狀況，可預期吸菸子群體與非吸菸子群體都可觀察到肺癌發生的個數，於是我們可以個別測出兩子群體的肺癌發生率，接著你可能會問，既然吸菸與非吸菸都會發生肺癌，那麼該怎麼找出吸菸與肺癌的關係？

為了回答這個問題，在接下來的內容中將會逐一介紹幾個在流行病學中常用的比較性指標，例如absolute-effect measurement、relative-effect measurement、attributable fraction、population attributable fraction、standardization以及prevalence odds。並以舉例的方式呈現各指標的特色與解讀，最後會闡述在流行病學中effect與association該如何判定。

流行病學的因果推論(Causal inference in Epidemiology)

Overview
公雞啼叫，日光出現，日復一日，似乎有規律，你做出大膽的假設，如果公雞啼叫是引起日出的原因，則雞啼後日光沒有出現，規律失敗，若日光出現了，規律重現。因此你在某天早晨聽到雞啼後，開始紀錄是否可以看到日光出現，結果不出所料，雞啼後日光出現，於是你大膽的假設獲得了印證，因此猜想雞啼與日光可能有某種關係，但大膽假設必須謹慎求證，因此你謹慎地調查了將近100天，每天的結果都重複印證了雞啼日出的規律，你獲得了初步結論：雞啼引起了日出。

Francis Bacon
(22 Jan 1561 – 9 Apr 1626)

這個研究小故事在21世紀聽起來非常荒謬，因為你已經知道真相，你可能早已學過基礎的地球科學和生物學，你知道地球自轉與公雞的基因機轉之間只是個假相關，但如果你聽過Francis Bacon這個人，大概可以知道上述的研究確實遵從一套曾經盛極一時的哲學歸納主義"Inductivism"(是指將歸納法(induction)的哲學思想奉為圭臬)。你也許知道歸納法在科學因果推論上的致命缺點，又或者剛好從其它地方聽過這類的故事，你可以在公雞啼叫前將牠殺掉，然後等待日出，就能破除歸納所推論的假設，獲得新結論：公雞不啼叫、日出照樣來，公雞與日出無相關。

相關性連結是人類與生俱來的學習能力，小孩子看到冒煙的茶壺會好奇，伸手觸碰後立刻縮手，於是明白冒煙的茶壺等於燙傷，下次再看到冒煙的茶壺就不敢再觸碰。我們對於外在世界的任何事物都會建立相關性，聽到刺耳蟬鳴就知道季節是盛夏，出門看到滿天烏雲就知道應該帶雨傘再出門，有些甚至不需親身體驗也能學習到事物間的關係，例如你絕對不會希望在十字路口紅燈時還不踩煞車。

察覺事物之間關係在生命中有很大的助益，特別是當這種關係是因與果的角色，若A是因，B是果，A必定在B之前發生，這是因果關係唯一的必要條件，假如B要發生必須要A出現，反之，沒有A出現B就不會發生，則A稱為B的necessary cause。以登革熱來說，登革熱必須要有蚊子作為媒介，若世界上沒有蚊子存在，則登革熱就不會發生，因此蚊子是登革熱的necessary cause。即使實務上根本做不到撲殺所有蚊子，但我們可以預期，只要有效降低蚊子的數量，登革熱就會獲得控制。

Necessary cause的因果關係較常出現在病媒蟲傳染病的傳染途徑中，然而生物醫學領域中的慢性病則又是另一回事，以慢性病為主的因果關係經常較為複雜且難以釐清，通常都會遇到一因多果、多因一果的情形，例如吸菸與多重疾病的關係，糖尿病與高血糖、高血脂、高血壓的關係，有時候研究者甚至不會清楚得知某種特定暴露源與疾病的關係，因此研究者該如何測量與確立因果關係？

為了釐清因果推論應用至流行病學的複雜性，本文將從哲學歷史著手並延伸至流行病學的因果推論，內容將包含Hume's causation、Kant's Critique、Popper's Falsificationism、Counterfactual theory與知名的Hill's criteria，最後會討論Modern Epidemiology的作者Rothman所提出的Sufficient component cause model，以及一個近年來應用廣泛的因果推論工具Causal Diagram的Directed Acyclic Graphs理論，又可簡稱DAGs。

疾病發生的測量(measurement of disease occurrence)

Overview
流行病學研究即是針對疾病事件的調查與分析，哲理上是為了試圖回答幾個重要問題，疾病事件為何會發生？其原因為何？因此將流行病學理解為因果關係的研究，在哲學上一點也不為過，至於流行病學與其它學科最大的差別，當科學發展專門為了解決涉及人類健康事件的因果關係，即為流行病學，而相同的概念也出現於其他學者的詮釋中：

"流行病學是一門研究人類族群的疾病頻率之分布狀況與決定因素的學問"MacMahon 1970
"流行病學是研究族群中健康相關的狀態與事件之分布"Rothman 2008

為了回答此類的問題，流行病學涵蓋了研究設計與執行、疾病因果與相關性的判別、研究信效度、研究分析等多種研究面向的考量，然而綜觀流行病學研究的脈絡，絕大多數研究的起始點都在於確定疾病發生的測量。因此在這個主題中，將會以incidence time、incidence rate、incidence risk作為疾病測量的主要內容，至於mortality的議題在此並不會論述。