0 1 2 3
Vaikuttaminen (n = 97/62)
Puhtaus (n = 100/65)
Ruoka (n = 100/65)
Turvallisuus (n = 100/63)
Osallisuus (n = 100/64)
Ajankäyttö (n = 98/65)
Siisteys (n = 100/65)
Arvokkuus (n = 85/0)
Nykytila (current) Odotettu (expected)
Kuviosta 7 voidaan siis havaita tehostetun palveluasumisen vaikuttavuus eri ulottuvuuk-sien alueella. Suurin ero nykytilan ja odotetun tilanteen välillä (palvelun vaikuttavuus) on turvallisuuden kohdalla. Vähiten tehostetulla palveluasumisella on voitu vaikuttaa asiak-kaan mahdollisuuksiin käyttää aiasiak-kaansa mieleisellään tavalla. Arvokkuus-ulottuvuuden odotetun elämänlaadun vastaajamäärä on nolla (n = 0), sillä tätä omanarvontunnosta ei kysytä odotettua elämänlaatua arvioitaessa. Odotetun elämänlaadun arvokkuus -ulottu-vuus saa palvelun vaikuttavuutta laskettaessa aina arvon 2. (Netten ym. 2011, 4–7.)
8.3.2 ASCOT-SCRQoL (painottamaton elämänlaadun indeksi)
ASCOT-mittarilla mitattua sosiaalipalveluun liittyvää elämänlaatua tarkastellaan yleensä laskemalla eri ulottuvuudet yhdistävä preferenssipainotettu indeksiluku. ASCOT-INT4-mittarille ei kuitenkaan ole vielä julkaistu suomalaisen väestön hyötypainoja, joten tässä tutkielmassa ilmoitettu ASCOT-SCRQoL on aina painottamaton, eikä siten täysin vertai-lukelpoinen muissa tutkimuksissa lasketun ASCOT-SCRQoL-luvun kanssa.
TAULUKKO 13. ASCOT-SCRQoL (ilman preferenssipainoja) ja vaikuttavuus
Nykytila (current) 1 Odotettu (expected) 2 Vaikuttavuus (gain) 3
1 ASCOT-SCRQoL-indeksiluvun vaihteluväli nykytilanteessa 0–1 (1 = paras mahdollinen elämänlaatu).
Keskiarvojen vaihtelun ei havaittu olevan tilastollisesti merkitsevää (Tukey HSD p > .05).
2 ASCOT -SCRQoL-indeksiluvun vaihteluväli odotetussa tilanteessa 0–1 (1 = paras mahdollinen elämän-laatu). Keskiarvojen vaihtelun ei havaittu olevan tilastollisesti merkitsevää (Tukey HSD p > .05).
3 Vaikuttavuus (gain) on nykytilan SCRQoLin ja odotetun SCRQoLin erotus. Keskiarvojen vaihtelun ei havaittu olevan tilastollisesti merkitsevää (Tukey HSD p > .05).
Tämän tutkielman tulosten mukaan (Taulukko 13) ASCOT-INT4-mittarilla mitatun sosi-aalipalveluihin liittyvän elämänlaadun indeksiluku (ASCOT-SCRQoL ilman preferens-sipainoja) on kaikilla vastaajilla (n = 84) keskimäärin .77 (keskihajonta .16). Odotetun elämänlaadun (ilman saatua palvelua) indeksiluvun keskiarvo on kaikilla (n = 59) vastaa-jilla .34 (keskihajonta .20).
Elämänlaadun indeksiluku muodostetaan mittarin kaikkien kahdeksan eri ulottuvuuden summasta, jaettuna maksimipistemäärällä. Se voi saada arvon väliltä 0–1. Odotetun elä-mänlaadun (ilman saatua palvelua) indeksiluku muodostetaan muuten samoin, mutta ar-vokkuus-ulottuvuus, joka ei sisälly odotetun elämänlaadun kysymyksiin, saa tässä ta-pauksessa aina arvon 2. Tämä vastaa tilannetta, ettei saadulla palvelulla (nykytilanteessa) ole vaikutusta asiakkaan omanarvontuntoon. (Netten ym. 2011, 4–7.) Asiakasryhmittäin tarkasteltuna on ikääntyneiden indeksiluku (.79) hieman kaikkien vastaajien keskiarvoa (.77) korkeampi. Vammautuneiden keskiarvo (.70) on hieman kaikkien vastaajien kes-kiarvoa matalampi. Kehitysvammaisten asiakkaiden elämänlaadun indeksiluku on kai-kista korkein (.83), mutta erityisesti tämän asiakasryhmän kohdalla on otettava huomioon pieneksi jäänyt vastaajamäärä.
Näiden tulosten mukaan (Taulukko 13) tehostetun palveluasumisen vaikuttavuuden (pai-nottamaton) indeksiluku ASCOT-INT4-mittarilla mitattuna on kaikilla asiakasryhmillä (n = 58) keskimäärin .44 (keskihajonta .24). Palvelun vaikuttavuus (gain) lasketaan vä-hentämällä nykytilan elämänlaadun indeksistä odotetun elämänlaadun indeksiluku (Net-ten ym. 2011, 4–7). Ikääntyneillä asiakkailla saadun palvelun vaikuttavuuden indeksi on .45, vammautuneilla .40 ja kehitysvammaisilla .51. Keskiarvojen ero asiakasryhmien välillä, Tukeyn HSD -testillä laskettuna, ei ole tilastollisesti merkitsevä. Keskiarvojen eron tilastollisen merkitsevyyden laskemiseen on kuitenkin voinut vaikuttaa aineiston riittämätön voima. Suurissa otoksissa pienemmätkin erot ovat tilastollisesti merkitseviä.
(Ketokivi 2009, 52.) Tässä aineistossa vastaajia on liian vähän.
8.4. Elämänlaadun ja palvelun vaikuttavuuden selittäjät 8.4.1 Regressiomallien muodostaminen
Analysoin tiettyjen elämänlaatutekijöiden sekä palvelun laatutekijöiden yhteyksiä ASCOT-INT4-mittarilla mitattuun sosiaalipalveluun liittyvään elämänlaatuun sekä pal-velun vaikuttavuuteen lineaarisella regressioanalyysillä. Regressioanalyysin tarkoituk-sena on selitettävän muuttujan vaihtelun selittäminen selittävillä muuttujilla. Regres-siomalleihin valitut selittävät muuttujat perusteluineen on esitetty taulukossa 14. Selitet-tävinä muuttujina käytän ensimmäisessä mallissa ASCOT-INT4-mittarilla mitattua
sosi-aalipalveluun liittyvää elämänlaatua sekä toisessa mallissa ASCOT-INT4-mittarilla mi-tattua palvelun vaikuttavuutta. Regressiomallien muodostusmetodina on enter, jota käy-tettäessä malliin tulevat muuttujat määritellään teorialähtöisten tutkimushypoteesien pe-rusteella. Tämä on tärkeää, sillä vaihtelun tieteellinen selittäminen ei yksin riitä. Yhteyk-sien tulee olla myös teoreettisesti mielekkäitä. (Ketokivi 2009, 88–87; Nummenmaa 2009, 315–319.)
TAULUKKO 14. Regressioanalyysiin valitut selittävät muuttujat
Muuttuja Odotettavissa oleva yhteys ja yhteyden suunta
Ikä Elämänlaatu heikkenee korkeassa iässä. Parempaa elämänlaatua selittää läheisiltä saatu tuki ja terveys. Elämänlaadun vaihtelua selittävät tekijät eroavat ikäryhmien välillä. (Vaarama ym. 2010a, 135–143; Vaarama ym. 2010b, 151.)
Sukupuoli Ei odotettavissa olevaa yhteyttä.
Asiakasryhmä Yhteydestä tai yhteyden suunnasta ei ole tietoa.
Asumisaika Saadun palvelun merkitys (vaikuttavuus) asiakkaan elämänlaatuun lisääntyy ajan ku-luessa (Towers ym. 2016, 2–4). Toisaalta, ajan kuku-luessa ja toimintakyvyn laskiessa elämänlaatu tavallisesti huononee (Netten ym. 2012a, 6).
Toimintakyky Toimintakyvyn aleneminen ajan kuluessa vaatii kasvavaa panostusta palvelulta, tämä voi vaikuttaa elämänlaatuun sekä vaikuttavuuteen (Malley & Fernández 2010, 9–10).
Heikompi toimintakyky on yhteydessä palvelun korkeampaan vaikuttavuuteen (gain) (Netten ym. 2012b, 513). Heikko toimintakyky laskee elämänlaatua. Se vähentää myös sosiaalisia suhteita ja sitäkin kautta alentaa elämänlaatua (Vaarama ym. 2010b, 159;
Uotila 2011, 28–29). Heikko toimintakyky ei kuitenkaan aina tarkoita huonompaa elä-mänlaatua (Aalto ym. 2013, 4).
Laatukokemus 2
(kiire) Hoitajien kiire voi heikentää asiakkaan tyytyväisyyttä ja elämänlaatua (Tepponen 2009, 37; Räsänen 2017; HE 4/2020). Kiireen taustalla usein oleva matala hoitaja-mitoitus selitti tilastollisesti merkitsevästi hoidon laatua ja asiakkaiden tyytyväi-syyttä esimerkiksi Kajoniuksen & Kazemin (2016, 699–705) ja Malleyn & Fernán-dezin (2010, 562–564) tutkimuksissa. Matala mitoitus laski tyytyväisyyttä.
Laatukokemus 3
(kohtelu) Malleyn ja Fernándezin (2010, 560–562) mukaan henkilökunnan käytös ja asenteet vaikuttavat hoidon koettuun laatuun. Kajoniuksen ja Kazemin (2016, 699–701) tut-kimuksessa kunnioittava kohtelu selitti 40 % hoitoon tyytyväisyyden vaihtelusta hoi-vakodeissa. Vaaraman tutkimusryhmien (2010a, 135–143; 2010b, 151) tutkimusten tulokset tukevat tätä havaintoa. Tyytyväisyys hoidon laatuun parantaa elämänlaatua ja sen kautta palvelun vaikuttavuutta.
Läheissuhteet Yhteydessä elämänlaatuun ja palvelun vaikuttavuuteen sekä yksinäisyyden koke-mukseen. Asiakkaat, jotka kokevat läheisten olevan riittävästi läsnä elämässään, ovat vähemmän yksinäisiä (Dahlgren 2010, 195).
Yksinäisyys Yksinäisyyden ja iän suhde noudattaa U-käyrää (Pinquart & Sörensen 2001, 245).
Yksinäisyys ja sosiaalisten suhteiden puute heikentävät elämänlaatua (Hughes ym.
2004, 655–669). Tutkimusten mukaan elämänlaatua paransi yksinäisyyden tunteen puute (Vaarama 2006, 4; Vaarama, Pieper & Sixsmith 2008; Vaarama ym. 2010a, 128; Vaarama ym. 2010b, 159).
Regressioanalyysin etu on, että sillä voidaan analysoida samanaikaisesti useamman selit-tävän muuttujan yhteyksiä selitettävään muuttujaan, ottaen myös mallin muut muuttujat huomioon (ts. kun muut muuttujat on vakioitu) (KvantiMOTV 2008b). Menetelmänä reg-ressioanalyysi soveltuu erilaisille aineistoille hyvin, tietyt rajoitukset huomioon ottaen.
Tärkein aineistoon kohdistuva oletus regressiomallia sovellettaessa on, että muuttujien välillä on oltava lineaarinen yhteys. Selittävien muuttujien liiallista kolineaarisuutta tulisi kuitenkin välttää. Regressioanalyysissä aineiston koon tulisi olla vähintään 50 havaintoa.
Se soveltuu pienemmillekin aineistoille, mutta vain jos muut oletukset ovat voimassa.
Esimerkiksi normaalijakaumaoletuksesta voidaan tinkiä aineiston koon kasvaessa. Jos regressioanalyysin oletukset eivät ole voimassa, voi mallin muodostaminen olla vaikeaa.
Samalla tyypin 2 virheen todennäköisyys kasvaa. (Nummenmaa 2009, 315–319.) Regressioanalyysin kohdalla on arvioitava ennen kaikkea sitä, kuinka hyvin muodostettu malli pystyy toistamaan alkuperäiset havaintoarvot. Yleisesti tarkastellaan mallin sopi-vuutta, mallin selitysastetta, selittäjien sopivuutta sekä jäännöstermejä. Mallin sopivuutta voidaan tarkastella käyttämällä yksisuuntaista varianssianalyysiä (ANOVA). Fisherin F-suhteesta muodostuu suuri, jos malli selittää suuren osan selitettävän muuttujan vaihte-lusta. Jos tämän varianssianalyysin tulos on tilastollisesti merkitsevä (p < .05) mallin kat-sotaan sopivan aineistoon. Monimuuttujamallissa mallin selitysastetta tarkastellaan las-kemalla neliösummien avulla selitettävän muuttujan ja selittävien muuttujien multippeli-korrelaation neliö R2. Selitysaste vaihtelee aina välillä 0–1, jossa 1 tarkoittaa, että selitet-tävän muuttujan vaihtelu pystytään kuvaamaan kokonaan ja 0, ettei vaihtelua pystytä ku-vaamaan lainkaan. Selitysaste R2 antaa selitysasteen sille aineistolle, johon malli on so-vitettu. Se on oikea estimaatti, kun malli on tehty koko populaation perusteella. Jos ra-portoidaan korjattu selitysaste (adjusted R2), saadaan todenmukaisempi kuva otoksen pe-rusteella laaditun mallin sopivuudesta populaatioon. Korjattu selitysaste ottaa huomioon myös muuttujien lukumäärän, jottei se automaattisesti korota selitysastetta. (Nummen-maa 2009, 319–321.)
Regressiokerroin β ilmaisee, kuinka paljon yksittäinen selittävä muuttuja selittää selitet-tävän muuttujan vaihtelusta. Regressiokertoimet ilmaistaan samalla mittayksiköllä kuin selittävä muuttuja ja ne voivat olla negatiivisia tai positiivisia. Positiivinen arvo osoittaa,
että selittävän muuttujan arvon kasvaessa myös selitettävän muuttujan arvo kasvaa. Se-littävän muuttujan regressiokertoimen suuri itseisarvo tarkoittaa, että sillä voidaan selittää suuri osa selitettävän muuttujan vaihtelusta. Lähellä nollaa oleva β on yleensä merkityk-setön, mutta pienikin vaihtelu voi olla suurta suhteutettuna selitettävän muuttujan vaihte-luun. Regressiokerroin siis osoittaa, kuinka paljon selitettävän muuttujan arvo muuttuu, kun selittävä muuttuja muuttuu yhden yksikön, kun muut mallissa mukana olevat selittä-vät muuttujat pidetään vakiona. Standardoitu regressiokerroin ilmoittaa, kuinka monta keskihajontaa selitettävän muuttujan arvo muuttuu, kun selittävä muuttuja muuttuu yhden keskihajonnan verran, muiden muuttujien ollessa vakioitu. Standardoitu kerroin ei tar-vitse vakiotermiä: regressiosuora leikkaa y-akselin aina origossa. Standardoitu regressio-kerroin mahdollistaa mallin sisällä olevien selittävien muuttujien eri regressioregressio-kerrointen keskinäisen vertailun. Standardoidut regressiokertoimet eivät kuitenkaan ole vertailukel-poisia eri mallien välillä. (Nummenmaa 2009, 321–322.)
8.4.2 Elämänlaadun ja elämän- ja palvelun laatutekijöiden yhteys
Taulukossa 15, regressiomallissa 1, testaan kolmea yhteensä kuudesta tutkimushypotee-sista. Olen perustellut käyttämäni tutkimushypoteesit kappaleessa 6.2. Sosiaalipalveluun liittyvää elämänlaatua selittävät hypoteesit ovat: (H11) asiakkaan kokemalla yksinäisyy-dellä on negatiivinen yhteys hänen ASCOT-INT4-mittarilla mitattuun sosiaalipalveluun liittyvään elämänlaatuun. (H31) asiakkaan kokemuksella työntekijöiden kiireestä on ne-gatiivinen yhteys hänen ASCOT-INT4-mittarilla mitattuun sosiaalipalveluun liittyvään elämänlaatuun. (H51) asiakkaan kokemuksella työntekijöiltä saadusta kohtelusta on posi-tiivinen yhteys hänen ASCOT-INT4-mittarilla mitattuun sosiaalipalveluun liittyvään elä-mänlaatuun.
Regressiomallista 1 (Taulukko 15) havaitaan, että asiakkaiden kokemus työntekijöiden kiireestä (Laatukokemus 2), tyytyväisyys työntekijöiltä saatuun kohteluun (Laatukoke-mus 3) sekä yksinäisyys ovat kaikki tilastollisesti merkitseviä sosiaalipalveluihin liittyvän elämänlaadun selittäjiä. Asiakkaan ikä, sukupuoli, asiakasryhmä, toimintakyky tai perhe- ja läheissuhteiden määrä ja laatu eivät osoittautuneet tilastollisesti merkitseviksi.
TAULUKKO 15. Regressiomalli 1: elämän- sekä palvelun laatutekijöiden yhteys sosiaa-lipalveluun liittyvään elämänlaatuun (painottamaton ASCOT-SCRQoL)
Standardoimaton Standardoitu Kolineaarisuus
Malli 1 (n = 80) β
Mallin sopivuus aineistoon (ANOVA): F11,68 = 6.63 (p < .000)
Regressiomallin 1 muodostamismetodi: enter, Puuttuvien havaintojen käsittely: listwise.
Selitettävä muuttuja: ASCOT-SCRQoL, nykytila (ilman preferenssipainoja).
Selittävät muuttujat: Ikä (vuosina 18–100), Sukupuoli (naiset verrattuna miehiin), Asumisaika (vuosina),
a Asiakasryhmät (vammautuneet tai kehitysvammaiset verrattuna ikäihmisiin), Toimintakyky (6-CIT kogni-tiivinen toimintakyky + Barthelin indeksi ADL-toimintakyky, summa asteikolla 0–128), Laatukokemus 2 (ovatko työntekijät mielestäsi kiireisiä), Laatukokemus 3 (miten työntekijät kohtelevat sinua ylipäätään),
b Läheissuhteet (ei riittävät tai ei lainkaan verrattuna riittäviin läheissuhteisiin), Yksinäisyys (asteikolla 1 –4).
Näin ollen kaikkien kolmen hypoteesien kohdalla H0 kumoutuu ja H1 jää voimaan. Yksi-näisyys on tilastollisesti merkitsevä (p = .003) elämänlaadun selittäjä, kun ikä, sukupuoli, asumisaika, asiakasryhmä, toimintakyky, kokemukset kiireestä ja kohtelusta sekä perhe- ja läheissuhteiden määrä- ja laatu on vakioitu. Kun asiakkaan yksinäisyys lisääntyy, elä-mänlaadun kokemus (ASCOT-SCRQoL) alenee (β = -.042, Std. beta -.288). Lisäksi pal-velun laatuun liittyvät kokemukset työntekijöiden kiireestä sekä heiltä saadusta kohte-lusta ovat tilastollisesti merkitseviä (p < .05), kun ikä, sukupuoli, asumisaika, asiakas-ryhmä, toimintakyky, yksinäisyys sekä perhe- ja läheissuhteiden määrä- ja laatu on vaki-oitu. Kun asiakas kokee työntekijöiden olevan useammin kiireisiä (Laatukokemus 2) hä-nen elämänlaadun kokemuksensa alenee (β = -.030, Std. beta -.200). Asiakkaan tyytyväi-syys siihen, kuinka työntekijät kohtelevat häntä, taas parantaa elämänlaadun kokemusta (β = .064, Std. beta .309). Malliin 1 syötetyistä tilastollisesti merkitseviksi osoittautu-neista selittävistä muuttujista voimakkain yhteys elämänlaadun kokemukseen on tyyty-väisyydellä työntekijöiltä saatuun kohteluun. Standardoiduista beta-kertoimista voidaan havaita, että näin on myös tarkastellessa muuttujia suhteessa toisiinsa.
Taulukossa 15, regressiomallissa 1, Fisherin F suhde (F11,68 = 6.63) on tilastollisesti mer-kitsevä (p < .000), joten malli 1 sopii aineistoon. Mallin selitysaste on R2 = .518 ja korjattu selitysaste Adj. R2 = .440, eli malli selittää 52 % ASCOT-mittarilla mitatun koetun elämän-laadun vaihtelusta, tämän otoksen kohdalla. Koko populaation elämänelämän-laadun vaihtelua en-nustaessa tulisi käyttää korjattua selitysastetta, jonka mukaan malli selittäisi 44 % selittävän muuttujan vaihtelusta. Tämän tutkielman populaatio olisi kaikki kohdeorganisaation tehos-tetun palveluasumisen asiakkaat. Valikoitua otosta ei kuitenkaan voida pitää tilastollisen päättelyn kannalta edustavana, sillä siinä on mukana vain parhaan toimintakyvyn omaavat asiakkaat. (Nummenmaa 2009, 24–25.) Näin ollen otoksen ei voida välttämättä ajatella edustavan tutkielman kohdeväestöä, jolloin raportoidaan selitysaste R2 = .518.
Regressiomallissa 1 ei ole selittävien muuttujien välillä liiallista multikolineaarisuutta, toleranssien ollessa yli 0.3 ja VIF (variance inflatory factor) arvon alle 3. Toleranssi ei saisi olla alle 0.1. Kolineaarisuutta osoittavan VIF-arvon tulisi olla alle 5. Selittävät muut-tujat eivät saa korreloida liikaa keskenään, sillä selittävien muuttujien voimakas korrelaa-tio johtaa heikompien muuttujien vaihtelun jäämisen piiloon voimakkaammin selittävän muuttujan alle. (Holopainen & Pulkkinen 2002, 234; Nummenmaa 2009, 323–324.)
8.4.3 Vaikuttavuuden ja elämän- ja palvelun laatutekijöiden yhteys
Taulukossa 16, regressiomallissa 2, lineaarisella regressioanalyysillä selitetään ASCOT-INT4-mittarilla mitattua palvelun vaikuttavuutta. ASCOT-mittari laskee palvelun vaikut-tavuuden nykyisen elämänlaadun (current) ja odotetun elämänlaadun (expected) erotuk-sesta. Tämäkin malli on muodostettu enter-metodilla ja regressioanalyysiin on valittu sa-mat muuttujat kuin nykytilan elämänlaatua selitettäessä (Taulukko 15).
Mallissa 2 testaan loput kolme tutkimushypoteesia (ks. kappale 6.2). Hypoteeseina esitän, että: (H21) asiakkaan kokemalla yksinäisyydellä on negatiivinen yhteys ASCOT-INT4-mittarilla mitattuun palvelun vaikuttavuuteen, (H41) asiakkaan kokemuksella työntekijöi-den kiireestä on negatiivinen yhteys ASCOT-INT4-mittarilla mitattuun palvelun vaikut-tavuuteen ja (H61) asiakkaan kokemuksella työntekijöiltä saadusta kohtelusta on positii-vinen yhteys ASCOT-INT4-mittarilla mitattuun palvelun vaikuttavuuteen.
TAULUKKO 16. Regressiomalli 2: palvelun vaikuttavuus (ASCOT-INT4)
Standardoimaton Standardoitu Kolineaarisuus
Malli 2 (n = 56) β
Mallin sopivuus aineistoon (ANOVA): F11,44 = 2.37 (p < .021)
Regressiomallin 1 muodostamismetodi: enter, Puuttuvien havaintojen käsittely: listwise.
Selitettävä muuttuja: ASCOT palvelun vaikuttavuus (gain).
Selittävät muuttujat: Ikä (vuosina 18–100), Sukupuoli (naiset verrattuna miehiin), Asumisaika (vuosina),
a Asiakasryhmät (vammautuneet tai kehitysvammaiset verrattuna ikäihmisiin), Toimintakyky (6-CIT kogni-tiivinen toimintakyky + Barthelin indeksi ADL-toimintakyky, summa asteikolla 0–128), Laatukokemus 2 (ovatko työntekijät mielestäsi kiireisiä), Laatukokemus 3 (miten työntekijät kohtelevat sinua ylipäätään),
b Läheissuhteet (ei riittävät tai ei lainkaan verrattuna riittäviin läheissuhteisiin), Yksinäisyys (asteikolla 1 –4).
Regressiomallissa 2 (Taulukko 16) hypoteesi H21 kumoutuu. Yksinäisyys ei ole tilastol-lisesti merkitsevä palvelun vaikuttavuuden selittäjä, kun ikä, sukupuoli, asumisaika, asia-kasryhmä, toimintakyky, kokemukset kiireestä ja kohtelusta sekä perhe- ja läheissuhtei-den määrä- ja laatu on vakioitu. Myös hypoteesi H41 kumoutuu, kokemus työntekijöiden kiireestä ei selitä vaikuttavuutta tilastollisesti merkitsevästi (muut selittäjät vakioituina).
Sen sijaan H61 jää voimaan, tyytyväisyys työntekijöiltä saatuun kohteluun osoittautui ti-lastollisesti merkitseväksi palvelun vaikuttavuuden selittäjäksi (muut selittäjät vakioi-tuina). Kun asiakkaan tyytyväisyys henkilökunnalta saamaansa kohteluun kasvaa, myös palvelun vaikuttavuus kasvaa (β = .093, Std. beta .297).
Regressiomallista 2 voidaan lisäksi havaita, että eniten palvelun vaikuttavuuden vaihte-lusta muihin selittäjiin suhteutettuna selittää asiakkaan toimintakyky (β = -.002, Std. beta -.323). Kun toimintakyky paranee, ASCOT-INT4-mittarilla mitattu palvelun vaikutta-vuus heikkenee. Regressiomallin ”toimintakyky” muuttuja on muodostettu laskemalla
yhteen 6-CIT-testin sekä Barthelin Indeksin pisteet. Ennen summamuuttujan muodosta-mista täytyi 6-CIT-testin asteikko kääntää vastaamaan Barthelin Indeksin asteikkoa niin, että uuden summamuuttujan korkea pistemäärä tarkoittaa sekä hyvää kognitiivista toi-mintakykyä että hyvää ADL-toitoi-mintakykyä. Myös malli 2 sopii aineistoon (F11,44 = 2.37, p = .021) eikä selittävien muuttujien välillä ole liiallista multikolineaarisuutta. Mallin 2 selitysaste (R2 = .372) 37 % jää kuitenkin melko vaatimattomaksi.
8.5 ASCOT-INT4-mittarin luotettavuus
ASCOT-INT4-mittarin tuottaman elämänlaadun indeksin luotettavuuden arvioimiseksi kysyin haastateltavilta muitakin elämän- ja palvelun laatua kartoittavia kysymyksiä (Tau-lukko 17). Oletuksena oli, että tyytyväisyys elämään ja tyytyväisyys saatuun palveluun korreloivat positiivisesti ASCOT-indeksin kanssa. Jos muuttujien välillä ei havaittaisi korrelaatiota tai korrelaatio olisi vääränsuuntainen, voisi päätellä, etteivät haastatellut te-hostetun palveluasumisen asiakkaat ole välttämättä ymmärtäneet heille esitettyjä kysy-myksiä. Sovelsin korrelaatioiden tarkasteluun Pearsonin korrelaatiokerrointa. Tämä on parametrinen korrelaatiokerroin, jonka laskemiseksi muuttujien tulisi olla vähintään vä-limatka-asteikollisia ja normaalisti jakautuneita (Nummenmaa 2009, 279–280). Käyttä-mieni muuttujien kohdalla normaalijakautuneisuuden oletus ei kuitenkaan täyty.
TAULUKKO 17. ASCOT-indeksin (ASCOT SCRQoL, nykytila) luotettavuus
Pearsonin korrelaatio Keskiarvo Keskihajonta r Sig. n
ASCOT score (nykytila) .763 .158 80
Tyytyväisyys elämään (0 – 10) 7.50 2.129 .289** .009 80 Tyytyväisyys saatuun palveluun (4–10)1 8.15 1.397 .401** .000 80
** Korrelaatio on tilastollisesti merkitsevä tasolla 0.01 (2-tailed).
1 Asteikolla 4 = Ei lainkaan tyytyväinen … 10 = Erittäin tyytyväinen.
Tyytyväisyyden saatuun palveluun ja ASCOT-indeksin välillä voidaan havaita tilastolli-sesti merkitsevä, positiivinen lineaarinen yhteys (r = .401, p < 0.01). ASCOT-indeksin ja tyytyväisyyden elämään välillä on myös tilastollisesti merkitsevä, mutta heikompi posi-tiivinen lineaarinen yhteys (r = .289, p < 0.01). Koska nämä kysymykset mittaavat käsit-teellisesti samankaltaisia asioita kuin ASCOT, voidaan päätellä asiakkaiden
ymmärtä-neen ASCOT-mittarin kysymykset oikein. Nummenmaan (2009, 290) mukaan r = 0 tar-koittaa, ettei muuttujien välillä ole lineaarista yhteyttä ja r = 1 osoittaa, että muuttujien välillä on täysin lineaarinen yhteys. Noin tason r = 0.3 yhteyttä pidetään heikkona ja tason r = 0.5 keskinkertaisena. Korrelaation suunta ei vaikuta kertoimen suuruuteen (Nummen-maa 2009, 279–280).
Seuraavassa taulukossa (Taulukko 18) tarkastelen Cronbachin Alpha -kertoimella ASCOT-INT4-mittarin sisäistä konsistenssia, eli johdonmukaisuutta. Mitä korkeampia korrelaatiot eri kysymysten (items) välillä on, sitä luotettavampi mittari on. Cronbachin Alphan arvot on korkeita, kun kysymysten väliset korrelaatiot ovat vahvoja. Huomionar-voista on, että mittarin sisältämien itemien määrän kasvaessa myös Cronbachin Alpha suurenee, ja että Cronbachin Alpha kuvaa mittarin johdonmukaisuutta vain sovelletun aineiston osalta. (KvantiMOTV 2008a; Ketokivi 2009, 58; Nummenmaa 2009, 356–360.) TAULUKKO 18. Cronbachin Alpha (ASCOT-INT4 vastausten johdonmukaisuus)
Items α α1
Cronbachin Alpha 8 .738 .762
ASCOT ulottuvuus (nykytila), vaihteluväli 0–3
ASCOT ulottuvuus (odotettu), vaihteluväli 0–3
Keski-arvo
1 Standardoitujen itemien Cronbachin Alpha, 2 Korjattu item-total korrelaatio, 3 Cronbachin Alpha, jos item poistetaan
Tämän aineiston kohdalla voidaan päätellä, että ASCOT-INT4 on mitannut tutkimuskoh-teena olleiden asiakkaiden sosiaalipalveluihin liittyvää, koettua elämänlaatua sekä odo-tettua elämänlaatua ilman saatua palvelua, johdonmukaisesti. ASCOT-mittarilla mitatun sosiaalipalveluun liittyvän elämänlaadun (nykytila) vastausten johdonmukaisuus tässä ai-neistossa oli melko hyvä (α = .738). Kaikilla itemeillä havaittiin positiivinen korrelaatio (0.38–0.56) mittarin kokonaispistemäärän kanssa. Odotettua elämänlaatua (ilman saatua sosiaalipalvelua) mittaavien kysymysten johdonmukaisuus oli vielä parempi (α = .84).
Myös nämä itemit korreloivat positiivisesti (0.46–0.76) mittarin kokonaispistemäärän kanssa. Yleisesti .70 reliabiliteettia on pidetty riittävänä, mutta yli .80 reliabiliteettia tulisi kuitenkin tavoitella (Lance, Butts & Michels 2006, 205–206).
Arvioin mittarin luotettavuutta lisäksi vastaamalla itse jokaisen haastattelun päätteeksi kysymyksiin: 1) vaikuttiko tutkittava osaavan vastata ASCOT-mittarin nykytilaa koske-viin kysymyksiin sekä 2) vaikuttiko tutkittava osaavan vastata ASCOT-mittarin odotettua tilannetta koskeviin kysymyksiin. Vastausanalyysi on esitetty liitteessä 3. Nykytilan koh-dalla kaikista vastaajista (n = 84) yhteensä 72 pystyi oman arvioni mukaan vastaamaan kysymyksiin hyvin. Kymmenelle täytyi selventää useiden kysymysten merkitystä ja 2 vastaajan kohdalla minulla tuli tunne, ettei hän ole välttämättä ymmärtänyt kysymyksiä.
Odotetun tilanteen vastauksista (n = 59) kaikkiaan 47 vaikutti luotettavilta. 12 vastaajaa vastasi kysymyksiin mielestäni epävarmasti. Asiakkaiden kognitiivinen toimintakyky oli linjassa sen kanssa, miten luotettavasti hän vaikutti osaavan vastata mittarin kysymyksiin.
9 POHDINTA JA PÄÄTELMÄT
9.1 Tutkielman eettisyys ja tutkimusluvat
Kaikessa eri tieteenalojen tutkimuksessa pätevät tietyt yleiset eettiset periaatteet. Lisäksi tutkijan on noudatettava Tutkimuseettisen neuvottelukunnan (TENK) ohjeita hyvästä tie-teellisestä käytännöstä. Muista kuin lääketieteellisistä tutkimuksista ei Suomessa säädetä lailla, mutta eettinen ennakkoarviointi voidaan silti edellyttää (Tutkimuseettinen neuvot-telukunta i.a). Tältä ihmistieteisiin lukeutuvalta pro gradu -tason tutkielmalta ei edelly-tetty Itä-Suomen yliopiston tutkimuseettisen toimikunnan eettistä ennakkoarviointia. Ih-mistieteiden eettiset toimikunnat noudattavat Tutkimuseettisen neuvottelukunnan (TENK) laatimia ohjeita (Tutkimuseettinen neuvottelukunta i.a).
Tämän tutkielman kohdalla on ollut tärkeää ottaa huomioon erityisesti vajaakykyisten henkilöiden asema ja oikeudet. Itsemääräämisoikeuden näkökulmasta esimerkiksi muis-tisairaus itsessään ei poista kykyä tehdä itseään koskevia päätöksiä (Valvira 2018). Va-jaakykyiselle henkilölle on kuitenkin tärkeää antaa tietoa tutkimuksesta ymmärrettävällä tavalla. Vajaakykyisen ihmisen tulisi saada antaa suostumus osallistumisesta ensisijai-sesti itse, mutta tarpeen vaatiessa suostumuksen voi antaa myös henkilön läheinen tai laillinen edustaja. (Kohonen, Kuula-Luumi & Spoof 2019, 10.) Otin tämän huomioon pyytämällä yksiköiden vastuuesimiehiä informoimaan myös asiakkaiden omaisia suun-nitteilla olevasta tutkielmasta ja aineiston hankinnasta. Tutkielman eettisyyden takaa-miseksi ja asiakkaiden tietosuojan varmistatakaa-miseksi en kysynyt tietoja esimerkiksi asiak-kaan terveydestä, tuloista tai koulutustaustasta.
Kirjallisen tutkimusluvan olen saanut kohdeorganisaatiolta ennen aineistonkeruun aloit-tamista. Lisäksi jokaiselta haastatellulta asiakkaalta on saatu kirjallinen suostumus haas-tatteluun ja pro gradu -tutkielmaan osallistumisesta. Myönnetyn tutkimusluvan ja saa-mieni suostumusten mukaisesti olen raportoinut tulokset niin, ettei yksittäistä vastaajaa tai yksittäistä tehostetun palveluasumisen yksikköä voida tunnistaa. Luvan ASCOT-INT4-mittarin käyttöön sain Terveyden- ja hyvinvoinnin laitoksen kautta.
9.2 Tutkielman luotettavuus
Tutkielman tulosten luotettavuuden kannalta haastateltujen asiakkaiden valikoitunut otanta nähdään usein ongelmallisena. Joissain tapauksissa tämä on silti ainoa mahdollinen tapa toimia. Minulla ei ollut pro gradu -tutkielman puitteissa muuta keinoa tutkittavien rekrytoimiseen. Valikoivaa otantaa on jouduttu soveltamaan myös muissa tutkimuksissa.
Esimerkiksi Pirhonen tutkimusryhmineen (2016, 120–121) hankki tutkimusaineistonsa vastaavalla tavalla, pyytämällä asumisyksikön henkilökuntaa nimeämään haastateltaviksi soveltuvat asiakkaat. Tämän pro gradu -tutkielman luotettavuutta kuitenkin lisäsi saamani mahdollisuus liikkua yksiköissä vapaasti haastattelupäivän ajan. Minulla oli mahdolli-suus pyytää asiakkaita haastateltavaksi myös paikan päältä. Tutkielman luotettavuuden näkökulmasta katson eduksi myös sen, ettei minulla ole aiempia sidonnaisuuksia kohde-organisaatioon. Lisäksi sairaanhoitajan koulutus sekä kokemus erityisryhmien kanssa työskentelystä antoi minulle varmuutta ikääntyneiden ja erityistarpeisten ihmisten arvos-tavaan kohtaamiseen.
Vastausten kokonaismäärän sekä vastausten luottavuuden kannalta minun olisi ollut jois-sakin tapauksissa parempi siirtää haastattelu toiseen ajankohtaan. Tällöin olisin saattanut saada kerättyä suuremman aineiston. Lisäksi tutkittavien mahdolliset hyvät ja huonot päi-vät ovat voineet vaikuttaa vastauksiin (ks. esim. Towers ym. 2016, 12). Myös toistomit-taus olisi parantanut tulosten luotettavuutta. Pro gradu -tutkielmaprosessin luonteen ja aikataulun huomioiden tämä ei kuitenkaan ollut tarkoituksenmukaista.
Tutkielman tulosten luotettavuutta on syytä pohtia erityisesti kehitysvammaisten asiak-kaiden kohdalla. Toteutuneiden haastatteluiden osalta vastauksia voidaan mielestäni pitää riittävän luotettavina. Poikkeuksena tästä mainittakoon yhden puhumattoman, mutta pu-hetta ymmärtävän asiakkaan vastaukset, joissa käytettiin asiakkaan äidin ehdotuksesta vastausvaihtoehtojen tukena hymiöitä. Vastaavia neliportaisia hymiöitä käytetään ASCOT-ER (Easy Read) mittarin kyselylomakkeessa (Turnpenny ym. 2016, 31; Rand ym. 2020, 123). Kyseinen asiakas halusi ehdottomasti osallistua haastatteluun, joten pää-timme äidin kanssa käyttää luovuutta. Kehitysvammaisten asiakasryhmän kohdalla isompi ongelma on kuitenkin onnistuneiden haastattelujen pieni määrä. Tämän tutkiel-man tuloksia ei voida yleistää kaikkiin kehitysvammaisiin tehostetun palveluasumisen asiakkaisiin.
Tämän tutkielman vastausprosentti olisi saattanut olla hieman korkeampi, jos olisin voi-nut käyttää erityisesti kehitysvammaisille tarkoitettua ASCOT Easy Read -työkalua. Esi-merkiksi Randin tutkimusryhmän (2020, 125–129) tutkimuksessa aikuisista, kehitysvam-maisista asiakkaista 92,8 % pystyi vastaamaan kaikkiin ASCOT-ER-mittarin kysymyk-siin (joskin vastaajista 91 % sai apua kyselylomakkeen täyttämiseen). Tätä mittaria ei kuitenkaan ole vielä suomennettu, eikä sillä myöskään ole mahdollista mitata palvelun vaikuttavuutta (University of Kent 2018b). Halusin kuitenkin ottaa myös kehitysvammai-set mukaan, sillä ASCOT-mittarin ”tavallista” versiota on aiemminkin käytetty
Tämän tutkielman vastausprosentti olisi saattanut olla hieman korkeampi, jos olisin voi-nut käyttää erityisesti kehitysvammaisille tarkoitettua ASCOT Easy Read -työkalua. Esi-merkiksi Randin tutkimusryhmän (2020, 125–129) tutkimuksessa aikuisista, kehitysvam-maisista asiakkaista 92,8 % pystyi vastaamaan kaikkiin ASCOT-ER-mittarin kysymyk-siin (joskin vastaajista 91 % sai apua kyselylomakkeen täyttämiseen). Tätä mittaria ei kuitenkaan ole vielä suomennettu, eikä sillä myöskään ole mahdollista mitata palvelun vaikuttavuutta (University of Kent 2018b). Halusin kuitenkin ottaa myös kehitysvammai-set mukaan, sillä ASCOT-mittarin ”tavallista” versiota on aiemminkin käytetty