Kun mallin kaikki syklit on suoritettu loppuun, voidaan laskea odotetut kustannukset ja vaikutukset jokaiselle syklissä olevalle tilalle. Syklin tilojen yhteenlasketut odotetut kus-tannukset saadaan painottamalla kustannuksia osuudella, joka tilalla on kyseessä olevassa syklissä. Vastaavasti syklin tilojen vaikuttavuus, jota voidaan kuvata QALY:lla, saadaan laskemalla yhteen syklin tilojen utiliteetit painottamalla osuutta, joka tilalla on kyseessä olevassa syklissä. Kun kaikkien syklien tulokset lasketaan yhteen, saadaan odotetut QALY:t. Vaikuttavuutta voidaan mitata myös odotettavissa olevalla eliniällä, joka saa-daan summaamalla ne syklin tilat, jossa ollaan elossa, ja jakamalla se summa kohortin aloituspopulaatiolla. Kaikkien syklin tilojen saadut vuodet lasketaan yhteen, jolloin tu-lokseksi saadaan odotettavissa olevat elinvuodet. Kustannus- ja vaikuttavuustietoja käsi-tellään vielä tarkemmin seuraavissa luvuissa.
Kohorttisimulaation tarkoituksena on tuottaa odotetut kustannukset ja vaikuttavuus sekä interventio populaatiolle että ei-interventio populaatiolle. Simulaation pohjalta on mah-dollista laskea inkrementaali kustannus-vaikuttavuussuhde ICER. Viimeisenä vaiheena on tarkastella malliin liittyvää epävarmuutta, jota käsitellään luvussa 3.6.
3.3 Vaikuttavuustiedon määrittäminen
Taloudellisessa arvioinnissa joudutaan tekemään päätöksiä, mikä tieto on mallin kannalta oleellinen. Tärkeää on kerätä tietoa vaihtoehdoista, joita taloudellinen arviointi koskee.
Kun arvioidaan taloudellisessa arvioinnissa käytettävää vaikuttavuustiedon merkitystä, tulee myös tarkastella, onko tieto tuotettu taloudellista arviointia koskevassa terveyden-huollon järjestelmässä. Mikäli se ei ole tuotettu tulee arvioida, onko tieto riittävän yleis-tettävä, jotta sitä voidaan käyttää tarkasteltavassa järjestelmässä. Tiedon yleistettävyyden arvioinnissa tarvitaan arviointia eroavaisuuksien laajuudesta, jota voidaan tarkastella po-pulaation, lääketieteellisten käytäntöjen tai terveydenhuolto systeemin kautta. Vaikka tieto täyttäisi kaikki yleistettävyyden kriteerit, joita kyseinen taloudellinen arviointi vaa-tii, kaksikymmentä vuotta sitten kerättyä tietoa tulee käyttää harkiten. (Drummond ym.2015, 353–354.)
Kirjallisuudesta etsittävä tieto on yleensä erilaisia parametreja kuten kuolleisuusluvut po-tilailla, joiden syöpä on edennyt tai uuden lääkkeen haittavaikutuksen todennäköisyys.
Koska kirjallisuuskatsauksessa pyritään löytämään kaikki oleellinen tieto aiheesta, mo-nella mallin parametrilla saattaa olla useampi estimaatti. Tärkeä kysymys onkin, yhdiste-täänkö nämä eri lähteistä saadut arvot yhdeksi keskimääräiseksi arvoksi vai pideyhdiste-täänkö ne erillisinä. Tärkeä käsite yhdistämisen tarkoituksenmukaisuuden ja luonteen kannalta on heterogeenisyys. Ero parametrien estimaateissa voi johtua satunnaisesta tilastollisesta
”hälinästä”, joka johtuu pienestä otoksesta. Se voi heijastella myös aidoista eroista tutki-musten välillä, kuten potilastyyppien eroista, kontrolliryhmän määrittelystä tai maasta, jossa tutkimus on tehty. Kun taloudellista arviointia tehdään päätöksenteon tueksi, ihan-teellista on erottaa eri lähteiden heterogeenisuus ja käyttää parametrien estimaatteja, jotka soveltuvat mahdollisimman hyvin kyseessä olevaan päätöksen luonteeseen. Parametrien estimaattien heterogeenisyydellä pystytään tutkimaan myös, onko jokin hoito kustannus-vaikuttavampaa eri tyyppisillä potilailla tai ympäristössä. (Drummond ym. 2015, 359–
360.)
Taloudellisen arvioinnin tulokset pohjautuvat usein kliinisen vaikuttavuuden estimaattei-hin, mutta myös muun tyyppisiä parametreja voidaan päätösmallissa estimoida. Usein nämä parametrit ovat merkittäviä päätöksenteon kannalta, koska ne antavat arvon inter-ventiolle. Riippumatta minkälaisia parametreja estimoidaan, yleiset periaatteet ovat samat kaikille. Estimoitaessa tiedon identifiointi tulee olla läpinäkyvää ja systemaattista niin, että muiden tulee pystyä myös toistamaan se. (Drummond ym. 2015, 370.)
3.4 Kustannustiedon määrittäminen
Taloudelliseen arviointiin liittyy tärkeänä osana kustannukset, jotka tulisi pystyä määrit-tämään arvioitaessa hoitoa tai terveydenhuollon ohjelmaa. Vaikka kustannukset ovat vah-vasti linkittyneet asiayhteyteen ja käytettävissä olevaan aineistoon, kaikkiin taloudellisiin arviointeihin liittyy samoja ongelmia, joita tulee pohtia arviointia tehdessä. (Drummond ym. 2015, 219.)
Usein taloudellisessa arvioinnissa puhutaan suorista ja epäsuorista kustannuksista. Kun kustannukset liittyvät suoraan sairauden hoitoon (esimerkiksi lääkkeet, terveydenhuollon kustannukset ja matkakustannukset) on kyse suorista kustannuksista. Epäsuorat kustan-nukset liittyvät sairauden takia menetettyjen resurssien arvoon palkallisessa tai
palkatto-massa tuotannossa. Käytännössä epäsuorat kustannukset ovat työstäpoissaoloa ja alentu-nutta työkykyä sekä vaikeammin arvioitavissa olevaa vapaa-aikaa ja tavallisten askarei-den tekemistä. (Martikainen ym. 2006, 293.)
Analyysin näkökulman päättäminen on välttämätöntä kustannusten määrittämisen kan-nalta, koska yhdestä näkökulmasta jokin voi olla kustannus, kun taas jostain toisesta ei.
Mahdollisia analyysin näkökulmia ovat muun muassa yhteiskunnallinen, potilaan, työn-antajan tai terveysohjelman tuottajan näkökulma. Ei ole myöskään kannattavaa käyttää runsaasti aikaa ja vaivaa kustannuksiin, jotka eivät tee eroa tuloksiin, esimerkiksi jotkin laboratoriotestit. Tällaisten kustannusten aiheellisuutta ja poisjättämistä on hyvä miettiä esimerkiksi aiemman empiirisen työn perusteella. (Drummond ym. 2015, 219–220.) Kun kustannusten laajuus on tunnistettu, tulisi miettiä, kuinka yksittäisiä kustannuksia mitataan ja arvotetaan. Kustannusten laskenta perustuu kahteen elementtiin, resurssien määrään ja yksikköhintaan. Resurssien määrä riippuu kontekstista, jossa taloudellista ar-viota ollaan tekemässä. Usein kuitenkin resurssien määrä saadaan kirjallisuudesta, joka perustuu aiemmin tehtyihin kliinisiin tutkimuksiin, tai saatavilla olevista tavanomaisista kustannustiedoista. Yksikköhinnat voidaan usein kerätä monesta eri lähteestä. Teoreetti-nen lähestymistapa resurssin oikealle hinnalle on vaihtoehtoiskustannus. Käytännön lä-hestymistapa on käyttää tiedossa olevaa markkinahintaa, ellei ole jotain erityistä syytä olla käyttämättä, esimerkiksi jokin resurssi voi olla yhteiskunnan tukema. Haasteita ar-vottamiseen tulee silloin, kun arvotetaan sellaisten voimavarojen käyttöä, joilla ei ole markkina-arvoa, kuten esimerkiksi vapaaehtoistyö, sekä potilaan ja hänen omaisten va-paa-aika. Yksi lähestymistapa on käyttää markkinahintaista palkkaa vapaaehtoistyön ar-vottamisessa. Vapaa-ajan arvottaminen on hieman haasteellisempaa. Työssä oleville me-netetyn vapaa-ajan arvostusperusteena voisi olla nettopalkka. Asiaa voi lähestyä myös selvittämällä millä korvauksen määrällä ihminen on valmis luopumaan osasta vapaa-ai-kaa. Merkittävä työ, joka tulisi myös arvottaa taloudellisessa arvioinnissa, on omaishoito.
(Drummond ym. 2015, 222–223; Sintonen & Pekurinen 2006, 265.)
Oleellista kustannusten tunnistamisen, mittaamisen ja arvottamisen jälkeen on, kuinka tarkasti kustannuksia halutaan käsitellä. Taloudellista arviota tehtäessä on hyvä määritellä tarkkuus, jolla kustannukset otetaan huomioon. Se voi olla jotain keskimääräisen potilaan
kustannus per päivä tai jokaisen yksittäisen resurssin ja sen yksikkökustannuksen huomi-oon ottaminen. (Drummond ym. 2015, 239–240.)
3.5 Vaikutusten ja kustannusten eriaikaisuus
Terveys- ja kustannusvaikutuksia syntyy terveydenhuollon menetelmissä sekä välittö-mästi että hyvin kaukana tulevaisuudessa. Yksinkertaisessa tilanteessa kaikki terveysvai-kutukset eli hyödyt ja kustannukset syntyvät samanaikaisesti, jolloin ei tarvitse miettiä niiden arvottamista. Melkein poikkeuksetta hyödyt ja kustannukset eivät kuitenkaan il-mene samana ajankohtana. Tämä tarkoittaa, ettei hyötyjä voida laskea sellaisenaan yh-teen, sama pätee kustannuksiin. Eri ajankohtina syntyviä hyötyjä ei voida laskea suoraan yhteen, koska välittömästi saatavaa hyötyä arvostetaan enemmän kuin tulevaisuudessa syntyviä hyötyjä. Kustannusten kohdalla lähestymistapa on sama. Hyödyille ja kustan-nuksille on annettava erillinen paino sen mukaan, mikä on niiden ajallinen etäisyys toi-menpiteen toteuttamisesta. (Sintonen & Pekurinen 2006, 267–268; Räsänen & Sintonen 2013, 1257–1258.)
Hyötyjen ja kustannusten ajallisesti vertailukelpoiseksi saattaminen tapahtuu diskonttaa-malla eli kertodiskonttaa-malla hyödyt ja kustannukset diskonttotekijällä. Diskonttotekijä on yleensä 1/(1 + 𝑟)𝑛, jossa r on diskonttokorko ja n periodien määrä –yleensä vuosia– jolle mene-telmän käyttöönotto ajoittuu suhteessa nykyhetkeen. Mitä korkeampi diskonttokorko ja pidempi aika vuosina on, sitä pienempi diskonttotekijä on. Kun terveysvaikutusten ja kus-tannusten kokonaismääriä lasketaan yhteen, tulee laskea eri vuosien nykyarvot yhteen koko arvioitavalta ajanjaksolta. (Sintonen & Pekurinen 2006, 267–268; Räsänen & Sin-tonen 2013, 1257–1258.) Diskonttokorko määräytyy usein virallisten ohjeistusten kautta ja se on tyypillisesti 3–5 % vuodessa. Hyödyt ja kustannukset diskontataan yleensä sa-malla korolla. (Drummond ym. 2015, 244.)
3.6 Epävarmuus ja herkkyysanalyysit
Kun pohditaan terveydenhuollon intervention kustannus-vaikuttavuusanalyysista saatuja tuloksia, tavanomainen kysymys on, ovatko tulokset riittävät, jotta niiden perusteella voi-daan tehdä päätös laajemmasta käyttöönotosta. Tämän vuoksi on tärkeää esittää peruspe-riaatteet, kuinka estimaattien epävarmuus on määritetty ja esitetty. Tarpeellista on myös
pohtia, minkälaisia arviointeja tarvitaan, jotta pystytään päättämään, onko tietoa tarpeeksi päätöksenteon tueksi. Päätöksentekijöiden tulee myös harkita pitäisikö intervention käyt-töönottoa suositella, mutta samalla vaatia asiasta lisänäyttöä tai, että intervention laaja-alainen käyttöönotto ei ole mahdollista ennen kuin asiasta on saatu lisänäyttöä. (Drum-mond ym. 2015, 389.)
Asioiden ymmärtämisen kannalta on tärkeää tehdä ero epävarmuuden (uncertainty), vaih-televuuden (variability) ja heterogeenisuuden (heterogeneity) välille. Epävarmuus tar-koittaa tosiasiaa, että emme tiedä, mitkä intervention odotetut kustannukset ja vaikutukset ovat tietyssä populaatiossa. Asiaa ei muuta se, että populaation kaikilla potilailla olisi samat ominaispiirteet. Lisänäyttö voi vähentää epävarmuutta ja tuottaa täsmällisempiä estimaatteja odotetuista kustannuksista ja vaikutuksista. Vaihtelevuus tarkoittaa, että yk-silön vaste interventiolle vaihtelee populaation sisällä. Tätä luonnollista vaihtelevuutta ei pystytä vähentämään hankkimalla lisänäyttöä odotetuista kustannuksista ja vaikuttavuu-desta. Heterogeenisuus tarkoittaa niitä yksilöllisiä eroja vasteessa, jotka voidaan liittää eroihin havaituissa ominaispiirteissä. Toisin sanoen osa luonnollisesta vaihtelevuudesta voidaan tunnistaa ja ymmärtää. Mitä enemmän tiedetään vaihtelevuuden syistä, pystytään populaatio jakamaan osapopulaatioihin, joilla on erilaiset estimaatit odotetuista vaikutuk-sista ja niihin liittyvästä epävarmuudesta. (Drummond ym. 2015, 389–390.)
Epävarmuus liittyy taloudelliseen arviointiin, koska haluttuja tietoja ei voi saada var-moina, vaan joudutaan tekemään oletuksia. Epävarmuus voi liittyä menetelmiin, aineis-toon tai yleistämiseen. Tutkimustulokset ovat sitä epävarmemmat, mitä pienemmästä po-tilasaineistosta tiedot on saatu. Herkkyysanalyysien avulla pystytään tutkimaan syste-maattisesti eri muuttujia koskevien oletusten vaikutusta analyysin lopputulokseen. (Sin-tonen 2007, 105–106.) Epävarmuutta esiintyy monessa eri taloudellisen arvioinnin osuu-dessa ja se voidaan jakaa kolmeen kokonaisuuteen, parametri-, rakenteellinen ja menetel-mäepävarmuus. (Drummond ym. 2015, 392; Fimea 2012, 28).
Parametriepävarmuus tarkoittaa mallin muuttujiin kuten keskimääräisiin kustannuksiin tai toimenpiteen vaikuttavuuteen liittyvää epävarmuutta. Tämänkaltaista epävarmuutta voidaan hallita deterministisillä tai probabilistisillä herkkyysanalyyseilla. Deterministi-nen herkkyysanalyysi on yksinkertaiDeterministi-nen herkkyysanalyysi, joka voidaan toteuttaa yksi-
tai monisuuntaisena. Yksinkertainen herkkyysanalyysi on helppo ymmärtää ja toteuttaa.
Siinä vaihdellaan enintään kolmen muuttujan arvoja, niiden tiedetyn tai todennäköisen vaihteluvälin rajoissa, samalla pitäen muut muuttujat perusarvoissaan. Tämä tarjoaa no-pean tavan ymmärtää yhteyden muuttujien ja tuloksen välillä, lisäksi se osoittaa, kuinka herkkä mallin tulos on muutettaessa tiettyjen muuttujien arvoa. Muita deterministisiä herkkyysanalyyseja on kynnysanalyysi, jossa etsitään muuttujien kriittiset arvot, joiden ohittaminen muuttaa lopputulosta. Tämä analyysi toimii kuitenkin vain jatkuvilla muut-tujilla. Ääriskenaarioiden analyysissa luodaan jokaiselle vaihtoehdolle paras ja huonoin skenaario, jotka saadaan, kun käytetään muuttujien optimistisimpia ja pessimistisimpiä arvoja. Mikäli jokin vaihtoehto nousee esiin kaikissa skenaarioissa, on hyvin uskottavaa, että se on paras kaikissa olosuhteissa. Deterministinen herkkyysanalyysi on nykykäsityk-sen mukaan riittämätön tapa käsitellä parametriepävarmuutta, epävarmuuden käsittelyyn tarvitaan täten myös probabilistinen herkkyysanalyysi. (Drummond ym. 2015, 393–394;
Sintonen 2007, 106.)
Probabilistisessa herkkyysanalyysissa on mahdollista tutkia useiden muuttujien yhteisen epävarmuuden vaikutusta. Lähtötilanne voi olla, ettei yksilökohtaista aineistoa kustan-nuksista ja vaikuttavuudesta ole käytössä, on vain kirjallisuuden perusteella muuttujien piste-estimaatit. Probabilistisessa herkkyysanalyysissa kaikille muuttujille määritellään jakauma ja Monte Carlo –simuloinnilla luodaan joukko virtuaalisia potilaita, joille muut-tuja-arvot poimitaan umpimähkäisesti muuttujien jakaumista. Herkkyysanalyysi siis esit-tää parametrit keskiarvojen jakaumina piste-estimaatin sijaan, jolloin sillä voidaan tutkia useiden muuttujien yhteisen epävarmuuden vaikutusta. (Drummondym 2015, 399; Räsä-nen & SintoRäsä-nen 2013, 1259.)
Rakenteellisella epävarmuudella tarkoitetaan epävarmuutta, joka liittyy mallia rakennet-taessa tehtyihin erilaisiin yksinkertaistuksiin ja oletuksiin. Epävarmuuden lähteet voivat liittyä esimerkiksi käytettyihin tilastomenetelmiin, mallin rakenteisiin tai epävarman ja puuttuvan tiedon hallintaan. Mallissa käytettyjen rakenteiden ja oletuksien vaikutuksia mallin tuloksiin voidaan testata herkkyysanalyyseilla, joita kutsutaan skenaarioanalyy-seiksi. Menetelmäepävarmuudesta puhutaan, kun pohditaan analyysissa käytettyjä mene-telmällisiä ratkaisuja. Tällaisia ovat analyysimenetelmän valinta, analyysin näkökulma, diskonttokorko ja aikahorisontti. (Fimea 2012, 28.)
Tutkimuksen lopputulos on sitä tarkempi, mitä suuremmat potilasryhmät olivat tutkimuk-sessa. Luottamusväli (CI, confidenceinterval) kuvaa tuloksen tilastollista tarkkuutta. Se annetaan yleensä 95 %:n luottamustasolla eli mikäli tutkimus toistettaisiin samankaltai-sella väestöllä osuisi tulos 95 kertaa sadasta luottamusvälin osoittamalle alueelle. Yhden tutkimuksen osoittama hoidon teho voi siis olla todellisuudessa 95 %:n luottamusvälin ylä- tai alarajan kohdalla. Tarvitaan siis eri tutkimuksia, joista on saatu samanlaisia tutki-mustuloksia, jotta arvion luotettavuus vahvistuu. (Kaila, Kuoppala & Mäkelä 2007, 67–
68)
4 TYYPIN 2 DIABETES 4.1 Diabetes sairautena
Diabetes on nykykäsityksen mukaan joukko erilaisia ja eriasteisia sairauksia, joille yh-teistä on energia-aineenvaihdunnan häiriö, joka ilmenee kohonneena veren glukoosi- eli rypälesokeripitoisuutena (jatkossa verensokeri). Hyperglykemia eli korkea verensokeri voi johtua insuliinin puutteesta, insuliinin heikentyneestä vaikutuksesta tai molemmista.
Myös rasva- ja valkuaisaineiden aineenvaihdunnan häiriintyminen liittyy diabetekseen.
Kyseessä ei ole yhtenäinen sairaus, vaan se voidaan taudinkuvansa tai etiologiansa perus-teella jakaa alaryhmiin. Koska luokitus ei ole kaikilta osilta selkeä, se perustuu konsen-susmääritelmiin. Tyypin 1 ja tyypin 2 diabetes ovat diabeteksen päämuotoja, muut ala-muodot ovat harvinaisempia. (Diabetes: Käypä hoito –suositus, 2016; Saraheimo 2015, 9.)
Tyypin 2 diabetes on heterogeeninen sairausryhmä. Taudin selkeät diagnoosikriteerit, jotka erottavat sen muista diabetestyypeistä, puuttuvat. Tavallisimmin tyypin 2 diabetes alkaa aikuisiässä ja henkilö on ylipainoinen ja hänellä on kohonnut verenpaine tai rasva-aineenvaihdunnan häiriö. Sairaus ei kehity ilman insuliinierityksen häiriötä. Ominaista sille on myös insuliinin tehottomuus eli insuliiniresistenssi ja samanaikainen insuliinin erityksen asteittainen edelleen heikentyminen. Alkuun tyypin 2 diabetes on salakavalasti pitkään oireeton tai vähäoireinen, jonka vuoksi se todetaan usein vasta lisäsairauksien ilmaantuessa, esimerkiksi sydäninfarktin tai silmänpohjan verisuonimuutosten yhtey-dessä. Perintö- ja ympäristötekijöillä on myös tyypin 2 diabeteksessa selvä osuus. Tär-kein riskitekijä tyypin 2 diabetekselle on ylipaino. (Diabetes: Käypä hoito –suositus, 2016; Saraheimo 2015, 18.)
Tyypin 2 diabetes voidaan todeta verensokerin laboratoriotutkimuksella. Sairaus tode-taan, jos plasman paastoglukoosi on 7,0 mmol/l tai enemmän tai kahden tunnin sokerira-situksen jälkeen plasman glukoosi on 11,1 mmol/l tai enemmän. (Pietiläinen 2015, 72.) Diabetekseen liittyvät vahvasti lisäsairaudet ja komplikaatiot, jotka aiheuttavat diabeeti-kolle ahdistusta ja elämänlaadun heikkenemistä. Diabeetikon pitkäaikaisia lisäsairauksia ovat muun muassa retinopatia, neuropatia, nefropatia, jalkaongelmat, dyslipidemia,
ko-honnut verenpaine, sydän- ja verisuonitaudit sekä aivoverenkiertohäiriöt. Akuutteja-komplikaatioita ovat muun muassa hypoglykemia ja ketoasidoosi. (Diabetes: Käypä hoito –suositus, 2018.)
4.2 Yleisyys
Arvioiden mukaan suomalaisista yli 500 000 sairastaa diabetesta, ja määrä kasvaa nope-alla tahdilla. Ennusteen mukaan sairastuneiden määrä voi jopa kaksinkertaistua seuraa-vien 10-15 vuoden aikana. Suomen terveydenhuollon kokonaismenoista noin 15 prosen-tin osuus on diabeteksen hoidonkustannuksia ja vähintään kaksi kolmannesta niistä koi-tuu vältettävissä olevien komplikaatioiden hoidosta. Tyypin 2 diabetesta Suomessa sai-rastaan noin 75 prosenttia diabeetikoista. (Diabetes: Käypä hoito –suositus, 2016.) Kelan lääkekorvaustilastojen mukaan 373 092 henkilö sai lääkekorvausta diabeteslääk-keistä vuonna 2017. Edellisenä vuonna vastaava luku oli 364 014. (Suomen virallinen tilasto: Tilasto korvatuista resepteistä.) Vuonna 2007 uusia tyypin 2 diabeetikkoja tunnis-tettiin 28 733. Vuodesta 1997 vuoteen 2007 ilmaantuvuuden kasvu oli 86 prosenttia. Tätä selittää varhaisen diabeteksen tunnistamisen ja aktiivisen diagnosoinnin kehittyminen ja tehokas lääkehoidon aloittaminen hoitosuositusten muuttumisen seurauksena. Väestöta-solla ilmaantuvuuden kasvuun ovat vaikuttaneet myös ravitsemuksen ja liikuntatottumus-ten epäsuotuisa kehitys, lihavuuden voimakas lisääntyminen sekä väestön ikääntyminen.
(Sund & Koski 2009, 13–15.)
Kansainvälisesti diabeetikkoja arvioidaan olevan noin 380 miljoonaa, joista valtaosa 80–
90 prosenttia sairastaa tyypin 2 diabetesta. Ennusteen mukaan diabetesta sairastavien ko-konaismäärän uskotaan nousevan vuoteen 2035 mennessä 592 miljoonaan ja erityisesti taudin uskotaan lisääntyvän kehitysmaissa. Tyypin 2 diabetes on yleisempi vanhemmissa ikäpolvissa, mutta viime vuosina sitä on todettu lisääntyvästi jopa murrosikäisillä nuo-rilla. Yleistymisen syynä pidetään väestön ikääntymistä, arkiliikunnan vähentymistä sekä painon nousua, joka johtuu runsasenergisestä, liian rasvaisesta ja sokeripitoisesta ravin-nosta. (Saraheimo & Sane 2015, 10.)
4.3 Diabetes ja lihavuus
Painonhallinta on diabeetikolle erittäin tärkeää. Sillä tarkoitetaan sekä laihduttamista että laihdutustuloksen pysymistä laihdutuksen jälkeen. Tämä siksi, että on haluttu korostaa laihdutustuloksen pysyvyyden merkitystä, jolloin myös lihomisen estäminen on painon-hallintaa. Tämä tarkoittaa, että elämänsä normaalipainoisena ollut henkilö toteuttaa pai-nonhallintaa estämällä lihomisensa. Ylipainoisilla tyypin 2 diabeetikoilla jo 5–10 %:n painonpudotus ainakin diabeteksen varhaisessa vaiheessa riittää korjaamaan sokeritasa-painoa. Samalla veren rasva-arvot ja verenpaine paranevat. Normaalipainoiselle diabee-tikolle ei yleensä ole hyötyä lisälaihduttamisesta. (Aro & Heinonen 2015, 164; 166.) Lihavuutta tulisi pystyä estämään, koska se saa aikaan terveydellisiä haittoja koko ke-hossa ja lähes kaikissa elimissä. Elintavat ja perintötekijät vaikuttavat lihavuudesta joh-tuvien haittojen ja sairauksien kehittymiseen sekä ilmenemiseen, jolloin myös lihavuuden vaikutukset vaihtelevat yksilöllisesti. Terveyshaitat, jotka liittyvät lihavuuteen, voidaan jakaa kolmeen ryhmän: mentaalisiin eli mielen toimintoihin liittyviin haittoihin, mekaa-nisiin tekijöihin eli suureen kokoon ja kehon painoon liittyviin haittoihin sekä metaboli-siin eli aineenvaihduntaan liittyviin haittoihin. Tyypin 2 diabetes on yksi tärkeimmistä lihavuuteen liittyvistä sairauksista ja pienikin painonnousu lisää merkittävästi riskiä sai-rastua siihen. (Pietiläinen 2015, 62–64)
Lihavuus ja tyypin 2 diabetes kulkevatkin hyvin usein käsikädessä, mikä tarkoittaa, että lihavuus altistaa tyypin 2 diabetekselle erittäin voimakkaasti. Painon nousu lisää selvästi sairastumisriskiä tyypin 2 diabetekseen ja painon lasku vastaavasti lieventää tai jopa pa-rantaa (ainakin väliaikaisesti) sairautta. Ihmisen lihoessa rasvaa alkaa kertyä lihakseen, lihassolun sisään ja ympärille sekä maksaan maksasolujen sisään heikentäen insuliinin vaikutusta kudoksissa eli syntyy insuliiniresistenssi. Tämän vuoksi insuliinia tarvitaan yhä enemmän pitämään verensokeri normaalina. (Pietiläinen 2015, 72.)
Insuliiniresistenssi on merkittävä syy lihavuuteen liittyviin sokeri-, rasva-, ja proteii-niaineenvaihdunnan muutoksiin. Insuliini ei myöskään pysty jarruttamaan maksassa ta-pahtuvaa glukoosin ja rasvojen tuotantoa insuliiniresistenssin vuoksi. Insuliiniresistenssi myös heikentää insuliinin vaikutusta glukoosin, rasvan ja proteiinin käyttöön lihaksessa
ja rasvakudoksessa. Jotta verensokeri pysyisi normaalina, haiman täytyy insuliiniresis-tenssin vuoksi tuottaa yhä enemmän ja enemmän insuliinia. Jossain vaiheessa haima kui-tenkin väsyy, eikä jaksa tuottaa tarpeeksi insuliinia, jolloin ensiksi kehittyy sokerisiedon häiriö ja lopulta tyypin 2 diabetes. (Pietiläinen 2015, 72.)
Nykyisin painoindeksiä BMI:tä (Body Mass Index) käytetään kuvaamaan terveellistä pai-noa. Se saadaan jakamalla paino pituuden (metreissä) neliöllä. Ihanteellisena painona pi-detään painoindeksiä 20–25 välillä, 25–30 kertoo ylipainosta, 30–35 merkittävästä liha-vuudesta ja 35–40 vaikeasta lihaliha-vuudesta ja yli 40 sairaanloisesta lihaliha-vuudesta. (Aro &
Heinonen 2015, 164–165.)
Suomalaisessa D2D-hankkeessa, joka toteutettiin vuosina 2003–2008, tutkittiin korkean diabetesriskin omaavien henkilöiden tunnistamista ja varhaista hoitoa. Tutkimuksessa osoitettiin, että perusterveydenhuollossa ja työterveyshuollossa pystytään saavuttamaan erinomaisia tuloksia. Tulokseksi saatiin diabetesriskin pieneneminen 69 %:lla yhden vuo-den seurannassa, kun paino oli laskenut vähintään 5 % verrattuna ryhmään, jonka paino oli pysynyt samana. Kun painonpudotus oli ollut 2,5–4,9 %, pieneni diabeteksen riski ryhmässä 29 %:lla. (Saaristo, Moilanen, Korpi-Hyövälti, Vanhala, Saltevo, Niskanen, Jo-kelainen, Peltonen, Oksa, Tuomilehto, Uusitupa & Keinänen-Kiukaanniemi 2010, 2148.) Myös Lehtovirta ja kollegat (2010) ovat tutkineet samaa aihetta. Heidän tutkimuksessaan tutkittiin, voiko painoindeksi ennakoida sairastumista tyypin 2 diabetekseen. Kyseessä on suomalainen tutkimus, jossa seurattiin kolmenkymmenen vuoden ajan tutkimukseen osal-listuneiden sairastumista tyypin 2 diabetekseen. Tutkimuksessa todettiin, että mitä korke-ampi painoindeksi oli nuorena, sitä suuremmalla todennäköisyydellä sairastui vanhem-pana diabetekseen. Sairaanloisen lihavilla (BMI≥35 kg/m²) osallistujilla oli 14-kertaa suurempi riski saada diabetes kuin normaalipainoisilla osallistujilla. Lisäksi ylipainoisilla (BMI 25-30 kg/m²) vastaava riski oli kolminkertainen ja lihavilla (BMI 30-35 kg/m²) lä-hes seitsenkertainen. Vaarasuhde eli HR (hazardratio) sairastua diabetekseen oli tutki-muksen mukaan 1,22 per BMI-yksikkö. Tutkimuksessa osoitettiin myös, että vaikka BMI:lla ja tyypin 2 diabeteksella oli korkea periytyvyysaste, vain vähäinen osuus niiden kovarianssista selittyi yhteisillä geneettisillä tekijöillä. (Lehtovirta, Pietiläinen, Leväs-lahti, Heikkilä, Groop, Silvennoinen, Koskenvuo ja Kaprio 2010, 1317-1318.)
Colditz kollegoineen (1995) on tutkinut aiemmin samaa asia Yhdysvalloissa naisilla. Tut-kimuksessa seurattiin 14 vuoden ajan naisia, jotka tutkimuksen alkaessa olivat 18 vuoti-aita. Tutkimustuloksissa havaittiin vahva positiivinen suhde BMI:n ja diabeteksen välillä.
Riski sairastua diabetekseen kasvoi, kun BMI oli suurempi kuin 22 kg/m². Naiset, jotka olivat lihoneet tarkastelujakson aikana, suhteellinen riski RR (relativerisk) sairastua dia-betekseen oli 1,9 suurempi kuin samassa painossa pysyneillä. Vastaavasti naiset, jotka olivat lihoneet 8,0–10,9 kg, suhteellinen riski sairastua oli 2,7 suurempi. (Colditz, Willett, Rotnitzky& Manson 1995, 481–482.)
Seuraavaan taulukkoon (taulukko 2) on koottu edellä mainittujen tutkimusten lisäksi muita aiempia tutkimuksia painoindeksin ja diabeteksen yhteydestä.