當「病例數超過預期」需要一條公式：監測訊號背後的數學

當「病例數超過預期」需要一條公式：監測訊號背後的數學

入門篇我們說過，疾病監測（disease surveillance）像一座雷達——當某地某病的病例數「突然超過預期」，就會亮起警報。但請停下來想一個更尖銳的問題：「超過預期」的「預期」，到底是誰算的？多出多少才叫「異常」？ 一個城市每天本來就有上百例腹瀉就醫，今天多了三十例，是雜訊還是疫情的第一道漣漪？

在入門層次，這個判斷往往交給經驗豐富的公衛人員「看圖說故事」。但當監測系統要同時盯著數百種疾病、數千個地理單元、每天自動更新，人眼根本看不過來。於是「異常偵測」必須被寫成一條可以讓電腦每天執行的統計規則。這篇進階文章，我們不再重述監測「是什麼」，而是潛入水面之下，看清三件事的數學骨架：警報怎麼自動產生（aberration detection）、進行中的曲線為什麼會騙人（nowcasting 與通報延遲）、以及傳播速度怎麼即時量化（有效再生數 $R_t$）。這三者，正是當代「即時流行病學」（real-time epidemiology）的核心引擎。

從「看圖」到「演算法」：異常偵測的統計化

把「超過預期」變成公式，第一步是定義預期值（expected count）。最樸素的做法，是用歷史同期資料估一個基準線。美國疾病管制與預防中心（CDC）早期推廣的 EARS（Early Aberration Reporting System） 系列演算法，就用了極簡單的「移動視窗」思路。以其中的 C1 為例：

對第 $t$ 天的觀測病例數 $x_t$，取前 7 天（不含今天）算出平均 $\bar{x}$ 與標準差 $s$，定義統計量

$$ C_1 = \frac{x_t - \bar{x}}{s} $$

當 $C_1 > 3$（也就是今天的數字超過近期平均加三個標準差）就觸發警報。這其實就是工業品管裡的「3-sigma 管制圖」搬到流行病學上——直覺、好算、第一線單位容易接受（呼應入門篇提過的「簡單性」屬性）。

但這個樸素做法藏著三個致命弱點，正是進階監測必須處理的：

• 季節性（seasonality）：流感冬天高、夏天低，腸胃炎暑假一波。用「前 7 天」當基準，等於假設疾病沒有季節律動，會在流行季每天都誤報、在淡季又過於遲鈍。
• 長期趨勢（secular trend）：人口成長、醫療可近性改變，都會讓基準線本身緩慢漂移。
• 過去爆發的污染（past outbreaks）：如果去年同期剛好有疫情，把它納入「預期」的計算，會把今年真正的爆發給「正常化」掉，等於用一場舊疫情掩護一場新疫情。

歐洲多國採用的 Farrington 演算法 就是為了解決這三點而生：它不用簡單平均，而是對「過去數年、同月份前後數週」的歷史資料配一個過度離散的廣義線性模型（over-dispersed Poisson / 準帕松迴歸），同時放入長期趨勢項，並用殘差加權把歷史上的異常高點「降權」，避免舊疫情污染基準。算出的預期值會附帶一個上界（threshold），今天的觀測一旦超過上界就示警。從 EARS 到 Farrington，正是監測從「看圖」走向「演算法」的縮影。

看一個例子：同一筆資料，兩條基準線

假設某市過去一年每週類流感（influenza-like illness, ILI）門診比例如下（簡化）：夏季約 1.5%、冬季高峰約 6%。現在是 11 月初，本週觀測到 4.2%。

• 樸素 C1 視角：取「前 7 週」平均。但 11 月初正處於秋冬爬升期，前 7 週平均可能才 2.0%、標準差 0.4%。於是 $C_1 = (4.2 - 2.0)/0.4 = 5.5$，遠超過 3——警報大響。
• Farrington 視角：它會去看「過去三、四年每年 11 月初」的水準。若歷史上每年此時本來就會爬到 4% 上下，那麼 4.2% 落在預期區間內，不示警。

同一個 4.2%，一個演算法尖叫、一個演算法淡定。差別不在資料，而在「預期」如何被建模。這正是進階監測的精髓：警報的可信度，取決於基準線有沒有誠實地納入季節、趨勢與歷史污染。在族群層次上，一個忽略冬季季節性的監測系統，每年都會在入冬時對全人口「狼來了」，最終訓練出對警報無感的防疫團隊——也就是下一節要談的代價。

第一型錯誤、第二型錯誤，與「警報疲勞」

任何自動警報系統，本質上都是一個反覆進行的統計假設檢定。虛無假設 $H_0$ 是「沒有疫情，今天的數字只是隨機波動」。於是我們無可迴避地撞上統計學最古老的兩難：

• 第一型錯誤（type I error，偽陽性）：其實沒疫情，卻發出警報。代價是防疫人力空跑、資源浪費，更隱性的代價是警報疲勞（alarm fatigue）——當系統一天到晚誤報，第一線人員會逐漸學會無視它，於是某天真正的警報響起時，沒有人當一回事。
• 第二型錯誤（type II error，偽陰性）：其實有疫情，卻沒警報。代價是錯過早期介入的黃金窗口，疫情坐大。

把警報門檻（如前面的 $C_1 > 3$ 的那個「3」）調低，靈敏度上升、抓得到更多真疫情，但偽陽性暴增；調高則反之。沒有一個門檻能同時讓兩種錯誤都最小化——這是入門篇提過的「靈敏度與精確度相互拉扯」的數學本質。

評估監測演算法好壞時，流行病學家會借用診斷檢定的語言，把每一天分成「該不該示警 × 有沒有示警」的四格：

由此可算出靈敏度（sensitivity $=TP/(TP+FN)$）、特異度（specificity $=TN/(TN+FP)$），以及監測獨有的第三個維度——及時性（timeliness）：就算最終抓到了，是疫情第幾天才抓到的？一個調得很靈敏的演算法可能抓得早卻誤報連連；一個保守的演算法準是準，卻可能等疫情已經明顯了才示警。把不同門檻下的（靈敏度、偽陽率、及時性）畫成曲線，挑出符合當前防疫目的的工作點，這就是設計監測系統的「工程權衡」具體化為一道可計算的最佳化問題。值得強調：在族群層次，這個工作點的選擇是價值判斷而非純技術——對一個致死率高、有特效介入的新興傳染病，社會願意容忍大量偽陽性以換取不漏接；對一個輕症為主的常見病，則應把門檻調高以保護人力。

進行中的曲線會騙你：通報延遲與右設限

現在進入第二個引擎，也是即時流行病學最反直覺的一課。請看一個情境：

你是疫情指揮中心的分析師，今天是週五。你打開以「發病日」（onset date）排序的流行曲線，發現週三、週四的病例數明顯下降。你鬆了一口氣，準備向上回報「疫情趨緩」。

這幾乎一定是錯的。

問題出在通報延遲（reporting delay）：從一個人發病、就醫、被診斷、到資料真正進入監測系統，中間隔著好幾天。所以當你在週五回看週三、週四的數字，許多在那兩天發病的人，根本還沒被通報進來。最近幾天的曲線必然被低估，呈現一個虛假的「下墜尾巴」。在統計學上，這叫右設限（right censoring）——最近期的觀測尚未「完成」。

上表是個典型樣貌：越靠近「今天」，已通報數越偏離最終真實數。直接拿最新幾天的數字解讀趨勢，等於把「通報還沒跑完」誤讀成「疫情在下降」。 2020 年 COVID-19 初期，許多地方一到週末病例數就「下降」，其實只是週末檢驗與通報量能下降造成的週期性偽影，週一又補回來——這就是通報延遲的日內版本。

動手試試：用延遲分布做最簡單的回填

解法叫 回填（nowcasting）：根據「歷史上通報延遲有多長」的分布，估計每一個發病日「最終會被通報上來的真實總數」。最簡單的版本是這樣：

假設我們從歷史資料學到，某病的通報延遲分布大致為——發病後第 0 天通報 10%、第 1 天累積 40%、第 2 天累積 70%、第 3 天累積 90%、第 5 天 100%。

現在是某日，「兩天前」發病的個案目前已通報 35 例。由於延遲分布告訴我們，發病後兩天「應該只累積到約 70%」，於是回填估計：

$$ \hat{x}_{\text{真實}} = \frac{35}{0.70} = 50 \text{ 例} $$

也就是說，那天最終約會有 50 例，目前看到的 35 例只是「跑完七成」的中間態。把每一個近期發病日都這樣放大校正，原本那條虛假的「下墜尾巴」就會被拉回它真正的高度。

當然，真正的 nowcasting 遠比這精細：通報延遲本身會隨疫情階段、星期幾、檢驗量能變化（不是固定分布），所以實務上用貝氏階層模型或廣義加成模型（GAM）來同時估計延遲分布與真實病例數，並給出不確定區間。但核心直覺不變：永遠不要直接相信曲線最右端的幾天。 一個成熟的分析師看到「最近三天在降」，第一反應不是「疫情趨緩」，而是「這是不是右設限？」——這份警覺，是區別新手與老手的分水嶺。

量化傳播速度：有效再生數 $R_t$ 與更新方程

第三個引擎，回答的是決策者最常問、卻最難答準的問題：「現在疫情是在加速還是在減速？」

衡量這件事的核心量，是有效再生數（effective reproduction number, $R_t$）：在時間 $t$、考慮當下的免疫比例與防疫措施後，一個感染者平均會傳染給幾個人。它與更為人熟知的基本再生數 $R_0$（完全沒有免疫與介入時的傳染力）不同——$R_0$ 是疾病的「先天」特性、近乎常數，$R_t$ 則是會隨時間變動的「即時體溫計」：

• $R_t > 1$：每個病人傳給超過一人，疫情擴大。
• $R_t = 1$：剛好替補，疫情進入平衡（高原）。
• $R_t < 1$：每個病人傳不到一人，疫情萎縮、終將平息。

當代主流的即時估計法，建立在更新方程（renewal equation） 上。它的直覺很美：今天的新發病數，是過去每一天的病人，按照「他們在病程第幾天最容易傳人」的權重，各自貢獻出來的總和。寫成式子：

$$ E[I_t] = R_t \sum_{s=1}^{t} I_{t-s}\, w_s $$

其中 $I_t$ 是第 $t$ 天的新發病數，$w_s$ 是序列間隔（serial interval）分布——也就是「傳染者發病」到「被他傳染者發病」之間相隔 $s$ 天的機率。換句話說：把過去的病例數用序列間隔加權求和，當成「今天的傳染壓力」，今天實際冒出多少新病例除以這個壓力，就是 $R_t$。Cori 等人 2013 年提出的方法把這套寫進一個簡潔的貝氏框架，至今是各國疫情指揮中心的標準工具之一。

但 $R_t$ 出了名地「敏感而脆弱」，三個陷阱必須牢記：

• 它繼承了所有資料問題。$R_t$ 是從病例曲線算出來的，所以前一節的通報延遲、右設限會直接讓最新幾天的 $R_t$ 失真——這也是為什麼負責任的單位公布 $R_t$ 時，最近期的值總標注「估計尚未穩定」。
• 序列間隔 vs 世代間隔（generation interval）的混淆。理論上更新方程該用的是世代間隔（一次感染到下一次感染的時距），但感染時刻通常觀測不到，實務上常用可觀測的序列間隔（發病到發病）來近似。當潛伏期與可傳染期不對齊時，這個近似會引入偏誤——這是一個入門課本幾乎不提、但研究所必爭的細節。
• 它對序列間隔的假設極為敏感。如果你假設的平均世代間隔偏短，估出的 $R_t$ 就會偏向 1（看起來疫情比實際溫和）；偏長則相反。同一波疫情，不同團隊因序列間隔假設不同，估出的 $R_t$ 可能差距可觀——這不是誰算錯，而是這個量本身就吃假設。

理解這三點，你就能讀懂為何疫情期間「$R_t$ 到底是多少」常有爭論。它不是因為科學不嚴謹，恰恰相反，是因為嚴謹的人知道這個數字背後綁著一串易碎的假設。在族群層次傳達 $R_t$ 時，把它當成一支「帶誤差棒的即時溫度計」而非精確讀數，才是負責任的做法。

重點回顧

• 「病例數超過預期」必須被寫成統計規則：從樸素的 3-sigma（EARS C1）到考慮季節、趨勢、歷史污染的 Farrington 演算法，差別在於「預期值」如何被誠實地建模。
• 自動警報是反覆的假設檢定，無可避免地在第一型錯誤（偽陽性、警報疲勞）與第二型錯誤（偽陰性、錯過黃金窗口）之間權衡；門檻的選擇是價值判斷，須評估靈敏度、特異度與及時性三維工作點。
• 進行中的流行曲線最右端必然被低估：通報延遲造成右設限，最近幾天的「下降」常是假象；nowcasting 用延遲分布回填出真實高度。
• 有效再生數 $R_t$ 是疫情的即時體溫計（>1 擴大、<1 萎縮），建立在更新方程與序列間隔分布上，但它繼承資料延遲問題、混淆世代/序列間隔、且對假設高度敏感。
• 所有進階方法的共同教訓：監測的數字從來不是直接的真相，而是被通報行為、延遲、模型假設層層中介後的「估計」——讀數字前先問「這是怎麼被算出來的」。

深入探討（研究所視角）

把上述三個引擎放回研究前沿，它們各自連著一條活躍的研究脈絡，也共享同一個哲學核心：從不完整、有偏誤、且持續更新的資料流中，做出帶有量化不確定性的即時推斷。

異常偵測的多重檢定與時空掃描。當系統同時監看數百種疾病 × 數千個地理單元 × 每天更新，本質上是在做海量同時假設檢定——若每個檢定都用 $\alpha = 0.05$，光靠運氣每天就會冒出大量偽陽性。如何控制整體偽發現率（false discovery rate, FDR），是監測統計的核心議題。在空間維度上，Kulldorff 的空間掃描統計量（spatial scan statistic, SaTScan） 用移動的圓形視窗在地圖上搜尋「病例顯著群聚」的位置與大小，並用蒙地卡羅排列檢定校正多重比較，已是疾病群聚（disease cluster）偵測的標準工具；其時空版本能同時定位「何處、何時」出現異常聚集。

Nowcasting 與 backcasting 的階層貝氏框架。當代回填研究多採貝氏階層模型，把「真實流行曲線」與「通報延遲分布」當成兩組待估的潛在參數聯合估計，並能納入延遲分布隨時間漂移（time-varying delay）。延伸問題還有 backcalculation（回算）：已知發病曲線與潛伏期分布，反推更早的「感染時刻曲線」——這在愛滋病流行病學史上是經典方法，用以從已發病的 AIDS 病例回推 HIV 的真實感染時程。Nowcasting 與 backcalculation 共享同一個「去摺積（deconvolution）」數學結構：觀測曲線 = 真實曲線 與 延遲（或潛伏）分布的摺積，要做的是把它解開。

$R_t$ 估計的方法學分歧。除了 Cori 等人的「瞬時再生數」（instantaneous $R_t$，基於更新方程），還有 Wallinga–Teunis 的「個案再生數」（case reproduction number，基於成對傳播機率的概似），兩者回答的問題微妙不同——前者問「在時間 $t$ 當下的傳染環境如何」，後者問「在時間 $t$ 發病的人最終各傳了幾個」。前者適合即時監測（不需等未來資料），後者需要等傳播鏈完成、較適合回溯。理解這個分野，才不會把兩條 $R_t$ 曲線當成「應該一樣卻不一樣」而困惑。

機制模型與資料的耦合。上述方法多屬「現象學（phenomenological）」——直接從曲線推斷、不假設明確傳播機制。另一條路線是把監測資料餵進機制模型（如 SEIR 艙室模型或個體基礎模型），用資料同化（data assimilation） 技術（如集合卡爾曼濾波 ensemble Kalman filter、序貫蒙地卡羅 / 粒子濾波）讓模型狀態隨新資料即時更新，這正是流感與 COVID-19 即時預測（forecasting）競賽（如美國 CDC FluSight、COVID-19 Forecast Hub）的主流方法。一個值得深思的發現是：多模型的「整體預測」（ensemble forecast）幾乎總是優於任何單一模型——這呼應了天氣預報的長期經驗，也提醒我們在族群層次的不確定推斷裡，謙遜地承認「沒有單一模型壟斷真相」往往比追求一個完美模型更務實。

繞過監測金字塔的「客觀」訊號。所有上述方法都建立在「通報病例」這個受就醫與通報行為扭曲的資料上。近年最受矚目的突破，是尋找不依賴個人就醫行為的群體生物標記——其中廢水病原監測（wastewater-based epidemiology） 最為成熟：直接量測社區污水中的病原核酸載量，與通報行為脫鉤，能繞過監測金字塔的系統性低估（入門篇提過的「冰山」問題）。它把「個體層次的通報偏誤」轉化為「族群層次的客觀環境訊號」，但也帶來新的方法學課題：載量到病例數的換算（脫落率、稀釋、降解的不確定）、空間解析度（一個污水廠涵蓋多大人口），以及與傳統監測的校準融合——如何把這條「客觀但模糊」的訊號，與「精確但偏誤」的臨床通報整合進同一個推斷框架，是當前資料融合（data fusion） 研究的前沿。

最後，回到那個沒有公式能取代的判斷。再精巧的演算法，輸出的都只是「警報訊號」與「帶誤差棒的估計」。把這些統計訊號轉譯成「要不要關閉一所學校、要不要啟動大規模篩檢」的決策，仍需要人在價值、可行性與公平之間權衡——例如某項介入是否會不成比例地衝擊弱勢族群、社會是否能承受偽陽性帶來的成本。監測的數學讓訊號更清晰、不確定更誠實，但它的終點，始終是讓人類在族群健康的取捨上，做出更明智、也更負責任的選擇。