同樣是「發生率」，為什麼一篇追蹤五年、一篇追蹤十年的研究，數字不能直接比？

同樣是「發生率」，為什麼一篇追蹤五年、一篇追蹤十年的研究，數字不能直接比？

你已經知道發生率（incidence）衡量「新發生」、盛行率（prevalence）衡量「現存」。但這裡有一個更尖銳的問題：一份世代研究（cohort study）追蹤一萬人五年、另一份追蹤一萬人十年，各自算出累積發生率（cumulative incidence），這兩個數字可以直接相比嗎？

答案是不行——除非把「時間」這個維度老老實實地放進分母。真實世界的世代從來不是一群人整整齊齊地進來、整整齊齊地觀察到底：有人中途搬家失聯、有人因別的原因死亡、有人較晚才被收案。每個人「暴露於風險之下」的時間長短不一。把他們當成相同的分母去除，本身就是一種偷懶。

這篇進階篇不再重述基礎，而是直接走進流行病學量化與因果推論真正吃功夫的地方：如何在「會流動的人群」與「會隨時間改變的暴露」之下，得到不會自欺欺人的估計。 我們會從 person-time（人時）與率（rate）出發，談到危險函數（hazard）、標準化（standardization），最後抵達當代流行病學最熱門的兩個關鍵字——目標試驗模擬（target trial emulation）與隨時間變動的干擾（time-varying confounding）。

從「比例」到「率」：person-time 為什麼非用不可

入門時我們把累積發生率寫成「新病例數 ÷ 期初有風險人數」。這個寫法暗藏一個假設：所有人都被完整觀察到研究結束。一旦有人提早離開（censoring，設限），這個分母就名不副實。

解法是改用發生密度（incidence density），又稱發生率（incidence rate）。它的分母不是「人數」，而是「人時」（person-time）——把每個人實際被觀察、且仍處於風險中的時間全部加總：

$$\text{發生率} = \frac{\text{觀察期間新發病例數}}{\sum_{i} \text{個體 } i \text{ 的有風險時間}}$$

舉例：甲被追蹤 5 年都沒發病，貢獻 5 人年（person-years）；乙在第 2 年發病，貢獻 2 人年（發病後就離開風險集合）；丙在第 3 年因車禍死亡（與研究疾病無關）而設限，貢獻 3 人年。三人共貢獻 10 人年，其中 1 例發病，發生率即 0.1 / 人年，也就是「每 10 人年發生 1 例」。

person-time 的精神是：一個人被觀察十年，和十個人各被觀察一年，對分母的貢獻是等價的。 這讓不同長度、不同設限模式的研究有了共同的尺度。也因此你會在文獻中看到「每 1000 人年 X 例」這種寫法——它比裸的百分比更誠實。

但 person-time 也有它的隱含假設：它預設「風險在時間上大致恆定」，否則把早期低風險和晚期高風險的人年混在一起平均，會掩蓋真相。當風險明顯隨時間變化（如術後第一週死亡率遠高於第一年），就得改用下面更細緻的工具。

危險函數與存活分析：把「什麼時候發生」也納進來

率告訴你「平均多快」，但常常我們想知道「風險如何隨時間起伏」。這就進入存活分析（survival analysis）的領域，核心概念是危險函數（hazard function, $h(t)$）：在已經存活到時間 $t$ 的條件下，「下一瞬間」發病的瞬時率。

$$h(t) = \lim_{\Delta t \to 0} \frac{P(t \le T < t + \Delta t \mid T \ge t)}{\Delta t}$$

別被符號嚇到，它的直覺很單純：hazard 是「給定你撐到現在，此刻的即時風險」。它可以隨時間升高（如老化相關疾病）、降低（如手術後逐漸康復），或先高後低（如新生兒死亡率）。

實務上最常見的呈現是 Kaplan-Meier 存活曲線——一條隨時間下降的階梯，每當有人發病就往下踏一階，妥善處理設限者（在其離開的時間點把他移出風險集合，但不算成事件）。而要比較兩組的存活差異並調整干擾，主力工具是 Cox 比例危險模型（Cox proportional hazards model）：

$$h(t \mid X) = h_0(t) \cdot \exp(\beta_1 X_1 + \beta_2 X_2 + \cdots)$$

它的巧妙在於不必假設基準危險 $h_0(t)$ 長什麼形狀（semi-parametric，半參數），只估計各暴露的相對效果，輸出危險比（hazard ratio, HR）。HR = 2 代表暴露組在任一時點的瞬時風險是對照組的兩倍。

這裡要點出一個常被誤讀的地方：HR 不等於 RR，更不等於「整段期間風險翻倍」。 HR 是瞬時、條件式的比值，且 Cox 模型預設「比例危險假設」（proportional hazards，兩組 hazard 的比值不隨時間變）。若兩條存活曲線中途交叉（例如某療法早期傷身、晚期得利），比例危險假設就破裂，硬報一個 HR 會掩蓋掉「效果隨時間反轉」這個最重要的訊息。看到 HR，永遠該追問：曲線長什麼樣？

標準化：當兩個人群「年齡結構不同」就不能直接比

族群層次的比較有個古老但致命的陷阱。假設 A 國的粗死亡率（crude death rate）高於 B 國，能說 A 國人比較不健康嗎？不能——如果 A 國是高齡社會、B 國是年輕移民國家，那麼 A 國死得多，可能純粹因為老人多，而非每個年齡層的死亡風險真的較高。年齡是這裡典型的干擾因子。

標準化（standardization）就是為了拆掉這個干擾。它分兩種：

• 直接標準化（direct standardization）：把兩國「各年齡層的死亡率」套用到同一個「標準人口」的年齡結構上，算出假設兩國年齡分布相同時的死亡率。這樣比較才公平。得到的數字稱為年齡標準化死亡率（age-standardized rate）。
• 間接標準化（indirect standardization）：當研究人群分層後人數太少、各層率不穩時，反過來把「標準人口的各層率」套到研究人群的結構上，算出「期望事件數」，再用實際 ÷ 期望得到標準化死亡比（standardized mortality ratio, SMR）。SMR = 1.3 代表該人群死亡數比同年齡結構下的標準人口高三成。

標準化的意義遠超過技術細節：它是一個提醒——任何跨人群、跨時代的健康比較，都必須先問「人口結構可比嗎」。 媒體上「某縣癌症死亡率全國最高」的標題，若沒做年齡標準化，很可能只是反映了那個縣的人口老化，而非環境或醫療出了問題。

看一個例子：粗率騙了你

乍看 A 國粗死亡率 7.3%、B 國僅 2.5%，A 國像是健康災區。但逐層看：在每一個年齡層，A 國的死亡率其實都比 B 國低（0.5% < 0.6%，9.0% < 10.0%）。差別純粹來自 A 國老人佔八成、B 國老人僅佔兩成。

現在做直接標準化。取一個各佔 50% 的標準人口：

• A 國標準化率 = 0.5×0.5% + 0.5×9.0% = 4.75%
• B 國標準化率 = 0.5×0.6% + 0.5×10.0% = 5.30%

結論完全翻轉：扣掉年齡結構的干擾，A 國反而比 B 國健康。這正是入門篇講的「干擾」在族群層次最具體的呈現，也是辛普森悖論（Simpson's paradox）的一個版本——未調整與調整後的方向相反。每一次看到「粗率」，都該警惕背後的人口結構。

目標試驗模擬：把觀察性研究「假裝成」一場 RCT

入門篇說過，RCT 是因果證據力最強的設計，但許多暴露因倫理或可行性無法隨機分配。當代流行病學近十年最有影響力的思想，是 Miguel Hernán 等人推動的目標試驗模擬（target trial emulation）框架：與其把觀察性資料當成「次等品」隨意分析，不如先明確寫下「如果能做一場理想的隨機試驗，它的方案（protocol）長什麼樣」，再用觀察性資料盡力去模擬這個目標試驗的每一個成分。

這個框架要求研究者一開始就講清楚：合格條件（eligibility）、處理策略（treatment strategies）、分派時點（assignment）、結果定義（outcome）、追蹤起點與終點、以及最關鍵的——「時間零點」（time zero）：合格、分派、開始追蹤這三件事必須對齊在同一刻。

為什麼這麼斤斤計較時間零點？因為它直接堵住一個臭名昭著的偏誤——不死時間偏誤（immortal time bias）。

考慮一個真實出現過的錯誤分析：「有領藥的病人比沒領藥的活得久，所以這個藥有效。」聽起來合理，但藏著陷阱：一個人要「能領到藥」，前提是他至少得活到去領藥的那天。換句話說，從追蹤起點到他領藥之間那段時間，他「註定不會死」（否則就被歸到沒領藥組了），這段被錯誤算給用藥組的時間就是「不死時間」（immortal time）。它人為地讓用藥組看起來更長壽，純屬統計假象，與藥效無關。

目標試驗框架透過「強制時間零點對齊」直接消解這個偏誤——在 time zero 當下就依當時的處理策略分組，不容許用「未來才發生的事」（如後來有沒有領藥）回頭定義組別。這個看似哲學的紀律，救回了無數會誤導政策的錯誤結論。

隨時間變動的干擾：當「調整」反而出錯

現在進入這篇文章的最深處，也是入門篇完全沒碰的領域。

入門篇教過：遇到干擾因子就「調整」它（迴歸放進去、分層、配對）。這在干擾固定不變時是對的。但如果暴露和干擾因子會隨時間互相影響，傳統調整法會徹底失靈。

舉醫學上的經典情境：研究抗病毒藥（暴露）對愛滋病患存活（結果）的效果。病人的 CD4 免疫指數是一個棘手變項——

• CD4 低（病情重）會促使醫師開更多藥 → CD4 是用藥的干擾因子（影響暴露）。
• 但用藥又會反過來改善後續的 CD4 → CD4 也在用藥與存活之間的因果路徑上（是中介，mediator）。

於是 CD4 同時是「干擾」又是「中介」（術語稱 time-varying confounder affected by prior treatment，受先前處理影響的時變干擾）。這時你陷入兩難：

• 若用標準迴歸把 CD4 放進去調整 → 你擋掉了「用藥→改善 CD4→延長存活」這條真實的有益路徑，低估了藥效（過度調整中介）。
• 若不調整 CD4 → 又留下「病重的人本來就容易死、也剛好被多開藥」的干擾，造成假象。

兩條路都錯。出路是 James Robins 提出的 g-methods（g-formula、邊際結構模型 marginal structural model、g-estimation）。其中最常用的邊際結構模型（marginal structural model, MSM）採用一個漂亮的構想——逆機率加權（inverse probability weighting, IPW）：

不去「調整」CD4，而是依「在當下的 CD4 等變項下，這個人實際接受該處理的機率」給每個人一個權重，機率越低的觀察給越大的權重。這等於用統計手法重建一個假想的人群，在這個人群裡，CD4 不再決定用不用藥（就像隨機分配那樣），於是干擾被斷開，而中介路徑卻完整保留。MSM 估出來的，就逼近「若全體都用藥 vs 全體都不用藥」的因果對比。

這個轉折的深意值得停下來體會：「把變項丟進迴歸調整」不是萬靈丹，在時變情境下甚至會引入偏誤。 該調整什麼、用什麼方法調整，取決於你對因果結構（最好用 DAG 畫出來）的判斷，而不是「能放就放」。這也呼應入門篇結尾提到的對撞因子偏誤——它們都在說同一件事：因果推論的前提是因果假設，統計只是執行假設的工具。

動手試試：替一則研究找出時間結構的破綻

下次讀到觀察性研究的因果宣稱，除了入門篇教的「設計？干擾？相對還是絕對風險？」，再加三個進階提問：

1. 時間零點對齊了嗎？ 分組的依據，會不會用到「追蹤開始之後才發生的事」？若會，當心不死時間偏誤。例如「完成整個療程的人活得久」——能完成療程本身就需要先活著。
2. 干擾因子是固定的，還是會隨時間和暴露互動的？ 如果暴露會改變後續的某個變項，而那個變項又影響下一步的暴露與最終結果，標準迴歸可能不夠，要看作者有沒有用 g-methods 或 IPW。
3. 報的是 HR 嗎？比例危險假設站得住嗎？ 有沒有附存活曲線？兩條線會不會交叉？

能問出這三題，你對流行病學證據的鑑別力，已經跨進研究所的門檻了。

重點回顧

• person-time（人時）讓會流動、會設限的人群有了公平的分母；發生密度比裸百分比誠實，但預設風險在時間上大致恆定。
• 存活分析以危險函數刻畫「風險隨時間的起伏」；Cox 模型輸出的 HR 是瞬時條件比值，預設比例危險，看到 HR 要追問存活曲線會不會交叉。
• 標準化是族群比較的前提：粗率會被人口結構（尤其年齡）這個干擾誤導，未標準化的跨人群健康排名常不可信，辛普森悖論可能讓方向整個翻轉。
• 目標試驗模擬要求對齊「時間零點」，從源頭堵住不死時間偏誤——別讓「未來才發生的事」回頭定義組別。
• 時變干擾下「把變項丟進迴歸」會出錯：當干擾同時是中介時，需用 g-methods／逆機率加權（MSM），而非盲目調整。

深入探討（研究所視角）

把上述線索收束起來，研究所層次的流行病學其實在追問一個統一的問題：如何讓觀察性資料合法地承載「介入」（intervention）的語意。

估計目標（estimand）優先於估計方法。 當代方法論（受 ICH E9(R1) addendum 與 Hernán–Robins 教科書影響）強調：動手算之前，先把「你到底想估什麼因果量」用反事實語言定義清楚——是平均處理效應（ATE）、處理組的處理效應（ATT），還是某種動態處理策略（dynamic treatment regime，「CD4 跌破某閾值才開始用藥」）的效果？許多文獻爭議，根源不在統計方法錯，而在不同研究偷偷估了不同的 estimand 卻拿來互比。先講清楚 estimand，方法的選擇（IPW、g-formula、g-estimation、TMLE）才有意義。

g-methods 三件套與雙重穩健。 Robins 的三種 g-methods 各有適用面：參數式 g-formula 直接對結果建模並沿時間遞迴積分，效率高但對模型設定敏感；MSM + IPW 對處理機制建模，直覺強但極端權重會使變異數爆炸（需 stabilized weights 與 truncation）；g-estimation 適合結構巢狀模型。近年主流是雙重穩健估計（doubly robust estimation），如 TMLE（targeted maximum likelihood estimation）與 AIPW：只要「結果模型」或「處理模型」其中之一設定正確，估計就一致——這給了高維、易設定錯誤的真實資料一層保險，並讓因果機器學習（以 super learner 等彈性演算法估計干擾參數，再做一步 targeting 修正）得以在保有有效推論（valid inference）的前提下登場。

可遷移性與外部效度。 即使內部效度（internal validity）無懈可擊，研究結論能否遷移到另一個人群（transportability）是另一道關卡。同樣的處理效應在不同人群可能因效應修飾因子分布不同而改變，因果結構的可遷移性理論（Pearl 與 Bareinboim 的 selection diagram）正試圖形式化「什麼條件下、要重加權哪些變項，一個人群的因果結論才能搬到另一個人群」。這對台灣這類「研究多半引用歐美世代資料」的處境格外切身——一個在白人世代估出的 HR，未必能原封不動套到本地族群。

回到一張會流動的人群圖。 從入門篇斯諾標滿黑點的靜態地圖，到這篇隨時間流動、暴露與干擾互相纏繞的動態人群，流行病學量化的歷史，是一部不斷把「時間」與「反事實」逼進方程式的歷史。person-time 把時間放進分母，存活分析把時間放進風險，目標試驗把時間零點釘死，g-methods 把時間變動的干擾拆解——每一步都在回答同一個古老而謙卑的問題：面對一群會變化的人，我們究竟能不能、以及如何，誠實地說出「做這件事會有什麼後果」？ 這既是流行病學的方法論前沿，也是它作為「為了行動而求真」之科學的終極承諾。