HPV 疫苗可降低頭頸癌風險嗎？143 萬人真實世界研究結果

一句話結論
這項超過 143 萬人的美國真實世界研究發現，HPV 疫苗接種與較低的頭頸癌風險相關，尤其是口咽鱗狀細胞癌；但研究屬觀察性設計，不能單獨證明因果關係。

HPV 疫苗與頭頸癌風險：大型真實世界世代研究

研究背景

人類乳突病毒（human papillomavirus, HPV）是部分頭頸癌的重要致病因子，尤其與口咽鱗狀細胞癌（OPSCC）密切相關。雖然 HPV 疫苗已廣泛用於預防 HPV 相關疾病，但它在真實世界中是否與較低的頭頸癌發生率相關，仍需要大型長期資料驗證。

研究設計與對象

• 資料來源：美國 66 家醫療機構的去識別化電子病歷
• 研究對象：9～45 歲族群
• HPV 疫苗接種者：716,630 人
• 未接種對照組：716,630 人
• 總樣本數：1,433,260 人
• 研究方法：回溯性世代研究，依年齡、性別與共病進行 1:1 配對

主要研究結果

• 頭頸癌病例：接種組 40 例，未接種組 130 例
• 整體頭頸癌：HR 0.315，接種者觀察到約低 68.5% 的相對風險
• 口咽鱗狀細胞癌：HR 0.087，為風險降低最明顯的部位
• 9～26 歲族群：HR 0.323，同樣觀察到較低風險
• 追蹤時間：風險差異在接種後 5～13 年仍持續存在

這些結果代表什麼？

研究結果支持 HPV 疫苗除了預防既有適應症相關疾病外，也可能具有降低頭頸癌、尤其口咽癌疾病負擔的公共衛生價值。及早接種並提升疫苗覆蓋率，可能帶來更長期的癌症預防效益。

請注意：HR 0.315 代表研究中觀察到的相對風險關聯，不等於每個人的絕對風險都下降 68.5%，也不能由這項觀察性研究單獨證明因果關係。

研究限制

• 研究使用電子病歷資料，可能存在編碼錯誤或未測量的混雜因素。
• 接種者與未接種者可能在健康行為、醫療利用及篩檢習慣上有所不同。
• 癌症事件數相對少，部分分組結果仍需更長期研究確認。

研究資訊

• 論文：HPV Vaccination and Risk of Head and Neck Cancers: A Large Real-World Cohort Study
• 期刊：International Journal of Infectious Diseases
• DOI：10.1016/j.ijid.2026.109067
• PubMed：PMID 42604649

常見問題

接種 HPV 疫苗就不會得到頭頸癌嗎？

不是。頭頸癌有多種危險因子，疫苗也不能預防所有 HPV 型別或所有頭頸癌。戒菸、節制飲酒、維持口腔健康及依專業建議接種疫苗仍然重要。

這項研究可以取代現行接種建議嗎？

不可以。是否適合接種、接種時程與劑次，應依所在地的官方指引及醫療專業人員評估。

---

作者：魏正宗醫師
專業領域：過敏免疫風濕疾病、臨床研究、真實世界資料與醫學大數據
最後更新：2026-10-03

本文提供一般醫療研究資訊，不取代個別診斷、疫苗接種或治療建議。

重度氣喘生物製劑轉換：Tezepelumab 與 Dupilumab 真實世界比較

一句話結論
對抗 IL-5／IL-5Rα 生物製劑反應不佳的重度氣喘患者，改用 tezepelumab 或 dupilumab 後，一年內氣喘惡化結果未見明確差異；但樣本數有限，不能解讀為兩種治療已證實等效。

抗 IL-5／IL-5Rα 治療後轉換 tezepelumab 或 dupilumab 的比較

臨床問題

重度氣喘患者接受抗 IL-5／IL-5Rα 生物製劑後，如果療效仍不理想，下一步應選擇 tezepelumab，還是 dupilumab？由於缺乏直接隨機比較試驗，臨床決策常需依賴間接證據與患者表型。

研究方法

• 資料來源：TriNetX US Collaborative Network
• 設計：active-comparator target trial emulation
• 比較：tezepelumab 與 dupilumab 的頭對頭真實世界分析
• 配對後樣本：118 對患者
• 追蹤時間：一年

主要研究結果

• 一年內氣喘惡化複合結局：tezepelumab 76.3%，dupilumab 78.0%
• 相對風險：HR 0.97（95% CI 0.72–1.29）
• 其他結果：急診或住院、ICD 編碼氣喘惡化、全身性類固醇使用等，兩組均未見明確差異
• 敏感度分析：四項預先設定分析結果方向一致

如何正確解讀？

HR 接近 1 且信賴區間跨過 1，代表這項資料未觀察到明確的組間差異；但這並不等於已經證明兩種藥物完全相同或等效。

「沒有發現明確差異」不等於「證明療效相等」。樣本數有限與信賴區間較寬，仍可能無法排除具有臨床意義的差異。

研究限制

• 配對後樣本數仍小。
• 真實世界資料可能有未測量混雜。
• 資料庫缺少 FeNO、縱向肺功能、氣喘控制分數及嗜酸性球變化等重要表型。
• 結果需要更大型、表型資料完整的研究或隨機比較試驗確認。

臨床選擇應考量什麼？

目前治療轉換仍應個別化，綜合考量氣喘表型、共病、既往治療反應、安全性、藥物可近性及整體臨床情境，由專業醫療團隊共同決策。

研究資訊

• 期刊：European Journal of Internal Medicine
• 研究全文：ScienceDirect

常見問題

這項研究表示兩種藥物可以任意互換嗎？

不是。兩種藥物作用機轉與適用表型不同，研究結果也不足以證明等效，仍需依個別患者狀況選擇。

目前可以判定哪一種藥比較好嗎？

不能。這項研究未發現明確差異，但精確度有限；未來仍需更大的直接比較研究。

---

作者：魏正宗醫師
專業領域：過敏免疫風濕疾病、臨床研究、真實世界資料與醫學大數據
最後更新：2026-10-03

本文提供一般醫療研究資訊，不取代個別診斷或治療建議。

把 AI 變成研究產能的放大器

課程介紹：

 線上線下同步課程：把 AI 變成研究產能的放大器 

本課程將帶你從「題目發想」一路到「投稿前檢查」，學習如何運用 AI 提升醫學論文寫作效率，協助你完成一篇具備投稿潛力的文章。

課程中安排實作環節，帶你掌握完成一篇 Review article 所需的核心技能，讓 AI 不只是輔助工具，而是成為你研究與寫作過程中的高效夥伴。

課程亮點

一天，建立一套完整的 AI 寫作工作流

線上線下同步， 8月9日登場。

歡迎分享及報名https://docs.google.com/forms/d/e/1FAIpQLScJAROfQzjRGGVuYXCV9oNJ0V2OaeyNrUrvYMSVdSs7BBogoA/viewform

#建立自己的AI輔助研究寫作工作流

#一天之內完成一篇review article 寫作並投稿

好書推薦《一週工作4小時》

忙碌不等於高效！你是否也陷入了「窮忙陷阱」？每天被數百封 Email 和開不完的會淹沒？

提摩西·費里斯（Timothy Ferriss）的經典著作《一週工作4小時》，並不是教人懶惰偷懶，而是透過系統化的方法，重新奪回時間的主控權。

💡 核心摘要與架構解析

 🎯 核心目的（Aim）：擺脫「朝九晚五」的傳統工作型態，翻轉「到了退休年紀才能享受生活」的舊思維，打造能創造被動收益與高自由度生活的「新富族（New Rich）」。

 ⚙️ 實踐方法（Methods - DEAL 法則）：

1. 定義（Definition）：明確釐清理想生活與財務目標，打破傳統退休觀念。

2. 消除（Elimination）：應用 80/20 法則，砍掉 80% 低效益的瑣事，實踐資訊飲食（Information Diet）。

3. 自動化（Automation）：善用虛擬助理（VA）與系統外包，打造自動運作的收益管道。

4. 解放（Liberation）：實現遠距工作與地點自由，穿插「迷你退休（Mini-retirements）」。

 📊 主要洞察（Results）：

 高工時不等於高產出：盲目追求工時只會降低專注力。

 專注核心產值：精簡 80% 的繁瑣無效工作後，能用最少時間創造最大價值。

 時間與地點自由：生活品質的提升來自於對時間的掌控權，而非單純的薪資數字。

 🏁 工作應該是為理想生活服務，而非讓生活淪為工作的代價。透過系統優化與自動化，人人都能重塑自己的高自由度人生。

📖 書籍：

 書名：《一週工作4小時：擺脫朝九晚五的窮忙生活，晉身「新富族」！》（The 4-Hour Workweek）

 作者：Timothy Ferriss

 博客來 / 購買連結：https://www.books.com.tw/products/0010819864

#一週工作4小時 #時間管理 #生產力提升 #DEAL法則 #新富族 #工作與生活平衡 #提摩西費里斯 #閱讀心得 #自動化系統 #個人成長

【早鳥優惠倒數中｜AI 輔助醫學論文寫作實戰】

想寫論文，卻不知道如何開始？ 這堂課將帶你實際運用 AI，完成從題目發想、文獻整理、架構建立、內容撰寫到投稿前檢查的完整流程。 ✓ 適合醫療人員、研究生及初學者 ✓ 實作 Review Article 核心寫作流程 ✓ 建立可立即運用的 AI 論文寫作方法 📅 2026/8/9（日） 📍 新烏日集思會議中心 （台中高鐵旁、台鐵新烏日站內） 名額有限，早鳥優惠倒數中！ 立即了解與報名： https://tmbdrs-0809-naaghkre.netlify.app

【當 AI 遇上醫學大數據：寫在 2026 健康數據科學全球高峰論壇後的思索】

這幾天，我特別到台北參加了由台北醫學大學數據處主辦的「健康數據科學全球高峰論壇」。這是一場匯聚全球頂尖智慧的豐盛饗宴，在會場上，我有幸與來自美國、英國、韓國的臨床數據專家與統計學者面對面交流。這不僅是一次學術的碰撞，更為我們團隊未來在跨國大數據庫的開發與合作上，開闢了全新且令人興奮的管道。

走在會場裡，看著各國學者展示的最新研究，我腦中不斷浮現一個公式：AxB —— 也就是 AI（人工智慧）乘以 Big Data（生醫大數據）。

威力無窮的 AxB 時代

在數位化醫療的浪潮下，從各國的健保資料庫（如台灣的 NHIRD）、英國生物樣本庫（UK Biobank）到跨國臨床實體數據平台（如 TriNetX），我們手中的數據武器越來越龐大。過去，科學家需要花費數月甚至數年的時間去清洗數據、跑統計模型；而現在，有了 AI 的協助，這個過程被壓縮到了極致。大數據提供了豐富的「燃料」，而 AI 則是效率驚人的「引擎」。兩者結合，正在以海嘯般的步伐推翻傳統的科研模式。

未來的科研：人類負責提問，AI 負責執行？

我不禁開始想像一個不久後的未來：科學家最重要的工作，不再是關在實驗室裡調格子或埋頭寫代碼，而是「如何問出一個好問題」。

只要人類科學家提出一個具備臨床價值的核心問題，AI 也許就能自動接手後續的所有繁重工作。這聽起來像是科幻小說，但看看我們眼前的 ChatGPT 5.6 和 Claude Code Skills，它們其實已經基本具備了這類自動化科研的雛形。

面對這樣的科技躍進，身為長期從事大數據研究與臨床試驗的科研人員，我的心情最貼切的形容就是：「既

期待，又怕受傷害」。這無疑會是一個美好的年代，AI 幫我們屏除了重複性的庶務，讓醫學發現的速度提升百倍，最終受益的是全球的患者。但同時，這也是個讓人感到一絲可怕的年代——當 AI 的進化速度超越想像，人類在科研核心中的獨特性該如何保持？這需要我們這一代科學家共同去思考與規範。

比較第二型糖尿病患者使用 SGLT2 抑制劑與 GLP-1 受體促效劑後，新發乾癬性關節炎（PsA）的風險。

很高興與大家分享我們最新發表的研究！

在這項多中心「模擬目標試驗」（target trial emulation）中，我們利用 TriNetX 真實世界資料，比較第二型糖尿病患者使用 SGLT2 抑制劑與 GLP-1 受體促效劑後，新發乾癬性關節炎（PsA）的風險。

研究經傾向分數配對後，共納入 146,810 組患者。追蹤五年的結果顯示：

🔹 使用 SGLT2 抑制劑者發生 PsA 的風險較低約 21%
🔹 HR 0.793（95% CI 0.667–0.944）
🔹 Kaplan–Meier 分析亦達統計顯著差異（p=0.008）
🔹 敏感度分析結果方向一致

這項研究提示，SGLT2 抑制劑除了降血糖、心血管及腎臟保護作用之外，可能還具有值得進一步探索的免疫調節效益。

不過，本研究屬於觀察性研究，仍可能存在殘餘混雜因素；未來需要前瞻性研究及隨機試驗進一步確認。

📄 論文題目：
Comparative Risk of Psoriatic Arthritis in Type 2 Diabetes: An Emulated Target Trial of SGLT2 Inhibitors vs. GLP-1 Receptor Agonists

📘 Journal：Drug Design, Development and Therapy
📊 最新 Impact Factor：6.1；JCR Q1
🔗 https://doi.org/10.2147/DDDT.S614222

感謝所有共同作者與研究團隊的努力，也期待這項結果能為代謝疾病與免疫發炎疾病之間的關係，提供新的研究方向。

#乾癬性關節炎 #PsoriaticArthritis #糖尿病 #SGLT2i #GLP1RA #TriNetX #RealWorldEvidence #TargetTrialEmulation #Rheumatology #MedicalResearch