Työikäisten työkyvyn ylläpitäminen ja ennenaikaisten kuolemien ehkäisy, väestön ikääntyminen ja monisairastavuus sekä näistä johtuva hoitokustannusten kasvu ovat keskeisiä terveyden ja hyvinvoinnin haasteita Suomessa ja yleensäkin länsimaissa tänä päivänä. Sekä kansanterveyden että -talouden kannalta on tärkeää, että tämäntyyppisiä muutoksia voidaan ennakoida mahdollisimman tarkkaan.
Ennaltaehkäisyllä, interventioilla, resurssien oikealla kohdentamisella sekä poliittisilla päätöksillä voidaan vaikuttaa väestön terveyden ja hyvinvoinnin kehitykseen. Esimerkiksi hoitotaakan ja erilaisten tukien tarpeen ennakointi ja niihin vaikuttavat tekijät ovat päätöksenteossa keskeisiä.
Ennakointia voidaan tehdä mm. erilaisten ennusteiden avulla niin väestö- kuin yksilötasolla. Yksilötason ennusteisiin liittyy tavallisesti monia epävarmuuden lähteitä. Huomattavasti tarkempia väestötason ennusteita voidaan tehdä, kun käytetään väestöä edustavia yksilötason riskitekijä- ja taustatietoja sisältäviä aineistoja.
Käyttötarve ja taustatiedot määrittävät mallin valinnan
Ennusteita voidaan tehdä monenlaisilla malleilla, käyttötarkoituksesta ja olemassa olevista tausta-aineistoista riippuen.
Kun tehdään terveyteen ja tautien esiintyvyyteen liittyviä ennusteita, parhaaseen tulokseen päästään hyödyntämällä yksilötason tietoja riskitekijöistä: Tupakoinnin, liiallisen alkoholinkäytön, kohonneen verenpaineen tai kolesterolin, vähäisen liikunnan ja epäterveellisen ruokavalion kaltaiset riskitekijät kasaantuvat usein samoille ihmisille. Pienellä osalla väestöstä on siis suuri riski sairastua moniin sairauksiin, vaikka useimmilla yksilötason ennuste tulevalle terveydentilalle olisikin hyvä.
Parhaiten tietoja väestötason riskitekijöistä saadaan erilaisista väestötutkimuksista, joissa tutkimukseen kutsutuilta henkilöiltä kerätään laajasti tietoa heidän elintavoistaan, toimintakyvystään sekä muista riskitekijöistä mittausten avulla. Sairastumisriskien arvioimiseksi näihin aineistoihin liitetään erilaisia rekisteritietoja mm. terveydenhuollon palveluiden käytöstä ja diagnosoiduista taudeista sekä annetuista hoidoista.
Suomalaiset aineistot soveltuvat poikkeuksellisen hyvin erilaisten terveyteen liittyvien ennusteiden tekemiseen.
Usein ennusteiden taustalla käytetään yksinkertaista regressiomallia, joka olettaa kehityksen jatkuvan samanlaisena kuin aikaisemmin. Mallit eivät toisin sanoen huomioi esim. riskitekijöiden yleistymistä tai harvinaistumista tai ehkäisyohjelmien mahdollisia vaikutuksia eri väestöryhmissä. Tällaiset yksinkertaiset mallit eivät myöskään pysty käsittelemään ennusteisiin liittyviä epävarmuustekijöitä riittävästi.
Hyvä ennustemalli hyödyntää tietoja kattavasti
Hyvän ennustemallin tulisi kuitenkin ottaa kattavasti huomioon riskitekijöiden ja sairauksien väliset syy-seuraussuhteet ja niihin mahdollisesti vaikuttavat tekijät. Kehittyneemmät Markovin malliin tai mikrosimulaatiomalliin perustuvat menetelmät pyrkivät hyödyntämään olemassa olevaa tietoa kattavammin. Näihin malleihin voidaan liittää esim. tutkimustuloksia interventiotoimenpiteiden vaikutuksista tautitaakan kehitykseen erilaisten päätösvaihtoehtojen vertailemiseksi.
Tilastokeskuksella käytössä oleva ns. Sisu-malli on hyvä esimerkki pidemmälle kehittyneestä ennustemallista, jolla voidaan vertailla lainsäädäntövaihtoehtojen vaikutuksia erilaisten tukien käyttämiseen ja toimeentuloon.
THL:ssa on Sisu-mallia käyttäen selvitetty mm. terveydenhuollon asiakasmaksujen vaikutusta köyhyyteen. Tässä mallissa on laskettu asiakasmaksumenot olemassa olevan lainsäädännön pohjalta ja arvioitu Sisu-mallin avulla asiakasmaksumuutosten vaikutuksia.
Tällä hetkellä Sisu-malli hyödyntää vain lainsäädännön muutoksia ja mahdollistaa niiden vaikutusten arvioimisen. THL:n tekemät mallinnukset hyötyisivät mm. lääke-, yksityisen terveydenhoidon ja matkakustannusten muutosten lisäämisestä malliin.
Huomisen sairaudet ja hoidon tarve riippuvat tämän päivän riskitekijöistä ja elintavoista.
Ennuste on aina ennuste, ei lopullinen totuus
Oli ennuste miten hyvä tahansa, on se aina jonkinasteinen arvaus siitä, miten asiat voisivat kehittyä tiettyjen oletusten ollessa voimassa. Tämän vuoksi ennusteiden tekemiseen liittyy aina epävarmuutta. Epävarmuus myös kasvaa mitä pidemmälle tulevaisuuteen ennusteita tehdään.
Tehtyihin ennusteisiin tulisi aina suhtautua tietyllä varauksella ja niiden paikkansapitävyyttä olisi mahdollisuuksien mukaan hyvä arvioida jälkikäteen. Näin voimme kehittyä ennusteiden tekijöinä ja oppia lisää taustalla vaikuttavista ilmiöistä sekä siitä, miten ne olisi paras ottaa ennustemalleissa tulevaisuudessa huomioon.
Tavoitteena paremmat ennusteet tulevaisuuteen
THL:ssa on menossa Suomen Akatemian rahoittama (2017–2021) hanke ”Projections of the burden of disease and disability in Finland – health policy prospects” (PoDDy-HePo), jonka tarkoituksena on kehittää olemassa olevia ennustemenetelmiä niin, että ne hyödyntävät käytettävissä olevan tiedon paremmin. Hankkeessa käytetään suomalaisia väestö- ja rekisteritutkimusaineistoja sekä uusia ennustemalleja aiempaa tarkempien terveysennusteiden tuottamiseksi.
Havainnointiin perustuvien väestöaineistojen lisäksi tarkoituksena on hyödyntää kirjallisuudessa esitettyjä, kokeellisiin tutkimusasetelmiin perustuvia tuloksia erilaisten ennaltaehkäisevien toimenpiteiden mahdollisista vaikutuksista erilaisissa väestöryhmissä, jos niitä sovellettaisiin laajasti väestötasolla.
Lisätietoja:
Projections of the burden of disease and disability in Finland – health policy prospects (Sairauksien ja toimintakyvyn ennusteet terveyspolitiikan tueksi), https://www.thl.fi/poddy-hepo
Väestön terveyden ja hoidontarpeen ennakointi väestö- ja rekisteriaineistojen avulla -työpajan (THL, Helsinki, 17.9.2018) esitykset: Presentations from the Workshop on projections