Satoshi Naneko 以「Epidemiology across time」為主題，說明為何本次研討會會以 Addressing Diversity, Complexity and Interaction 作為核心討論方向，並藉此引出在快速變動的世界中，流行病學所扮演角色與思維方式的轉變。當代社會正同時面臨戰爭與衝突、氣候危機、被迫遷徙與移民、數位轉型、心理健康問題，以及日益加劇的不平等現象，這些議題彼此交織，使健康風險呈現出前所未有的複雜樣貌。
The New Era of Epidemiology
這場在長崎舉辦的研討會，自然無法忽略原爆所留下的歷史傷痕。距離原子彈投下已經 80 年，這段歷史提醒我們，人類行為所造成的影響，往往具有長期、甚至跨世代的後果。演講中以「出島（Dejima）」作為一項暗示：出島是位於長崎的小型人工島嶼，也是日本與世界進行交流的起點。現代流行病學同樣站在這樣的交會點上，擁有前所未有的強大工具，包括大型資料庫、基因體學、環境資料，以及真實世界資料（Real-World Data, RWD），使我們能更精細地觀察、測量與分析現象。然而，資料量的增加，也同時伴隨著噪音、偏誤，以及被操弄或誤導的風險，「更多資料」並不必然代表「更好的理解」。在面對這些新型態的流行病學問題時，若要真正與世界對話，就必須以更開闊的視角來面對挑戰。特別是在社群媒體、影音平台與生成式 AI 能快速、大量擴散資訊的情境下，當前的危機已不只是「知識不足」，而是更根本的「該相信誰」的信任問題。
Naneko 在演講中特別指出，單純對事件做出反應已經不足以應付這樣的世界，「準備度（preparedness）」才是關鍵的決定因素。這不僅指事前面對災難的預備能力，也涵蓋災後重建與整備的細節。同時，科學上正確的結論，並不必然能被社會所接受，這正是公共衛生與流行病學在現實世界中所面臨的核心挑戰。他進一步提出三個理解長期影響的重要特徵：回饋迴路（feedback loop）、時間延遲（time lag，傷害往往在多年後才顯現），以及非線性（nonlinearity，小幅衝擊可能導致巨大轉變）。因此，流行病學的關注焦點，應從「正在發生的事件」，逐漸轉向「正在累積的影響」。最後，他以「編織」作為隱喻：橫向的線代表個體（individual），縱向的線則象徵包容性（inclusiveness）與連結，唯有兩者相互交織，社會結構才能維持穩定。
J-SPEED 在災難現場的實用經驗
Tatsuhiko Kubo 的演講則著重在災難現場，探討流行病學如何在這些極端環境下被實際運用。他指出，氣候變遷所導致的高溫、各類自然災害，以及軍事衝突，往往同時對公共衛生與醫療體系造成衝擊。在這樣的情境中，流行病學面臨多重挑戰，例如地方通報系統受損、物流調度困難、倫理問題浮現，以及資訊本身高度不完整。為了回應這些需求，日本發展了 SPEED（Surveillance in Post Extreme Emergencies and Disasters）系統，用於極端災害後的即時健康監測；同時，WHO 也制定了 Emergency Medical Team – Minimum Data Set（EMT-MDS），作為國際醫療團隊在災難現場的最低資料蒐集標準。講者特別舉例說明，不論是在能登半島地震或菲律賓風災期間，其團隊皆每日以 CSV 格式匯出 EMT-MDS 與日本的 J-SPEED 資料，並交由 NIID（國立感染症研究所）與 FEPT 進行即時分析，藉此更快速掌握災區實際面臨的醫療與公共衛生需求，並做出相對應的因應措施。他同時提醒，健康本身是高度情境化的（health situatedness），但我們卻經常試圖以單一、可泛化的方法，去理解高度異質的族群。在全球健康研究中，雖然已存在大量跨學科合作，但仍有許多難以觸及的人群，長期被排除在標準研究設計之外，例如礦區勞工、少數民族與邊緣化社群，這些都是未來需要長期面對與解決的結構性問題。
方法論崇拜（methodological fetishism）
另一位講者 Keon Peeters 則進一步分析「方法論崇拜（methodological fetishism）」，也就是研究者過度迷信特定方法或指標（例如 p 值），反而犧牲了研究品質與現實意義。這類問題在公共衛生實務中特別常見，也與學界對 p 值文化的批判相互呼應。對許多作者而言，負向結果（negative results）往往比正向結果（positive results）更難發表，因此，作者常常會以修辭來包裝結果。最典型的例子便是「呈現顯著趨勢（a trend toward significance）」這樣的說法。（可以參考：https://mchankins.wordpress.com/2013/04/21/still-not-significant-2/）講者強調，問題往往不在於數據本身，而在於我們過度依賴單一的評價標準。舉例來說，WHO 將某些介入措施的「操作性成功」定義為在調查中達到 80% 的覆蓋率，然而這樣的門檻，往往忽略了重要的社會情境差異，例如家庭結構、居住型態或睡眠習慣。他以越南中部農村的一項森林瘧疾社區試驗為例，即使帳面上達到高覆蓋率，實際的防護效果卻因當地生活型態，甚至居民是否願意誠實回應調查，而大打折扣。這提醒我們，形式上數據顯示「已控制」，並不等同於實質上的「政策有效」。
神經發言 Nervestalk 