RUNSASKUITUISEN RUOKAVALION KUSTANNUS- VAIKUTTAVUUS TYYPIN 2 DIABETEKSEN ENNALTA-
EHKÄISYSSÄ Markov-mallinnus
Viivi Friman
Pro gradu -tutkielma Terveystaloustiede Itä-Suomen yliopisto
Sosiaali- ja terveysjohtamisen lai- tos
kesäkuu 2018
ITÄ-SUOMEN YLIOPISTO, yhteiskuntatieteiden ja kauppatieteiden tiedekunta Sosiaali- ja terveysjohtamisen laitos, terveystaloustiede
FRIMAN, VIIVI: Runsaskuituisen ruokavalion kustannus-vaikuttavuus tyypin 2 diabe- teksen ennaltaehkäisyssä: Markov-mallinnus
Pro gradu -tutkielma, 57 sivua, 7 liitettä (8 sivua) Tutkielman ohjaajat: FT Eila Kankaanpää
TtM Anna-Kaisa Vartiainen
Kesäkuu 2018_________________________________________________________
Avainsanat: ravintokuitu, tyypin 2 diabetes, ennaltaehkäisy, Markov-malli
Jatkuvasti yleistyvä diabetes on yksi merkittävimmistä kansansairauksistamme. Suo- messa diabeetikkoja on arvioitu olevan tällä hetkellä noin puoli miljoonaa ja määrän us- kotaan kaksinkertaistuvan seuraavan 10–15 vuoden kuluessa. Sairauden ennaltaehkäisyn tärkeys korostuu entisestään tulevina vuosina. Yksi merkittävä ennaltaehkäisyn keino on ravinto.
Tässä tutkielmassa tehtiin taloudellinen arviointi runsaskuituisen ruokavalion kustannus- vaikuttavuudesta tyypin 2 diabeteksen ennaltaehkäisyssä. Tutkielmassa luotiin päätös- analyyttinen malli, jolla pyrittiin selvittämään, onko kuidun lisääminen ruokavalioon kus- tannus-vaikuttavaa tyypin 2 diabeteksen ennaltaehkäisyssä. Mallinnus suoritettiin Mar- kov-mallilla. Mallissa verrattiin vähäkuituista ja runsaskuituista ruokavaliota.
Kustannus-vaikuttavuusanalyysin perusteella naisten inkrementtaali kustannusvaikutta- vuussuhde ICER oli -15 690 €/QALY ja miesten -15 430 €/QALY. Sekä naisten että miesten tuloksissa runsaskuituisen populaation kustannukset olivat pienemmät ja vaikut- tavuus suurempi kuin vähäkuituisessa populaatiossa, jolloin ICER muodostui negatii- viseksi. Näiden tulosten perusteella runsaskuituista ruokavaliota voidaan pitää kustannus- vaikuttavana tyypin 2 diabeteksen ennaltaehkäisyssä. Yksisuuntaisissa herkkyysanalyy- seissa tulokset eivät juurikaan muuttuneet.
Luotettavuuden kannalta olisi ollut hyödyllistä, jos tuloksia olisi pystytty vertaamaan vas- taavanlaisiin tutkimuksiin. Kuidun kustannus-vaikuttavuutta ei tiettävästi ole tutkittu, jo- ten saatuja tuloksia ei pystytä vertaamaan aikaisempaan tutkimukseen. Sairauksien en- naltaehkäisy ravinnolla ja sen kustannus-vaikuttavuuden tutkiminen ovat varmasti ai- heita, joita kannattaa tulevaisuudessa tutkia. Taloudellisen arvioinnin yhdistäminen ravit- semukseen on haastavaa sen monimutkaisuuden ja laajuuden vuoksi. Haasteiden takia asiaa ei kuitenkaan kannata jättää tutkimatta, koska terveydenhuollon menot eivät ole ai- nakaan vähentymässä.
UNIVERSITY OF EASTERN FINLAND, Faculty of Social Sciences and Business Studies
Department of Health and Social Management, health economics
FRIMAN, VIIVI: The cost-effectiveness of high-fiber diet in the prevention of type 2 diabetes: Markov model
Master's thesis, 57 pages, 7 appendices (8 pages) ThesisSupervisors: PhD EilaKankaanpää
M.Sc. Anna-Kaisa Vartiainen
June 2018_____________________________________________________
Keywords: dietary fiber, type 2 diabetes, prevention, Markov model
In Finland, diabetes mellitus is one of the major public health problems and the number of persons with diabetes keeps on rising. The importance of prevention will be empha- sized in the future. A healthy diet is associated with reduced risk of diabetes. One of the main solutions for the problem could be to focus on nutrition.
The aim of this study was to investigate the cost-effectiveness of high-fiber diet in the prevention type 2 diabetes. In the thesis, a decision-analytical model was deployed to find out whether high-fiber nutrition is a cost-effective diet for the prevention of type 2 diabe- tes. Modeling was performed by using the Markov model. The model compared low-fiber and high-fiber diets with each other.
Based on cost-effectiveness analysis, the cost of one QALY gained was -15 690 €/QALY for women and -15 430 €/QALY for men. In both women's and men's results, the costs of high-fiber populations were lower and the effectiveness was higher than in the low- fiber population, resulting in ICER becoming negative. Based on these results, a high- fiber diet can be considered as cost-effective in the prevention of type 2 diabetes. In one- way sensitivity analyzes, the results did not change much.
The lack of the previous cost-effectiveness studies restricts the comparison of the results.
Preventing diseases with nutrition and examining its cost-effectiveness is certainly a topic to be research in the future. Combining economic evaluation with nutrition is challenging because of the complexity and extent of the subject. However, despite of challenges in scientific methods, the topic should not be ignored as healthcare expenditure keeps on rising.
SISÄLTÖ
1 JOHDANTO ... 3
2 TALOUDELLINEN ARVIOINTI ... 6
2.1 Taloudellinen arviointi terveydenhuollossa ... 6
2.2 Taloudellinen arviointi terveydenedistämistoimissa ... 7
2.3 Menetelmät ... 9
2.4 Tiedonlähteet ... 10
2.5 Taloudellisen arvioinnin vaiheet ... 11
2.6 Taloudellisen arvioinnin päätöksentekosäännöt ... 12
3 PÄÄTÖSANALYYTTINEN MALLINTAMINEN ... 15
3.1 Yleisimmät mallit ... 15
3.2 Markov-mallin rakenne ... 18
3.3 Vaikuttavuustiedon määrittäminen ... 22
3.4 Kustannustiedon määrittäminen ... 23
3.5 Vaikutusten ja kustannusten eriaikaisuus ... 25
3.6 Epävarmuus ja herkkyysanalyysit ... 25
4 TYYPIN 2 DIABETES ... 29
4.1 Diabetes sairautena ... 29
4.2 Yleisyys ... 30
4.3 Diabetes ja lihavuus ... 31
5 RAVINTOKUITU ... 36
5.1 Määritelmä ja tehtävät ... 36
5.2 Kuidun merkitys lihavuuden ja diabeteksen ehkäisyssä ... 37
6 AINEISTO JA MENETELMÄT ... 41
6.1 Tutkimusmenetelmä ... 41
6.2 Mallin parametrit ... 44
6.3 Mallintaminen ... 48
6.4 Mallin rajoitteet ... 49
7 TULOKSET ... 51
7.1 Kustannus-vaikuttavuusanalyysi ... 51
7.2 Herkkyysanalyysit ... 52
8 POHDINTA ... 54
8.1 Tulosten tarkastelu ... 54
8.2 Luotettavuuden arviointi ... 55
8.3 Johtopäätökset ja jatkotutkimusaiheet ... 57
LÄHTEET ... 58
LIITTEET ... 64
LIITE 1 Mallin parametrit: Kuolemanriski ... 64
LIITE 3 Mallin parametrit: Diabetespotilaiden painoindeksijakauma ... 67
LIITE 4 Mallin parametrit: Insidenssi ... 68
LIITE 5 Mallin parametrit: Elämänlaatu ... 69
LIITE 6 Markov malli (10 ensimmäistä sykliä): miehet vähäkuituinen populaatio ... 70
LIITE 7 Markov malli (10 ensimmäistä sykliä): miehet runsaskuituinen populaatio ... 71
KUVIOT KUVIO 1 Terveydenedistämistoimien taloudellisen arvioinnin vaiheet (Kiiskinen ym. 2008, 20.) ... 8
KUVIO 2 Taloudellisen arvioinnin vaiheet (Martikainen ym. 2006, 291) ... 11
KUVIO 3 Päätöspuu ... 15
KUVIO 4 Markov-malli ... 17
KUVIO 5 Kohorttisimulaation kolmen ensimmäisen syklin numeerinen esimerkki (Gray ym. 2011, 220). ... 21
TAULUKOT TAULUKKO 1 Valinta uuden (U) ja vanhan (V) terveydenhuollon menetelmän välillä. (Sintonen & Pekurinen 2006, 270.) ... 13
TAULUKKO 2 Tutkimuksia painon ja diabeteksen yhteydestä ... 34
TAULUKKO 3 Aiempaa tutkimusta kuidun vaikutuksesta painoon ... 38
TAULUKKO 4 Painoindeksinjakauma ikäryhmittäin (Borodulin ym. 2013, 18). ... 44
TAULUKKO 5 Tyypin 2 diabetespotilaiden painoindeksin jakauma vuonna 2007 (Pajunen ym. 2012, 2625)... 44
TAULUKKO 6 Siirtymätodennäköisyydet eri BMI-luokista ”Diabetes”-tilaan ... 45
TAULUKKO 7 Markov-mallin elämänlaatupainot (Koskinen ym. 2012 273; Jia&Lubetkin 2005, 159) ... 46
TAULUKKO 8 Diabeteksen aiheuttamat lisäkustannukset kustannuserittäin diabeetikkoa kohden vuonna 2007 (Jarvala, Raitanen & Rissanen 2010, 45). ... 47
TAULUKKO 9 Miesten ICER-tulokset ... 51 TAULUKKO 10Naisten ICER-tulokset ... 52 TAULUKKO 11 Herkkyysanalyysintulokset ... 53
1 JOHDANTO
Diabetes on kansantaloudellisesti huomionarvoinen sairaus. Arvioiden mukaan diabe- testa sairastaa noin puoli miljoonaa suomalaista, joista 300 000:lla sairaus on diagnosoitu.
Valtaosa sairastaa tyypin 2 diabetesta, sillä joka kymmenes suomalainen on tyypin 2 dia- beetikko. On ennustettu, että diabetekseen sairastuneiden määrä voi jopa kaksinkertaistua seuraavien 10–15 vuoden aikana. Suomen terveydenhuollon kokonaismenoista noin 15 prosenttia on diabeteksen hoidonkustannuksia ja vähintään kaksi kolmannesta niistä koi- tuu vältettävissä olevien komplikaatioiden hoidosta. (Diabetes: Käypä hoito –suositus, 2016; Voutilainen, Fagerholm & Mutanen 2015, 179.) Koska diabeteksen ja siihen liitty- vien liitännäissairauksien hoitaminen tulee yhteiskunnalle kalliiksi jo nyt, tulevaisuuden kannalta olisi ensiarvoisen tärkeää pystyä saamaan diabetekseen sairastuvien määrä las- kuun.
Tiedetään, että suuri osa tyypin 2 diabeteksesta olisi ehkäistävissä terveillä elämänta- voilla: ruokavaliolla, liikunnalla, normaalipainolla ja tupakoimattomuudella. Samoin tie- detään, että suuri osa tyypin 2 diabeetikoista on ylipainoisia tai lihavia. (Voutilainen, Fo- gelholm & Mutanen 2015, 181.) Voidaankin todeta, että keinot sairauden ehkäisyyn ovat päätöksentekijöillä tiedossa. Pelkkä asioiden tiedostaminen ei kuitenkaan riitä ennaltaeh- käisemään sairautta, vaan tarvitaan myös päätöksiä ja tekoja, jotka hyödyntävät saatavilla olevaa tietoa. Jotta päätöksentekijät pystyisivät tekemään perusteltuja päätöksiä, on heillä oltava myös tutkittua tietoa, johon perustaa päätöksensä.
Tärkeään rooliin päätöksenteossa nousevat eri ennaltaehkäisytoimien taloudelliset arvi- oinnit. Jotta päätöksentekijät pystyisivät käyttämään olemassa olevat resurssit mahdolli- simman tehokkaasti, on heillä oltava tieto eri vaihtoehtojen kustannus-vaikuttavuuksista.
Kustannus-vaikuttavuusanalyysit ovatkin päätöksentekijöille työkalu, jolla he pystyvät perustelemaan resurssien käyttöä. Päätöksenteossa on ensiarvoisen tärkeää pystyä osoit- tamaan, että valittu toimenpide on kustannus-vaikuttava eli rahalle saadaan vastinetta (terveyttä). Niukkoja resursseja ei kannata käyttää sellaisiin menetelmiin, jotka eivät tuota terveyttä tai tuottavat vain hyvin vähän käytettyihin resursseihin nähden.
Taloudellisia arviointeja on totuttu tekemään monenlaisista hoito- ja ennaltaehkäisyvaih- toehdoista. Ravitsemuksen tai ravintoaineen taloudellisia arviointeja ei juurikaan ole tehty, vaikka elintapojen merkitys sairauksien ehkäisyssä on tunnistettu. Yleinen keskus- telu ravitsemuksen ympärillä on usein vilkasta. Viimevuosina kiinnostuksen kohteena ovat olleet muun muassa rasvat ja hiilihydraatit. Uudempana mielenkiinnonkohteena ke on ravintokuitu. Kuitua ei ole vielä tutkittu niin paljon kuin muita ravintoaineita, mutta sen hyödyt painonhallinnassa on kuitenkin tunnistettu. Finravinto 2012-tutkimuksen (Helldán, Raulio, Kosola, Tapanainen, Ovaskainen& 2013, 55) perusteella tiedetään, että suuri osa suomalaisista ei syö niin, että pääsisi kuitusuositusten tasolle. Näiden tietojen valossa kuitua on kiinnostavaa lähteä tarkastelemaan enemmän, jotta pystyttäisiin parem- min ymmärtämään sen hyötyjä ja mahdollisuuksia. Kuidun uutuusarvon ja sen kiinnosta- vien mahdollisuuksien takia taloudellinen arviointi päädyttiin tekemään kuidun näkökul- masta.
Tässä pro gradu -tutkielmassa toteutettiin taloudellinen arviointi, joka tarkasteli kuidun kustannus-vaikuttavuutta tyypin 2 diabeteksen ennaltaehkäisyssä. Taloudellinen arviointi tehtiin käyttäen Markov-mallinnusta. Mallin parametrit saatiin aikaisemmista kotimai- sista ja ulkomaisista julkaisuista sekä suomalaisista tilastoista. Tutkielman tarkoituksena on saada vastaus kysymykseen: Onko kuidun lisääminen ruokavalioon kustannus-vaikut- tavaa tyypin 2 diabeteksen ennaltaehkäisyssä?
Uudenlaisena lähestymistapana voidaan pitää taloudellista arviointia, joka tehdään ravin- toaineen sairautta ennaltaehkäisevästä näkökulmasta. Ravitsemuksellisten ominaisuuk- sien tuominen yksinkertaiseen malliin tuo omat haasteensa mallin luomiseen. Mielenkiin- toista on kuitenkin nähdä, kuinka malli pystytään rakentamaan haasteellisten ominaisuuk- sien ympärille. Aikaisempia julkaisuja vastaavasta aiheesta ei tiettävästi ole tehty, joten rakennettava malli luotiin ilman mahdollisuutta vertailuun.
Seuraavassa luvussa käsitellään taloudellista arviointia ja sen menetelmiä. Kolmannessa luvussa käsitellään taloudellisessa arvioinnissa käytettävää päätösanalyyttista mallinta- mista. Tyypin 2 diabetekseen ja lihavuuteen keskitytään neljännessä luvussa. Viidennessä
luvussa selvitetään kuidun merkitystä ruokavaliossa. Kuudennessa luvussa esitetään tut- kielmassa käytettyä aineistoa ja menetelmää. Tutkielman tulokset käydään läpi seitse- männessä luvussa ja viimeinen luku on tulosten tarkastelua ja pohdintaa.
2 TALOUDELLINEN ARVIOINTI
2.1 Taloudellinen arviointi terveydenhuollossa
Ihanteellisessa maailmassa terveydenhuollossa olisi mahdollista tarjota kaikille ihmisille kaikkia terveyteen mahdollisesti myönteisesti vaikuttavia toimia. Maailmassa, jossa elä- mämme, tämä ei valitettavasti ole mahdollista. Terveydenhuollossa päätöksenteko ja priorisointi ovat välttämättömiä, koska resursseista –ihmisistä, ajasta, tiloista, välineistä ja tiedosta– on niukkuutta. Yhteisen hyvinvoinnin kannalta olisi kuitenkin tärkeää, että terveydenhuollossa valitaan tehokkaimmat toimet. Elämme kuitenkin epävarmuuden ja epätäydellisen tiedon maailmassa, jolloin tietomme erilaisten toimien seurauksista ovat puutteelliset. Päätöksiäkin voidaan tehdä hyvin monenlaisilla menetelmillä kuten ”mitä teimme viimeksi”, mututuntumalla tai valistuneella arvauksella. Nämä menetelmät ovat harvoin kuitenkaan parempia kuin järjestelmällinen selvitys resurssien käytöstä eri vaih- toehdoilla. Pystyäksemme tekemään valintoja on pyrittävä selvittämään ja mittaamaan eri vaihtoehtojen kustannukset ja vaikuttavuus. Tätä selvitystyötä, jota päätöksenteossa voi- daan käyttää apuna, kutsutaan taloudelliseksi arvioinniksi tai evaluaatioksi. (Drummond, Sculpher, Claxton, Stoddart&Torrance 2015, 2–3; Sintonen & Pekurinen 2006, 248.) Taloudellista arviointia tarvitaan, koska ilman systemaattista analyysia on vaikeaa tun- nistaa kaikkia olemassa olevia oleellisia vaihtoehtoja. Näkökulman valinta on myös tär- keää, koska toisesta näkökulmasta tarkasteltavana oleva asia voi näyttää erittäin huonolta, mutta vastaavasti toisesta näkökulmasta huomattavasti paremmalta. Esimerkiksi yksittäi- sen potilaan kannalta uusi hoitomuoto voi vaikuttaa lupaavalta, mutta yhteiskunnan nä- kökulmasta hoito vaikuttaa taloudellisesti kestämättömältä. Ilman asianmukaista arviota asian laajuudesta voidaan harhaanjohtavasti esimerkiksi aliarvioida sen vaikutukset, jol- loin todelliset vaikutukset saattavat olla monin kymmenkertaiset alkuperäiseen verrat- tuna. Kaikkien näiden lisäksi systemaattinen lähestymistapa kasvattaa myös päätöksen- teon selkeyttä ja ymmärrettävyyttä. (Drummond, Sculpher, Claxton, Stoddart&Torrance 2015, 2–3.)
Taloudellinen arviointi pyrkii antamaan tietoa hyvin erilaisista, mutta välttämättömistä päätöksistä, joita terveydenhuollossa joudutaan tekemään. Perustavanlaatuinen kysymys, joka voidaan esittää taustasta tai päätöksestä riippumatta: ”Olemmeko tyytyväisiä siihen, kuinka terveydenhuollon resursseja käytetään vai pitäisikö ne käyttää toisella tavalla?”
Minkä tahansa taloudellisen arvioinnin perustehtävät ovat siis tunnistaa, mitata, arvottaa ja vertailla harkinnassa olevien vaihtoehtojen kustannukset ja vaikutukset. (Drummond ym. 2015, 3–4.)
Taloudellinen arviointi voidaan tehdä mallintamalla, kun olemassa olevien tietojen käyttö on mahdollista. Mallin rakentaminen kokonaan kirjallisuuden, tilastojen, rekistereiden, tietokantojen ja vastaavien avulla on usein paras tai ainoa tapa tehdä taloudellinen arvi- ointi. Mallien käyttö mahdollistaa arvioinnin ulottamisen pidemmälle ajanjaksolle. Usein mallinnukseen päädytään, kun arvioidaan käyttöön tulevia uusia terveydenhuollon mene- telmiä. Se on kuitenkin ongelmallista, sillä tietoa kustannuksista ja vaikuttavuudesta käyt- tökaaren alkuvaiheessa on niukasti. Tärkeintä mallin rakentamisessa on kuitenkin lä- pinäkyvyys. Mallissa käytetyt todennäköisyydet, kustannukset ja muut muuttujat, sekä mallin keskeiset oletukset tulee kuvata tarkasti ja niiden käyttö on perusteltava. (Sintonen 2007, 107–108; Räsänen & Sintonen 2013, 1259.)
Suomessa taloudellisia arviointeja tehtiin vuoteen 2016 saakka Terveyden- ja hyvinvoin- ninlaitoksen (THL) alaisuudessa toimineessa terveydenhuollon menetelmien arviointiyk- sikössä FinOhtassa, joka tuotti arviointitietoa päätöksenteon tueksi. THL lakkautti Finoh- tan toiminnan vuonna 2016. Terveys- ja sosiaalitalouden yksikkö CHESS toimii myös THL:ssä ja se tekee pääasiassa makroarviointeja sosiaali- ja terveydenhuollon rakenteista, organisaatioista ja järjestämisestä. Lääkehoidoista arviointeja tekee lääkealan turvalli- suus- ja kehittämiskeskus Fimea. (Räsänen & Sintonen 2013, 1260.)
2.2 Taloudellinen arviointi terveydenedistämistoimissa
Terveyden edistämiselle on olemassa paljon erilaisia määritelmiä. WHO:n raportissa Rootman, Goodsadt, Potvin ja Springett (2001, 9-13) ovat listanneet erilaisia määritelmiä terveyden edistämiselle. Esimerkiksi WHO on määritellyt terveyden edistämisen proses- siksi, joka mahdollistaa ihmisten valmiuksia hallita ja parantaa terveyttään. Yhdysvalto- jen terveyden, kasvatuksen ja hyvinvoinnin laitos on vastaavasti määritellyt terveyden edistämisen olevan yhdistelmä terveyskasvatusta ja erilaisia järjestöllisiä, poliittisia ja ta- loudellisia ohjelmia, jotka kannustavat muutoksiin, jotka parantavat terveyttä käyttäyty-
misen ja ympäristön kautta. Suurimmassa osassa määritelmistä terveyden edistämisen ta- voitteeksi onkin asetettu terveyden parantuminen, hyvinvointi tai terveyden säilyttämi- nen.
Error! Reference source not found. on havainnollistettu, kuinka Kiiskinen ja kollegat (2008, 20) ovat luoneet vaiheet terveydenedistämistoimien taloudelliselle arvioinnille.
Tässä tutkielmassa terveydenedistämisinterventio on runsaskuituinen ruokavalio. Kus- tannusten näkökulmasta siirtyminen runsaskuituiseen ruokavalioon ei tässä arvioinnissa aiheuta lisäkustannuksia, koska oletetaan, että muutokset ruokavaliossa tehdään valitse- malla runsaskuituisempia vaihtoehtoja. Toisenlainen lähestymistapa on, jos ruokavalioon otetaan täydentämään erillinen kuituvalmisteita. Konkreettinen asia, joka tarvitaan run- saskuituisen ruokavalion yleistymiseen, on tietoisuuden levittäminen. Tällainen tervey- den edistämisen vaatisi paljon valistusta ja tiedotuskampanjoita, joihin ei tässä tutkiel- massa tarkemmin perehdytä. Tässä taloudellisessa arvioinnissa keskitytään pelkästään kuidun vaikutuksiin ei siihen liittyvän tiedon levittämiseen. Ihmisten oletetaan noudatta- van runsaskuituista ruokavaliota ilman, että heidän tietoisuuttaan lisätään suunnitelluilla kampanjoilla tai materiaaleilla.
KUVIO 1 Terveydenedistämistoimien taloudellisen arvioinnin vaiheet (Kiiskinen ym.
2008, 20.)
Kiiskisen ja kollegoiden näkemyksen mukaan terveydenedistämistoimia arvioitaessa, on tarpeen erottaa kaksi vaikuttavuuden mittaamisen eri tasoa. Terveysvaikutukset, jotka ovat seurausta elämäntapamuutoksista, näkyvät usein vasta pitkän ajan kuluttua, jolloin ei ole mielekästä tai edes mahdollista käyttää yleisiä terveysosoittimia (sairastavuus, kuolleisuus). Tällöin on järkevämpää ensisijaisesti käyttää ns. välitulosmittareita vaikut- tavuuden osoittamiseksi. Kun tavoitteena on osoittaa, kuinka intervention osatekijät tai intensiteetin lisääminen parantavat toiminnan tulosta, vaikuttavuuden tasoksi riittää väli- tulos. (Kiiskinen ym. 2008, 20–21.) Sitä on kuitenkin pystyttävä mittaamaan riittävän yksikäsitteisesti. Runsaskuituisen ruokavalion mittaaminen ei välttämättä ole kovin yksi- käsitteistä. Kyse on muutoksesta, joka tapahtuu elämäntavoissa ja tarkemmin ottaen ruo- kavaliossa. Ravinnon vaikutusta painonhallintaan pystytään kuitenkin tarkastelemaan painoindeksin kautta, jota voidaan käyttää välitulosmittarina. Painoindeksin avulla voi- daan tarkastella riskiä sairastua tyypin 2 diabetekseen. Kustannussäästöjen arviointia var- ten tarvitaan tieto sairauden ilmaantuvuuden muutoksista.
2.3 Menetelmät
Taloudellisen arvioinnissa yleisesti käytettäviä menetelmiä on neljä: kustannusten mini- mointi-, kustannus-vaikuttavuus-, kustannus-hyöty- ja kustannus-utiliteettianalyysi. Kai- kissa menetelmissä kustannukset lasketaan samalla tavalla, mutta terveysvaikutuksia mi- tataan ja arvotetaan eri tavalla riippuen menetelmästä. (Räsänen & Sintonen 2013, 1255.) Kustannusten minimointianalyysissä kahdella tai useammalla vaihtoehdolla on lähes sa- manlainen vaikuttavuus, jolloin analyysi keskittyy vain kustannuksiin. Analyysin tulok- sena halutaan saada tietoa eroista kustannuksissa ja löytää menetelmä, jolla päästään lop- putulokseen vähäisimmin kustannuksin. Käytännössä tätä mallia käytetään harvoin, koska menetelmien vaikuttavuus on lähes aina erilainen. Kustannus-hyötyanalyysissa kustannukset sekä vaikutukset mitataan rahassa. Menetelmän haasteena on hyötyjen ar- vioiminen rahassa. Kustannus-vaikuttavuusanalyysissa vaikutuksia mitataan luonnolli- silla yksiköillä, kuten lisäelinvuosilla tai muutoksella painossa. Rajoitteita, joita analyy- siin liittyy, ovat terveysvaikutusten puutteellinen ja kapea kuva terveydentilasta ja vai- keus arvioida vaihtoehtoiskustannuksia muihin menetelmiin. Kustannus-utiliteetti- analyysi on erikoistapaus kustannus-vaikuttavuusanalyysista. Vaikuttavuutta mitataan
sekä elämän pituudella että laadulla, jolloin vaikuttavuusmittari on yleensä laatupaino- tettu elinvuosi QALY. (Drummond ym. 2015, 6-8; Räsänen & Sintonen 2013, 1255- 1256.)
2.4 Tiedonlähteet
Terveystaloudellisten arviointien tiedonlähteet ovat hyvin moninaiset. Resurssien käyttö- tietoja on mahdollista saada esimerkiksi sairaalatietokannoista, potilaskertomuksista, kansallisista tietokannoista, kuten KELA ja HILMO, potilaskyselyistä ja tiedonkeruulo- makkeista. Kustannustietoja voidaan kerätä muun muassa sairaaloiden tietokannoista las- kutustietoja ja hinnastoja käyttäen sekä sairaalatason kustannuslaskennasta. Vaikutta- vuustiedon lähteitä voivat olla esimerkiksi kliiniset tutkimukset, seurantatutkimukset, po- tilaskyselyt, kansalliset ja sairaaloiden tietokannat sekä potilaskyselyt lomakkeilla. Li- säksi usein hyödyllinen tietolähde on tilastokeskus, josta on saatavilla esimerkiksi hin- taindeksit ja palkkatiedot. Erilaisista rekistereistä, kuten syöpärekisteristä, on saatavilla paljon hyödynnettävää tietoa taloudellisiin arviointeihin. Myös erilaisilta liitoilta voidaan saada arvioinneissa hyödynnettävää tietoa. (Martikainen, Hallinen & Soini 2006, 293.) Yksittäisen kliinisen tutkimuksen käyttämisellä on pitkä historia taloudellisissa arvioin- neissa. Se tarjoaa tiedonlähteen ja kehyksen koko arvioinnille. Terveydenhuollon inter- ventioiden vaikuttavuutta tutkittaessa laajasti käytetty tutkimusasetelma on satunnaistettu kontrolloitu tutkimus RCT (randomizedcontrolled trial), jonka vahvuutena on sisäinen validiteetti. Siinä taloudellisessa arviossa käytettävä tieto kerätään potilasotoksesta, jonka resurssien käyttö ja terveysvaikutukset tutkitaan. (Drummond ym. 2015, 267.)
Mikäli kliinistä tutkimusta ei ole tehty taloudellisen arvioinnin näkökulmasta, arvioinnin toteutuksessa saatetaan kohdata haasteita. Myös kliinisten tutkimusten tulosten luotetta- vuutta tulee arvioida osana taloudellista arviointia. Muualla kuin Suomessa tehtyjen tut- kimusten kohdalla tulee miettiä, voiko Suomessa odottaa vastaavia terveystuloksia. Kun suomalainen taloudellinen arviointi rakennetaan ulkomaisten tutkimusten varaan, kohda- taan yleensä niin monia epävarmuuksia, että niiden käsittely edellyttää mallintamista (Sintonen 2007, 106–107). Vaikka taloudelliset arvioinnit perustuvat vielä laajalti kliini- sille tutkimuksille, päätösanalyyttinen mallintaminen on noussut vaihtoehtoiseksi kei- noksi tehdä taloudellisia arviointeja (Drummond ym. 2015, 311).
2.5 Taloudellisen arvioinnin vaiheet
Taloudellinen arviointi koostuu useammasta perusvaiheesta, joita ovat tutkimuksen taus- tatyö, viitekehyksen valinta, analyysimenetelmän valinta, tietojen kerääminen, analy- sointi ja raportointi. Seuraavaksi esitetyt vaiheet (kuvio 2) perustuvat Martikaisen, Halli- sen ja Soinin (2006, 290–291) näkemykseen lääketaloudellisen arvioinnin vaiheista ja niiden keskinäisistä suhteista. Vaikka vaiheet koskevat lääketaloudellista arviota, voidaan niiden katsoa soveltuvan myös muiden kuin lääkkeiden taloudelliseen arviointiin.
KUVIO 2 Taloudellisen arvioinnin vaiheet (Martikainen ym. 2006, 291)
Arvioinnin ensimmäinen vaihe on tutkimukseen liittyvä taustatyö. Se alkaa tutkittavan sairauden diagnostisesta määrittelystä. Myös hoitoprosessin kokonaiskuvan hahmotta- mista tarvitaan, joka edellyttää esimerkiksi tietoa sairauden epidemiologiasta. Tutkimuk- sen näkökulman määrittelevät tutkimuksen tavoitteet ja tarkoitus. Näkökulmaksi voidaan ottaa esimerkiksi yhteiskunnallinen, maksajan, omaisen, palveluiden tuottajan tai potilaan näkökulma. Yhteiskunnallinen näkökulma tulee yleensä kyseeseen, kun taloudellista ar- viointia tehdään yhteiskunnallisen päätöksenteon tueksi. Tällöin pyritään ottamaan huo- mioon koko hoitoprosessin vaatimat kustannukset ja prosessin aiheuttamat vaikutukset prosessin maksajasta ja vaikutusten saajasta riippumatta. Tutkimuksessa käytettävien vai-
kuttavuusmittareiden valinta on myös olennainen osa tutkimuksen taustatyötä. Vaikutta- vuusmittareiden valinta tulisi tehdä niin, että niillä pystytään vastaamaan tutkimusongel- maan.
Seuraavassa vaiheessa valitaan tutkimukselle viitekehys, eli tapa, jolla tarvittavat tiedot kerätään. Viitekehykset eroavat toisistaan resurssivaatimuksiltaan ja toteutettavuudel- taan. Suuria resursseja vaativat satunnaistetut kliiniset tutkimukset. Vaatimuksiltaan ke- vyempi tapa on olemassa olevan tutkimustiedon synteesi ja siihen pohjautuva päätöksen- tekomallintaminen. Tämän jälkeen on valittava yksi analyysimenetelmistä, jotka kuvat- tiin luvussa 2.3. Kun menetelmä on valittu, voidaan aloittaa kustannus- ja vaikuttavuus- tiedon kerääminen. Tämän jälkeen päästään arvioinnissa analysointivaiheeseen, joka si- sältää kustannusten ja vaikutusten diskonttaamisen, tunnuslukujen laskemisen ja herk- kyysanalyysit. Viimeisenä vaiheena taloudellisessa arvioinnissa on raportointi. (Marti- kainen, Hallinen & Soini 2006, 290–292.)
2.6 Taloudellisen arvioinnin päätöksentekosäännöt
Kustannus-vaikuttavuus- ja kustannus-utiliteettianalyyseissa arvioitavalle toimenpiteelle tulee aina olla vertailukohta. Se voi olla esimerkiksi vanhempi hoitomuoto tai vaihtoehto, jossa ei tehdä mitään. Päätöksentekosääntöjä tarvitaan, jotta on olemassa kriteerit, joiden perusteella vertailtavista vaihtoehdoista voidaan valita ”paras”. Ennen päätöksentekoa vaihtoehtojen välillä on täytynyt selvittää eri menetelmien diskontatut ja vuosien yli yh- teenlaskettujen kokonaisterveys- ja kustannusvaikutukset. Nämä muunnetaan tavallisesti päätöksentekosääntöä varten keskimääräiseksi vaikuttavuudeksi ja kustannukseksi. Mer- kitään vanhemman/vertailu hoitomuodon keskimääräistä vaikuttavuutta EV:llä ja keski- määräistä kustannusta CV:llä ja vastaavasti uuden hoidon EU:lla ja CU:lla. Tilanteesta riip- puen muodostuu erilaisia päätöksentekosääntöjä. Kun muodostetaan inkrementaalinen kustannus-vaikuttavuussuhde ICER (incrementalcost-effectivenessratio), tulevat kaikki mahdolliset tilanteet huomioon otetuksi. ICER muodostetaan suhteuttamalla kustannus- ten ero vaikuttavuuksien eroon seuraavasti:
CU− CV EU− EV= ΔC
ΔE
Kun tarkastellaan viivan kummallakin puolella olevien erotusten etumerkkejä, voidaan erottaa TAULUKKO 1 esitetyt mahdollisuudet. (Sintonen 2007, 104; Sintonen ja Peku- rinen 2006, 270.)
TAULUKKO 1 Valinta uuden (U) ja vanhan (V) terveydenhuollon menetelmän välillä.
(Sintonen & Pekurinen 2006, 270.)
Kustannukset
Vaikuttavuus U on parempi
kuin V
U ja V ovat yhtä hyviä
U on huonompi kuin V U kalliimpi kuin V 8) valinta ei ole
selvä 5) valitse V 4) valitse V
U ja V yhtä kalliita 2) valitse U 7) valitse U tai V 6) valitse V U halvempi kuin V 1) valitse U 3) valitse U 9) valinta ei ole
selvä
Päätöksenteon kannalta selkeitä valintoja ovat valtaosa. Uuden terveydenhuollon mene- telmän käyttöönotto kannattaa tilanteissa 1, 2 ja 3. Tilanteessa 1 uusi menetelmä (U) mak- saa vähemmän ja sen vaikuttavuus on parempi kuin vanhan (V), jonka vuoksi U dominoi vahvasti V:tä. Kun puhutaan vahvasta dominanssista, tarkoitetaan yhden vertailtavista vaihtoehdoista olevan toista toivottavampi molempien kriteerien, sekä vaikuttavuuden että kustannusten, suhteen. Tilanteessa 2 U:n ja V:n kustannukset ovat sama, mutta U tuottaa korkeamman vaikuttavuuden kuin V, eli U dominoi heikosti V:tä ja suositellaan siten valittavaksi. Heikko dominanssi tilanteessa yksi vertailtavista vaihtoehdoista on toista toivottavampi kustannuksistaan tai vaikuttavuudeltaan, mutta toisen kriteerin suh- teen ne ovat tasaveroiset. Viimeinen selkeä uuden menetelmän valinta on tilanteessa 3, jossa U dominoi heikosti V:tä, koska se tuottaa pienimmillä kustannuksilla saman vaikut- tavuuden kuin V. (Sintonen 2007, 104–105; Sintonen ja Pekurinen 2006, 270–271.) Vanhan menetelmän käyttöä kannattaa jatkaa tilanteissa 4, 5 ja 6. Tilanteessa 4 V dominoi vahvasti U:ta, kun se tuottaa suuremman vaikuttavuuden halvemmalla. Tilanteessa 5 U:n ja V:n kustannukset ovat sama, mutta U tuottaa korkeamman vaikuttavuuden kuin V, eli U dominoi heikosti V:tä ja suositellaan siten valittavaksi. Heikko dominanssi tilanteessa yksi vertailtavista vaihtoehdoista on toista toivottavampi kustannuksiltaan tai vaikutta- vuudeltaan, mutta toisen kriteerin suhteen ne ovat tasaveroiset. Tilanteessa 6 V dominoi
heikosti U:ta, koska sen vaikuttavuus on korkeampi kuin U:n ja kustannus sama. (Sinto- nen 2007, 104–105; Sintonen ja Pekurinen 2006, 270–271.)
Vaihtoehdot ovat tasaveroisia tilanteessa 7 kustannusten ja vaikuttavuuden suhteen, joten kumpikin voidaan valita. Viimeisenä ovat tilanteet 8 ja 9, jotka eivät ole yhtä selkeitä kuin edelliset. Tilanteessa 8 dominanssia ei ole, joten ei ole itsestään selvää, kumpi vaih- toehto on parempi. U:n kustannus on korkeampi kuin V:n, mutta sen vaikuttavuus on parempi. Suhde kertoo, kuinka paljon U:ssa vaikuttavuuden lisäyksikkö maksaa V:hen verrattuna. Siinä tapauksessa U on parempi kuin V, jos päätöksentekijät katsovat U:n li- sävaikuttavuuden olevan sen lisäkustannuksen arvoinen. Tilanne 9 on päinvastainen edel- liseen verrattuna. Dominanssia ei ole. U:n kustannus ja vaikuttavuus ovat alemmat kuin V:llä. Siinä tapauksessa U on parempi kuin V, jos päätöksentekijöiden mielestä U:sta saatavat kustannussäästöt ovat V:hen verrattuna suuremmat niin, että ne kompensoivat U:n huonomman vaikuttavuuden. (Sintonen 2007, 104–105; Sintonen ja Pekurinen 2006, 270–271.)
Tilanteissa 8 ja 9 valinta edellyttää arvoasetemaa. Yhteiskunnan maksaessa menetelmien käytön arvoasetelmien tekeminen kuuluu terveyspolitiikan päättäjille. Suomessa ei ole selkeästi ilmaistu kantaa siihen, kuinka paljon yhteiskunta on valmis maksamaan vaik- kapa laatupainotetusta elinvuodesta. (Sintonen 2007, 104–105; Sintonen ja Pekurinen 2006, 270–271.)
Joissakin maissa on käyttöönotettu maksuhalukkuuden kynnysarvot, joita voidaan hyö- dyntää arvioitaessa terveydenhuollon menetelmän kustannus-vaikuttavuutta. Iso-Britan- nian terveysviranomainen NICE on esimerkiksi muodostanut maksuhalukkuuden rajat seuraavasti. Terveydenhuollon menetelmä, jonka ICER jää alle 20 000 £/QALY, tullaan todennäköisesti hyväksymään käyttöön. Mikäli ICER on välillä 20 000–30 000 £/QALY tulee menetelmän kustannus-vaikuttavuusnäyttö olla hyvä, jotta sitä voidaan suositella käyttöön. ICER:n ollessa yli 30 000£/QALY tulee kustannus-vaikuttavuusnäytön olla erittäin vahva. (Assessing cost effectiveness, NICE.) Suomessa vastaavia maksuhaluk- kuuden kynnysarvoja ei ole otettu käyttöön.
3 PÄÄTÖSANALYYTTINEN MALLINTAMINEN 3.1 Yleisimmät mallit
Päätösanalyyttinen malli tarjoaa kehyksen päätöksenteolle epävarmuuden vallitessa. Täs- mällisemmin sanottuna päätösanalyyttinen malli määrittelee joukon matemaattisia suh- teita kokonaisuuksien (yleensä terveydentilan tai polun) välillä luonnehtimalla sairauden mahdollisia ennusteita ja vaihtoehtoisten interventioiden vaikutuksia. (Drummond ym.
2015, 312.) Taloudellisessa arvioinnissa on mahdollista käyttää erilaisia malleja. Ylei- semmät mallit ovat päätöspuu ja Markov-malli.
Päätöspuu on yksinkertaisin muoto päätösanalyyttisesta mallista (Briggs, Clax- ton&Sculpher 2006, 23). Siinä kuvataan (kuvio 3) yksilön kulkemia polkuja, jotka ovat mahdollisia ennusteita tietylle interventiolle. Tyypillisesti päätöspuu alkaa nelikulmai- sella päätössolmulla (decision node), joka kuvaa päätöstä, joka tehdään valittujen (hoito)vaihtoehtojen välillä. Seuraavana kohtana päätöspuussa ovat ympyränmuotoiset sattumasolmut (chance node), joita voi olla kaksi tai useampi. Ne kuvaavat eri hoito- jen/vaihtoehtojen tiettyjä tapahtumia. Yksittäiselle henkilölle on epävarmaa, minkä ta- pahtuman hän tulee kokemaan. Todennäköisyydet esitetään sattumasolmuissa sen perus- teella, kuinka todennäköistä on, että tapahtuma esiintyy henkilöllä. Polut ovat toisensa pois sulkevia peräkkäisiä tapahtumia, jotka muodostavat reitin läpi puun. (Drummond ym. 2015, 328–329; Briggsym 2006, 23.)
KUVIO 3 Päätöspuu
Siirryttäessä puussa vasemmalta oikealle ensimmäinen todennäköisyys kuvaa tapahtu- man todennäköisyyttä. Seuraavien tapahtumien todennäköisyydet ovat ehdollisia, sillä ne riippuvat siitä, minkä edellisistä tapahtumista (sattumasolmu) henkilö on kokenut. Sattu- masolmuja voi tulla useampia peräkkäin tilanteen mukaan. Erilaisten puun oksien yhdis- telmät kuvaavat kaikki mahdolliset polut, jotka henkilö voi kulkea puussa. Jokaiselle po- lulle voidaan laskea todennäköisyys kertomalla kunkin puussa kuljetun polun sattumasol- mut keskenään, jolloin saadaan niiden yhteinen todennäköisyys. Päätöspuun jokaiseen polkuun liittyy myös polun kustannukset, jotka kuvaavat kustannusten summaa, joka muodostuu kaikista polun tapahtumista. Kun kaikki polkuun liittyvät kustannukset on laskettu, kerrotaan kustannukset vielä kyseisen polun yhteenlasketulla todennäköisyy- dellä, jolloin saadaan tulokseksi polun odotetut kustannukset. Jokaiselle polulle lasketaan myös odotettu vaikuttavuus samalla tekniikalla kuin kustannuksille, eli polun todennä- köisyys kerrotaan polun vaikuttavuudella. Nämä vaiheet tehdään päätöspuun jokaiselle polulle. (Drummond ym. 2015, 329–330; Briggsym 2006, 23.)
Vaikka päätöspuu on paljon käytetty taloudellisissa arvioinneissa, on siinä omat rajoit- teensa. Merkittävimpänä rajoitteena on, että aikaa ei ole selkeästi määritelty päätös- puussa, ellei sille ole tehty puussa omia oksia. Tähän liittyen päätöspuusta voi muodostua erittäin monimutkainen, jos sillä mallinnetaan esimerkiksi kroonisen sairauden pitkäai- kaisennustetta. Päätöspuuta käytetäänkin usein menetelmissä, joissa tarkasteltava ajan- jakso on suhteellisen lyhyt ja vaihtoehtoisia tapahtumia on runsaasti. Aikarajoitteen vuoksi toinen paljon taloudellisessa arvioinnissa käytetty mallityyppi on Markov-malli.
Päätöspuuta ja Markov-mallia voidaan käyttää myös yhdessä. (Drummond ym. 2015, 331; Sintonen & Räsänen 2013, 1259.)
Markov-malli soveltuu tilanteisiin, joissa tapahtumien ajoitus on tärkeä ja tapahtumat voi- vat esiintyä useammin kuin kerran. Se soveltuu mallintamaan pitkän aikavälin vaikutuk- sia, kun kustannukset ja vaikutukset ovat jakaantuneet pitkälle ajalle. Tämän vuoksi Mar- kov-malli on sopiva etenkin kroonisten sairauksien mallintamiseen tai mallintamaan ti- loja, jotka voivat toistua. (Gray, Clarke, Wolstenholme&Wordsworth 2011, 211.) Rajoitteet, jotka koskivat päätöspuuta, ovat suurin syy miksi Markov-mallia käytetään laajasti erityisesti päätösongelmissa. Siinä missä päätöspuu kuvaa erilaiset ennusteet
vaihtoehtoisilla oksilla, Markov-malli (kuvio 4) perustuu erilaisiin tiloihin (states), joissa potilas voi olla annetun ajan eli syklin. Syklin päättyessä potilas siirtyy seuraavaan tilaan tai pysyy samassa tilassa. Syklin pituus riippuu arvioitavasta sairaudesta ja interventiosta, se voi olla esimerkiksi yksi kuukausi tai yksi vuosi. (Drummond ym. 2015, 331–332.)
KUVIO 4 Markov-malli
Tilojen välillä on siirtymätodennäköisyyksiä (transition probability), jotka kuvaavat to- dennäköisyyttä siirtyä kyseessä olevasta tilasta seuraavaan tilaan, joka voi olla myös py- syminen tilassa. Koska henkilön täytyy olla aina jossakin olemassa olevista tiloista, tilan nuolien yhteenlasketut siirtymätodennäköisyydet summautuvat siten aina yhdeksi. Tilo- jen lähtökohtana olevat siirtymätodennäköisyydet on tyypillisesti otettu pitkittäisestä ko- horttitutkimuksesta, jota voidaan pitää tyypillisenä näytön lähteenä tämän tyyppisille pa- rametreille. (Drummond ym. 2015, 332–333.)
Markov-mallissa kustannukset on yleensä liitetty kuhunkin tilaan. Tapa, jolla odotetut kustannukset ja seuraukset lasketaan, on samankaltainen kuin päätöspuussa. Tämä siksi, että molemmat mallit ovat esimerkkejä kohorttimallista, joka pohjautuu keksimääräisen henkilön tuloksen laskemiseen, eikä mallissa oteta huomioon, kuinka yksittäinen henkilö eroaa toisesta. Kun päätöspuussa laskettiin polkujen kustannusten ja vaikuttavuuden sum- mat painotettuna niiden todennäköisyyksillä, Markov-mallin laskentatapa on kaksivaihei- nen. Ensiksi lasketaan todennäköisyys sille, että henkilö on halutussa tilassa syklin ajan.
Tilanne voidaan ajatella myös kohortin henkilöiden osuutena tietyssä tilassa tiettynä het- kenä. Seuraavassa vaiheessa päästään laskemaan odotetut kustannukset ja vaikuttavuu- det. Odotetut kustannukset saadaan laskemalla yhteen jokaisen tilan kustannukset, jotka on painotettu eli kerrottu kyseisen tilan kohortin henkilöiden osuudella. Kokonaisuudes- saan odotetut kustannukset saadaan laskemalla yhteen kaikkien tilojen odotetut kustan- nukset. Vastaavaa laskentatapaa käytetään myös odotetun vaikuttavuuden laskennassa.
Kun vaikuttavuutta mitataan QALY:lla, lasketaan odotettu vaikuttavuus painottamalla eli kertomalla tilan kohortin henkilöiden osuus tilan terveyteen liittyvällä elämälaadulla HRQoL (health-relatedquality of life) ja laskemalla nämä yhteen kaikista tiloista. (Drum- mond ym. 2015, 334–335.)
Vaikka Markov-malli on paljon joustavampi kuin päätöspuu, siihen liittyy joitakin rajoit- teita. Yksi niistä on ”muistittomuus”. Kun potilas on siirtynyt yhdestä tilasta toiseen, malli ei ”muista” mistä tilasta potilas tuli ja milloin siirtyminen on tapahtunut. Ei ole siis helppoa rakentaa ”historiaa” tämän tyyppiseen malliin, jolloin tulevaisuuden tapahtu- maan vaikuttaa menneisyyden tapahtumat. Nämä voitaisiin ottaa huomioon mallissa ra- kentamalla täydentäviä tiloja ja sisällyttämällä aikariippuvuus siirtymätodennäköisyyk- siin. (Briggs, Claxton&Sculpher 2006, 36–37.)
3.2 Markov-mallin rakenne
Taloudellista arviointia varten luotavan päätösanalyyttisen mallin kehittäminen koostuu useasta vaiheesta. Mallin kehittäminen alkaa tutkimusongelman määrittämisellä. Merkit- tävää on erityisesti määrittää kohderyhmä ja relevantit vaihtoehdot, joita vertaillaan.
Vaihtoehtojen määrittelyssä on hyvä muistaa, että se pitää sisällään intervention lisäksi esimerkiksi hoidon aloitus- ja päätössäännöt kroonisen sairauden eri tiloissa. Koska malli on aina yksinkertaisempi kuin todellisuus, täytyy mallin rajat määritellä selkeästi, jotta tiedetään, mitä malliin otetaan mukaan ja mitä ei. Tärkeää on pohtia, kuinka hyvin mallin halutaan ottavan huomioon kaikki mahdolliset intervention tai ohjelman seuraamukset, esimerkiksi otetaanko harvinaiset sivuvaikutukset huomioon mallissa. Päätöksenteon kannalta on hyvä pohtia, vähentääkö jonkin asian pois jättäminen mallin arvoa. Mallin rajojen päättäminen perustuu osaltaan myös käytössä olevaan tietoon ja mallin monimut- kaisuuteen, mutta ne eivät saa olla ratkaisevina tekijöinä laajuuden määrittelyssä. (Drum- mond ym. 2015, 325–326.)
Tämän jälkeen on tärkeää pystyä päättämään, kuinka malli muodostetaan. Se vaatii ketjun päätöksiä siitä, kuinka mallin parametrit liittyvät toisiinsa ja kuinka kliiniset tapahtumat ja halutut terveydentilat valitaan ja luonnehditaan. (Drummond ym. 2015, 326.) Seuraa- vaksi käydään läpi, kuinka Markov-malli rakennetaan. Seuraava esitys Markov-mallin rakentamisesta perustuu Grayn, Clarken, Wolstenholmen ja Wordsworthn (2011, 212–
224) esitykseen aiheesta.
Ensimmäinen vaihe Markov-mallin rakentamisessa on mallissa käytettävien tilojen iden- tifiointi niin, että ne vastaavat esitettyyn tutkimuskysymykseen. Markov-mallin rakenne on kuvattu aiemmin kuviossa 4. Tilojen tulisi esittää kliinisesti ja taloudellisesti tärkeitä tapatumia, kuten: elossa, terve, kuollut, sairauden aste tai hoidon tila. Lisäksi niiden tulisi olla selkeästi määriteltyjä sairauden mukaisesti. Tilojen tulee olla toisensa pois sulkevia, jotta yksilö ei voi olla kuin yhdessä tilassa kerrallaan. Yleensä ympyröillä tai soikioilla kuvataan eri tilat. Nuolet esittävät siirtymiä tilojen välillä. Nuoli voi myös tehdä silmu- kan, mikä tarkoittaa, että henkilö pysyy samassa tilassa seuraavan syklin ajan. On myös mahdollista piirtää nuoli taakse päin takaisin edelliseen tilaan, jolloin henkilö palaakin tilaan, jossa on aiemmin jo ollut. Mikäli mallissa yhtenä tilana on kuolema, siitä ei ole mahdollista siirtyä enää muihin tiloihin, koska kuolema on lopullista.
Tämän jälkeen tulee päättää, millainen populaation jakauma on eri tilojen välillä. Tilanne voi olla, että koko populaatio aloittaa samasta tilasta tai populaatio on jakautunut eri suu- ruisiin osuuksiin tilojen välillä. Mallin rakentaja tekee päätöksen osuuksista. Hän voi pe- rustaa jakauman julkaistuihin tutkimuksiin. Tämän vaiheen jälkeen on vuorossa siirtymä- todennäköisyyksien määrittäminen eli kuinka henkilöt siirtyvät tilasta toiseen. Jokaisesta tilasta lähtevien siirtymätodennäköisyydet tulee summautua yhdeksi. Siirtymätodennä- köisyydet voidaan esittää siirtymämatriisissa (transition matrix). Siinä vaakarivillä kuva- taan tilaa, jossa henkilö on syklin alussa (t). Vastaavasti pystysarake kuvaa tilaa, jossa henkilö on seuraavan (t + 1) syklin alussa. Joten matriisi kuvaa todennäköisyyttä liikkua vaakarivillä olevasta tilasta pystysarakkeen tilaan. Jotkin tilansiirtymät eivät ole mahdol- lisia, joten ne saavat arvon nolla. Koska jokaisen rivin tulee summautua yhdeksi, voidaan sen perusteella päätellä jäljelle jäävä siirtymä, jos kaikkien muiden tilojen siirtymät ovat
tiedossa. Siirtymätodennäköisyydet voidaan identifioida useasta eri lähteestä kuten esi- merkiksi kliinisten tutkimusten julkaistuista raporteista, epidemiologisista tutkimuksista ja hallinnollisista aineistoista.
Sen lisäksi, että siirtymät voivat tapahtua eteenpäin, mallissa on myös mahdollista siirtyä takaisin tilaan, jossa se on jo ollut. Tämä mahdollistaa sen, että analyysi pystyy ottamaan huomioon toistuvat tapahtumat sairauden ja hoidon kulussa. On kuitenkin tärkeää muis- taa, että Markovin tilojen tulee olla keskenään tyhjentäviä. Niiden tulee siis olla määri- telty niin, että kaikki mahdolliset tilat on otettu huomioon, niillä ei saa olla päällekkäi- syyksiä ja niiden todennäköisyyksien summan on oltava yksi. Useissa malleissa tilansiir- tymä todennäköisyydet voivat olla myös aikariippuvaisia. Tällainen tilanne on, kun to- dennäköisyydet ovat syklien määrästä riippuvaisia eli siis siirtymätodennäköisyydet muuttuvat sen mukaan, kuinka kauan kohortti on ollut mallissa. Tällainen voi olla esi- merkiksi iän yhteys mallin siirtymätodennäköisyyksiin.
Tämän jälkeen voidaan pohtia syklin pituutta. Analyysin aikahorisontti on jaettu saman- kokoisiksi osiksi kuten viikoiksi, kuukausiksi tai vuosiksi. Näitä ajanjaksoja kutsutaan sykleiksi. Sykli esittää lyhintä aikaa, jonka potilas viettää tilassa ennen kuin on mahdol- lista siirtyä seuraavaan tilaan. Syklin pituus pysyy yleensä samana koko mallin ajan. Kun määritetään sopivaa syklin pituutta, tulee ottaa huomioon taustalla oleva sairauden luon- nollinen kulku. Vuoden mittainen sykli sopii malleihin, joiden tarkoitus on kuvata henki- lön koko elinikää. Alle vuoden mittaiset syklit sopivat yleensä akuuteille sairauksille.
Syklin pituuteen vaikuttavat myös tutkimuskysymyksen luonne ja saatavilla oleva tieto.
Esimerkiksi yhden vuoden sykli vaatii vuosittaiset tiedot siirtymätodennäköisyyksistä, kustannuksista ja terveysseurausten arvosta.
Syklin pituuden jälkeen tulee miettiä ajanjaksoa, mihin asti malli ulottuu. Mikäli mallissa on mielenkiintoinen tila, josta ollaan kiinnostuneita, voidaan malli ulottaa niin pitkälle, että kaikki kohortissa olleet saavuttavat tämän tilan. Malli voi olla kuitenkin rakennettu niin, etteivät kaikki kohortista saavuta haluttua tilaa. Tällöin on tarpeellista päättää syk- lien määrä, jonka jälkeen malli päättyy. Monet sairauksia koskevat mallit kestävät, niin kauan kuin arvioitu jäljellä oleva elinajanodote on kohortissa.
Markov-malli käy läpi sarjan syklejä, joilta jokaiselta kertyy kustannuksia ja vaikutta- vuutta. Kun malli on mennyt läpi kaikki sen syklit, se on kartuttanut koko mallin kustan- nukset ja vaikuttavuuden. Kustannuksia ja vaikuttavuutta vois syntyä mallissa eri tavoilla.
Ne voivat kertyä, kun yksilö on tietyssä mallin tilassa tai kun yksilö siirtyy uuteen tilaan.
Jos kustannukset ja vaikuttavuus eivät säily tilassa pysyttäessä, on niiden järkevää esiin- tyä vain kerran, kun siirrytään kyseessä olevaan tilaan. Voi olla myös, että kustannukset ja vaikuttavuus esiintyvät vain kerran, esimerkiksi mallin alussa. Kustannukset ja vaikut- tavuus tulee myös tarvittaessa diskontata, luvussa 3.5 käsitellään kustannusten ja vaikut- tavuustiedon eriaikaisuutta.
Kun Markov-mallia lähdetään toteuttamaan kohorttisimulaatiolla, aloitetaan simulaatio jakamalla hypoteettinen kohortti mallin tiloihin aloitustodennäköisyyksien mukaan. Tä- män jälkeen simulaatiossa kohortti siirtyy tiloista toiseen siirtymätodennäköisyyksien mukaisesti. Käytännössä tarkasteltavan tilan osuus saadaan kertomalla edellisen syklin tilojen, joista tarkasteltavassa olevaan tilaan voidaan siirtyä, osuudet siirtymätodennäköi- syyksillä haluttuun tilaan. Kuviossa 5 on selvennetty asiaa ja esitetty esimerkki kohortti- simulaation kolmesta ensimmäisestä syklistä.
KUVIO 5 Kohorttisimulaation kolmen ensimmäisen syklin numeerinen esimerkki (Gray ym. 2011, 220).
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 pidetäänkö 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 kertomalla 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 yksinkertainen 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 & Sintonen 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
