Kuvassa 4 on havainnollistettu sellaisten henkilöiden sijoittumista kokonaisjakaumaan, joiden voidaan olettaa hyötyneen digisovelluksesta erityisen paljon. Tällaisia henkilöitä ajateltiin olevan ne tutkittavat, jotka noudattivat keskimääräistä heikkolaatuisempaa ruokavaliota tutkimuksen alussa, mutta jotka käyttivät digisovellusta keskimääräistä aktiivisemmin. Tätä varten eroteltiin tutkittavat, jotka saivat mediaania matalampia pisteitä ruokavaliopisteytyksestä, mutta jotka tekivät yhtä paljon tekoja kuin keskimäärin tai keskimääräistä enemmän tekoja Pienet teot –digisovelluksessa. Ruokavaliopisteytyksen mediaanipistemäärä oli 49 pistettä, ja Pienet teot –digisovelluksessa tehtyjen tekojen mediaaniarvo oli 15 tekoa.
Näiden henkilöiden tausta- ja painotietoja on tarkasteltu taulukossa 8 ja kuvassa 5. Ryhmien välillä ilmeni eroja ainoastaan työttömänä tai lomautettuna olevien osuudessa ja vuositulojen jakautumisessa. Tarkasteltavassa joukossa työttömänä tai lomautettuna olevien osuus oli 7,3 % ja muulla tutkimusjoukolla 4,6 %.
Kuva 4. Hajontakaavio ruokavaliopisteytyksen pistemääristä ja Pienet teot –digisovelluksessa tehtyjen tekojen lukumääristä. Sinisellä alueella ovat keskimääräistä heikkolaatuisemman ruokavalion omaavat tutkittavat, jotka käyttivät digisovellusta keskimääräistä aktiivisemmin.
48
Taulukko 8. Niiden tutkittavien taustatiedot, jotka noudattivat keskimääräistä heikkolaatuisempaa ruokavaliota, mutta jotka käyttivät digisovellusta keskimääräistä aktiivisemmin.
rekisteröity parisuhde 72,4 (n=294) 74,8 (n=978)
Koulutus, % 1 Perusaste/kansakoulu 8,4 (n=34) 7,2 (n=94) 0,429
Toinen aste 28,1 (n=114) 26,9 (n=351) 0,628
Opistotutkinto 29,8 (n=121) 27,9 (n=364) 0,445
Korkeakoulututkinto 33,7 (n=137) 38,1 (n=498) 0,112
Työtilanne, % 1 Palkkatyössä,
1 Ryhmien väliset erot testattu khii2-testillä
2 Ryhmien välisen erot testattu t-testillä.
Kuvassa 5 on tarkasteltu vuosituloja vertailtavien ryhmien välillä. Tilastollisesti merkitsevä ero todettiin vain yli 105 000€ vuodessa ansaitsevien kohdalla. Vain 4 %:lla tutkittavista, jotka noudattivat keskimääräistä heikkolaatuisempaa ruokavaliota, ja jotka käyttivät digisovellusta keskimääräistä aktiivisemmin, vuosiansiot ylsivät tähän korkeimpaan tuloluokkaan. Muusta tutkimusjoukosta korkeimpaan tuloluokkaan sijoittui 7,1 % (p=0,02).
49
Kuva 5. Tutkittavien vuositulot. Mustalla on merkitty niiden tutkittavien vuositulot, jotka noudattivat keskimääräistä heikkolaatuisempaa ruokavaliota, ja jotka käyttivät digisovellusta keskimääräistä aktiivisemmin. Erot testattu khii2-testillä.
Sukupuolittaisissa analyyseissä ei havaittu eroja vertailtavien ryhmien taustatiedoissa.
8 POHDINTA
Pro gradu –tutkielmassa selvitettiin tyypin 2 diabeteksen riskissä olevien tutkittavien ruokavalion laadun yhteyttä StopDia –tutkimushankkeen Pienet teot –digisovelluksen käyttöön. Lisäksi selvitettiin niiden henkilöiden sosiodemografisia taustatietoja ja painotietoja, jotka noudattivat keskimääräistä heikkolaatuisempaa ruokavaliota tutkimuksen alussa, ja jotka käyttivät digisovellusta keskimääräistä aktiivisemmin. Pienet teot –digisovelluksen käyttöön vaikuttavia taustatekijöitä ei ole aikaisemmin tutkittu. Tutkittavat, jotka noudattivat laadukkaampaa ruokavaliota, käyttivät Pienet teot –digisovellusta keskimäärin aktiivisemmin (53,2 tekoa) kuin tutkittavat, joilla oli heikkolaatuisempi ruokavalio (37,9 tekoa). Tulokset ovat pääosin asetetun tutkimushypoteesin mukaisia. Tutkittavat, jotka noudattivat keskimääräistä heikkolaatuisempaa ruokavaliota tutkimuksen alussa, ja jotka käyttivät digisovellusta keskimääräistä aktiivisemmin, erosivat muusta tutkimusjoukosta työtilanteensa ja tulojensa osilta. Nämä tutkittavat olivat muita useammin työttömänä tai lomautettuna (7,4 %) kuin muut tutkittavat (4,6 %) ja sijoittuivat harvemmin suurimpaan tuloluokkaan, jonka vuosiansiot olivat vähintään 105 000 €/vuosi (4 % vs. 7,1 %). Tulokset ovat asetetun tutkimushypoteesin vastaisia, sillä ennakko-oletuksen vastaisesti eroja sukupuolen ja keski-iän osilta ei todettu.
50 8.1 Tulosten tarkastelu
Aiempaa kansainvälistä kirjallisuutta sekä ruokavalion että sosiodemografisten taustatietojen vaikutuksista digisovelluksien käyttöön on olemassa jonkin verran, mutta meta-analyysiä aiheesta ei tietääksemme ole julkaistu. Tuloksia voidaan suhteuttaa aikaisemmin tehtyihin yksittäisiin tutkimuksiin, mutta laajaa yksimielisyyttä digisovellusten käyttöön vaikuttavista taustatekijöistä ei ole muodostunut.
Ruokavalion yhteys Pienet teot –digisovelluksen käyttöön
Aikaisemmassa kirjallisuudessa ruokavalion laadun vaikutuksista terveysaiheisten digisovellusten käyttöön ei ole yksiselitteistä näyttöä (Carroll ym. 2017; Ernsting ym. 2017;
Chae 2018). Digisovelluksen käytön on havaittu yhdessä tutkimuksissa olevan yhteydessä aikomuksiin lisätä kasvisten ja hedelmien käyttöä (Carroll ym. 2017). Toisessa tutkimuksessa motivaatio kasvisten ja hedelmien kulutuksen lisäämiseen ei ollut yhteydessä digisovelluksen käyttöön (Chae 2018). Itseraportoitu tasapainoisen ruokavalion noudattaminen ei myöskään ole ollut yhteydessä digisovelluksen käyttöön (Ernsting ym. 2017). Tämän pro gradu –tutkielman keskimääräistä laadukkaampaa ruokavaliota noudattavat tutkittavat toteuttivat digisovelluksessa noin 15 tekoa enemmän ensimmäisen interventiokuukauden aikana kuin ne tutkittavat, joiden ruokavalio oli keskimääräistä heikkolaatuisempi. Vaikka ero toteutettujen tekojen lukumäärässä on tilastollisesti merkitsevä, on epäselvää, onko tämä ero riittävä saamaan aikaan merkittäviä eroja ruokavaliossa ryhmien välillä.
Kirjallisuuskatsaukseen valikoituneissa digisovelluksen käytön ja taustatietojen välistä yhteyttä selvittävissä tutkimuksissa tarkasteltiin itseohjautuvaa kaupallisten digisovellusten käyttöä toisin kuin StopDia –tutkimushankkeessa, jossa digisovellus tarjottiin tutkimushankkeen puolesta kaikille osallistujille, eikä mielenkiintoa terveysaiheisiin digisovelluksiin tai omaa aktiivisuutta digisovelluksiin tutustumisessa edellytetty. Kaupallisten digisovellusten rakenne ja teoria voivat myös erota Pienet teot –digisovelluksesta. Aiempaa tutkimusnäyttöä ei voida varauksetta vertailla tämän pro gradu –tutkielman tuloksiin, sillä tutkimukset ovat toteutettu erilaisella kohderyhmällä ja erilaisessa viitekehyksessä. Ruokavaliota mitattiin kirjallisuuskatsauksen tutkimuksissa yksittäisten kysymysten avulla, jotka koskivat useimmiten kasvisten ja hedelmien käyttöä, kun taas StopDia –tutkimuksessa ruokavaliota kartoitettiin laajemman validoidun kyselyn avulla.
51
Sokerin kohdalla tulokset ruokavalion yhteydestä digisovelluksen käyttöön olivat päinvastaisia kuin muissa osa-alueissa, mikä voi selittyä sillä, että ruokavaliomuutoksia tehtäessä ensisijaiset muutokset saattavat koskea sokerin kulutusta. Ruokavaliomuutokset on hyvä rakentaa säännöllisen ateriarytmin ja ravitsemussuositusten mukaan koostettujen ruokavalintojen ympärille, mikä johtaa käytännössä sokeria sisältävien tuotteiden kulutuksen vähenemiseen (Valtion ravitsemusneuvottelukunta 2014). Lähtötilanteessa hyvälaatuiseen ruokavalioon ei välttämättä sisälly paljon sokeria sisältäviä tuotteita, joten sokeriin kohdistuvia tekoja ei nähdä tarpeellisina.
Ruokavalion vaikutus sovelluksen käyttöön ilmeni naisilla, mutta ei miehillä. Naiset olivat jonkin verran aktiivisempia sovelluksen käyttäjiä, mikä voi selittää eroja sukupuolten välillä.
Hyvälaatuinen ruokavalio näyttää lisäävän sovelluksen käyttöaktiivisuutta. Tässä tutkimuksessa hyvälaatuisen ruokavalion voidaan ajatella olevan sosiaalis-kognitiivisen teorian mukainen minäpystyvyyttä lisäävä tekijä, jonka vaikutukset voivat välittyä edelleen terveysasenteisiin ja sairauden ennaltaehkäisyyn digisovelluksen käytön kautta.
Digisovelluksen käyttöaktiivisuuteen voi vaikuttaa myös koettu minäpystyvyys digiteknologian käytössä (Park 2009). Aiemmassa kirjallisuudessa sosiaalisen ympäristön asettamien odotusten ja minäpystyvyyden on huomattu ennustavan digiteknologian käyttöönottoa.
Keskimääräistä heikkolaatuisempaa ruokavaliota noudattavat tutkittavat, jotka käyttivät digisovellusta keskimääräistä aktiivisemmin
Keskimääräistä heikkolaatuisempaa ruokavaliota noudattavat tutkittavat, jotka käyttivät digisovellusta keskimääräistä aktiivisemmin, erosivat muista tutkittavista työtilanteen ja tulojen osalta niin, että he olivat muita useammin työttömänä tai lomautettuna, ja heidän vuosiansionsa ylsivät muita harvemmin korkeimpaan tuloluokkaan. Vastaavaa tutkimusta, jossa eriteltäisiin heikkolaatuista ruokavaliota ja aktiivista digisovellusten käyttöä ei löytynyt tämän pro gradu – tutkielman kirjallisuuskatsauksen aikana. Tutkimustulokset ovat vaihtelevia niissä tutkimuksissa, joissa oli tarkasteltu sosiodemografisten tietojen vaikutuksia digisovellusten käyttöön (Carroll ym. 2017; Elavksy ym. 2017; Ernsting ym. 2017; Chae 2018).
Kirjallisuuskatsauksessa tarkasteltujen tutkimusten mukaan naissukupuoli, nuori ikä ja korkea koulutus saattavat olla digisovelluksen käyttöä lisääviä tekijöitä, joten tämän pro gradu – tutkielman tulokset eivät ole linjassa aikaisempien tutkimusten kanssa. Itseohjautuvaa
52
kaupallisten digisovellusten käyttöä tarkastelevia tutkimuksia ei kuitenkaan voida suoraan soveltaa interventioasetelmallisen StopDia –tutkimushankkeen tulosten tulkinnassa, sillä tutkimusväestö, tutkittavien mielenkiinto digisovelluksia kohtaan, digitekniikan käyttötaito ja -aktiivisuus ja digisovellusten käyttötarkoitus voivat erota tutkimusten välillä.
Keskimääräistä heikkolaatuisemman ruokavalion omaavien, mutta digisovellusta keskimääräistä aktiivisemmin käyttäneiden tutkittavien sijoittuminen muita tutkittavia harvemmin korkeimpaan tuloluokkaan voi olla seurausta siitä, että he olivat myös muita useammin työttömänä tai lomautettuna. Työtilannetta ja tuloja voidaan tulkita sosioekonomisen aseman mittareina (Palosuo ym. 2013). Tällöin tutkittavat, joiden ruokavalion laatu oli keskimääräistä heikkolaatuisempi, ja jotka käyttivät digisovellusta keskimääräistä aktiivisemmin saattavat olla sosioekonomisesti jonkin verran muita tutkittavia heikommassa asemassa. Henkilöt eivät kuitenkaan eronneet toisistaan koulutuksen osalta, joka on myös yksi sosioekonomisen aseman tavanomaisimmista mittareista. Digisovelluksen keskimääräistä korkeampi käyttöaktiivisuus voi olla seurausta myös työttömänä tai lomautettuna olevien henkilöiden vapaa-ajan määrästä, jolloin tapojen selailuun ja raportointiin on voitu käyttää enemmän aikaa.
Suurin osa tutkittavista oli tehnyt vain yhden teon Pienet teot –digisovelluksessa, mikä laski tehtyjen tekojen kokonaisjakauman mediaania. Mediaaniin yltämiseksi tarvitsi tehdä 15 ruokavalioon liittyvää tekoa kuukauden aikana, ja tehtyjen tekojen keskiarvo oli 44,5 tekoa.
Toisaalta ei ole tiedossa tekojen määrää, jolla saadaan tehokkaita tuloksia tyypin 2 diabeteksen ehkäisemisessä, mikä vaikeuttaa tekojen riittävyyden tulkintaa. Mediaanitekojen matala määrä saattaa kuitenkin selittää, miksi tutkittavat, joiden voidaan olettaa hyötyvän digisovelluksesta eniten eivät juurikaan eronneet muusta tutkimusväestöstä.
8.2 Aineisto ja yleistettävyys
Tutkimusjoukon suuri koko (n=1713) lisää tulosten luotettavuutta vähentämällä sattuman todennäköisyyttä tulosten aiheuttajana. Tästä huolimatta valikoitumisharhan mahdollisuus on kuitenkin olemassa. Tutkittavista suurin osa oli naisia, joten sukupuolijakauman osalta tutkimusjoukko ei vastaa perusväestöä. Tutkimuksesta karsiutui pois ne henkilöt, jotka eivät vastanneet kaikkiin kyselylomakkeen kysymyksiin tai ottaneet käyttöönsä Pienet teot – digisovellusta. On siis mahdollista, että tutkimukseen ei tavoitettu henkilöitä, jotka eivät osanneet tai halunneet täyttää ruokavaliokyselyä tai henkilöitä, jotka eivät hallitse teknologian
53
käyttöä. Tällaisia henkilöitä ovat mahdollisesti ne, jotka eivät kiinnitä huomiota ruokavalionsa laatuun ja iäkkäämmät ihmiset. Tutkittavat rekrytoitiin Etelä-Karjalan, Pohjois-Savon ja Päijät-Hämeen alueilta, eikä näiden alueiden tulokset ole varauksettomasti yleistettävissä muualle Suomeen.
8.3 Menetelmien tarkastelu Aineiston keräys
Tutkimuksen aineisto kerättiin sähköisen kyselyn avulla. Sähköisesti tapahtuvan tiedonkeruun etu on tietojen helppo saatavuus; ihmiset voivat vastata kyselyyn vaikeidenkin kulkuyhteyksien päästä ja sen avulla saadaan tavoitettua myös sellaisia henkilöitä, joita olisi muuten vaikea saada mukaan tutkimuksiin (Wright 2006). Sähköiset kyselyt säästävät aikaa ja kustannuksia, sillä niiden avulla saadaan valmiiksi analysointia varten sopivassa muodossa olevaa aineistoa.
Tutkittavien paino ja pituus mitattiin tutkimukseen koulutetun hoitajan vastaanotolla, mikä lisää tulosten luotettavuutta.
Kotona täytettävän kyselyn haasteita ovat aineiston validiteetin varmistaminen, sillä kyselyn on voinut täyttää esimerkiksi osallistujan omainen tai avustaja, eikä tietojen oikeellisuudesta saada varmistusta. Validoitujen kyselyjen käytöstä huolimatta kyselylomakkeen täyttö ilman ohjausta voi johtaa kysymysten väärinymmärtämiseen, mikä voi heikentää aineiston validiteettia.
Kyselylomake
Alkukyselyssä käytettiin validoituja kyselyitä, mikä lisää aineiston luotettavuutta.
Kyselylomake oli kuitenkin pitkä, mikä on voinut vaikuttaa jaksamiseen paneutua kyselyn täyttämiseen ja siten vastaustarkkuuteen. Vuositulot ilmoitettiin valmiilla asteikolla, ja vain tutkittavan omina tuloina. Tulojen tarkemman analysoinnin kannalta olisi ollut hyödyllisempää selvittää talouden kokonaistulot absoluuttisina määrinä, kuin vastaajan omien tulojen sijoittumisena tuloluokkiin.
Ruokavaliokysely
16 -item food intake questionnaire –kysely on kehitetty Suomessa 2003—2007 aikavälillä toteutettuun tyypin 2 diabeteksen ehkäisyohjelmaan (FIN – D2D) (Hemiö ym. 2014). Kyselyn ovat kehittäneet tutkimuksen ravitsemusterapeutit, sairaanhoitajat ja lääkärit. Kysely on myöhemmin validoitu Finnairin työterveyshuollossa toteutetussa diabeteksen seulonta- ja ehkäisyohjelmassa. Validointiryhmä vastaa tämän tutkimuksen kohderyhmää ikänsä ja tyypin
54
2 diabeteksen riskin, mutta ei sukupuolijakaumansa osalta. Kyselyn validointitutkimuksessa ruokavaliokyselyn avulla arvioitu ruokavalio korreloi ruokapäiväkirjojen kanssa etenkin marjojen ja hedelmien, puuron, aamiaismurojen, ruisleivän ja jälkiruokien osilta. Toisaalta kasvisten, joidenkin viljatuotteiden ja sokeria sisältävien juomien osilta merkittävää korrelaatiota ei esiintynyt. Kaiken kaikkiaan kysely mittaa ruokavaliota melko hyvin, ja sen vahvuuksia ovat tyypin 2 diabeteksen ehkäisyn näkökulma ja sen suunnittelu suomalaiseen ruokakulttuuriin sopivaksi ja suomen kielelle, jolloin kyselyn tiedetään mittaavan juuri asioita mitä sen on tarkoituskin mitata, eikä kyselyn käytössä synny käännöstyöstä johtuvia ongelmia.
Tämän pro gradu –tutkielman ruokavaliokyselyn uusimman pisteytysohjeen ovat laatineet asiantuntijat, mutta sitä ei ole vielä validoitu. Validoinnin puutteen vuoksi ruokavaliokyselystä saatuja pisteitä ei voida pitää täysin luotettavina, vaan käsitellä tuloksia enemmänkin suuntaa antavina. Alkuperäisessä pisteytysohjeessa ei ole itsenäistä sokeri-osa-aluetta, vaan sokeria sisältävät tuotteet ovat osa laajempaa sattumat-nimistä osa-aluetta. Tätä pro gradu –tutkielmaa varten sokeri-osa-alue on keinotekoisesti irrotettu sokeria sisältävien tuotteiden, pikaruokien ja alkoholijuomien muodostamasta kokonaisuudesta. Sokeriin liittyvien kysymysten määrä voi tämän vuoksi olla muihin osa-alueisiin verrattuna liian suppea, jotta sokerin kulutus saataisiin laskettua riittävän kattavasti, ja tulokset olisivat vertailukelpoisia muiden ruokavalion osa-alueiden kanssa.
Frekvenssityyppinen ruokavaliokysely on ruokapäiväkirjaan ja ruokavaliohaastatteluun verrattuna vaivattomampi vaihtoehto, sillä se ei vaadi usean päivän seurantaa tai haastattelijaa (Männistö 2012). Frekvenssikysely on nopea ja halpa keino selvittää ruoankäyttöä, sillä tutkittavat täyttävät itse valmiiksi koodatun lomakkeen. Toisaalta lomakkeen suunnittelu vaatii aikaa ja resursseja. Aliraportointi on melko yleistä ruoankäyttöä mitatessa; eri tutkimuksissa aliraportoijia arvioidaan olevan 2—85 % vastaajista. Aliraportointi voi johtua tutkittavan pyrkimyksistä antaa omasta ruokavaliosta todellisuutta parempi kuva, ja siihen vaikuttavat muun muassa yhteiskunnan asettamat paineet syödä terveellisesti ja hoikkuuden tavoittelua tukeva ilmapiiri. Aliraportointia tehdään sekä tietoisesti että tiedostamatta. Ruoankäytön aliraportointia esiintyy enemmän naisilla ja ylipainoisilla, jotka muodostivat merkittävän osan myös tämän tutkimuksen kohderyhmästä.
Pienet teot –digisovellus
Tutkittavat saivat tutkimuksen alussa sähköisen linkin tekstiviestillä ja sähköpostilla Pienet teot –digisovellukseen, mutta eivät kasvokkain annettua ohjeistusta sovelluksen käyttöönotosta ja
55
käytöstä. Digisovellus rakennettiin mahdollisimman käyttäjäystävälliseksi ja digisovelluksen käytön aloituksen yhteydessä annettiin kirjalliset ohjeet sovelluksen käyttöön, mutta tästä huolimatta on mahdollista, että kaikki tutkittavat eivät osanneet ottaa sovellusta käyttöön tai osanneet käyttää sovellusta. Tässä tapauksessa on olemassa riski, että tietoja ei saatu niiltä henkilöiltä, jotka eivät olleet taitavia digiteknologioiden käytössä.
Digisovelluksen käytön aktiivisuutta mitattiin raportoitujen Pienten tekojen lukumäärinä.
Raportoitujen tekojen määrä on yksiselitteinen mittari käytön aktiivisuudelle. Käytön aktiivisuutta ei tarvitse keinotekoisesti muuntaa numeraaliseen muotoon, eikä näin ollen synny operationalisoinnista johtuvia haasteita tulosten tulkinnassa. Digisovelluksen tarjoamat yksittäiset teot vaihtelivat kuitenkin merkittävästikin keskenään, ja osalla teoista saattoi olla suurempi vaikutus ruokavalion laatuun kuin toisilla teoilla. Yksittäisten tekojen merkitystä ei arvioitu, ja voi olla mahdollista, että osa tutkittavista on voinut valita itselleen helpolta tuntuvia tekoja, ja osa haastanut itseään haastavammilla teoilla. Ei ole tiedossa, olivatko kaikki raportoidut teot tutkittaville uusia, vai valitsivatko he itselleen myös sellaisia tekoja, joita he tekivät jo ennen sovelluksen käyttöönottoa. Sovelluksen käytön tunnollisuudesta ei kerätty tietoa, eikä näin ollen voida sulkea pois mahdollisuutta, että tutkittavat tekivät enemmän tekoja kuin kävivät raportoimassa digisovelluksessa.
8.4 Tutkimustiedon hyödyntäminen ja jatkotutkimus
Tietoa ruokavalion yhteydestä digisovelluksen käyttöön voidaan hyödyntää esimerkiksi Pienet teot –digisovelluksen jatkokehityksessä tai uusien digisovellusten kehittämisessä, lisätuen tarjoamisen kohdentamisessa oikealle kohderyhmälle ja lisätiedon keräämisen kohdentamisessa. Tulosten perusteella esimerkiksi sokeriin liittyvät teot näyttävät olevan luonteva kehityskohde niille henkilöille, jotka tarvitsevat keskimääräistä enemmän tukea ruokavalionsa kanssa. Lisäksi pro gradu –tutkielma tarjosi tietoa työttömänä ja lomautettuna olevien henkilöiden motivaatiosta parantaa ruokavaliotaan Pienet teot –digisovelluksen avulla.
Nämä henkilöt voisivat muodostaa potentiaalisen kohderyhmän ruokavalion laadun parantamiseen liittyville jatkointerventioille.
Kuitenkin on vielä epäselvää, välittyikö alkutilanteen ruokavalion laatu digisovelluksen käyttöön minäpystyvyyden kautta, vai selittäisikö joku muu terveyskäyttäytymisen teoria ruokavalion ja digisovelluksen käytön välistä yhteyttä paremmin. Yhteyden laatua ja vaihtoehtoisia välittymisreittejä olisi tärkeä tutkia esimerkiksi käyttäjäkyselyn avulla, jotta
56
voitaisiin varmistua oikeantyyppisestä tuesta, joita interventioissa kannattaa tarjota. Tämän pro gradu –tutkielman analyyseissä ei ole mukana käyttäjäkyselyä, jolla selvitettäisiin tutkittavien mielipiteitä ja asenteita sovellusta kohtaan. Tällaisen kyselyn tuloksia voitaisiin käyttää apuna tulosten tulkinnassa; eroavatko korkeita ja matalia pisteitä ruokavaliopisteytyksestä saaneiden tutkittavien mielipiteet tai paljon ja vähän sovellusta käyttäneiden tutkittavien mielipiteet toisistaan. Tietoa tutkittavien mielipiteistä voitaisiin hyödyntää arvioitaessa välittäviä mekanismeja ruokavalion laadun ja digisovelluksen käytön välillä.
Pienet teot –digisovellusta ei ole aiemmin tutkittu, joten tehtyjen tekojen määrää ei voida suhteuttaa aiempaan kirjallisuuteen. Ei voida sanoa, ovatko tutkittavat tehneet riittävästi muutoksia digisovelluksen avulla vaikuttaakseen tyypin 2 diabeteksen riskiin. Riskin pienenemistä voitaisiin tutkita seuraamalla esimerkiksi BMI:tä, vyötärön ympärysmittaa, veren glukoosiarvoja ja tyypin 2 diabeteksen ilmaantuvuutta vuoden interventioajan jälkeen (Laaksonen ym. 2005).
Sovelluksen käyttöaktiivisuuteen liittyviä tekijöitä olisi mielenkiintoista selvittää myös faktorianalyysillä, jolloin voitaisiin tarkastella laajemmin yksittäisten taustatekijöiden, kuten yksittäisten ruokavaliotekijöiden (esimerkiksi ruisleivän syönnin tai sokeripitoisten virvoitusjuomien säännöllisen käytön) yhteyttä sovelluksen käyttöön. Eri tilastollinen lähestymistapa voisi myös tarjota lisävahvistusta tämän pro gradu –tutkielman tuloksille.
Tässä pro gradu –tutkielmassa ei tarkasteltu ryhmäinterventioon osallistumisen vaikutusta digisovelluksen käyttöön. Osassa ryhmäinterventiopaikkakunnissa oli viivästyksiä ryhmien alkamisessa, ja ryhmäinterventioon osallistuvat tutkittavat ehtivät saada Pienet teot – digisovelluksen käyttöönsä jo yli kuukautta ennen ensimmäistä ryhmäinterventiotapaamista.
Tutkimusryhmän vaikutusta digisovelluksen käyttöön ei voida siis luotettavasti vertailla.
Aiemman kirjallisuuden pohjalta tiedetään, että digi-interventiot ovat tehokkaimmillaan kasvokkain tapahtuvan ohjauksen tukena, joten tämän vaikutusta olisi ollut mielenkiintoista selvittää (Schoeppe ym. 2016). Tässä pro gradu –tutkielmassa aihe rajattiin ruokavalioon, mutta myös liikuntaan liittyviä taustatekijöitä ja Pienet teot –digisovelluksen kategorioita olisi tärkeää tutkia, sillä liikunta on niin ikään merkittävässä roolissa tyypin 2 diabeteksen ehkäisyssä (Aune ym. 2015).
57 9 JOHTOPÄÄTÖKSET
Pro gradu –tutkielman tulosten perusteella voidaan päätellä seuraavia asioita ruokavalion ja digisovelluksen käytön yhteydestä:
1. Keskimääräistä laadukkaampi ruokavalio on yhteydessä Pienet teot –digisovelluksen aktiivisempaan käyttöön. Keskimääräistä enemmän kasviksia sisältävä ruokavalio on yhteydessä aktiivisempaan kasviksiin liittyvien tekojen toteuttamiseen ja ruokavalion viljatuotteiden parempi laatu on yhteydessä aktiivisempaan viljoihin liittyvien tekojen toteuttamiseen digisovelluksessa. Sokeri-osa-alueen kohdalla tulokset olivat päinvastaisia; keskimääräistä enemmän sokeria sisältävä ruokavalio on yhteydessä aktiivisempaan sokeriin liittyvien tekojen toteuttamiseen digisovelluksessa, mikä voi selittyä pyrkimyksillä parantaa heikkolaatuisen ruokavalion laatua karsimalla sokeria sisältäviä tuotteita ruokavaliosta.
2. Keskimääräistä heikkolaatuisempaa ruokavaliota noudattavat ja digisovellusta keskimääräistä aktiivisemmin käyttävät tutkittavat olivat muita tutkittavia useammin työttömänä tai lomautettuna ja sijoittuivat muita harvemmin suurimpaan tuloluokkaan.
Jatkotutkimuksessa olisi tärkeää selvittää digi-intervention rinnalla annettavan kasvokkaisen intervention vaikutusta digisovelluksen käyttöön ja digisovelluksen käyttöön vaikuttavia taustatekijöitä nykyistä laajemmin.
58 LÄHTEET
Achterberg C, Miller C. Is One Theory Better than Another in Nutrition Education? A Viewpoint: More Is Better. Journal of Nutrition Education and Behavior 2004; 36(1), 40–42.
https://doi.org/10.1016/S1499-4046(06)60127-9
Agardh E, Allebeck P, Hallqvist J, Moradi T, Sidorchuk A. Type 2 diabetes incidence and socio-economic position: a systematic review and meta-analysis. International Journal of Epidemiology 2011; 40(3), 804–818. https://doi.org/10.1093/ije/dyr029
Alberti KG, Zimmet PZ. Definition, diagnosis and classification of diabetes mellitus and its complications. Part 1: diagnosis and classification of diabetes mellitus provisional report of a WHO consultation. Diabetic Medicine: A Journal of the British Diabetic Association 1998;
15(7), 539–553. https://doi.org/10.1002/(SICI)1096-9136(199807)15:7<539:AID-DIA668>3.0.CO;2-S
American Diabetes Association. 2. Diagnosis and classification of diabetes mellitus. Diabetes Care 2014; 37 Suppl 1(Supplement 1), S81-90. https://doi.org/10.2337/dc14-S081
American Diabetes Association. 1. Classification and Diagnosis of Diabetes: Standards of Medical Care in Diabetes-2018. Diabetes Care 2018a; 41(Suppl 1), S13–S27.
https://doi.org/10.2337/dc18-S002
American Diabetes Association 5. Prevention or Delay of Type 2 Diabetes: Standards of Medical Care in Diabetes-2018. Diabetes Care 2018b; 41(Suppl 1), S51–S54.
https://doi.org/10.2337/dc18-S005
American Telemedicine Association. FAQs - American Telemedicine Association. Luettu:
14.2.2019 http://www.americantelemed.org/about/telehealth-faqs-
Aune D, Norat T, Leitzmann M, Tonstad S, Vatten LJ. Physical activity and the risk of type 2 diabetes: a systematic review and dose–response meta-analysis. European Journal of
Epidemiology 2015; 30(7), 529–542. https://doi.org/10.1007/s10654-015-0056-z
Azar KMJ, Lesser LI, Laing BY, Stephens J, Aurora M S, Burke LE, Palaniappan LP. Mobile Applications for Weight Management: Theory-Based Content Analysis. American Journal of Preventive Medicine 2013; 45(5), 583–589. https://doi.org/10.1016/J.AMEPRE.2013.07.005 Baliunas DO, Taylor BJ, Irving H, Roerecke M, Patra J, Mohapatra S, Rehm J. Alcohol as a Risk Factor for Type 2 Diabetes: A systematic review and meta-analysis. Diabetes Care 2009;
32(11), 2123–2132. https://doi.org/10.2337/dc09-0227
Bickel WK, Moody LN, Koffarnus M, Thomas JG, Wing R. Self-control as measured by delay discounting is greater among successful weight losers than controls. Journal of Behavioral Medicine 2018; 41(6), 891–896. https://doi.org/10.1007/s10865-018-9936-5 Block G, Azar KM, Romanelli RJ, Block TJ, Hopkins D, Carpenter HA, Block CH. Diabetes Prevention and Weight Loss with a Fully Automated Behavioral Intervention by Email, Web,
59
and Mobile Phone: A Randomized Controlled Trial Among Persons with Prediabetes. Journal of Medical Internet Research 2015; 17(10), e240. https://doi.org/10.2196/jmir.4897
Carroll JK, Moorhead A, Bond R, LeBlanc WG, Petrella RJ, Fiscella K. Who Uses Mobile Phone Health Apps and Does Use Matter? A Secondary Data Analytics Approach. Journal of Medical Internet Research 2017; 19(4), e125. https://doi.org/10.2196/jmir.5604
Chae JA. Comprehensive Profile of Those Who Have Health-Related Apps. Health Education
& Behavior 2018; 45(4), 591–598. https://doi.org/10.1177/1090198117752784 ClinicalTrials.gov. U.S. National Library of Medicine. Luettu 13.2.2019.
https://www.clinicaltrials.gov/ct2/home
de la Torre-Díez I, López-Coronado M, Vaca C, Aguado JS, de Castro C. Cost-utility and cost-effectiveness studies of telemedicine, electronic, and mobile health systems in the literature: a systematic review. Telemedicine Journal and E-Health: The Official Journal of the American Telemedicine Association 2015; 21(2), 81–85.
https://doi.org/10.1089/tmj.2014.0053
Dehghan M, Akhtar-Danesh N, Merchant AT. Factors associated with fruit and vegetable consumption among adults. Journal of Human Nutrition and Dietetics 2011; 24(2), 128–134.
https://doi.org/10.1111/j.1365-277X.2010.01142.x
Diabetes Prevention Program (DPP) Research Group. The Diabetes Prevention Program (DPP): description of lifestyle intervention. Diabetes Care 2002; 25(12), 2165–2171.
Retrieved from http://www.ncbi.nlm.nih.gov/pubmed/12453955
Diabetes Prevention Program Research Group. Long-term effects of lifestyle intervention or
Diabetes Prevention Program Research Group. Long-term effects of lifestyle intervention or