下列有關流行病學分析之敘述，何者正確？
A統計結果顯著性越高（即 p 值越小），相對危險性（relative risk）越大
B若為非特異性（non-differential）錯誤分組，則可能會高估相關的強度
C在控制敏感性不變的情況下，若診斷工具的特異性越高，則因錯誤分組所造成的相關強度估計值偏差越大
D非特異性錯誤分組所造成的結果，若診斷工具的敏感性及特異性已知，可以進一步經調整校正後得到正確的相關的強度正確答案
答案與詳解
D
正確答案
流行病學中，p值不代表效應大小；非特異性錯誤分組通常低估效應，但已知敏感/特異性即可校正。
為什麼答案是 D
雖非特異性錯分通常低估效應，但若已知工具的敏感性與特異性，可透過量化偏差分析或數學校正公式還原真實強度。
載入中…
完整詳解
Pro · 無限重點 流行病學中，p值不代表效應大小；非特異性錯誤分組通常低估效應，但已知敏感/特異性即可校正。
秒殺技巧
p值看顯著性，RR看效應大小，兩者無絕對正比；非特異性錯分通常「偏向無效值」(低估)，已知敏感/特異性即可數學校正。逐選項分析
A✕ 陷阱
p值僅代表統計顯著性，受樣本數影響；相對危險性(RR)代表效應大小，兩者無絕對正比關係。
B✕ 陷阱
非特異性錯誤分組通常會使估計值偏向無效值(null)，即「低估」相關強度，極少高估。
C✕
診斷工具特異性越高，代表偽陽性越少，錯誤分組程度越低，造成的偏差應「越小」。
D✓ 正確
雖非特異性錯分通常低估效應，但若已知工具的敏感性與特異性，可透過量化偏差分析或數學校正公式還原真實強度。
流行病學誤差與校正核心概念
| 誤差型別 | 對效應估計的影響 | 校正方式 |
|---|---|---|
| 非特異性錯誤分組 | 通常偏向無效值(低估效應) | 已知敏感性/特異性可數學校正 |
| 特異性錯誤分組 | 可能高估或低估效應 | 需更複雜的模型或分層分析 |
| 隨機誤差 | 影響精確度(信賴區間變寬) | 增加樣本數 |
陷阱提醒
考生易誤以為非特異性錯誤分組一定會「高估」風險，或將 p 值大小與相對危險性(RR)畫上等號。請記住：非特異性錯分通常「低估」(偏向無效值)，而 p 值小隻代表「有差異」，不代表「差異很大」。