以斯帖統計顧問公司

版權: 以斯帖統計顧問公司/繪圖: 林子傑

幾年前從公家機關接手一份雜亂無章的資料，是一群工人們自填的問卷資料，這些工人是在約莫二十年前一場工安事件的主角，事件至今尚未落幕。

在民國六、七零年台灣經濟正起飛的年代，美國某知名家電大廠在桃園設廠時，將含致癌物質的廢料長期挖井傾倒，導致土壤及地下水污染，據聞有一千多名員工陸續罹患各種癌症，桃園縣有一個村也因「寡婦村」而名聲不脛而走，因村子裡很多男人死於癌症，他們曾是該廠員工。

為了幫助這些無權無勢的自救員工，有八十位律師義務組成律師團，官方(勞委會及環保署)被迫進行各項調查及環境檢測，行政院組成專案小組，但廠商悄悄將資本移轉國外，並且將廠房轉賣，後來官方報告顯示該廠前員工的癌症與廠中的廢料無關。在此同時，二百多名罹癌員工已撒手人寰，留下破碎的家庭，以及永遠無法復育的台灣土地。

看著電腦上龐雜的工人資料時，淚水不禁模糊了視線，生命的價值不應囿於事件受害者的弱勢地位，而決定政策介入的意願，即便財團才是真正的事件元兇，與規避責任者。於是我開始蒐集相關文獻，瞭解電子產業的作業流程，以及可能的暴露物質。

國中時期，我總是低頭經過那間工廠，偶爾會不經意地抬頭望向大門的深處。在網路上看著斑駁破舊的廠區照片時，耳邊彷彿依稀傳來女工們上下班時寒暄嘻笑的聲音，那是我曾經聽過的聲音。坐在電腦桌前，我的思緒在回憶與現實間穿梭，看著一則又一則自救會的悼念文，自己好像穿越了時空，再次站在廠房前。而那機械聲與人聲交雜的生產線旁，努力求生存的，不過是離鄉背景的年輕女孩與男孩們，還有硬撐著疲憊身軀為孩子們掙點生活所需的為人父母。

就在我每天來來去去地經過廠房大門時，工人們是否已在不知覺中暴露了致癌的廢料，是環境衛生與職業醫學專家們想知道的，也是當時面對龐雜資料的我必須去面對的，我的心感到戒慎恐懼。最後報告出爐了，國內權威的統計專家確認無統計上的缺失，但報告結果成了不可公開的文件。接到告知後，心往下一沉，久久無法自己，知道再多的努力，他們的暗夜哭泣，我仍愛莫能助。

當然，無可誨言地，有時，單靠一篇研究報告要對政策產生莫大影響力是有困難的，即便統計上沒有缺失，嚴謹的學者仍要諄諄告誡研究方法學上的各種可能偏差，包括選樣偏差(selection bias)、訊息偏差(information bias)，以及來自干擾因子所產生的偏差(confounding bias)等。事件發生時間久遠，回憶偏差(recall bias)是在所難免的；有沒有發生誤歸類(misclassification)，將有暴露於致癌廢料者歸類為非暴露者，或反之，造成風險低估或高估，都是訊息偏差的重要來源。此外，問卷的設計與訪員的面訪訓練是否恰當，資料輸入的過程是否有誤，以上種種都會影響分析結果。

姑且不管政府的畏縮塞責，在捍衛公共事件受害者的權益時，研究者的學術中立與社會良知，嚴謹與謙卑的分析調查態度，是他們黑暗中的一線光明，縱使財團勢力難以撼動，政府公權力難以啟動，受害者還是能感受來自學術界的一點溫情。

[註1] 選樣偏差(selection bias)：研究分組過程中，受到暴露因素的影響，對研究對象的選擇產生偏差，而傾向選擇某特定人群，導致危及研究的效度。

[註2] 訊息偏差(information bias)：在收集資料過程中，對暴露或疾病相關資訊的先入為主，造成組別歸類錯誤，或因資料收集方式的不當或限制，導致所收集的資訊不正確則稱之。包括回憶偏差(recall bias)與錯誤歸類偏差(misclassification bias)。

[註3] 干擾因子所產生的偏差(confounding bias)：任何暴露原以外的致病因子，若不均勻的分佈在暴露組與非暴露組時，會造成扭曲暴露與疾病的相關性，使風險推估失效，此種現象稱之為干擾 (confounding)，例如暴露組抽菸、喝酒的比例較高，年齡較大，較不常運動等。