要正確比較不同地區或年份的疾病發生率，直接法與間接法的選擇，關鍵在於你手上的資料是否夠完整、年齡分層是否穩定，以及標準人口資料是否可取得。若資料品質佳，且有足夠年齡層資訊，直接法更精確；若樣本小、年齡別率不穩，間接法更適合。

延伸閱讀：年齡計算

直接法與間接法該用哪個？關鍵在標準人口與資料品質

當你有完整、穩定的各年齡層發生率資料，且能取得標準人口（如台灣人口結構或世界標準人口）的年齡組成時，應優先使用直接法。例如：比較台北市與屏東縣的癌症發生率時，若兩地都有細分年齡的可靠資料，直接法能透過標準人口的年齡結構加權，算出「標準化後的發生率」，讓比較更公平。

若資料樣本太小（例如某鄉鎮僅幾例罕見病），或某年齡層病例太少導致年齡別率波動劇烈，直接法會因估計不穩而失真，此時就該改用間接法。間接法不計算各年齡層的發生率，而是用標準人口的年齡別率去「預測」該地區該有的期望病例數，再用實際病例數除以期望數，得出 SMR（標準化發生率比）。這在小規模群體比較時特別可靠。

若你正使用台灣人口結構為標準，且資料年齡分層足夠（例如每5歲一組），直接法是首選；反之，若資料不穩定或年齡分層粗糙，間接法能避免誤判風險，是更安全的選擇。有需要時可用 實際年齡計算 工具確認年齡層分組是否正確。

為什麼不直接比原始發生率？年齡結構差會扭曲比較結果

直接比較原始發生率是誤判的常見原因。不同地區的年齡分布差異大，光看總率會產生「假性高風險」的錯覺。

舉例：A縣癌症發生率 120/10萬，B縣 100/10萬，表面上A縣風險更高。但如果A縣65歲以上人口占40%，B縣僅15%，那A縣的高發生率很可能只是因為高齡人口多，而非真正的風險較高。

年齡越大，癌症風險越高，因此年齡結構偏老的地區，發生率自然偏高。標準化就是要把這種「人口結構效應」拿掉，讓比較回到「相同年齡結構」下的真實風險差異。這在跨縣市、跨年度分析時極其重要，也是公衛報告中常見「標準化發生率」的由來。

直接法與間接法有什麼常見誤解？別把 SMR 當成風險倍數

SMR 大於1，不代表風險是1.5倍或2倍，僅表示觀察到的病例數高於標準人口預期，這只是相對比較的指標，不能當作個人罹病機率的依據。

例如 SMR = 1.3，只代表「觀察值是期望值的1.3倍」，不表示該地區居民得病風險「上升30%」。實際風險還需考慮其他因素（如環境、遺傳、生活習慣），不能僅靠標準化率下定論。

另外，不同研究若使用不同標準人口（如世界標準 vs 台灣本土標準），其標準化率不能直接比較。因此，閱讀報告時務必確認「標準人口」是哪一個。若標準化率用來做個人健康評估、保險核保或醫療診斷，那是不合理的——它本就是群體層面的統計工具。

什麼人適合用這套判斷？什麼情況不適用？

適合：衛生統計人員、公衛研究者、流行病學學生，以及需要解讀政府或衛生署報告中「標準化發生率」的民眾。尤其在準備專門考試（如醫師或公衛師考試）時，釐清這兩種方法的邏輯與限制極為重要。

不適合：想用標準化率估計自己得病機率、投保或做健檢規劃的個人。這類決策應依臨床評估、家族史、實際篩檢結果為主，標準化率只適用於群體比較，不能替代個人健康判斷。

若你的資料只有粗略年齡分組（如「青壯年」、「中年以上」），或無法取得標準人口結構資料，不建議強行計算，應說明限制，改用其他方式呈現，如列舉原始率並附註年齡結構差異。

若你還在確認年齡分組是否正確，可先用 年齡計算器 輔助確認各年齡層的人口數與分類準確性。在分析前務必確認 計算年齡 的細節，避免因年齡誤分導致標準化結果偏差。

延伸閱讀：計算年齡