Väestötutkimukset, kuten THL:n toteuttamat FinTerveys ja FinSote, ovat rekisteritietojen ohella keskeisiä tietolähteitä, kun tarvitaan tietoa mm. väestön terveydestä, terveyskäyttäytymisestä ja elintavoista, toimintakyvystä ja terveydenhuollon palveluiden käytöstä ja koetusta saatavuudesta.

Väestötutkimusten tulosten edustavuuden määrittelemiseksi käytetään yleisesti yhtenä mittarina osallistumisaktiivisuutta. Iso kysymys onkin, kuinka paljon ja miten kato (osallistumattomuus) vaikuttaa tulosten edustavuuteen.

European Survey Research Association (ESRA) järjesti kesällä kahdeksannen väestötutkimusmenetelmien kongressinsa Zagrebissa, Kroatiassa. Kongressissa esitettiin suuri joukko mielenkiintoisia tutkimustuloksia mm. tutkimuksen kadosta, sen vaikutuksista tulosten edustavuuteen ja mitä voitaisiin tehdä kadon minimoimiseksi.

Esittelen tässä blogissa muutaman näistä tutkimuksista poimitun vinkin.

1. Suunnittele tutkimus hyvin

Kaikki alkaa hyvin tehdystä taustatyöstä ja suunnittelusta. On tärkeää katsoa kriittisesti jo tehtyjä väestötutkimuksia ja miettiä, mitä niistä voi oppia.

Jokaisesta tehdystä tutkimuksesta tulisi tehdä kattava katoanalyysi eli selvittää, ketkä ovat jättäneet osallistumatta tutkimukseen ja mikä on näin muodostuneen kadon mahdollinen vaikutus tulosten edustavuuteen.

Paljon arvokasta tietoa mm. katoon jääneiden ikä- ja sukupuolijakaumasta saadaan monesti jo kohdejoukkoa kuvaavasta listasta eli otoskehikosta, jota on käytetty tutkimukseen valitun otoksen pohjana.

Jos mahdollista, otoskehikkoon tulisi pyrkiä sisällyttämään mahdollisimman paljon tutkittavien taustatietoja kattavan katoanalyysin tekemistä varten. Kadon profilointi on ensiarvoisen tärkeää, jotta ymmärrämme kerätyn aineiston mahdolliset edustavuuteen liittyvät rajoitukset.

2. Käytä erilaisia rekrytointimenetelmiä

Ihmiset ovat yksilöitä ja kukin meistä toimii omalla tavallaan. Siksi harvoin yksi ja sama rekrytointimenetelmä tuottaa parhaan tuloksen kaikille väestöryhmille.

Kun tiedämme aikaisempien katoanalyysien pohjalta, mitkä väestöryhmät on vaikea tavoittaa, voimme suunnitella paremmin kohdennettuja rekrytointimenetelmiä juuri näille ryhmille.

Tästä hyvä esimerkki on tekstiviestimuistutusten käyttäminen, mikä on osoittautunut tehokkaaksi ja kustannuksiltaan edulliseksi tavaksi tavoittaa mm. nuoria aikuisia ja nostaa heidän osallistumisaktiivisuuttaan.

Uusia menetelmiä kannattaa ensin pilotoida pienemmällä otoksella, ettei vahingossa päädytä käyttämään menetelmiä, jotka eivät toimi.

Paljon keskustelua herättänyt menetelmä kadon minimoimiseksi ovat erilaiset palkkiot. Maailmalla yleisesti tarjotaan tutkimukseen osallistujille pieniä lahjoja tai jopa puhdasta käteistä vastineeksi osallistumisesta.

Useat tutkimukset ovat osoittaneet, että pienet lahjat, kuten kynä tai muistitikku, eivät juurikaan vaikuta osallistumisaktiivisuuteen. Käteisen on usein osoitettu nostavan osallistumisaktiivisuutta, mutta onko eettisesti oikein lähteä ostamaan tutkittavien tietoja erityisesti terveyteen liittyvissä tutkimuksissa?

Toisaalta taas voisi olla perusteltua korvata tutkimuspaikalle saapumisesta johtuvat matkakulut. Tiedetään myös, että parhaan vaikutuksen näillä palkkioilla saa, kun ne tarjotaan automaattisesti kaikille tutkimukseen kutsutuille jo kutsun yhteydessä, eikä palkkion saaminen edellytä osallistumista.

3. Tee selkeä ja helposti käytettävä kyselylomake

Kirjallisuus on pullollaan julkaisuja mm. kysymyslomakkeen ominaisuuksien ja sisällön vaikutuksista osallistumisaktiivisuuteen.

Yleisesti sanotaan, että lomakkeen tulisi olla mahdollisimman lyhyt, alussa tulisi olla tutkittavalle helppoja kysymyksiä ja sensitiiviset kysymykset tulisi jättää lomakkeen loppupäähän. Tietenkin myös itse lomakkeen luettavuuteen ja ulkoasun ammattimaisuuteen on syytä kiinnittää huomiota sisällön lisäksi.

Nykyisin kyselyt ovat suurelta osin siirtymässä internetiin. On kuitenkin muistettava, että vaikka web-pohjainen tiedonkeruu on usein edullisempi vaihtoehto, se ei välttämättä tavoita kaikkia väestöryhmiä ja yksin käytettynä voi vaarantaa tutkimustulosten edustavuuden.

Tämän vuoksi yleisesti suositaan ns. monimenetelmäistä tiedonkeruuta, joka hyödyntää sekä perinteisiä menetelmiä että uusia teknologioita.

4. Huomioi eri kieliryhmät

Maailman muuttuessa myös Suomessa vieraskielisten osuus väestöstä kasvaa vauhdilla. Tämä luo uusia haasteita väestötutkimuksille, joissa sekä tiedotteet, kutsukirjeet, kyselylomakkeet ja mahdolliset kliinisiin mittauksiin ja näytteenottoon liittyvät ohjeet tulisi olla saatavilla mahdollisimman monella kielellä.

Jos ei ymmärrä saamaansa kutsukirjettä tai kyselylomakkeen täyttäminen vieraalla kielellä on liian hankalaa, on ymmärrettävää, että on helppo jättää osallistumatta.

5. Seuraa tutkimuksen edistymistä ja tee tarvittaessa korjauksia

Tutkimuksen aikana on ensiarvoisen tärkeää valvoa tutkimuksen edistymistä – ei vain tiedon laadun, vaan myös osallistumisaktiivisuuden kehittymisen osalta.

Jos tutkimuksen kuluessa huomataan, että jonkin tietyn väestöryhmän osallistumisaktiivisuus on jäämässä odotettua alhaisemmaksi, on syytä harkita, voidaanko tähän ryhmään kuuluvien rekrytointia jotenkin tehostaa, esim. lisäämällä henkilökohtaisia kontakteja puhelimitse tai kotikäynteinä.

Kaikille katoon jääneille on hyvä olla etukäteen suunniteltu karhuamisprosessi.

On näyttöä siitä, että karhukierroksilla saadaan osallistumisaktiivisuus selvästi nousemaan, kunhan ne on suunniteltu hyvin ja sisältävät useita erilaisia yhteydenottoja (kirje, tekstiviesti, puhelu, kotikäynti), jotka tapahtuvat eri viikonpäivinä ja eri kellonaikoihin.

Karhujen tarkoituksena on saada kerättyä edes jotain tietoja – vaikka vain lyhennetty kyselylomake – mahdollisimman monelta tutkimukseen kutsutulta. Toki henkilön tahtoa olla osallistumatta tulee kunnioittaa, eikä ketään saa painostaa osallistumaan, mutta hienovarainen rohkaiseminen ja motivointi on sallittua.

6. Hyödynnä eri menetelmiä katoanalyysin tekoon ja kadon korjaamiseen

Kun tutkimus on saatu päätökseen ja on aika analysoida aineistoa, hyvin tehty katoanalyysi auttaa ymmärtämään kerätyn aineiston mahdolliset rajoitukset edustavuudessa.

Kadosta aiheutuvaa harhaa voidaan toki yrittää korjata esimerkiksi painokertoimien tai tilastollisen mallintamisen, esimerkiksi moni-imputoinnin, avulla, mutta mikään menetelmä ei korvaa todellisia havaintoja.

Kadon korjausmenetelmät tarvitsevat mahdollisimman paljon tietoa myös katoon jääneistä. Meillä Suomessa on paljon hienoja rekistereitä, joita voidaan hyödyntää mm. tarvittavien painokertoimien muodostamisessa sekä lisätietona moni-imputointimalleissa.

Rekisteritietojen käyttö tosin vaatii, että tarvittavat luvat väestötutkimustietojen yhdistämiseksi rekisteritietoihin ovat olemassa. Tämä mahdollisuus on hyvä pitää mielessä jo tutkimusta suunniteltaessa, jotta mahdollisesti tarvittavat tutkittavan suostumukset saadaan kerättyä jo tutkimuksen aikana.

Lopuksi: Mikä on riittävä osallistumisaktiivisuus?

Loppujen lopuksi, mikä kaiken tämän jälkeen olikaan tutkimuksen osallistumisaktiivisuus?

Osallistumisaktiivisuus voidaan laskea hyvin monella tavalla, ja ajoittain näkeekin hyvin tarkoitushakuista osallistumisaktiivisuuden määrittelyä, eli pyritään määritelmän avulla saamaan mahdollisimman korkea osallistumisaktiivisuus.

Kaiken keskiössä on kaksi keskeistä muuttujaa: osallistujat ja otos. Osallistujan tulisi olla henkilö, jolta on saatu vähintään tutkimuksen kannalta keskeiset muuttujat joko kysymyslomakkeella tai kliinisten mittausten muodossa.

Alkuperäisestä otoksesta on perusteltua poistaa mm. ennen tutkimusajankohtaa kuolleet, mutta muuten otoksesta ei tulisi poistaa henkilöitä ilman vahvoja perusteita. Näiden tietojen pohjalta saadaankin laskettua osallistumisaktiivisuus.

Miten korkea osallistumisaktiivisuuden sitten pitäisi olla, jotta tulokset olisivat edustavia?

Kirjallisuudessa on pitkään käytetty 70 prosenttia edustavuuden rajana. Tämä raja tosin on pitkälle riippuvainen siitä, miten valikoitunut osallistujien joukko loppujen lopuksi on.

Eli kannattaa tähdätä niin korkeaan osallistumisaktiivisuuteen kuin olemassa olevilla resursseilla on mahdollista.

Lue lisää:

European Survey Research Association (ESRA) -kongressi

AAPOR standard definitions of response rates

Non-Participation in Health Examination Surveys (NoPaHES) -project

×
×
×

Vastaa

Käsitellään kommentteja...

Sähköpostiosoitettasi ei julkaista. Pakolliset kentät on merkitty *