11.1 🎓 醫學生版

對象：醫學系 M3-M6。這一章不是「背數字」的章節，而是要建立一種臨床自覺：為什麼即使制度上人人都看得到病、用得到藥，不同族群的健康結果還是會系統性地不一樣？學習主軸有三條——第一，健康差距不是隨機、也不是純基因，而是結構性種族主義與健康社會決定因子（SDOH）長期作用的結果；第二，「種族」是社會建構而非生物學分類，所以把種族當成基因代理變數塞進臨床演算法（如 eGFR）會反過來製造新的不平等；第三，改善要從個人、醫療系統、社會政策三個層次同時下手。讀的時候請把焦點放在機轉與臨床決策，而不是死記每個百分比。配 Harrison 22e Ch 11 原文對照閱讀。

11.1.0.1 📌 一頁重點

兩個容易混淆的詞要先分清楚：health disparities（健康差距）指不同族群的健康「結果」有差異；health care disparities（醫療照護差距）則特指——即使控制了疾病分期、共病、保險等干擾因子，少數族群仍接受到較少、較低品質的「照護」。後者尤其是本章重點，因為它指向醫療系統本身的問題。
規模：2018 年估計種族/族群健康不平等造成的經濟負擔約 4,210 億～4,510 億美元（無四年制大學學歷的成人更高達 9,400 億～9,780 億美元）。
三大根因：①結構性/制度性種族主義（structural racism）②SDOH（健康社會決定因子） ③醫療提供者層次的偏見（臨床不確定性 + 刻板印象 + 隱性偏見）。
種族是社會建構，不是生物學分類——但種族主義透過慢性心理社會壓力（「weathering effect，風化效應」）確實在生理上加速心血管疾病。
臨床演算法的種族修正正在被檢討：CKD-EPI 的黑人修正因子會把 eGFR 灌高，反而延後黑人轉介腎臟科與移植；機器學習若用歷史花費當風險代理也會複製既有偏見。
對策是多管齊下：個人層次（覺察隱性偏見、文化謙遜、建立信任、用專業口譯）＋系統層次（依種族分層收集品質數據、增加少數族群醫事人力、跨文化教育）＋政策層次（擴大保險如 ACA、改善 SDOH）。

🎯 三件事先記住 1. 差距是系統性、可避免、不公平的——而且主因是社會與結構，不是基因。 2. 隱性偏見人人都有，連少數族群的醫師也有；不是「壞人」才會有，而是在時間壓力、多工的臨床情境下最容易被觸發。 3. 把種族當基因代理變數會害人——演算法的種族修正需要重新檢視。

11.1.0.2 一、差距的本質與規模：health vs. health care

美國整體的平均餘命長期上升，但這個進步並沒有平均分給每一個族群。原文點出一個很刺眼的事實：在每一個教育程度與收入層級，非裔美國人 25 歲時的平均餘命都低於白人與西語裔；甚至有大學以上學歷的黑人，平均餘命還低於只有高中學歷的白人與西語裔。這句話很重要，因為它直接打破「差距只是窮、只是教育低」的簡化解釋——當你把社經條件拉到同一水平，差距依然存在。

歷史趨勢上，黑白平均餘命差距在 1975–2003 年最大（男性 6.3 歲、女性 4.5 歲），到 2013 年縮小到 3.6 歲；但 1999–2017 年間，唯獨非西語裔美洲原住民/阿拉斯加原住民的中年死亡率持續上升。COVID-19 把這個傷口再度撕開：2019–2021 年間全美平均餘命下降 2.7 歲，是近一世紀最大跌幅，但美洲原住民/阿拉斯加原住民掉了 6.6 歲、西語裔 4.2 歲、黑人 4 歲，而白人只掉 2.4 歲、亞裔 2.1 歲。這種「同一場疫情、不同族群差很多」正是結構性不平等的縮影。心血管疾病則是黑白平均餘命差距的最大單一原因——若把所有心血管病因加上糖尿病合計，就解釋了男性 35%、女性 52% 的差距。

接著要把 health disparities 和 health care disparities 分開。前者是健康結果的差異；後者更尖銳——數十年的研究一致發現，即使是已經進入醫療系統、有保險的少數族群，照護品質仍然較差。原文舉的例子很具體：肺炎與鬱血性心衰竭住院時黑人接受到較不理想的治療；末期腎病的黑人較少被轉介到移植名單；心導管與冠狀動脈繞道手術黑人轉介率較低；長骨骨折與癌症疼痛時黑人與西語裔拿到的止痛藥較少；非小細胞肺癌的黑人接受根治性手術的比例較低。而這些差距，在控制了保險、收入、年齡、共病、症狀表達之後依然存在——這才是「醫療照護差距」這個概念的力量所在。AHRQ 的《2022 National Healthcare Quality and Disparities Report》追蹤超過 400 項指標，發現約 45% 的品質指標上黑人接受到比白人差的照護，且基準年就有差距的指標中，超過九成自 2000 年以來沒有改善。

11.1.0.3 二、根因之一：種族、種族主義與「種族非生物學」

理解差距的第一塊基石，是承認種族與種族主義是任何解釋模型的核心。美國的奴隸制、種族隔離、所謂「隔離但平等」的醫療、以及醫學人體實驗的歷史，共同造就了今天差距的存在與延續。這裡有一個概念醫學生一定要建立正確：「種族」是沒有生物學基礎的社會分類，是歷史性種族主義的產物。也就是說，黑人、白人之間的健康差異，不該被想成「基因不同」。

但弔詭的是——種族主義本身有生物學後果。原文解釋得很清楚：種族主義作為一種慢性心理社會壓力，會透過交感-腎上腺髓質系統與下視丘-腦垂體-腎上腺軸的過度刺激，導致血管發炎、內皮功能異常與神經內分泌失調，加速心血管疾病；同時，面對壓力的調適行為（抽菸增加、運動與睡眠減少、服藥順從性變差）又是另一條致病路徑。這種「加速老化、提早死亡」的現象被命名為 weathering effect（風化效應）。換句話說，差距的生理機轉不是「黑人的基因」，而是「黑人長期承受的種族壓力」。

比個人層次的歧視更全面的框架是結構性種族主義（structural racism，又稱制度性種族主義）。它指的是一個社會透過社會政治、法律、經濟與醫療結構，持續製造、維持、強化歧視的「總和」——重點是，即使沒有任何一個明確帶有種族偏見的個人，種族主義仍能透過政府與機構政策延續下去。經典例子是住宅隔離（residential segregation）的歷史，世代性地剝奪了少數族群在就業、銀行貸款、收入、優質教育與醫療上的平等機會。這帶出一個政策層次的結論：不處理結構性根因的政策，無法消除健康不平等。

11.1.0.4 三、根因之二：臨床演算法的種族修正爭議（高 yield）

這一段是 22e 相較舊版特別加強、也最常被考的新觀念。長久以來，「種族」被當成個人化臨床判斷的工具塞進各種風險評估演算法，但現在證據已經很清楚：種族不是基因差異的可靠代理變數，而種族修正反而可能無意間製造醫療差距。

最經典的例子來自腎臟科。黑人的末期腎病與腎衰竭死亡率較高。最廣泛使用的 eGFR 估算公式 CKD-EPI 有個結構性限制：它只能讓 80–90% 的估計值落在實測 GFR 的 ±30% 內；更關鍵的是，它內建一個黑人種族修正因子，會讓同樣年齡、性別、血清肌酸酐的黑人病人 eGFR 比非黑人高出 15.9%。eGFR 被灌高的後果是什麼？黑人因此較晚被轉介腎臟科、較晚接受進階慢性腎病治療、較晚進入移植評估——也就是說，一個原意是「個人化」的修正，實際上系統性地延誤了黑人的腎病照護。此外，當病人種族不明或為多種族時，這個因子根本無從套用。解法是改用 cystatin C 為基礎的 eGFR 估算，它比 CKD-EPI 更準確，而且完全不需要種族變數。 這個例子是整章最值得帶走的臨床啟示之一。

人工智慧與大數據是另一個戰場。機器學習能從大量歷史資料中找出統計模式——但這些資料本身就「內建」了既有的不平等模式，於是 AI 會把歷史偏見學起來、放大，導致錯誤預測與資源被抽走。原文舉了一個影響數百萬病人的真實案例：某商業預測演算法用「歷史醫療花費」當作臨床風險的代理變數，但因為黑人病人歷來就醫機會少、花在他們身上的錢少，於是同樣病情下黑人被演算法評為較低風險，反而較不容易得到額外的臨床服務。後來改用「直接的疾病嚴重度指標」才修正了這個分配偏見。結論：機器學習演算法不會天生公平，必須主動檢驗其準確性與公平性。

11.1.0.5 四、根因之三：SDOH 與提供者、病人層次因子

2002 年的里程碑報告 《Unequal Treatment: Confronting Racial and Ethnic Disparities in Health Care》（由當時的 IOM、今 National Academy of Medicine 發布）是現代差距研究的起點，它把根因整理成種族/種族主義、健康系統、提供者層次、病人層次幾大類。

SDOH（健康社會決定因子） 透過生物心理社會模型運作——環境的社會與物理特性，加上個人的生理心理屬性，共同影響健康行為與壓力相關的生理路徑。NIMHD 的研究框架（Fig. 11-6）特別加入「生命歷程的時間軸」，強調社經暴露的長期累積效應。CDC 的 社會脆弱度指數（Social Vulnerability Index, SVI） 把 15 個社會因子歸成四大主題（①社經地位 ②家戶組成與失能 ③少數族群身分與語言 ④住房型態與交通），研究顯示 SVI 最差的郡，心血管病、癌症及兩者並存的死亡率呈梯度上升。

健康系統層次：美國醫療系統本身就複雜難navigate，連有保險、教育程度高的人都會迷路；對於不熟悉西式醫療、英語能力有限、健康識能低、或不信任系統的人更是障礙。此外，「在哪裡、由誰看病」也有差——研究顯示 25% 的醫院照顧了全美 90% 的黑人 Medicare 病人，而這些醫院在某些品質指標上表現較差。更糟的是，很少醫院或保險方案會依種族/族群/語言把品質數據分層，也就難以針對差距介入。

提供者層次：核心是溝通與臨床決策。提供者-病人溝通已被明確證實連結到病人滿意度、治療順從性與更好的健康結果。一項對 6,722 名美國成人的調查發現，整體 19% 的病人遇到「聽不懂醫師、覺得醫師沒在聽、有問題卻不敢問」之一，但白人只佔 16%，黑人 23%、西語裔 33%、亞裔 27%。臨床決策出問題有兩條機轉：①臨床不確定性（clinical uncertainty）——醫師仰賴病人發出的「訊號」做判斷，而症狀表達會因文化族群而異，當醫師（絕大多數是白人）難以解讀少數族群病人的訊號時，可能做出不同決策，即使他對每個病人一視同仁、毫無偏見；②刻板印象（stereotyping）——面對龐大資訊與決策量，人會下意識用「類別」簡化思考，這在臨床上是功能性的，但會系統性地偏誤。要分清楚：刻板印象是潛意識的、prejudice（偏見）是有意識的預判、discrimination（歧視）是有意識且刻意的差別對待。所有人都會下意識刻板化，而且刻板印象最容易在壓力大、多工、時間緊迫的情境下被觸發——正是臨床現場的特徵。一項近 16,000 名醫師的調查中，42% 承認偏見（含種族族群）影響了他們的臨床決策，其中急診科醫師以 62% 居冠（正因為急診正是高壓、時間緊迫、多工的環境）。

病人層次：核心是「信任」。信任是醫病治療同盟的關鍵，直接影響順從性與滿意度。基於歷史上的歧視、隔離與人體實驗，少數族群——尤其黑人——對醫療系統格外不信任。1932–1972 年美國公共衛生署的 Tuskegee 梅毒研究留下的不信任遺緒至今猶存。一項 Kaiser Family Foundation 調查（3,884 人）發現，36% 西語裔與 35% 黑人（白人僅 15%）覺得過去曾因種族受到不公平對待；更令人警醒的是，65% 黑人與 58% 西語裔（白人僅 22%）擔心未來會因種族被不公平對待。

11.1.0.6 五、改善策略：系統、提供者、病人、政策四層次

《Unequal Treatment》把對策分成幾個層次，醫學生要記住「多管齊下、單點無效」的精神。

健康系統層次：①依種族/族群/語言收集、回報、追蹤照護數據——你無法改善你沒在測量的東西，但實務上多數醫院雖收集了種族資料，卻只有少數真正拿來 benchmark 照護落差。②收集 SDOH 數據，IOM 建議把一組精簡的社會行為指標當成「心理社會生命徵象」納入電子病歷，實作只需約 5 分鐘。③擴大保險與可近性——2010 年的 平價醫療法案（ACA） 把無保險人口從 2010 年的 16.3% 降到 2016 年的 8.8%、2023 年初的 7.7%，是 1965 年 Medicare/Medicaid 以來最大規模的保險擴張，且 Medicaid 擴張對少數族群幫助尤大。④推廣實證指引與品質改善（讓所有病人不分種族都依指引治療）。⑤支持臨床口譯服務。⑥增加少數族群在醫事人力中的比例——2021 年現職醫師中 63.9% 為白人、6.9% 西語裔、5.7% 黑人、0.3% 美洲/阿拉斯加原住民，與佔人口約三成的少數族群嚴重不成比例；解方包括 pipeline 培育計畫與全面性招生（holistic admissions）。

提供者層次：①把跨文化教育納入所有醫事人員訓練（含差距、口譯使用、跨文化溝通與協商）——調查顯示高達 28% 的資深住院醫師覺得自己沒準備好處理跨文化議題。②教育種族、族群、文化如何潛意識地影響溝通與臨床決策。

病人層次：教導病人如何 navigate 醫療系統、如何取得照護，並設法提升病人參與治療決策的程度（賦能）。

個人臨床實踐（最貼近醫學生）原文給了四個可操作的動作： 1. 覺察差距存在——這是第一步，唯有覺察才能監控自己的行為。 2. 實踐文化能力照護（cultural competence）——注意：不是去背「西語裔病人怎樣、亞裔病人怎樣」的 dos and don’ts（那反而會變成刻板印象與過度簡化）。文化能力已經從「學知識、做假設」演進成「以病人為中心的技能」——用好口譯、引導病人說出他對疾病的理解、評估其決策偏好與家庭角色、了解他對生物醫學 vs 另類療法的看法、建立信任。把每個病人當成教你認識他文化的老師。 3. 避免刻板印象——組建權力對等、目標一致的多元團隊能瓦解刻板印象；單純「意識到社會認知機轉的存在」就能讓你主動 monitor 自己有沒有對所有病人提供一樣的選項。 4. 建立信任——承認不信任存在且在少數族群更普遍、向病人保證會以他為先並當他的倡議者、用誠實開放同理尊重的溝通、推動共享決策。把醫病關係重新框定為「團結（solidarity）」，能把病人的脆弱感轉化為信任。

（台灣臨床）台灣雖有全民健保提供普及的可近性，但城鄉差距、原住民健康落差、新住民與語言隔閡仍是本土版的健康不平等議題；上述「覺察偏見、用專業口譯而非家屬翻譯、以病人為中心建立信任」的原則同樣適用。

11.1.0.7 🎯 醫學生最該記住的 6 件事

分清兩個詞：health disparities 是健康「結果」差異；health care disparities 是「即使控制了保險、共病、分期，少數族群仍接受較差照護」——後者指向系統本身的問題。
差距是系統性、可避免、不公平的，三大根因為結構性種族主義、SDOH、提供者偏見；種族是社會建構而非生物學分類，但種族主義透過慢性壓力（weathering effect）有真實生理後果。
臨床演算法的種族修正會害人：CKD-EPI 黑人因子讓 eGFR 高估 15.9%、延誤腎病照護，應改用不需種族的 cystatin C；AI 用歷史花費當風險代理也會複製偏見——演算法不會天生公平。
隱性偏見人人都有，最容易在高壓、多工、時間緊迫時被觸發（42% 醫師承認、急診科 62%）；要分清 stereotype（潛意識）≠ prejudice（有意識預判）≠ discrimination（刻意差別對待）。
不信任有歷史根源（如 Tuskegee 1932–1972），少數族群對系統的不信任顯著較高；建立信任是個人能做的關鍵動作。
改善要多管齊下：系統（分層數據、ACA 擴保、多元人力）＋提供者（跨文化教育、覺察偏見）＋病人（賦能、共享決策）＋政策（處理 SDOH 與結構根因）。

來源：Harrison 22e Ch.011。經濟負擔、平均餘命差距、COVID 餘命下降、CKD-EPI 15.9%、品質指標 45%、醫師偏見 42%/急診 62%、Tuskegee 年份、ACA 數字、醫師人力組成等均對照原文核對。