RUNSASKUITUISEN RUOKAVALION KUSTANNUS- VAIKUTTAVUUS TYYPIN 2 DIABETEKSEN ENNALTA- EHKÄISYSSÄ Markov-mallinnus

Transkriptio

1 RUNSASKUITUISEN RUOKAVALION KUSTANNUS- VAIKUTTAVUUS TYYPIN 2 DIABETEKSEN ENNALTA- EHKÄISYSSÄ Markov-mallinnus Viivi Friman Pro gradu -tutkielma Terveystaloustiede Itä-Suomen yliopisto Sosiaali- ja terveysjohtamisen laitos kesäkuu 2018

2 ITÄ-SUOMEN YLIOPISTO, yhteiskuntatieteiden ja kauppatieteiden tiedekunta Sosiaali- ja terveysjohtamisen laitos, terveystaloustiede FRIMAN, VIIVI: Runsaskuituisen ruokavalion kustannus-vaikuttavuus tyypin 2 diabeteksen 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. Suomessa diabeetikkoja on arvioitu olevan tällä hetkellä noin puoli miljoonaa ja määrän uskotaan kaksinkertaistuvan seuraavan vuoden kuluessa. Sairauden ennaltaehkäisyn tärkeys korostuu entisestään tulevina vuosina. Yksi merkittävä ennaltaehkäisyn keino on ravinto. Tässä tutkielmassa tehtiin taloudellinen arviointi runsaskuituisen ruokavalion kustannusvaikuttavuudesta tyypin 2 diabeteksen ennaltaehkäisyssä. Tutkielmassa luotiin päätösanalyyttinen malli, jolla pyrittiin selvittämään, onko kuidun lisääminen ruokavalioon kustannus-vaikuttavaa tyypin 2 diabeteksen ennaltaehkäisyssä. Mallinnus suoritettiin Markov-mallilla. Mallissa verrattiin vähäkuituista ja runsaskuituista ruokavaliota. Kustannus-vaikuttavuusanalyysin perusteella naisten inkrementtaali kustannusvaikuttavuussuhde ICER oli /QALY ja miesten /QALY. Sekä naisten että miesten tuloksissa runsaskuituisen populaation kustannukset olivat pienemmät ja vaikuttavuus suurempi kuin vähäkuituisessa populaatiossa, jolloin ICER muodostui negatiiviseksi. Näiden tulosten perusteella runsaskuituista ruokavaliota voidaan pitää kustannusvaikuttavana tyypin 2 diabeteksen ennaltaehkäisyssä. Yksisuuntaisissa herkkyysanalyyseissa tulokset eivät juurikaan muuttuneet. Luotettavuuden kannalta olisi ollut hyödyllistä, jos tuloksia olisi pystytty vertaamaan vastaavanlaisiin tutkimuksiin. Kuidun kustannus-vaikuttavuutta ei tiettävästi ole tutkittu, joten saatuja tuloksia ei pystytä vertaamaan aikaisempaan tutkimukseen. Sairauksien ennaltaehkäisy ravinnolla ja sen kustannus-vaikuttavuuden tutkiminen ovat varmasti aiheita, joita kannattaa tulevaisuudessa tutkia. Taloudellisen arvioinnin yhdistäminen ravitsemukseen on haastavaa sen monimutkaisuuden ja laajuuden vuoksi. Haasteiden takia asiaa ei kuitenkaan kannata jättää tutkimatta, koska terveydenhuollon menot eivät ole ainakaan vähentymässä.

3 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 emphasized 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 diabetes. 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 /QALY for women and /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 lowfiber population, resulting in ICER becoming negative. Based on these results, a highfiber diet can be considered as cost-effective in the prevention of type 2 diabetes. In oneway 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.

4 SISÄLTÖ 1 JOHDANTO TALOUDELLINEN ARVIOINTI Taloudellinen arviointi terveydenhuollossa Taloudellinen arviointi terveydenedistämistoimissa Menetelmät Tiedonlähteet Taloudellisen arvioinnin vaiheet Taloudellisen arvioinnin päätöksentekosäännöt PÄÄTÖSANALYYTTINEN MALLINTAMINEN Yleisimmät mallit Markov-mallin rakenne Vaikuttavuustiedon määrittäminen Kustannustiedon määrittäminen Vaikutusten ja kustannusten eriaikaisuus Epävarmuus ja herkkyysanalyysit TYYPIN 2 DIABETES Diabetes sairautena Yleisyys Diabetes ja lihavuus RAVINTOKUITU Määritelmä ja tehtävät Kuidun merkitys lihavuuden ja diabeteksen ehkäisyssä AINEISTO JA MENETELMÄT Tutkimusmenetelmä Mallin parametrit Mallintaminen Mallin rajoitteet TULOKSET Kustannus-vaikuttavuusanalyysi Herkkyysanalyysit POHDINTA Tulosten tarkastelu... 54

5 8.2 Luotettavuuden arviointi Johtopäätökset ja jatkotutkimusaiheet LÄHTEET LIITTEET LIITE 1 Mallin parametrit: Kuolemanriski LIITE 3 Mallin parametrit: Diabetespotilaiden painoindeksijakauma LIITE 4 Mallin parametrit: Insidenssi LIITE 5 Mallin parametrit: Elämänlaatu LIITE 6 Markov malli (10 ensimmäistä sykliä): miehet vähäkuituinen populaatio LIITE 7 Markov malli (10 ensimmäistä sykliä): miehet runsaskuituinen populaatio KUVIOT KUVIO 1 Terveydenedistämistoimien taloudellisen arvioinnin vaiheet (Kiiskinen ym. 2008, 20.)... 8 KUVIO 2 Taloudellisen arvioinnin vaiheet (Martikainen ym. 2006, 291) KUVIO 3 Päätöspuu KUVIO 4 Markov-malli KUVIO 5 Kohorttisimulaation kolmen ensimmäisen syklin numeerinen esimerkki (Gray ym. 2011, 220) TAULUKOT TAULUKKO 1 Valinta uuden (U) ja vanhan (V) terveydenhuollon menetelmän välillä. (Sintonen & Pekurinen 2006, 270.) TAULUKKO 2 Tutkimuksia painon ja diabeteksen yhteydestä TAULUKKO 3 Aiempaa tutkimusta kuidun vaikutuksesta painoon TAULUKKO 4 Painoindeksinjakauma ikäryhmittäin (Borodulin ym. 2013, 18) TAULUKKO 5 Tyypin 2 diabetespotilaiden painoindeksin jakauma vuonna 2007 (Pajunen ym. 2012, 2625) TAULUKKO 6 Siirtymätodennäköisyydet eri BMI-luokista Diabetes -tilaan TAULUKKO 7 Markov-mallin elämänlaatupainot (Koskinen ym ; Jia&Lubetkin 2005, 159) TAULUKKO 8 Diabeteksen aiheuttamat lisäkustannukset kustannuserittäin diabeetikkoa kohden vuonna 2007 (Jarvala, Raitanen & Rissanen 2010, 45)

6 TAULUKKO 9 Miesten ICER-tulokset TAULUKKO 10Naisten ICER-tulokset TAULUKKO 11 Herkkyysanalyysintulokset... 53

7 3 1 JOHDANTO Diabetes on kansantaloudellisesti huomionarvoinen sairaus. Arvioiden mukaan diabetesta sairastaa noin puoli miljoonaa suomalaista, joista :lla sairaus on diagnosoitu. Valtaosa sairastaa tyypin 2 diabetesta, sillä joka kymmenes suomalainen on tyypin 2 diabeetikko. On ennustettu, että diabetekseen sairastuneiden määrä voi jopa kaksinkertaistua seuraavien vuoden aikana. Suomen terveydenhuollon kokonaismenoista noin 15 prosenttia on diabeteksen hoidonkustannuksia ja vähintään kaksi kolmannesta niistä koituu vältettävissä olevien komplikaatioiden hoidosta. (Diabetes: Käypä hoito suositus, 2016; Voutilainen, Fagerholm & Mutanen 2015, 179.) Koska diabeteksen ja siihen liittyvien liitännäissairauksien hoitaminen tulee yhteiskunnalle kalliiksi jo nyt, tulevaisuuden kannalta olisi ensiarvoisen tärkeää pystyä saamaan diabetekseen sairastuvien määrä laskuun. Tiedetään, että suuri osa tyypin 2 diabeteksesta olisi ehkäistävissä terveillä elämäntavoilla: ruokavaliolla, liikunnalla, normaalipainolla ja tupakoimattomuudella. Samoin tiedetään, että suuri osa tyypin 2 diabeetikoista on ylipainoisia tai lihavia. (Voutilainen, Fogelholm & Mutanen 2015, 181.) Voidaankin todeta, että keinot sairauden ehkäisyyn ovat päätöksentekijöillä tiedossa. Pelkkä asioiden tiedostaminen ei kuitenkaan riitä ennaltaehkäisemään 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 arvioinnit. Jotta päätöksentekijät pystyisivät käyttämään olemassa olevat resurssit mahdollisimman 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 osoittamaan, 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.

8 4 Taloudellisia arviointeja on totuttu tekemään monenlaisista hoito- ja ennaltaehkäisyvaihtoehdoista. Ravitsemuksen tai ravintoaineen taloudellisia arviointeja ei juurikaan ole tehty, vaikka elintapojen merkitys sairauksien ehkäisyssä on tunnistettu. Yleinen keskustelu 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 paremmin ymmärtämään sen hyötyjä ja mahdollisuuksia. Kuidun uutuusarvon ja sen kiinnostavien mahdollisuuksien takia taloudellinen arviointi päädyttiin tekemään kuidun näkökulmasta. 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 kotimaisista ja ulkomaisista julkaisuista sekä suomalaisista tilastoista. Tutkielman tarkoituksena on saada vastaus kysymykseen: Onko kuidun lisääminen ruokavalioon kustannus-vaikuttavaa tyypin 2 diabeteksen ennaltaehkäisyssä? Uudenlaisena lähestymistapana voidaan pitää taloudellista arviointia, joka tehdään ravintoaineen sairautta ennaltaehkäisevästä näkökulmasta. Ravitsemuksellisten ominaisuuksien tuominen yksinkertaiseen malliin tuo omat haasteensa mallin luomiseen. Mielenkiintoista on kuitenkin nähdä, kuinka malli pystytään rakentamaan haasteellisten ominaisuuksien 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 mallintamista. Tyypin 2 diabetekseen ja lihavuuteen keskitytään neljännessä luvussa. Viidennessä

9 5 luvussa selvitetään kuidun merkitystä ruokavaliossa. Kuudennessa luvussa esitetään tutkielmassa käytettyä aineistoa ja menetelmää. Tutkielman tulokset käydään läpi seitsemännessä luvussa ja viimeinen luku on tulosten tarkastelua ja pohdintaa.

10 6 2 TALOUDELLINEN ARVIOINTI 2.1 Taloudellinen arviointi terveydenhuollossa Ihanteellisessa maailmassa terveydenhuollossa olisi mahdollista tarjota kaikille ihmisille kaikkia terveyteen mahdollisesti myönteisesti vaikuttavia toimia. Maailmassa, jossa elämämme, 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 vaihtoehdoilla. Pystyäksemme tekemään valintoja on pyrittävä selvittämään ja mittaamaan eri vaihtoehtojen kustannukset ja vaikuttavuus. Tätä selvitystyötä, jota päätöksenteossa voidaan 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 tunnistaa kaikkia olemassa olevia oleellisia vaihtoehtoja. Näkökulman valinta on myös tärkeää, koska toisesta näkökulmasta tarkasteltavana oleva asia voi näyttää erittäin huonolta, mutta vastaavasti toisesta näkökulmasta huomattavasti paremmalta. Esimerkiksi yksittäisen potilaan kannalta uusi hoitomuoto voi vaikuttaa lupaavalta, mutta yhteiskunnan näkökulmasta hoito vaikuttaa taloudellisesti kestämättömältä. Ilman asianmukaista arviota asian laajuudesta voidaan harhaanjohtavasti esimerkiksi aliarvioida sen vaikutukset, jolloin todelliset vaikutukset saattavat olla monin kymmenkertaiset alkuperäiseen verrattuna. Kaikkien näiden lisäksi systemaattinen lähestymistapa kasvattaa myös päätöksenteon 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?

11 7 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 arviointi. Mallien käyttö mahdollistaa arvioinnin ulottamisen pidemmälle ajanjaksolle. Usein mallinnukseen päädytään, kun arvioidaan käyttöön tulevia uusia terveydenhuollon menetelmiä. Se on kuitenkin ongelmallista, sillä tietoa kustannuksista ja vaikuttavuudesta käyttökaaren alkuvaiheessa on niukasti. Tärkeintä mallin rakentamisessa on kuitenkin läpinäkyvyys. Mallissa käytetyt todennäköisyydet, kustannukset ja muut muuttujat, sekä mallin keskeiset oletukset tulee kuvata tarkasti ja niiden käyttö on perusteltava. (Sintonen 2007, ; Räsänen & Sintonen 2013, 1259.) Suomessa taloudellisia arviointeja tehtiin vuoteen 2016 saakka Terveyden- ja hyvinvoinninlaitoksen (THL) alaisuudessa toimineessa terveydenhuollon menetelmien arviointiyksikössä FinOhtassa, joka tuotti arviointitietoa päätöksenteon tueksi. THL lakkautti Finohtan toiminnan vuonna 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 turvallisuus- 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 prosessiksi, joka mahdollistaa ihmisten valmiuksia hallita ja parantaa terveyttään. Yhdysvaltojen terveyden, kasvatuksen ja hyvinvoinnin laitos on vastaavasti määritellyt terveyden edistämisen olevan yhdistelmä terveyskasvatusta ja erilaisia järjestöllisiä, poliittisia ja taloudellisia ohjelmia, jotka kannustavat muutoksiin, jotka parantavat terveyttä käyttäyty-

12 8 misen ja ympäristön kautta. Suurimmassa osassa määritelmistä terveyden edistämisen tavoitteeksi onkin asetettu terveyden parantuminen, hyvinvointi tai terveyden säilyttäminen. 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. Kustannusten näkökulmasta siirtyminen runsaskuituiseen ruokavalioon ei tässä arvioinnissa aiheuta lisäkustannuksia, koska oletetaan, että muutokset ruokavaliossa tehdään valitsemalla runsaskuituisempia vaihtoehtoja. Toisenlainen lähestymistapa on, jos ruokavalioon otetaan täydentämään erillinen kuituvalmisteita. Konkreettinen asia, joka tarvitaan runsaskuituisen ruokavalion yleistymiseen, on tietoisuuden levittäminen. Tällainen terveyden edistämisen vaatisi paljon valistusta ja tiedotuskampanjoita, joihin ei tässä tutkielmassa tarkemmin perehdytä. Tässä taloudellisessa arvioinnissa keskitytään pelkästään kuidun vaikutuksiin ei siihen liittyvän tiedon levittämiseen. Ihmisten oletetaan noudattavan runsaskuituista ruokavaliota ilman, että heidän tietoisuuttaan lisätään suunnitelluilla kampanjoilla tai materiaaleilla. KUVIO 1 Terveydenedistämistoimien taloudellisen arvioinnin vaiheet (Kiiskinen ym. 2008, 20.)

13 9 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 vaikuttavuuden osoittamiseksi. Kun tavoitteena on osoittaa, kuinka intervention osatekijät tai intensiteetin lisääminen parantavat toiminnan tulosta, vaikuttavuuden tasoksi riittää välitulos. (Kiiskinen ym. 2008, ) Sitä on kuitenkin pystyttävä mittaamaan riittävän yksikäsitteisesti. Runsaskuituisen ruokavalion mittaaminen ei välttämättä ole kovin yksikäsitteistä. Kyse on muutoksesta, joka tapahtuu elämäntavoissa ja tarkemmin ottaen ruokavaliossa. Ravinnon vaikutusta painonhallintaan pystytään kuitenkin tarkastelemaan painoindeksin kautta, jota voidaan käyttää välitulosmittarina. Painoindeksin avulla voidaan tarkastella riskiä sairastua tyypin 2 diabetekseen. Kustannussäästöjen arviointia varten tarvitaan tieto sairauden ilmaantuvuuden muutoksista. 2.3 Menetelmät Taloudellisen arvioinnissa yleisesti käytettäviä menetelmiä on neljä: kustannusten minimointi-, kustannus-vaikuttavuus-, kustannus-hyöty- ja kustannus-utiliteettianalyysi. Kaikissa menetelmissä kustannukset lasketaan samalla tavalla, mutta terveysvaikutuksia mitataan ja arvotetaan eri tavalla riippuen menetelmästä. (Räsänen & Sintonen 2013, 1255.) Kustannusten minimointianalyysissä kahdella tai useammalla vaihtoehdolla on lähes samanlainen vaikuttavuus, jolloin analyysi keskittyy vain kustannuksiin. Analyysin tuloksena halutaan saada tietoa eroista kustannuksissa ja löytää menetelmä, jolla päästään lopputulokseen 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 arvioiminen rahassa. Kustannus-vaikuttavuusanalyysissa vaikutuksia mitataan luonnollisilla yksiköillä, kuten lisäelinvuosilla tai muutoksella painossa. Rajoitteita, joita analyysiin liittyy, ovat terveysvaikutusten puutteellinen ja kapea kuva terveydentilasta ja vaikeus arvioida vaihtoehtoiskustannuksia muihin menetelmiin. Kustannus-utiliteettianalyysi on erikoistapaus kustannus-vaikuttavuusanalyysista. Vaikuttavuutta mitataan

14 10 sekä elämän pituudella että laadulla, jolloin vaikuttavuusmittari on yleensä laatupainotettu elinvuosi QALY. (Drummond ym. 2015, 6-8; Räsänen & Sintonen 2013, ) 2.4 Tiedonlähteet Terveystaloudellisten arviointien tiedonlähteet ovat hyvin moninaiset. Resurssien käyttötietoja on mahdollista saada esimerkiksi sairaalatietokannoista, potilaskertomuksista, kansallisista tietokannoista, kuten KELA ja HILMO, potilaskyselyistä ja tiedonkeruulomakkeista. Kustannustietoja voidaan kerätä muun muassa sairaaloiden tietokannoista laskutustietoja ja hinnastoja käyttäen sekä sairaalatason kustannuslaskennasta. Vaikuttavuustiedon lähteitä voivat olla esimerkiksi kliiniset tutkimukset, seurantatutkimukset, potilaskyselyt, kansalliset ja sairaaloiden tietokannat sekä potilaskyselyt lomakkeilla. Lisäksi usein hyödyllinen tietolähde on tilastokeskus, josta on saatavilla esimerkiksi hintaindeksit 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 arvioinneissa. Se tarjoaa tiedonlähteen ja kehyksen koko arvioinnille. Terveydenhuollon interventioiden 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 luotettavuutta tulee arvioida osana taloudellista arviointia. Muualla kuin Suomessa tehtyjen tutkimusten kohdalla tulee miettiä, voiko Suomessa odottaa vastaavia terveystuloksia. Kun suomalainen taloudellinen arviointi rakennetaan ulkomaisten tutkimusten varaan, kohdataan yleensä niin monia epävarmuuksia, että niiden käsittely edellyttää mallintamista (Sintonen 2007, ). Vaikka taloudelliset arvioinnit perustuvat vielä laajalti kliinisille tutkimuksille, päätösanalyyttinen mallintaminen on noussut vaihtoehtoiseksi keinoksi tehdä taloudellisia arviointeja (Drummond ym. 2015, 311).

15 Taloudellisen arvioinnin vaiheet Taloudellinen arviointi koostuu useammasta perusvaiheesta, joita ovat tutkimuksen taustatyö, viitekehyksen valinta, analyysimenetelmän valinta, tietojen kerääminen, analysointi ja raportointi. Seuraavaksi esitetyt vaiheet (kuvio 2) perustuvat Martikaisen, Hallisen ja Soinin (2006, ) 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 hahmottamista tarvitaan, joka edellyttää esimerkiksi tietoa sairauden epidemiologiasta. Tutkimuksen 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 arviointia tehdään yhteiskunnallisen päätöksenteon tueksi. Tällöin pyritään ottamaan huomioon koko hoitoprosessin vaatimat kustannukset ja prosessin aiheuttamat vaikutukset prosessin maksajasta ja vaikutusten saajasta riippumatta. Tutkimuksessa käytettävien vai-

16 12 kuttavuusmittareiden valinta on myös olennainen osa tutkimuksen taustatyötä. Vaikuttavuusmittareiden valinta tulisi tehdä niin, että niillä pystytään vastaamaan tutkimusongelmaan. Seuraavassa vaiheessa valitaan tutkimukselle viitekehys, eli tapa, jolla tarvittavat tiedot kerätään. Viitekehykset eroavat toisistaan resurssivaatimuksiltaan ja toteutettavuudeltaan. Suuria resursseja vaativat satunnaistetut kliiniset tutkimukset. Vaatimuksiltaan kevyempi tapa on olemassa olevan tutkimustiedon synteesi ja siihen pohjautuva päätöksentekomallintaminen. Tämän jälkeen on valittava yksi analyysimenetelmistä, jotka kuvattiin luvussa 2.3. Kun menetelmä on valittu, voidaan aloittaa kustannus- ja vaikuttavuustiedon kerääminen. Tämän jälkeen päästään arvioinnissa analysointivaiheeseen, joka sisältää kustannusten ja vaikutusten diskonttaamisen, tunnuslukujen laskemisen ja herkkyysanalyysit. Viimeisenä vaiheena taloudellisessa arvioinnissa on raportointi. (Martikainen, Hallinen & Soini 2006, ) 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 yhteenlaskettujen kokonaisterveys- ja kustannusvaikutukset. Nämä muunnetaan tavallisesti päätöksentekosääntöä varten keskimääräiseksi vaikuttavuudeksi ja kustannukseksi. Merkitään vanhemman/vertailu hoitomuodon keskimääräistä vaikuttavuutta E V :llä ja keskimääräistä kustannusta C V :llä ja vastaavasti uuden hoidon E U :lla ja C U :lla. Tilanteesta riippuen muodostuu erilaisia päätöksentekosääntöjä. Kun muodostetaan inkrementaalinen kustannus-vaikuttavuussuhde ICER (incrementalcost-effectivenessratio), tulevat kaikki mahdolliset tilanteet huomioon otetuksi. ICER muodostetaan suhteuttamalla kustannusten ero vaikuttavuuksien eroon seuraavasti: C U C V E U E V = ΔC ΔE

17 13 Kun tarkastellaan viivan kummallakin puolella olevien erotusten etumerkkejä, voidaan erottaa TAULUKKO 1 esitetyt mahdollisuudet. (Sintonen 2007, 104; Sintonen ja Pekurinen 2006, 270.) TAULUKKO 1 Valinta uuden (U) ja vanhan (V) terveydenhuollon menetelmän välillä. (Sintonen & Pekurinen 2006, 270.) Kustannukset U kalliimpi kuin V Vaikuttavuus U on parempi kuin V 8) valinta ei ole selvä U ja V ovat yhtä hyviä U on huonompi kuin V 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 menetelmän käyttöönotto kannattaa tilanteissa 1, 2 ja 3. Tilanteessa 1 uusi menetelmä (U) maksaa 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 suhteen ne ovat tasaveroiset. Viimeinen selkeä uuden menetelmän valinta on tilanteessa 3, jossa U dominoi heikosti V:tä, koska se tuottaa pienimmillä kustannuksilla saman vaikuttavuuden kuin V. (Sintonen 2007, ; Sintonen ja Pekurinen 2006, ) 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 vaikuttavuudeltaan, mutta toisen kriteerin suhteen ne ovat tasaveroiset. Tilanteessa 6 V dominoi

18 14 heikosti U:ta, koska sen vaikuttavuus on korkeampi kuin U:n ja kustannus sama. (Sintonen 2007, ; Sintonen ja Pekurinen 2006, ) 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 vaihtoehto 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 lisävaikuttavuuden olevan sen lisäkustannuksen arvoinen. Tilanne 9 on päinvastainen edelliseen 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, ; Sintonen ja Pekurinen 2006, ) 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 vaikkapa laatupainotetusta elinvuodesta. (Sintonen 2007, ; Sintonen ja Pekurinen 2006, ) Joissakin maissa on käyttöönotettu maksuhalukkuuden kynnysarvot, joita voidaan hyödyntää arvioitaessa terveydenhuollon menetelmän kustannus-vaikuttavuutta. Iso-Britannian terveysviranomainen NICE on esimerkiksi muodostanut maksuhalukkuuden rajat seuraavasti. Terveydenhuollon menetelmä, jonka ICER jää alle /QALY, tullaan todennäköisesti hyväksymään käyttöön. Mikäli ICER on välillä /QALY tulee menetelmän kustannus-vaikuttavuusnäyttö olla hyvä, jotta sitä voidaan suositella käyttöön. ICER:n ollessa yli /QALY tulee kustannus-vaikuttavuusnäytön olla erittäin vahva. (Assessing cost effectiveness, NICE.) Suomessa vastaavia maksuhalukkuuden kynnysarvoja ei ole otettu käyttöön.

19 15 3 PÄÄTÖSANALYYTTINEN MALLINTAMINEN 3.1 Yleisimmät mallit Päätösanalyyttinen malli tarjoaa kehyksen päätöksenteolle epävarmuuden vallitessa. Täsmällisemmin sanottuna päätösanalyyttinen malli määrittelee joukon matemaattisia suhteita 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. Yleisemmät mallit ovat päätöspuu ja Markov-malli. Päätöspuu on yksinkertaisin muoto päätösanalyyttisesta mallista (Briggs, Claxton&Sculpher 2006, 23). Siinä kuvataan (kuvio 3) yksilön kulkemia polkuja, jotka ovat mahdollisia ennusteita tietylle interventiolle. Tyypillisesti päätöspuu alkaa nelikulmaisella 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 hoitojen/vaihtoehtojen tiettyjä tapahtumia. Yksittäiselle henkilölle on epävarmaa, minkä tapahtuman hän tulee kokemaan. Todennäköisyydet esitetään sattumasolmuissa sen perusteella, kuinka todennäköistä on, että tapahtuma esiintyy henkilöllä. Polut ovat toisensa pois sulkevia peräkkäisiä tapahtumia, jotka muodostavat reitin läpi puun. (Drummond ym. 2015, ; Briggsym 2006, 23.) KUVIO 3 Päätöspuu

20 16 Siirryttäessä puussa vasemmalta oikealle ensimmäinen todennäköisyys kuvaa tapahtuman todennäköisyyttä. Seuraavien tapahtumien todennäköisyydet ovat ehdollisia, sillä ne riippuvat siitä, minkä edellisistä tapahtumista (sattumasolmu) henkilö on kokenut. Sattumasolmuja voi tulla useampia peräkkäin tilanteen mukaan. Erilaisten puun oksien yhdistelmät kuvaavat kaikki mahdolliset polut, jotka henkilö voi kulkea puussa. Jokaiselle polulle voidaan laskea todennäköisyys kertomalla kunkin puussa kuljetun polun sattumasolmut 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 todennäköisyydellä, jolloin saadaan tulokseksi polun odotetut kustannukset. Jokaiselle polulle lasketaan myös odotettu vaikuttavuus samalla tekniikalla kuin kustannuksille, eli polun todennäköisyys kerrotaan polun vaikuttavuudella. Nämä vaiheet tehdään päätöspuun jokaiselle polulle. (Drummond ym. 2015, ; Briggsym 2006, 23.) Vaikka päätöspuu on paljon käytetty taloudellisissa arvioinneissa, on siinä omat rajoitteensa. Merkittävimpänä rajoitteena on, että aikaa ei ole selkeästi määritelty päätöspuussa, ellei sille ole tehty puussa omia oksia. Tähän liittyen päätöspuusta voi muodostua erittäin monimutkainen, jos sillä mallinnetaan esimerkiksi kroonisen sairauden pitkäaikaisennustetta. Päätöspuuta käytetäänkin usein menetelmissä, joissa tarkasteltava ajanjakso 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 voivat esiintyä useammin kuin kerran. Se soveltuu mallintamaan pitkän aikavälin vaikutuksia, kun kustannukset ja vaikutukset ovat jakaantuneet pitkälle ajalle. Tämän vuoksi Markov-malli on sopiva etenkin kroonisten sairauksien mallintamiseen tai mallintamaan tiloja, 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

21 17 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, ) KUVIO 4 Markov-malli Tilojen välillä on siirtymätodennäköisyyksiä (transition probability), jotka kuvaavat todennäköisyyttä siirtyä kyseessä olevasta tilasta seuraavaan tilaan, joka voi olla myös pysyminen tilassa. Koska henkilön täytyy olla aina jossakin olemassa olevista tiloista, tilan nuolien yhteenlasketut siirtymätodennäköisyydet summautuvat siten aina yhdeksi. Tilojen lähtökohtana olevat siirtymätodennäköisyydet on tyypillisesti otettu pitkittäisestä kohorttitutkimuksesta, jota voidaan pitää tyypillisenä näytön lähteenä tämän tyyppisille parametreille. (Drummond ym. 2015, ) 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 summat painotettuna niiden todennäköisyyksillä, Markov-mallin laskentatapa on kaksivaiheinen. Ensiksi lasketaan todennäköisyys sille, että henkilö on halutussa tilassa syklin ajan.

22 18 Tilanne voidaan ajatella myös kohortin henkilöiden osuutena tietyssä tilassa tiettynä hetkenä. Seuraavassa vaiheessa päästään laskemaan odotetut kustannukset ja vaikuttavuudet. Odotetut kustannukset saadaan laskemalla yhteen jokaisen tilan kustannukset, jotka on painotettu eli kerrottu kyseisen tilan kohortin henkilöiden osuudella. Kokonaisuudessaan odotetut kustannukset saadaan laskemalla yhteen kaikkien tilojen odotetut kustannukset. 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. (Drummond ym. 2015, ) Vaikka Markov-malli on paljon joustavampi kuin päätöspuu, siihen liittyy joitakin rajoitteita. 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 tapahtumaan vaikuttaa menneisyyden tapahtumat. Nämä voitaisiin ottaa huomioon mallissa rakentamalla täydentäviä tiloja ja sisällyttämällä aikariippuvuus siirtymätodennäköisyyksiin. (Briggs, Claxton&Sculpher 2006, ) 3.2 Markov-mallin rakenne Taloudellista arviointia varten luotavan päätösanalyyttisen mallin kehittäminen koostuu useasta vaiheesta. Mallin kehittäminen alkaa tutkimusongelman määrittämisellä. Merkittävää 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 monimutkaisuuteen, mutta ne eivät saa olla ratkaisevina tekijöinä laajuuden määrittelyssä. (Drummond ym. 2015, )

23 19 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.) Seuraavaksi käydään läpi, kuinka Markov-malli rakennetaan. Seuraava esitys Markov-mallin rakentamisesta perustuu Grayn, Clarken, Wolstenholmen ja Wordsworthn (2011, ) esitykseen aiheesta. Ensimmäinen vaihe Markov-mallin rakentamisessa on mallissa käytettävien tilojen identifiointi 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 silmukan, 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 suuruisiin osuuksiin tilojen välillä. Mallin rakentaja tekee päätöksen osuuksista. Hän voi perustaa jakauman julkaistuihin tutkimuksiin. Tämän vaiheen jälkeen on vuorossa siirtymätodennäköisyyksien määrittäminen eli kuinka henkilöt siirtyvät tilasta toiseen. Jokaisesta tilasta lähtevien siirtymätodennäköisyydet tulee summautua yhdeksi. Siirtymätodennäköisyydet voidaan esittää siirtymämatriisissa (transition matrix). Siinä vaakarivillä kuvataan 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 mahdollisia, joten ne saavat arvon nolla. Koska jokaisen rivin tulee summautua yhdeksi, voidaan sen perusteella päätellä jäljelle jäävä siirtymä, jos kaikkien muiden tilojen siirtymät ovat

24 20 tiedossa. Siirtymätodennäköisyydet voidaan identifioida useasta eri lähteestä kuten esimerkiksi 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 muistaa, että Markovin tilojen tulee olla keskenään tyhjentäviä. Niiden tulee siis olla määritelty niin, että kaikki mahdolliset tilat on otettu huomioon, niillä ei saa olla päällekkäisyyksiä ja niiden todennäköisyyksien summan on oltava yksi. Useissa malleissa tilansiirtymä todennäköisyydet voivat olla myös aikariippuvaisia. Tällainen tilanne on, kun todennäköisyydet ovat syklien määrästä riippuvaisia eli siis siirtymätodennäköisyydet muuttuvat sen mukaan, kuinka kauan kohortti on ollut mallissa. Tällainen voi olla esimerkiksi iän yhteys mallin siirtymätodennäköisyyksiin. Tämän jälkeen voidaan pohtia syklin pituutta. Analyysin aikahorisontti on jaettu samankokoisiksi osiksi kuten viikoiksi, kuukausiksi tai vuosiksi. Näitä ajanjaksoja kutsutaan sykleiksi. Sykli esittää lyhintä aikaa, jonka potilas viettää tilassa ennen kuin on mahdollista siirtyä seuraavaan tilaan. Syklin pituus pysyy yleensä samana koko mallin ajan. Kun määritetään sopivaa syklin pituutta, tulee ottaa huomioon taustalla oleva sairauden luonnollinen kulku. Vuoden mittainen sykli sopii malleihin, joiden tarkoitus on kuvata henkilön 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 syklien määrä, jonka jälkeen malli päättyy. Monet sairauksia koskevat mallit kestävät, niin kauan kuin arvioitu jäljellä oleva elinajanodote on kohortissa.

25 21 Markov-malli käy läpi sarjan syklejä, joilta jokaiselta kertyy kustannuksia ja vaikuttavuutta. Kun malli on mennyt läpi kaikki sen syklit, se on kartuttanut koko mallin kustannukset 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 esiintyä vain kerran, kun siirrytään kyseessä olevaan tilaan. Voi olla myös, että kustannukset ja vaikuttavuus esiintyvät vain kerran, esimerkiksi mallin alussa. Kustannukset ja vaikuttavuus tulee myös tarvittaessa diskontata, luvussa 3.5 käsitellään kustannusten ja vaikuttavuustiedon eriaikaisuutta. Kun Markov-mallia lähdetään toteuttamaan kohorttisimulaatiolla, aloitetaan simulaatio jakamalla hypoteettinen kohortti mallin tiloihin aloitustodennäköisyyksien mukaan. Tämän jälkeen simulaatiossa kohortti siirtyy tiloista toiseen siirtymätodennäköisyyksien mukaisesti. Käytännössä tarkasteltavan tilan osuus saadaan kertomalla edellisen syklin tilojen, joista tarkasteltavassa olevaan tilaan voidaan siirtyä, osuudet siirtymätodennäköisyyksillä haluttuun tilaan. Kuviossa 5 on selvennetty asiaa ja esitetty esimerkki kohorttisimulaation kolmesta ensimmäisestä syklistä. KUVIO 5 Kohorttisimulaation kolmen ensimmäisen syklin numeerinen esimerkki (Gray ym. 2011, 220).

26 22 Kun mallin kaikki syklit on suoritettu loppuun, voidaan laskea odotetut kustannukset ja vaikutukset jokaiselle syklissä olevalle tilalle. Syklin tilojen yhteenlasketut odotetut kustannukset 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 saadaan summaamalla ne syklin tilat, jossa ollaan elossa, ja jakamalla se summa kohortin aloituspopulaatiolla. Kaikkien syklin tilojen saadut vuodet lasketaan yhteen, jolloin tulokseksi saadaan odotettavissa olevat elinvuodet. Kustannus- ja vaikuttavuustietoja käsitellään vielä tarkemmin seuraavissa luvuissa. Kohorttisimulaation tarkoituksena on tuottaa odotetut kustannukset ja vaikuttavuus sekä interventio populaatiolle että ei-interventio populaatiolle. Simulaation pohjalta on mahdollista laskea inkrementaali kustannus-vaikuttavuussuhde ICER. Viimeisenä vaiheena on tarkastella malliin liittyvää epävarmuutta, jota käsitellään luvussa 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 terveydenhuollon järjestelmässä. Mikäli se ei ole tuotettu tulee arvioida, onko tieto riittävän yleistettävä, jotta sitä voidaan käyttää tarkasteltavassa järjestelmässä. Tiedon yleistettävyyden arvioinnissa tarvitaan arviointia eroavaisuuksien laajuudesta, jota voidaan tarkastella populaation, lääketieteellisten käytäntöjen tai terveydenhuolto systeemin kautta. Vaikka tieto täyttäisi kaikki yleistettävyyden kriteerit, joita kyseinen taloudellinen arviointi vaatii, kaksikymmentä vuotta sitten kerättyä tietoa tulee käyttää harkiten. (Drummond ym.2015, ) Kirjallisuudesta etsittävä tieto on yleensä erilaisia parametreja kuten kuolleisuusluvut potilailla, joiden syöpä on edennyt tai uuden lääkkeen haittavaikutuksen todennäköisyys.

27 23 Koska kirjallisuuskatsauksessa pyritään löytämään kaikki oleellinen tieto aiheesta, monella mallin parametrilla saattaa olla useampi estimaatti. Tärkeä kysymys onkin, yhdistetäänkö 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 tutkimusten välillä, kuten potilastyyppien eroista, kontrolliryhmän määrittelystä tai maasta, jossa tutkimus on tehty. Kun taloudellista arviointia tehdään päätöksenteon tueksi, ihanteellista 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 kustannusvaikuttavampaa eri tyyppisillä potilailla tai ympäristössä. (Drummond ym. 2015, ) Taloudellisen arvioinnin tulokset pohjautuvat usein kliinisen vaikuttavuuden estimaatteihin, mutta myös muun tyyppisiä parametreja voidaan päätösmallissa estimoida. Usein nämä parametrit ovat merkittäviä päätöksenteon kannalta, koska ne antavat arvon interventiolle. 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 määrittämään arvioitaessa hoitoa tai terveydenhuollon ohjelmaa. Vaikka kustannukset ovat vahvasti 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 kustannukset liittyvät sairauden takia menetettyjen resurssien arvoon palkallisessa tai palkatto-

28 24 massa tuotannossa. Käytännössä epäsuorat kustannukset ovat työstäpoissaoloa ja alentunutta työkykyä sekä vaikeammin arvioitavissa olevaa vapaa-aikaa ja tavallisten askareiden tekemistä. (Martikainen ym. 2006, 293.) Analyysin näkökulman päättäminen on välttämätöntä kustannusten määrittämisen kannalta, koska yhdestä näkökulmasta jokin voi olla kustannus, kun taas jostain toisesta ei. Mahdollisia analyysin näkökulmia ovat muun muassa yhteiskunnallinen, potilaan, työnantajan 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, ) 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 arviota 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. Teoreettinen lähestymistapa resurssin oikealle hinnalle on vaihtoehtoiskustannus. Käytännön lähestymistapa on käyttää tiedossa olevaa markkinahintaa, ellei ole jotain erityistä syytä olla käyttämättä, esimerkiksi jokin resurssi voi olla yhteiskunnan tukema. Haasteita arvottamiseen tulee silloin, kun arvotetaan sellaisten voimavarojen käyttöä, joilla ei ole markkina-arvoa, kuten esimerkiksi vapaaehtoistyö, sekä potilaan ja hänen omaisten vapaa-aika. Yksi lähestymistapa on käyttää markkinahintaista palkkaa vapaaehtoistyön arvottamisessa. Vapaa-ajan arvottaminen on hieman haasteellisempaa. Työssä oleville menetetyn vapaa-ajan arvostusperusteena voisi olla nettopalkka. Asiaa voi lähestyä myös selvittämällä millä korvauksen määrällä ihminen on valmis luopumaan osasta vapaa-aikaa. Merkittävä työ, joka tulisi myös arvottaa taloudellisessa arvioinnissa, on omaishoito. (Drummond ym. 2015, ; 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

29 25 kustannus per päivä tai jokaisen yksittäisen resurssin ja sen yksikkökustannuksen huomioon ottaminen. (Drummond ym. 2015, ) 3.5 Vaikutusten ja kustannusten eriaikaisuus Terveys- ja kustannusvaikutuksia syntyy terveydenhuollon menetelmissä sekä välittömästi että hyvin kaukana tulevaisuudessa. Yksinkertaisessa tilanteessa kaikki terveysvaikutukset eli hyödyt ja kustannukset syntyvät samanaikaisesti, jolloin ei tarvitse miettiä niiden arvottamista. Melkein poikkeuksetta hyödyt ja kustannukset eivät kuitenkaan ilmene samana ajankohtana. Tämä tarkoittaa, ettei hyötyjä voida laskea sellaisenaan yhteen, 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 kustannuksille on annettava erillinen paino sen mukaan, mikä on niiden ajallinen etäisyys toimenpiteen toteuttamisesta. (Sintonen & Pekurinen 2006, ; Räsänen & Sintonen 2013, ) Hyötyjen ja kustannusten ajallisesti vertailukelpoiseksi saattaminen tapahtuu diskonttaamalla eli kertomalla hyödyt ja kustannukset diskonttotekijällä. Diskonttotekijä on yleensä 1/(1 + r) n, jossa r on diskonttokorko ja n periodien määrä yleensä vuosia jolle menetelmän käyttöönotto ajoittuu suhteessa nykyhetkeen. Mitä korkeampi diskonttokorko ja pidempi aika vuosina on, sitä pienempi diskonttotekijä on. Kun terveysvaikutusten ja kustannusten kokonaismääriä lasketaan yhteen, tulee laskea eri vuosien nykyarvot yhteen koko arvioitavalta ajanjaksolta. (Sintonen & Pekurinen 2006, ; Räsänen & Sintonen 2013, ) Diskonttokorko määräytyy usein virallisten ohjeistusten kautta ja se on tyypillisesti 3 5 % vuodessa. Hyödyt ja kustannukset diskontataan yleensä samalla 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 voidaan tehdä päätös laajemmasta käyttöönotosta. Tämän vuoksi on tärkeää esittää perusperiaatteet, kuinka estimaattien epävarmuus on määritetty ja esitetty. Tarpeellista on myös

30 26 pohtia, minkälaisia arviointeja tarvitaan, jotta pystytään päättämään, onko tietoa tarpeeksi päätöksenteon tueksi. Päätöksentekijöiden tulee myös harkita pitäisikö intervention käyttöönottoa suositella, mutta samalla vaatia asiasta lisänäyttöä tai, että intervention laajaalainen käyttöönotto ei ole mahdollista ennen kuin asiasta on saatu lisänäyttöä. (Drummond ym. 2015, 389.) Asioiden ymmärtämisen kannalta on tärkeää tehdä ero epävarmuuden (uncertainty), vaihtelevuuden (variability) ja heterogeenisuuden (heterogeneity) välille. Epävarmuus tarkoittaa 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 yksilön vaste interventiolle vaihtelee populaation sisällä. Tätä luonnollista vaihtelevuutta ei pystytä vähentämään hankkimalla lisänäyttöä odotetuista kustannuksista ja vaikuttavuudesta. 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 vaikutuksista ja niihin liittyvästä epävarmuudesta. (Drummond ym. 2015, ) Epävarmuus liittyy taloudelliseen arviointiin, koska haluttuja tietoja ei voi saada varmoina, vaan joudutaan tekemään oletuksia. Epävarmuus voi liittyä menetelmiin, aineistoon tai yleistämiseen. Tutkimustulokset ovat sitä epävarmemmat, mitä pienemmästä potilasaineistosta tiedot on saatu. Herkkyysanalyysien avulla pystytään tutkimaan systemaattisesti eri muuttujia koskevien oletusten vaikutusta analyysin lopputulokseen. (Sintonen 2007, ) Epävarmuutta esiintyy monessa eri taloudellisen arvioinnin osuudessa ja se voidaan jakaa kolmeen kokonaisuuteen, parametri-, rakenteellinen ja menetelmäepävarmuus. (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. Deterministinen herkkyysanalyysi on yksinkertainen herkkyysanalyysi, joka voidaan toteuttaa yksi-

31 27 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 nopean 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 muuttujilla. 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 nykykäsityksen mukaan riittämätön tapa käsitellä parametriepävarmuutta, epävarmuuden käsittelyyn tarvitaan täten myös probabilistinen herkkyysanalyysi. (Drummond ym. 2015, ; Sintonen 2007, 106.) Probabilistisessa herkkyysanalyysissa on mahdollista tutkia useiden muuttujien yhteisen epävarmuuden vaikutusta. Lähtötilanne voi olla, ettei yksilökohtaista aineistoa kustannuksista 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 muuttuja-arvot poimitaan umpimähkäisesti muuttujien jakaumista. Herkkyysanalyysi siis esittää parametrit keskiarvojen jakaumina piste-estimaatin sijaan, jolloin sillä voidaan tutkia useiden muuttujien yhteisen epävarmuuden vaikutusta. (Drummondym 2015, 399; Räsänen & Sintonen 2013, 1259.) Rakenteellisella epävarmuudella tarkoitetaan epävarmuutta, joka liittyy mallia rakennettaessa 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 skenaarioanalyyseiksi. Menetelmäepävarmuudesta puhutaan, kun pohditaan analyysissa käytettyjä menetelmällisiä ratkaisuja. Tällaisia ovat analyysimenetelmän valinta, analyysin näkökulma, diskonttokorko ja aikahorisontti. (Fimea 2012, 28.)

32 28 Tutkimuksen lopputulos on sitä tarkempi, mitä suuremmat potilasryhmät olivat tutkimuksessa. Luottamusväli (CI, confidenceinterval) kuvaa tuloksen tilastollista tarkkuutta. Se annetaan yleensä 95 %:n luottamustasolla eli mikäli tutkimus toistettaisiin samankaltaisella 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 tutkimustuloksia, jotta arvion luotettavuus vahvistuu. (Kaila, Kuoppala & Mäkelä 2007, 67 68)

33 29 4 TYYPIN 2 DIABETES 4.1 Diabetes sairautena Diabetes on nykykäsityksen mukaan joukko erilaisia ja eriasteisia sairauksia, joille yhteistä 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 perusteella jakaa alaryhmiin. Koska luokitus ei ole kaikilta osilta selkeä, se perustuu konsensusmääritelmiin. Tyypin 1 ja tyypin 2 diabetes ovat diabeteksen päämuotoja, muut alamuodot 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 rasvaaineenvaihdunnan 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 yhteydessä. Perintö- ja ympäristötekijöillä on myös tyypin 2 diabeteksessa selvä osuus. Tärkein riskitekijä tyypin 2 diabetekselle on ylipaino. (Diabetes: Käypä hoito suositus, 2016; Saraheimo 2015, 18.) Tyypin 2 diabetes voidaan todeta verensokerin laboratoriotutkimuksella. Sairaus todetaan, jos plasman paastoglukoosi on 7,0 mmol/l tai enemmän tai kahden tunnin sokerirasituksen jälkeen plasman glukoosi on 11,1 mmol/l tai enemmän. (Pietiläinen 2015, 72.) Diabetekseen liittyvät vahvasti lisäsairaudet ja komplikaatiot, jotka aiheuttavat diabeetikolle ahdistusta ja elämänlaadun heikkenemistä. Diabeetikon pitkäaikaisia lisäsairauksia ovat muun muassa retinopatia, neuropatia, nefropatia, jalkaongelmat, dyslipidemia, ko-

34 30 honnut verenpaine, sydän- ja verisuonitaudit sekä aivoverenkiertohäiriöt. Akuuttejakomplikaatioita ovat muun muassa hypoglykemia ja ketoasidoosi. (Diabetes: Käypä hoito suositus, 2018.) 4.2 Yleisyys Arvioiden mukaan suomalaisista yli sairastaa diabetesta, ja määrä kasvaa nopealla tahdilla. Ennusteen mukaan sairastuneiden määrä voi jopa kaksinkertaistua seuraavien vuoden aikana. Suomen terveydenhuollon kokonaismenoista noin 15 prosentin osuus on diabeteksen hoidonkustannuksia ja vähintään kaksi kolmannesta niistä koituu vältettävissä olevien komplikaatioiden hoidosta. Tyypin 2 diabetesta Suomessa sairastaan noin 75 prosenttia diabeetikoista. (Diabetes: Käypä hoito suositus, 2016.) Kelan lääkekorvaustilastojen mukaan henkilö sai lääkekorvausta diabeteslääkkeistä vuonna Edellisenä vuonna vastaava luku oli (Suomen virallinen tilasto: Tilasto korvatuista resepteistä.) Vuonna 2007 uusia tyypin 2 diabeetikkoja tunnistettiin 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. Väestötasolla ilmaantuvuuden kasvuun ovat vaikuttaneet myös ravitsemuksen ja liikuntatottumusten epäsuotuisa kehitys, lihavuuden voimakas lisääntyminen sekä väestön ikääntyminen. (Sund & Koski 2009, ) Kansainvälisesti diabeetikkoja arvioidaan olevan noin 380 miljoonaa, joista valtaosa prosenttia sairastaa tyypin 2 diabetesta. Ennusteen mukaan diabetesta sairastavien kokonaismäärän 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 nuorilla. Yleistymisen syynä pidetään väestön ikääntymistä, arkiliikunnan vähentymistä sekä painon nousua, joka johtuu runsasenergisestä, liian rasvaisesta ja sokeripitoisesta ravinnosta. (Saraheimo & Sane 2015, 10.)

35 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 painonhallintaa. Tämä tarkoittaa, että elämänsä normaalipainoisena ollut henkilö toteuttaa painonhallintaa estämällä lihomisensa. Ylipainoisilla tyypin 2 diabeetikoilla jo 5 10 %:n painonpudotus ainakin diabeteksen varhaisessa vaiheessa riittää korjaamaan sokeritasapainoa. Samalla veren rasva-arvot ja verenpaine paranevat. Normaalipainoiselle diabeetikolle ei yleensä ole hyötyä lisälaihduttamisesta. (Aro & Heinonen 2015, 164; 166.) Lihavuutta tulisi pystyä estämään, koska se saa aikaan terveydellisiä haittoja koko kehossa ja lähes kaikissa elimissä. Elintavat ja perintötekijät vaikuttavat lihavuudesta johtuvien 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, mekaanisiin tekijöihin eli suureen kokoon ja kehon painoon liittyviin haittoihin sekä metabolisiin eli aineenvaihduntaan liittyviin haittoihin. Tyypin 2 diabetes on yksi tärkeimmistä lihavuuteen liittyvistä sairauksista ja pienikin painonnousu lisää merkittävästi riskiä sairastua 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 parantaa (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 proteiiniaineenvaihdunnan muutoksiin. Insuliini ei myöskään pysty jarruttamaan maksassa tapahtuvaa glukoosin ja rasvojen tuotantoa insuliiniresistenssin vuoksi. Insuliiniresistenssi myös heikentää insuliinin vaikutusta glukoosin, rasvan ja proteiinin käyttöön lihaksessa

36 32 ja rasvakudoksessa. Jotta verensokeri pysyisi normaalina, haiman täytyy insuliiniresistenssin vuoksi tuottaa yhä enemmän ja enemmän insuliinia. Jossain vaiheessa haima kuitenkin väsyy, eikä jaksa tuottaa tarpeeksi insuliinia, jolloin ensiksi kehittyy sokerisiedon häiriö ja lopulta tyypin 2 diabetes. (Pietiläinen 2015, 72.) Nykyisin painoindeksiä BMI:tä (Body Mass Index) käytetään kuvaamaan terveellistä painoa. Se saadaan jakamalla paino pituuden (metreissä) neliöllä. Ihanteellisena painona pidetään painoindeksiä välillä, kertoo ylipainosta, merkittävästä lihavuudesta ja vaikeasta lihavuudesta ja yli 40 sairaanloisesta lihavuudesta. (Aro & Heinonen 2015, ) Suomalaisessa D2D-hankkeessa, joka toteutettiin vuosina , tutkittiin korkean diabetesriskin omaavien henkilöiden tunnistamista ja varhaista hoitoa. Tutkimuksessa osoitettiin, että perusterveydenhuollossa ja työterveyshuollossa pystytään saavuttamaan erinomaisia tuloksia. Tulokseksi saatiin diabetesriskin pieneneminen 69 %:lla yhden vuoden seurannassa, kun paino oli laskenut vähintään 5 % verrattuna ryhmään, jonka paino oli pysynyt samana. Kun painonpudotus oli ollut 2,5 4,9 %, pieneni diabeteksen riski ryhmässä 29 %:lla. (Saaristo, Moilanen, Korpi-Hyövälti, Vanhala, Saltevo, Niskanen, Jokelainen, Peltonen, Oksa, Tuomilehto, Uusitupa & Keinänen-Kiukaanniemi 2010, 2148.) Myös Lehtovirta ja kollegat (2010) ovat tutkineet samaa aihetta. Heidän tutkimuksessaan tutkittiin, voiko painoindeksi ennakoida sairastumista tyypin 2 diabetekseen. Kyseessä on suomalainen tutkimus, jossa seurattiin kolmenkymmenen vuoden ajan tutkimukseen osallistuneiden sairastumista tyypin 2 diabetekseen. Tutkimuksessa todettiin, että mitä korkeampi painoindeksi oli nuorena, sitä suuremmalla todennäköisyydellä sairastui vanhempana diabetekseen. Sairaanloisen lihavilla (BMI 35 kg/m²) osallistujilla oli 14-kertaa suurempi riski saada diabetes kuin normaalipainoisilla osallistujilla. Lisäksi ylipainoisilla (BMI kg/m²) vastaava riski oli kolminkertainen ja lihavilla (BMI kg/m²) lähes seitsenkertainen. Vaarasuhde eli HR (hazardratio) sairastua diabetekseen oli tutkimuksen mukaan 1,22 per BMI-yksikkö. Tutkimuksessa osoitettiin myös, että vaikka BMI:lla ja tyypin 2 diabeteksella oli korkea periytyvyysaste, vain vähäinen osuus niiden kovarianssista selittyi yhteisillä geneettisillä tekijöillä. (Lehtovirta, Pietiläinen, Leväslahti, Heikkilä, Groop, Silvennoinen, Koskenvuo ja Kaprio 2010, )

37 33 Colditz kollegoineen (1995) on tutkinut aiemmin samaa asia Yhdysvalloissa naisilla. Tutkimuksessa seurattiin 14 vuoden ajan naisia, jotka tutkimuksen alkaessa olivat 18 vuotiaita. Tutkimustuloksissa havaittiin vahva positiivinen suhde BMI:n ja diabeteksen välillä. Riski sairastua diabetekseen kasvoi, kun BMI oli suurempi kuin 22 kg/m². Naiset, jotka olivat lihoneet tarkastelujakson aikana, suhteellinen riski RR (relativerisk) sairastua diabetekseen oli 1,9 suurempi kuin samassa painossa pysyneillä. Vastaavasti naiset, jotka olivat lihoneet 8,0 10,9 kg, suhteellinen riski sairastua oli 2,7 suurempi. (Colditz, Willett, Rotnitzky& Manson 1995, ) Seuraavaan taulukkoon (taulukko 2) on koottu edellä mainittujen tutkimusten lisäksi muita aiempia tutkimuksia painoindeksin ja diabeteksen yhteydestä.

38 34 TAULUKKO 2 Tutkimuksia painon ja diabeteksen yhteydestä Tutkimus Owen ym Lehtovirta ym 2010 Saaristo ym Colditz ym Tavoite Menetelmä Toteutus Tulokset Paramet-rit Tutkia alkuja keskiaikuisiän korkean BMI:n vaikutuksia riskiin sairastua sydäninfark-tiin, aivohalvaukseen ja diabetekseen. Tyypin 2 diabetesriskin ennakoiminen käyttämällä BMI:tä. Kansallisen diabetes ennaltaeh-käisyohjelmanvaikuttavuu-dentutki-minen. Tutkia keskiikäisten naisten painonmuutosten suhdetta riskiä sairastua diabetekseen. Prospektiivinen kohorttitut-kimus. n= 7735 Väestöpoh-jainenkohorttitutkimus kaksosilla. n= Korkeanris-kin henkilöiden vuoden seuranta-aineisto. n= Prospektiivinen kohorttitutkimus. n= Vuosina syntyneitä brittimiehiä, rekrytty vuosina Ennen vuotta 1958 syntyneet kaksoset, joilla ei ollut diabetesta, täyttivät 1975 kyselyn, jonka pohjalta BMI on laskettu ja yhdistetty kansallisiin rekistereihin 2005 asti. Tutkimus toteutettiin vuosina peruster-veydenhuollossa. Seuranta vuosina 1976 ja vuotiaita hoitajia. Korkea BMI 21 vuoden iässä on yhteydessä korkeam-paan riskiin sairastua T2D kaksoselle kehittyi tyypin 2 diabetes Kohtuullinen painonpudotus korkean riskin ryhmässä oli tehokas keino diabetes riskin pienentämiseksi diabetesta diagnosoitiin seurantajakson aikana. 63 %:lla miehistä 1 kg/ m² korkeampi BMI 21- vuotiaana oli yhteydessä 6% suurempaan riskiin (95% CI 4% to 9%) sairastua T2D. HR 1,22 (95% CI 1,20 1,24) per BMIyksikkö Kun painonpudotus oli 5 % painosta RR 0,31 (95% CI 0,16 0,59), 2,5 4,9% painonpudotus RR 0,72 (95% CI 0,46-1,13) RR oli 1,9 suurempi naisilla, jotka olivat lihoneet verrattuna samassa painossa pysyneisiin Painonpudotuksella pystytään siis estämään diabeteksen syntymistä ja myös viivästyttämään sen etenemistä. Jo pienellä painonpudotuksella pystytään vähentämään riskiä sai-

39 35 rastua diabetekseen. Laihtumisen ansiosta insuliiniresistenssiin liittyvä ylenmääräinen insuliinin eritys vähenee selvästi, jolloin säästetään haimaa, joka muuten joutuu toimimaan ylikierroksilla. Erityisesti tyypin 2 diabeteksen ehkäisyn ja hoidon kannalta laihdutuksella on paljon hyötyä, koska se parantaa kaikkien kudosten insuliiniherkkyyttä ja vähentää niiden tulehdusta. Tilanteessa, jossa tyypin 2 diabetes on jo kehittynyt, pystytään laihtumisella parantamaan selvästi verensokeriarvoja. Mikäli verensokeri pysyy laihtumisen jälkeen normaalilla tasolla ilman lääkitystä, ei lääkehoidolle ole välttämättä tarvetta tälle tyypin 2 diabetesta sairastavalle. (Pietiläinen 2015, 73;76.)

40 36 5 RAVINTOKUITU 5.1 Määritelmä ja tehtävät Kuidun määritteleminen on historiallisesti ollut ongelmallista ravitsemustieteessä, ja se onkin ollut jatkuvassa kehityksessä. Yksimielisyyttä ei ole saatu esimerkiksi siihen, onko ravintokuitu aina peräisin vain kasvikunnasta vai voidaanko myös eläinkunnan sulamattomia komponentteja luokitella ravintokuiduksi. (Mutanen & Voutilainen 2012, 47; DeVries 2003, 37.) Terveyden ja hyvinvoinnin laitoksen ravitsemusyksikön Fineli -tietopankin mukaan ravintokuidulla tarkoitetaan imeytymättömiä hiilihydraatteja, jotka eivät hajoa suolistossa. (Ravintotekijä: Fineli.) Ravintokuitujen ryhmään kuuluu veteen liukenematon selluloosa, jota on viljan kuoriosassa ja kasviksissa. Se muodostuu pitkistä kuitumaisista rakenteista. On olemassa myös kuituja, jotka ovat vesiliukoisia ja muodostavat tahmeita hyytelöitä. (Aro 2015.) Finelin määrittelemään ravintokuituun kuuluvat selluloosa, hemiselluloosa, ligniini, kasvikumit ja pektiinit (AOAC:n menetelmä) (Ravintotekijä: Fineli). Suuri osa kuiduista, %, on liukoista ja veteen liukenevaa kuitua on %. Liukenevaa kuitua on runsaasti marjoissa, hedelmissä, palkoviljassa sekä kaurassa ja ohrassa. Se saa aikaan mahalaukun venymisen, koska liukeneva kuitu sitoo tehokkaasti vettä, turpoaa ja muodostaa kiisselimäistä geeliä. Aivojen kylläisyyskeskus aktivoituu, kun mahan venytysreseptorit aktivoituvat ja lähettävät hermoimpulssin aivoille. Liukenematonta kuitua on enimmäkseen viljassa, se työllistää suoliston lihaksia kasvattamalla paksusuolen sisältöä, koska paksusuolen bakteerit jättävät liukenemattoman kuidun hajottamatta. Suolisto toimii aktiivisesti, koska suolen lihakset sekoittavat ja työntävät massaa nopeasti eteenpäin. (Voutilainen, Fogelholm & Mutanen 2015, ) Osa kuidun ominaisuuksista on edelleen kiistanalaisia. Esimerkiksi kuitujen kyky modifioida aterianjälkeistä plasman glukoosipitoisuutta ja insuliinivastetta on edelleen kiistanalainen. Näyttöä on jonkin verran siitä, että viskoosit kuidut hidastavat mahan tyhjenemistä ja näin ollen saisivat aikaan plasman glukoosipitoisuuden hitaamman nousun. Mahdollista on myös, että sokereiden imeytyminen hidastuu, kun viskoosit kuidut vaikeuttavat ruuansulatusentsyymien toimintaa ohutsuolen geelimäisessä ympäristössä. Varmuudella tiedetään, että kaikki kuidut sitovat sappihappoja, mutta eri määriä. Myös ulosteen

41 37 massan tiedetään lisääntyvän kuidun ansioista. Siihen vaikuttavat sekä ruuan sulamaton osa että mikrobien määrä. (Mutanen & Voutilainen 2012, 48.) Kuitua on ruuissa luonnostaa, mutta niiden määrä vaihtelee. Leseet, täysjyvävilja, näkkileipä, ruisleipä, palkokasvit, juurekset, pähkinät ja siemenet sisältävät runsaasti kuitua. (Borg 2015, 158.) Vuonna 2014 julkaistun suomalaisen ravitsemussuositusten mukaan kuitua tulisi saada vähintään grammaa päivässä eli noin 13 g/1000kcal (Terveyttä ruoasta Suomalaiset ravitsemussuositukset 2014, 25). Suomalaiset jäävät hieman alle tästä suosituksesta, jonka vuoksi kuitua usein lisätään teollisesti ruoka-aineiden valmistusprosessissa (Borg 2015, 158). Diabeetikoille Anderson, Randles, Kendall ja Jenkins (2004, 5) suosittelevat ruokavaliota, joka sisältää kuitua g päivässä eli g/1000 kcal. THL:n Finravinto 2012-tutkimuksessa (Helldán, Raulio, Kosola, Tapanainen, Ovaskainen&2013, 55) on kerätty tietoa suomalaisen aikuisväestön ravitsemuksesta. Tutkimuksen perusteella kuidun saanti oli hyvin vaihtelevaa naisten ja miesten sekä eri ikäryhmien välillä. Suositus kuidun saannille on 3 g/mj vuorokaudessa. Tämän suosituksen täyttävät ainoastaan naiset ikäryhmissä ja Miehistä mikään ikäryhmä ei pääse suositukseen. Heikointa kuidun saanti on miehillä ikäluokassa. Kokonaisuudessaan sekä miehet että naiset jäävät saantisuosituksesta. 5.2 Kuidun merkitys lihavuuden ja diabeteksen ehkäisyssä Ravitsemuksella on todettu olevan tärkeä merkitys monien sairauksien kuten tyypin 2 diabeteksen synnyssä (Terveyttä ruoasta Suomalaiset ravitsemussuositukset 2014, 11). Kuidun merkitys tyypin 2 diabeteksen ehkäisyssä on tutkimusaiheena suhteellisen uusi. Tutkijoilla ei ole täyttä yksimielisyyttä niistä mekanismeista, jotka toimivat diabeteksen ehkäisijöinä. Vielä tarvitaan lisää tutkimusta, jotta yksityiskohtaiset mekanismit voidaan tunnistaa ja osoittaa todeksi kuidun merkityksestä tyypin 2 diabeteksen ehkäisyssä ja hallinnassa. (Ismaiel, Yang& Min 2016, 965.) Kuidulla on kuitenkin tutkittu olevan sen ominaisuuksista johtuen kyky laskea painoa tai vähentää painonnousua. Liukeneva kuitu tuottaa fermentoituessaan suolistohormoneja, jotka ovat mukana kylläisyyden tunteen syntymisessä. Lisäksi kuitu saattaa merkittävästi

42 38 vähentää energiansaantia. Näiden lisäksi kuitu saattaa vähentää ruokavalion metaboloituvaa energia ME (metabolizableenergy), millä tarkoitetaan jäljelle jäävää energiaa, kun siitä on ensin vähennetty energiaa, joka on kulunut ulostamiseen, virtsaamiseen ja kaasujen tuottamiseen. (Lattimer&Haub 2010, ) Nykyisten tutkimusten valossa tiedetään myös, että kuidulla on monia mekanismeja, jotka vähentävät tyypin 2 diabeteksen vakavuutta. Kuidun fysiokemikaalisten ominaisuuksien ansiosta kuitu muun muassa pystyy laskemaan aterian jälkeistä glukoositasoa ja vähentämään energian ottoa jarruttamalla sokerin ja korkeaenergisen ruoan ruoansulatusta ja imeytymistä. Kuitu saattaa myös saada aikaan suolen hormonien tai peptidien erittymistä, jotka vaikuttavat kylläisyyden tunteeseen. Muita kuidun ominaisuuksia ovat tehokas kolesterolisynteesin estäminen ja insuliiniherkkyyden parantaminen. (Ismaiel, Yang& Min 2016, 966.) Kuitua on tutkittu runsaasti monesta eri näkökulmasta. Taulukkoon 3 on koottu aiempaa tutkimustietoa kuidun vaikutuksesta painoon. Monessa tutkimuksessa on havaittu kuitupitoisella ruokavaliolla olevan painoa laskeva vaikutus. TAULUKKO 3 Aiempaa tutkimusta kuidun vaikutuksesta painoon Howarth ym Tavoite Arvioida kuidun, täysjyvätuotteiden ja painon nousun yhteyttä. Tarkastella kuidun ja BMI:n yhteyttä. Tutkimus Liu ym Menetelmä Prospektiivinenkohorttitutkimus. n= Toteutus Tulokset Parametrit Painonnousulla oli käänteinen yhteys runsaskui-tuiseen ruokaan. Naisilla, jotka söivät paljon kuitua, oli 49% pienempi riski painonnousuun OR 0,51 (95% 0,39 0,67) Tutkimus toteutettiin amerikkalaisilla naishoitajilla, jotka olivat vuotta. Tutkimus tehtiin Aineistossa vuotiaita yhdysvaltalaisia. Tutkimuksessa kuidulla havaittiin olevan vaikutus painoon. Keskimääräinen painoindeksi oli 1,5- yksikköä vähemmän niillä, jotka kuluttivat paljon kuitua

43 39 Harland&G arton 2007 Wanders ym Vijver ym Tehdä katsaus täysjyvän ja terveen painon välille. Tutkia eri kuidun tyyppien suhdetta ruokahaluun, energian saantiin ja painoon Arvioida täysjyvän ja kuidun saannin yhteyttä BMI ja lihavuuteen. Systemaattinen katsaus Systemaattinen katsaus RCT:stä Kohorttitut-kimus n= tutkimusta vuosilta Katsaukseen otettiin artikkeleja helmikuuhun 2010 saakka Tutkimus toteutettiin vuotiailla alankomaalaisilla Täysjyvän korkeampi kulutus madalsi BMI:tä. Korkeampi täysjyvän kulutus lisää samalla kuidun kulutusta Tutkimuksessa paino laski Käänteinen yhteys kuidun ja BMI:n välillä BMI oli 0,630 (95% CI 0,460-0,800) BMI-yksikköä matalampi kuin verrattiin korkeaa ja matalaa täysjyvän kulutusta Riippumatta kuitutyypistä paino laski 0,4 %/4vk Riski olla lihava verrattuna normaalipainoiseen oli 10% (95% CI 2 16%) Lairony m 2005 Thompson ym Arvioida RCT, jotka tutkivat liukenevia kuitulisäravinteita ja niiden yhteyttä ylipainoon aikuisilla. Tutkia kuidun yhteyttä sydänja verisuonisairauksiin. Poikittaistutkimus, n= Meta-analyysi. 12 RCT:tä (n=609), joiden kesto 2 17 viikkoon. Vuosina vuotiaita miehiä ja naisia tutkittu 8 vuotta. Suuri kuituannos ja liukenematon kuitu olivat yhteydessä pienenpään ylipainon riskiin. Liukeneva kuituvalmiste laski painoa ja BMI:tä. 5g kuidun lisääminen laski riskiä ylipainoon 10,6%:lla. BMI pieneni -0,84 (95% -1,35: -0,32). Tyypin 2 diabeteksen ehkäisyä koskevat tutkimukset ovat osoittaneet, että sairautta on mahdollista ehkäistä elämäntapamuutoksin. Diabetesriski pienentyy oleellisesti jo varsin pienillä elämäntapamuutoksilla ja kohtuullisella laihdutuksella. Lisääntyneeseen diabetesriskiin vaikuttavat käytännössä sukurasitus, vartalolihavuus, metabolinen oireyhtymä

44 40 ja aikaisemmin todettu glukoosiaineenvaihdunnan häiriö ja raskausdiabetes. Verensokeriaineenvaihdunnan häiriöihin ja metaboliseen oireyhtymään liittyy 2 3-kertainen vaara sairastua valtimotauteihin. Tämän vuoksi diabeteksen ehkäisy on yhtä aikaa valtimotautien, kuten sepel- ja aivovaltimotautien, ehkäisyä. (Uusitupa 2012, )

45 41 6 AINEISTO JA MENETELMÄT 6.1 Tutkimusmenetelmä Tässä tutkielmassa tarkasteltiin runsaskuituisen ruokavalion kustannus-vaikuttavuutta tyypin 2 diabeteksen ennaltaehkäisyssä. Tarkasteltavana olivat runsaskuituinen ja vähäkuituinen ruokavalio. Vähäkuituisella ruokavaliolla tarkoitetaan tässä tapauksessa ruokavaliota, jossa kuidun määrä jää alle suositusten. Mallintaminen suoritettiin Markov-mallilla, koska diabetes on hitaasti kehittyvä sairaus, joka yleistyy ihmisten ikääntyessä. Sairauden vaikutukset ja kustannukset kehittyvätkin pitkällä aikavälillä, jolloin Markovmalli on mallintamisen kannalta järkevä. Vaikuttavuutta mitattiin laatupainotetuilla elinvuosilla QALY:lla, jolloin kyseinen analyysimenetelmä on kustannus-utiliteettianalyysi. Kyseistä analyysimenetelmää voidaan käyttää, kun vaikuttavuutta mitataan QALY:lla. Vaikuttavuutta tarkasteltiin myös elinvuosilla, jolloin analyysimenetelmä oli kustannus-vaikuttavuusanalyysi. Mallintaminen suoritettiin käyttämällä Markov-mallia ja mallinnukseen liittyvää epävarmuutta käsiteltiin herkkyysanalyyseilla. Analyysit toteutettiin Microsoft Excel -ohjelmalla. Tyypin 2 diabeteksen kehittyminen ei ole yksinkertainen prosessi, sairauden ennaltaehkäisyssä on otettava huomioon monta näkökulmaa. Tämä piti ottaa huomioon myös sairauden ennaltaehkäisyn mallintamisessa. Mallin pitäisi pystyä ottamaan huomioon kaikki sairauden puhkeamiseen vaikuttavat tekijät, mutta samalla mallista muodostuu erittäin monimutkainen kokonaisuus. Kun tähän yhtälöön lisätään vielä kuidun monimutkaiset vaikutusmekanismit, on mallin monimutkaisuus jo suuri haaste ammattitutkijallekin. Koska kyseessä on pro gradu tutkielma, jouduttiin malli jättämään melko yksinkertaiseksi. Mallintaminen aloitettiin tilojen identifioinnilla. Malliin luotiin kuusi eri tilaa kuvaamaan diabeteksen kehittymistä. Kolme tiloista olivat ei diabetesta tiloja, jotka jaettiin painoindeksin mukaan kolmeen eri tilaan: painoindeksi alle 25 eli normaalipainoinen (BMI<25), painoindeksi eli ylipainoinen (BMI 25 30) ja painoindeksi yli 30 eli lihava (BMI>30). Diabetekseen sairastumista kuvasi Diabetes -tila. Lisäksi mallissa kaksi tilaa kuvasivat kuolemaa. Kuollut: ei diabetesta -tila kuvasi henkilöitä, jotka kuolivat, mutta

46 42 syynä ei ollut diabetes. Kuollut: diabetes -tila kuvasi henkilöitä, joiden kuolema johtui diabeteksesta. Tämän jälkeen malliin etsittiin sopivat siitymätodennököisyydet, jotka kuvasivat, kuinka mallin tilojen välillä on mahdollista siirtyä. Siirtyminen Diabetes -tilaan on mahdollista kaikista kolmesta BMI-tilasta, joissa henkilöllä ei ollut vielä diabetesta. Kolmen BMItilan välillä ei mallissa ole siirtymiä, mutta mallissa on huomioitu ikävuosittainen painoindeksijakauma, jossa ilmaantuvuus muuttuu tiloissa painoindeksin muuttuessa. Kuollut: diabetes -tilaan on mahdollista siirtyä vain Diabetes -tilasta. Kuollut: ei-diabetes - tilaan siirtyminen tapahtui kolmen BMI-tilan kautta, joka kuvastaa normaalia kuolemaa. Mallin oletuksena on ettei Diabetes -tilasta voi siirtyä takaisin kolmeen BMI-tiloista, joissa ei sairasteta diabetesta. Jokaisessa tilassa on myös mahdollista pysyä, mutta kahdessa kuollut-tilassa muut siirtymät eivät ole mahdollisia. Kuviossa 6 on esitetty mallin tilat ja siirtymät. Mallissa käytetyt siirtymätodennöisyydet on kuvattu seuraavassa luvussa 6.2. KUVIO 6 Markov-mallin tilat ja siirtymät

47 43 Mallin syklinpituus oli yksi vuosi, jolloin diabeteksen kehittymistä ja kustannuksia oli selkeä tarkastella vuositasolla. Valintaa tuki myös se, että suurin osa tiedoista oli saatavilla vuositasolla. Tarkasteltavaksi aikaperiodiksi valittiin 75 vuotta, joka mallissa tarkoittaa 75 sykliä. Aikaperiodin valinta perustui aloitusikään, joka oli 25 vuotta. Tämä valinta siksi, että tyypin 2 diabetes on pääsääntöisesti aikuisten sairaus ja saatavilla olevat tutkimustiedot alkoivat tästä iästä. Mallissa haluttiin nähdä ihmisen koko elinkaaren diabeteksen kehitys, jonka perusteella malli päättyi sadan vuoden ikään, jolloin suurin osa kuvitteellisesta populaatiosta on kuollut. Kun tiedossa oli kaikkien syklien populaation jakautuminen tiloihin, pystyttiin tämän jälkeen määrittelemään kustannukset, elinvuodet ja QALY:t eri tiloille per sykli. Mallin ainoat kustannukset syntyvät Diabetes -tilassa, koska malliissa huomioitiin vain diabeteksesta aiheutuvat lisäkustannukset. Syklin kustannukset saatiin kertomalla tilan kustannukset kyseisen syklin populaation määrällä. Syklin elinvuodet saatiin laskemalla yhteen BMI < 25, BMI 25-30, BMI 30 ja Diabetes tilojen osuudet populaatiosta. Kunkin syklin QALY:t saatiin kertomalla kunkin tilan (ei kuoleman tilojen) populaatiot elämänlaatupainoilla. Elämänlaatupainoja oli kaksi erilaista, yksi Diabetes -tilalle ja toinen muille ei-diabetes tiloille. Mallinnuksessa käytetyt parametrit pysyivät pääsääntöisesti vakiona, mutta joitakin poikkeuksia oli. Syklien mennessä eteenpäin kuolemanriski kasvoi populaation vanhetessa, jolloin siirtymätodennäköisyys kuolema-tiloihin muuttui joka syklillä. Painoindeksijakauma muuttui myös syklien mukaan vastaamaan tutkimuksessa havaittua painoindeksijakaumaa, jolloin siirtymätodennököisyydet BMI-tiloista diabetes-tilaan vaihtelit jokaisessa syklissä. Analyysissa päädyttiin käyttämään sairaanhoidollista näkökulmaa, jolloin tuottavuuskustannukset jätettiin pois analyysistä. Mallissa haluttiin tarkastella pelkästään sairaanhoidollisia kustannuksilla, jolloin pystytään tarkemmin kuvaamaan, minkälainen rasite diabetes on terveydenhuollolle.

48 Mallin parametrit Mallin parametreina pyrittiin käyttämään mahdollisimman tuoreita tietoja, jotka olisi kerätty suomalaisesta populaatiosta. Näin malli saatiin vastaamaan mahdollisimman hyvin Suomessa vallitsevaa tilannetta. Tämä tavoite ei kaikilta osin valitettavasti täyttynyt. Mallin parametreina käytettiin tieteellisistä artikkeleista, tilastoista ja erilaisista raporteista saatuja tietoja. FINRISKI 2012 raportista (Borodulin ym. 2013, 18) saatiin tiedot suomalaisten painoindeksijakaumasta, joka on esitetty taulukossa 4. TAULUKKO 4 Painoindeksinjakauma ikäryhmittäin (Borodulin ym. 2013, 18). Miehet BMI <25 44,6% 41,8 % 29,6 % 25,5 % 23,1 % BMI ,3 % 40,9 % 46,5 % 47,2 % 47,8 % BMI >30 13,1 % 17,3 % 23,9 % 27,3 % 29,1 % Naiset BMI <25 75,5 % 58,5 % 45,3 % 35,5 % 30,2 % BMI ,7 % 25,5 % 29,9 % 35,2 % 40,7 % BMI >30 9,8% 16,0 % 24,8 % 29,3 % 29,1 % Tyypin 2 diabetespotilaiden painoindeksin jakauma tiedot saatiin Piia Pajusen ja kollegioiden (2012, 2625) artikkelin perusteella. Taulukossa 5 on esitetty naisten ja miesten painoindeksijakaumat vuonna TAULUKKO 5 Tyypin 2 diabetespotilaiden painoindeksin jakauma vuonna 2007 (Pajunen ym. 2012, 2625) BMI <25 BMI BMI>30 Miehet 14,1 % 46,7 % 39,2 % Naiset 13,7 % 39,4 % 46,9 % Tyypin 2 diabeteksen ajan tasalla olevia suomalaisia insidenssi- eli ilmaantuvuustietoja ei ollut tutkielman tekohetkellä saatavilla. Vertailutietona käytettiin Norjan ja Ruotsin

49 45 ilmaantuvuuslukuja, jotka vuonna 2015 olivat 363 ja 494 per 100,000 asukasta (Nathanson, Bodegard, Norhammar, Birkeland, Nyström, Thuresson, Eriksson &Gulseth 2017, S169). Suomalaisessa tutkimuksessa vuosina ilmaantuvuus oli miehillä 362 ja naisilla 183 per (Abouzeid, Wikström, Peltonen, Lindström, Borodulin, Rahkonen & Laatikainen 2015, 654). Näiden lukujen voidaan olettaa kasvaneen, sillä tyypin 2 diabeteksen prevalenssi on ollut vuosia kasvussa. Näiden tietojen pohjalta mallin perusoletuksena ilmaantuvuus asetettiin 400 per per vuosi (mallin populaation kohortissa 40 per ), mutta herkkyysanalyysilla ilmaantuvuusestimaattia muuteltiin. Mallissa käytetyt siirtymätodennäköisyydet BMI-tilojen ja diabetes-tilojen välillä saatiin yhdistämällä ilmaantuvuustieto ja painoindeksijakauma. Ilmaantuvuus parametri (0,004) jaettiin painoindeksijakauman mukaisesti eri painoluokkiin. Näin ollen ilmaantuvuus muuttui sen mukaan, missä BMI-tilassa osa populaatiosta oli (taulukko 6). TAULUKKO 6 Siirtymätodennäköisyydet eri BMI-luokista Diabetes -tilaan Diabetes Miehet Naiset BMI <25 0,0006 0,005 BMI ,0019 0,0016 BMI >30 0,0016 0,0019 Kuolemanriskit saatiin Tilastokeskuksen tietokannoista yhdistämällä vuoden 2016 väestörakenne- ja kuolleisuustiedot. Riski kuolla kasvoi tasaisesti iän kasvaessa. Kuolemanriski parametria käytettiin siirtymätodennäköisyyksinä kolmesta BMI-tilasta Kuolema: ei-diabetes -tilaan. Siirtymätodennäköisyys Diabetes -tilasta Kuolema: diabetes -tilaan saatiin, kun edellä olevaan kuolemanriski kerrottiin 2,74. Kerroin kuvaa, kuinka paljon suurempi riski diabeetikolla on kuolla verrattuna ei-diabeetikkoon. Kerroin on laskettu eurooppalaisen diabetes epidemiologiatutkimuksen tietojen pohjalta (DECODE Study Group 1999, 618). Populaation aloitusjakauma kolmeen BMI-luokkaan tehtiin FINRISKI 2012 (Borodulin ym. 2013, 18) tietojen pohjalta. Ikäluokkien BMI-jakaumat tiedettiin kymmenen vuoden

50 46 välein. Puuttuvat tiedot täydennettiin luomalla puuttuville vuosille kiinteä lisäys/vähennys olemassa olevien tietojen välille. Kiinteä lisäys/vähennys saatiin laskemalla ikäluokkien välinen muutos ja jakamalla tämä muutos tasan täydennettäville vuosille, jolloin jokaisen BMI-luokasta saatiin jatkuva muuttuja. Tätä jatkuvaa muuttujaa käytettiin mallissa populaation painoindeksin jakauman muutosten huomioimisessa mallin kolmessa BMIluokassa. Muutokset BMI-luokissa olivat mallin kannalta merkittäviä, sillä diabeteksen ilmaantuvuus oli erilainen BMI-tiloissa, jolloin muutokset jakaumassa vaikuttivat diabetekseen sairastuneiden määrään. Suomalaisten elämänlaatupainot saatiin THL:n Terveys, toimintakyky ja hyvinvointi Suomessa 2011 raportista (Koskinen, Lundqvist & Ristiluoma 2012, 273). Raportissa elämänlaatu oli ilmoitettu 15D-elämänlaatumittarin tuloksena ja Euro-Qol-elämänlaatumittarinEQ-5D tuloksena. Näistä päädyttiin käyttämään EQ-5D tulosta, koska diabetesta sairastavan elämänlaatu tieto oli myös EQ-5D:nä saatavilla. Miesten elämänlaatu ilman diabetesta oli 0,84 ja naisten 0,82. Diabeteksen aiheuttaman elämänlaadun vähenemisen estimaattina käytettiin Jian ja Lubetkin tutkimusta (2005, 159), jossa oli tutkittu eri sairauksien vaikutusta elämänlaatuun. EQ-5D indeksin asteikolla elämänlaatu laski 0,042 sairastaessa diabetesta. Näin ollen diabeetikon elämänlaatu miehillä 0,798 ja naisilla 0,978. Taulukossa 7 on esitetty vielä kaikkien tilojen elämänlaatupainot. TAULUKKO 7 Markov-mallin elämänlaatupainot (Koskinen ym ; Jia&Lubetkin 2005, 159) BMI <25 BMI BMI >30 Diabetes Kuollut: ei-diabetes Kuollut: diabetes Miehet 0,84 0,84 0,84 0, Naiset 0,82 0,82 0,82 0, Kuidun vaikutus otettiin huomioon mallissa interventiopopulaatiossa. Verrokkipopulaatiossa oletuksena oli, että kaikkien ruokavalio on vähäkuituinen. Tämä vastaisi Suomessa tällä hetkellä olevaa tilannetta, jossa lähes kaikki miehet ja naiset jäävät alle kuidun saantisuosituksista. (Helldán ym. 2013, 55). Interventiopopulaatiossa kaikkien ruokavalio on

51 47 runsaskuituinen. Runsaskuituisen ruokavalion oletetaan vaikuttavan painoindeksin jakaumaan, koska tutkimusten perusteella (Grube ym. 2013, Galisteon ym. 2008, Howarth ym. 2005) kuidulla on painoa ja näin ollen BMI:tä laskeva ominaisuus. Tutkimustietoa siitä, millainen vaikutus kuidulla on suomalaisten painoindeksin jakaumaan ei löytynyt, joten kuidun vaikutuksista jakaumaan joudutaan tekemään pelkästään oletuksia, jotka perustuivat tietoon kuidun hyödyistä painonhallinnassa. Painoindeksijakauman oletettiin siirtyvän lähemmäs normaalia painoa eli BMI <25-tilaa. Miesten verrokkipopulaation alkutilanne oli seuraavanlainen: BMI <25 -tilassa oli 44,6% populaatiosta, BMI tilassa 42,3 % ja BMI >30 tilassa 13,1 %. Interventiopopulaation alkutilannetta ja tiedossa olleita painoindeksijakaumia muutettiin niin, että BMI <25-tilassa oli 10% enemmän ja molemmissa BMI sekä BMI >30-tiloissa 5% vähemmän henkilöitä. Runsaskuituisen ryhmän alkutilanne oli täten BMI <25 tila 54,6%, BMI tila 37,3 % ja BMI >30 tila 8,1 %. Kustannusten määrittämiseen mallissa käytettiin kansallisen diabetesohjelma Dehkon tuottamaa julkaisua Diabeteksen kustannukset Suomessa Julkaisussa yhden diabeetikondiabeteksen aiheuttamat sairaanhoidon lisäkustannukset olivat 2007 vuonna euroa (taulukko 8). (Jarvala, Raitanen & Rissanen 2010, ) TAULUKKO 8 Diabeteksen aiheuttamat lisäkustannukset kustannuserittäin diabeetikkoa kohden vuonna 2007 (Jarvala, Raitanen & Rissanen 2010, 45). Kustannuserät vuonna 2007 Hoitovälineet 135 Lääkkeet 837 Terveyskeskuksen vuodeosastohoito 653 Terveyskeskuksen avohoito 273 Erikoissairaanhoidon vuodeosastohoito 586 Erikoissairaanhoidon avohoito 277 Yhteensä 2 762

52 48 Markov-mallin avulla haluttiin tutkia diabeteksesta aiheutuvia sairaanhoidon lisäkustannuksia, jolloin tuottavuuskustannukset jätettiin pois mallin kustannuksista. Näin ollen mallissa käytettävä diabetes-tilan kustannukset ovat euroa. Muille mallin tiloille ei laskettu kustannuksia, koska mallissa keskityttiin pelkästään diabeteksen aiheuttamiin sairaanhoidon kustannuksiin. 6.3 Mallintaminen Markov-malliin luotiin henkilön kuvitteellinen populaatio. Mallissa populaatiolle luotiin kaksi erilaista lähtökohtaa vähäkuituinen ja runsaskuituinen. Naisille ja miehille lähtökohdat muodostettiin erikseen. Ensimmäinen lähtökohta(verrokkipopulaatio) oli vähäkuituinen ruokavalio, jossa populaation oletettiin syövän ravintosuosituksia vähemmän kuitua päivittäin. Toinen lähtökohta (interventiopopulaatio) oli runsaskuituinen ruokavalio, jossa populaation oletettiin syövän ravintosuosituksia ylittävän määrän kuitua. Populaatiot eivät eronneet muiden ominaisuuksien suhteen. Mallinnuksessa muutokset kuidun saannissa otettiin huomioon painoindeksin aloitusjakaumassa. Runsaskuituisen ruokavalion populaatiossa painoindeksi oli jakautunut niin, että ylipainoisia ja lihavia oli vähemmän kuin toisessa ryhmässä. Mallissa oletettiin runsaskuituisen ruokavalion muodostuneen elintavaksi 25 vuoteen mennessä, jolloin kuidun saannin mukainen painoindeksijakauma pysyi suhteessa samanlaisena läpi elämän. Siirtymätodennäköisyyksien määrittämisessä käytettiin mahdollisuuksien mukaan suomalaisia tietoja. Joiltain osin haasteita tuotti ajantasaisen tiedon löytäminen. Myös useat säännöllisesti julkaistavista raporteista eivät olleet päivittyneet mallin rakentamisvaiheeseen mennessä, jolloin saatavilla olevia tietoja oli usein viiden tai useamman vuoden takaa. Suomalaisten tietojen pohjalta pystyttiin luomaan siirtymätodennäköisyyksiä eri ikäisten painoindeksijakaumista ja diabetespotilaiden painoindeksin jakaumasta. Suomalaisten elämänlaadusta oli myös saatavilla tietoa, mutta diabeteksen aiheuttama elämänlaadun vähenemä oli peräisin ulkomaalaisesta artikkelista. Fimean (2012, 25) ohjeistuksen mukaisesti yli vuoden kuluttua toteutuvat terveysvaikutukset ja kustannukset tulee esittää diskontattuna käyttäen kolmen prosentin diskonttokorkoa. Mallissa noudatettiin Fimean ohjeistusta, jolloin elinvuodet ja QALY:t sekä kustannukset diskontattiin kolmella prosentilla.

53 49 Mallintamiseen liittyvää epävarmuutta tutkittiin muuttamalla mallin eri parametreja. Herkkyysanalyysien avulla haluttiin tutkia, kuinka herkkiä tulokset ovat muuttumaan, kun mallin parametreista muutetaan kuidun vaikuttavuutta painoindeksiin, diabeteksen ilmaantuvuutta, painoindeksijakaumien muutosta ja hoitokustannusten nousua. Tutkielman liitteisiin on kerätty näyttökuvia excel-mallista, jotta sitä olisi mahdollisuus ymmärtää paremmin. Koko excel-tiedostoa ei ollut mahdollista liittää osaksi tutkielmaa, mutta näyttökuvien avulla on jonkin verran helpompi ymmärtää mallia. 6.4 Mallin rajoitteet Mallissa oletettiin, ettei Diabetes -tilasta voi palata enää mihinkään kolmesta ei-diabetes BMI-tilasta. Todellisuudesta diabeteksesta voi parantua elämäntapamuutoksilla. Mallin yksinkertaisuuden vuoksi tämä siirtymä jätettiin kokonaan pois. Mallissa haluttiin keskittyä nimenomaan tyypin 2 diabeteksen ilmaantuvuuteen ja sen vaikutuksiin sekä kustannuksiin. Koska saatavilla oleva tieto ei useinkaan ollut eritelty diabetestyypin mukaan, monessa kohtaa mallia ei pystytty selkeästi sanomaan, mitkä vaikutukset ja kustannukset ovat nimenomaan tyypin 2 diabeteksen aiheuttamia. Tämä saattaa jonkin verran heikentää mallin uskottavuutta tyypin 2 diabeteksen kustannus-vaikuttavuuden tarkastelussa. Mallissa ei määritelty mistä tai minkälaista kuitua saadaan. Kuitua on sekä liukenevaa että liukenematonta, joten eri kuiduilla voi olla erilainen vaikutus painoon. Mallissa kuitu katsotaan yhdeksi kokonaisuudeksi riippumatta siitä, onko kuitu peräisin täysjyvätuotteista, hedelmistä tai jostain muusta lähteestä. Tässä tutkielmassa kuidun vaikutusta tyypin 2 diabetekseen tutkittiin ainoastaan painon näkökulmasta. Kuidun vaikutuksesta suoraan diabetekseen on tehty jonkin verran tutkimuksia ja tiedetään, että jonkinlainen yhteys kuidulla ja diabeteksella on. Vielä ei kuitenkaan tiedetä tarkkoja mekanismeja, miten kuitu vaikuttaa diabetesriskiin. Tutkielman mallissa kuidun suora vaikutus diabetekseen jätettiin huomioimatta. Mallissa ei ollut käytettävänä ajantasaista tietoa tyypin 2 diabeteksen ilmaantuvuudesta eikä ilmaantuvuudesta eri painoluokissa. Nämä tiedot jouduttiin itse muodostamaan, jolloin malliin syntyy epävarmuutta. Painoindeksin jakaumatieto päättyi 74 ikävuoteen,

54 50 jonka jälkeen tutkimustietoa jakaumasta ei ollut. Mallissa oletettiinkin seuraavien 25 syklin jatkuvan samalla jakaumalla.

55 51 7 TULOKSET 7.1 Kustannus-vaikuttavuusanalyysi Tutkielmassa selvitettiin kustannus-vaikuttavuus- ja kustannus-utiliteettianalyysilla runsaskuituisen ruokavalion vaikutuksia tyypin 2 diabeteksen ennaltaehkäisyssä. Tuloksia tarkasteltiin erikseen miehillä ja naisilla, koska jotkin parametrit erosivat sukupuolten välillä. Taulukossa 9 on esitetty miesten ICER arvot per elinvuosi ja per QALY. TAULUKKO 9 Miesten ICER-tulokset Kustannukset Elinvuodet QALYt Vähäkuituinen 1 718,99 26,15 21,94 Runsaskuituinen 1 573,14 26,16 21,95 Erotus -145,85 0,01 0,01 per elinvuosi per QALY ICER Tuloksista on nähtävillä, että erot runsaskuituisen ja vähäkuituisen populaation välillä elinvuosissa ja QALY:ssa ei ole kovin suuri vain 0,01. Kustannuksissa oli vain hiukan selkeämpi ero -145,85 euroa. Runsaskuituisen populaation kustannukset ovat halvemmat kuin vähäkuituisen. Lopulliset ICER-tulokset olivat /elinvuosi ja /QALY. ICER-arvoista muodostui negatiiviset, koska runsaskuituisen populaation kustannukset olivat halvemmat ja vaikuttavuus parempi kuin vähäkuituisen populaation. Näin ollen runsaskuituinen ruokavalio aiheuttaa vähemmän kustannuksia ja on vaikuttavampi tyypin 2 diabeteksen ennaltaehkäisyssä. Miesten tulosten perusteella runsaskuituinen ruokavalio on kustannus-vaikuttava tyypin 2 diabeteksen ennaltaehkäisyssä, koska elinvuosissa ja QALY:ssa ei ole suuria eroja, mutta sairauden kustannukset ovat pienemmät. Taulukossa 10 on esitetty naisten ICER arvot per elinvuosi ja per QALY. Tuloksista on nähtävillä, että erot runsaskuituisen ja vähäkuituisen populaation elinvuosien ja QALY:jen välillä on sama kuin miehillä 0,01. Kustannuksissa ero populaatioiden välillä oli hiukan enemmän kuin miehillä eli-149,94 euroa. Lopulliset ICER-tulokset olivat /elinvuosi ja /QALY. Myös naisten tulosten perusteella runsaskuituinen ruokavalio on kustannus-vaikuttavaa tyypin 2 diabeteksen ennaltaehkäisyssä.

56 52 TAULUKKO 10 Naisten ICER-tulokset Kustannukset Elinvuodet QALYt Vähäkuituinen 1 386,42 26,17 21,44 Runsaskuituinen 1 236,48 26,18 21,45 Erotus - 149,94 0,01 0,01 per elinvuosi per QALY ICER: Sekä miesten että naisten tulosten perusteella kuidun lisäämistä voidaan pitää kustannusvaikuttavana, kun halutaan ennaltaehkäistä tyypin 2 diabetesta. Tulokset eivät juurikaan eronneet miesten ja naisten välillä. Naisten ryhmien kustannusten välinen erotus oli muutaman euron miesten ryhmiä korkeampi eli sairauden kustannuksissa säästetään jonkin verran enemmän. 7.2 Herkkyysanalyysit Epävarmuutta on kolmea erilaista: menetelmäepävarmuus, rakenteellinen epävarmuus ja parametriepävarmuus (Fimea 2012, 28). Tutkielmassa tehdyillä herkkyysanalyyseilla haluttiin tarkastella parametriepävarmuutta. Niillä haluttiin testata, millainen vaikutus mallissa käytetyillä estimoiduilla parametreilla oli lopputulokseen. Mallin parametreista tarkasteltiin kuidun vaikutusta painoindeksiin, diabeteksen ilmaantuvuutta, painoindeksijakaumien muutosta ja hoitokustannusten nousua. Mallin herkkyysanalyysissa käytettiin yksisuuntaisia herkkyysanalyyseja eli parametrien arvoja muutettiin yksi kerrallaan muiden parametriarvojen pysyessä samana. Herkkyysanalyysissa kuidun suurempaa vaikutusta painoindeksiin testattiin kasvattamalla normaalipainoisten osuutta 20 prosentilla. Ilmaantuvuutta kasvatettiin 20 prosentilla, jolloin se oli 500 per Normaalipainoisten määrän kasvu 20 prosentilla tarkoitti painoindeksiosuuksien siirtymistä BMI<25 luokkaan, joilloin BMI ja BMI >30 luokista otettiin molemmista 10 prosenttia pois. Diabeteksen hoidon kustannusten noustessa Diabetes -tilan kustannuksia nostettiin 20 prosentilla jolloin ne olivat vuodessa euroa. Kaikissa neljässä herkkyysanalyysissa ICER:n tulokset eivät muuttuneet merkittävästi. Pieniä muutoksia suurempaan ja pienempään oli kuitenkin havaittavissa. Herkkyysanalyysien tuloksia on esitetty taulukossa 11.

57 53 TAULUKKO 11 Herkkyysanalyysintulokset Perusanalyysi per elinvuosi per QALY ICER Kuidun vaikutus painoindeksiin suurempi (20% enemmän norm. painoisia) per elinvuosi per QALY ICER Diabeteksen ilmaantuvuus kasvaa 20 % per elinvuosi per QALY ICER Normaalipainoisia 20 % enemmän per elinvuosi per QALY ICER Diabeteksen hoidon kustannukset nousevat 20 % per elinvuosi per QALY ICER Herkkyysanalyysit tehtiin miesten tiedoilla. Analyysien perusteella alkuperäisiä tuloksia eniten muuttivat diabeteksen ilmaantuvuuden kasvu 20 prosentilla ja painojakauman siirtyminen niin, että normaalipainoisia on 20 prosenttia enemmän. Muutos ICER-arvoissa johtuu runsaskuituisen ruokavalio ryhmän kasvaneista elinvuosista ja QALY:sta. Kaikissa tehdyissä herkkyysanalyyseissa ICER pysyi negatiivisena, mutta ei muuttunut radikaalisti perusanalyysistä.

58 54 8 POHDINTA 8.1 Tulosten tarkastelu Tämän tutkielman tarkoituksena oli selvittää, onko kuidun lisääminen ruokavalioon kustannus-vaikuttavaa tyypin 2 diabeteksen ennaltaehkäisyssä. Vertailtavana olivat runsasja vähäkuituinen ruokavalio. Ruokavalioilla ei mallissa katsottu olevan kustannuseroja, koska muutoksen oletettiin tapahtuvan elintapamuutoksilla. Mallissa kustannukset syntyivät Diabetes -tilaan joutumisesta. Mallinnuksen tulosten perusteella runsaskuituista ruokavaliota voidaan pitää kustannusvaikuttavana tyypin 2 diabeteksen ennaltaehkäisyssä. Runsaskuituinen ruokavalio dominoi vahvasti eli runsaskuituisen populaation kustannukset olivat pienemmät ja vaikuttavuus suurempi, jolloin ICER oli tässä tilanteessa negatiivinen. Kustannus-vaikuttavuutta voidaan pitää selkeänä, koska kustannukset laskevat ja vaikuttavuus lisääntyy. Herkkyysanalyyseilla osoitettiin, että ICER pysyi kaikissa tapauksissa negatiivisena, jolloin runsaskuituinen ruokavalio pysyi kustannus-vaikuttavana parametrimuutoksista huolimatta. Tuloksia tarkasteltaessa tulee kuitenkin muistaa, että tyypin 2 diabeteksen kehittymiseen vaikuttavat monet muutkin tekijät kuin pelkkä kuitu. Sairauden puhkeamiseen vaikuttavat useat eri tekijät, mutta mielenkiintoista on myös tutkia, millaisia vaikutuksia yhdellä tekijällä on sairastumiseen. Arvioiden mukaan tyypin 2 diabetes tulee entisestään yleistymään ja sairaanhoidon kustannukset lisääntyvät siinä samalla. Koska tyypin 2 diabetes on yksi yleisimmistä kansansairauksista, on sen ennaltaehkäisyyn pystyttävä panostamaan entistä enemmän. Tärkeää on tutkia, millaisilla keinoilla sairautta pystytään ennaltaehkäisemään ja millainen vaikutus sillä on sairauden ilmaantuvuuteen. Tarvitaan siis tietoa ja erityisesti tutkittua tietoa eri ennaltaehkäisymenetelmien kustannus-vaikuttavuudesta. Oma haasteensa kuitenkin on, kuinka ennaltaekäisytoimia pystytään luotettavasti arvioimaan. Monet sairaudet ovat monimutkaisia kokonaisuuksia, joiden kehittymiseeen vaikuttavat monet eri tekijät. Kun tarkastellaan vain yhtä sairauden puhkeamiseen vaikuttavaa tekijää, ei vältämättä saadaa luotettavaa kokonaiskuvaa ennaltaehkäisevistä tekijöistä ja niiden yhteisvaikutuksista sairauden puhkeamiseen. Monimutkista on myös löytää kokonaisuus, jolla pystytään ennaltaehkäisemään parhaiten sairautta. Vaikka kokonaiskuvaa ei ole tällä hetkellä saatavilla, ei kannata jättää huomioimatta yhden vaikutusmekanismin aikaan saamaa muutosta.

59 55 Ihmisen ravinto on kokonaisuus, jossa ei voi keskittyä vain yhteen ravintoaineeseen. Mikäli näin tehdään ja jätetään muut ravintoaineet huomioimatta saatetaan joutua epäsuotuiseen tilanteeseen, kun kokonaisuus jää huomioimatta. Keskittyminen pelkästään kuituun saattaa jättää muut ravintoaineet varjoon, jolloin yksi osa-alue on kunnossa, mutta kokonaisuus ei ole terveydelle eduksi. Kokonaisuuden kannalta olisi järkevää tietää, millaisella ravintoaineiden yhdistelmällä pystytään saamaan sairauksia, kuten tyypin 2 diabetesta, ennaltaehkäisevä vaikutus. Tässä työssä toteutetun mallinnuksen perusteella runsaskuituisella ruokavaliolla saadaan positiivisia tuloksia tyypin 2 diabeteksen ehkäisyssä. Kun runsaskuituiseen ruokavalioon yhdistetään vielä muita sairastumisriskiä pienentäviä elintapoja, saadaan aikaan tehokasta sairauden ehkäisyä. Tulevaisuudessa olisi mielenkiintoista löytää ennaltaehkäisykokonaisuus, jolla pystytään parhaiten estämään tyypin 2 diabeteksen puhkeaminen. 8.2 Luotettavuuden arviointi Kuitu ja tyypin 2 diabetes ovat molemmat hyvin monimutkaisia kokonaisuuksia, joiden kaikkia ominaisuuksia ja vaikutuksia on mahdotonta saada sisällytettyä yksinkertaiseen Markov-malliin. Näin ollen todellisuutta mahdollisimman lähelle pääsevä malli vaatisi erittäin laajaa perehtymistä kumpaankin aihepiiriin. Koska kyseessä on pro gradu -tutkielma, kaikkien ominaisuuksien huomioon ottaminen mallissa ei ollut mahdollista. Tässä tutkielmassa esitettyä mallia voidaankin pitää rautalankaversiona, jonka pohjalta voisi lähteä suunnittelemaan yksityiskohtaisempaa ja lähempänä todellisuutta olevaa mallia. Tutkielman luotettavuutta heikentävänä tekijänä voidaan pitää, ettei tutkimusaineiston hankinnassa käytetty systemaattista kirjallisuuskatsausta. Tutkimusaineistoa etsittiin eri tietokannoista useilla eri hakusanayhdistelmillä ja hyödyntämällä artikkeleiden lähdeluetteloita. Koska mallin rakentaminen pohjautuu suureksi osaksi suomalaiseen kirjallisuuteen, mallin kannalta tärkeintä oli löytää oleellisimmat suomalaiset tutkimukset ja tiedot.

60 56 Mallissa ei otettu lainkaan huomioon kuidun suoraa vaikutusta tyypin 2 diabeteksen ehkäisyssä. Kuten aiemmin jo todettiin, tutkimustietoa aiheesta on saatavilla, mutta yksimielisyyttä mekanismeista ei ole, jonka vuoksi se jätettiin mallista pois. On siis todennäköistä, että kuidulla on monia tapoja vaikuttaa sairauden puhkeamiseen, ei vain ylipainon kautta. Kuidun vaikutus saattaa olla suurempi kuin mallissa oletetaan, koska vaikutusmekanismeja on useampia. Mallin yksinkertaisuuden vuoksi kuidun suora vaikutus tyypin 2 diabetekseen jätettiin kokonaan analyysistä pois. Koska tutkielmassa keskityttiin vahvasti ravitsemustieteen aiheiseen, luotettavuutta mallille olisi saanut lisää tekemällä yhteistyötä ravitsemustieteilijän kanssa. Työskentely ravitsemustieteen parissa vaatii alan asiantuntijuutta, jota terveystaloustieteilijällä ei juurikaan ole. Ravinnon vaikutusten vieminen yksinkertaiseen malliin vaatii usean eri ammatilaisen yhteistyötä. Kuidun kustannus-vaikuttavuutta ei juurikaan ole tutkittu, joten saatuja tuloksia ei pystytä vertaamaan aikaisempaan tutkimukseen. Luetettavuuden kannalta olisi hyvä, jos tuloksia pystyttäisiin vertaamaan vastaavanlaisiin tutkimuksiin. Mallista olisi saatu vielä enemmän suomalaista tilannetta kuvaava, jos kaikki mallissa käytetyt parametrien estimaatit olisi saatu suomalaisista tutkimuksista. Mallissa käytettiin miehillä ja naisilla samaa kuoleman riskiä, vaikka sukupuolten kuoleman riski eroavat. Merkitys tuloksiin ei varmasti ole suuri, mutta kuitenkin mainitsemisen arvoinen mallin luotettavuutta mietittäessä. Tutkielman alussa mallin rakentamisen todettiin olevan haastellista. Vaativaa olikin löytää tapa saada malli kuvaamaan mahdollisimman hyvin todellista tilannetta ilman, että siitä muodostuisi liian monimutkainen kokonaisuus. Lopulta mallissa jouduttiin tekemään melko paljon yleistyksiä ja yksinkertaistuksia, jotka saattavat vaikuttaa mallin luotettavuuteen. Nämä yksinkertaistukset mahdollistivat mallin pysymisen yksinkertaisena ja helpommin kontrolloitavana. Koska malli on aina yksinkertainen kuvaus todellisesta tilanteesta, ei kaikkia tai suurta osaakaan sairauteen liittyvistä ominaisuuksista pystytä mallintamisessa ottamaan huomioon.

61 Johtopäätökset ja jatkotutkimusaiheet Vastaavanlaista kustannus-vaikuttavuusanalyysia ei tiettävästi ole aiemmin tehty kuidusta ja tyypin 2 diabeteksesta. Lieneekö syynä analyysin erittäin monimutkaiset lähtökohdat. Koska tutkielmaa voidaan pitää uudenlaisena lähestymistapana diabeteksen ehkäisyssä, monet yksityiskohdat on varmasti jääneet huomioimatta tai niitä ei ole pystytty ottamaan mukaan pro gradu -tutkielmaan. Siitä huolimatta on tärkeää pystyä tuomaan uusia näkökulmia terveydenhuoltoon ja sairauksien ennaltaehkäisyyn. Sairauksien ennaltaehkäisy ravinnolla ja sen kustannus-vaikuttavuuden tutkiminen ovat varmasti aiheita, joita kannattaa tulevaisuudessa tutkia. Taloudellisen arvioinnin yhdistäminen ravitsemukseen on haastavaa sen monimutkaisuuden ja laajuuden vuoksi. Haasteiden takia asiaa ei kuitenkaan kannata jättää tutkimatta, koska terveydenhuollon menot eivät ainakaan ole vähentymässä. Sairauksien ennaltaehkäisyllä pystytään vaikuttamaan sairauksien puhkeamiseen ja sitä kautta terveydenhuollon kustannuksiin. Tulevaisuudessa kuidun kustannus-vaikuttavuutta olisi tärkeää tutkia tarkemmin. Mielenkiintoinen jatkotutkimusaihe olisi kuidun kustannus-vaikuttavuuden tutkiminen tarkemmalla kuidun määrittelyllä ja määrällä, koska tässä tutkielmassa kuitua ei määritelty lainkaan. Kiinnostavaa olisi saada tietoa esimerkiksi liukenevan ja liukenemattoman kuidun kustannus-vaikuttavuudesta erikseen. Tärkeää olisi myös pystyä tarkemmin määrittelemään millä päivittäisellä kuidun määrällä tyypin 2 diabeteksen ennaltaehkäisy on kustannus-vaikuttavaa. Koska mallissa ei otettu huomioon kuidun suoraa vaikutusta tyypin 2 diabetekseen, olisi mielenkiintoista tutkia myös sitä. Tarvitaan vielä kuitenkin lisää tutkimusta kuidun mekanismeista sairauden ehkäisyssä, jotta aihetta pystytään tutkimaan luotettavasti. Mielenkiintoista olisi luoda malli, jossa otetaan tarkemmin huomioon sekä kuidun että tyypin 2 diabeteksen ominaisuuksia ja vaikutusmekanismeja, jotka olisivat alan asiantuntijoiden yhdessä miettimiä. Tulevaisuudessa olisikin erittäin suositeltavaa, että taloudellisia arviointeja käytettäisiin ravitsemukseen liittyvien aiheiden tutkimisessa.

62 58 LÄHTEET Abouzeid Marian, Wikström Katja, Peltonen Markku, Lindström Jaana, Borodulin Katja, Rahkonen Ossi &Laatikainen Tiina Secular trends and educational differences in the incidence of type2 diabetes in Finland, European Journal of Epidemiology Anderson James, Randles Kim, Kendall Cyril & Jenkins David Carbohydrate and Fiber Recommendations for Individuals with Diabetes: A Quantitative Assessment and Meta-Analysis of the Evidence. Journal of the American College of Nutrition, 23:1, Anderson Rob, Fry-Smith & Sue Bayliss Whole system approaches to obesity prevention. Review of cost-effectiveness evidence. NICE. Saatavilla: (Luettu ) Aro Antti Ravintokuitu. Duodecim Terveyskirjasto. Saatavilla: Luettu Aro Eliina& Heinonen Liisa Teoksessa Ilanne-Parikka Pirjo, Rönnemaa Tapani, Saha Marja-Terttu & Sane Timo (toim.). Diabetes. Duodecim ja Diabetesliitto, Helsinki. Assessing cost effectiveness. Process and methods. NICE. Saatavilla: Luettu Borodulin Katja, Levälahti Esko, Saarikoski Liisa, Lund Laura, Juolevi Anne, Grönholm Marko, Jula Antti, Laatikainen Tiina, Männistö Satu, Peltonen Marko, Salomaa Veikko, Sundvall Jouko, Taimi Marketta, Virtanen Suvi & Vartiainen Erkki Kansallinen FINRISKI 2012 terveystutkimus: Osa 2: Tutkimuksen taulukkoliite. Terveyden ja hyvinvoinnin laitos. Borg Patrik Teoksessa Ilanne-Parikka Pirjo, Rönnemaa Tapani, Saha Marja-Terttu & Sane Timo (toim.). Diabetes. Duodecim ja Diabetesliitto, Helsinki. Briggs Andrew, Claxton Karl &Sculpher Mark Decision Modelling for Health Economic Evaluation. Handbook in Health Economic Evaluation Series. Oxford University Press. Oxford. Colditz Graham A., Willett Walter C., Rotnitzky Andrea, & Manson JoAnn E. Manson Weight Gain as a Risk Factor for Clinical Diabetes Mellitus in Women. Annals of Internal Medicine. 122: Gray Alastair, Clarke Philip, Wolstenholme Jane & Wordsworth Sarah Applied Method of Cost-effectivenessanalysis in Health Care. Oxford University Press. Oxford Grube Barbara, Chong Pee-Win, Lau Kai-Zhia&Orzechowski Hans-Dieter A Natural Fiber Complex Reduces Body Weight in the Overweight and Obese: A Double- Blind, Randomized, Placebo-Controlled Study. Obesity. 21:58 64.

63 59 Chandalia Manisha, Garg Abhimanyu, Lutjohann Dieter, Von Bergmann Klaus, Grundy Scott M. & Brinkley Linda J Beneficial Effects Of High Dietary Fiber Intake In Patients With Type 2 Diabetes Mellitus. The New England Journal of Medicine. 11: DeVries Jonathan W On defining dietary fibre. Proceedingd of the Nutrition Society. 62: Diabetes. Käypä hoito suositus. Suomalaisen Lääkäriseuran Duodecimin, Suomen Sisätautilääkärien yhdistyksen ja Diabetesliiton Lääkärineuvoston asettama työryhmä. Helsinki: Suomalainen Lääkäriseura Duodecim, Saatavilla internetissä: Diabetes. Käypä hoito suositus. Suomalaisen Lääkäriseuran Duodecimin ja Suomen Sisätautilääkärien yhdistyksen ja Diabetesliiton Lääkärineuvoston asettama työryhmä. Helsinki. Suomalainen Lääkäriseura Duodecim, Saatavilla internetistä: DECODE Study Group, European Diabetes Epidemiology Group Glucose tolerance and mortality: comparison of WHO and American Diabetes Association diagnostic criteria in Europe. Lancet 354: Drummond Michael F., Sculpher Mark J., Claxton Karl, Stoddart Greg L.& Torrance George W Methods for the Economic Evaluation of Health Care Programmes. 4. painos. Oxford University Press. Oxford. Feldman Adina L., Long Gráinne H., Johansson Ingegerd, Weinehall Lars, Fhärm Eva, WennbergPatrik, Norberg Margareta, Griffin Simon J. and RolandssonOlof Change in lifestyle behaviors and diabetes risk: evidence from a population-based cohort study with 10 years follow-up. International Journal of Behavioral Nutrition and Physical Activity 14:39. Fimea Fimeansuosituslääkkeidenhoidollisen ja taloudellisenarvonarvioinnista. Julkaisusarja 2/2012. Lääkealan turvallisuus- ja kehittämiskeskus Fimea. Saatavilla: SARJA_2_2012_netti.pdf/a7b84a6d b-9af6-a2ea465a926e Luettu ( ) GalisteoMilagros, Duarte Juan &Zarzuelo Antonio Effects of dietaryfibers on disturbancesclustered in themetabolicsyndrome. Journal of NutritionalBiochemistry. 19: Helldán Anni, Raulio Susanna, Kosola Mikko, Tapanainen Heli, OvaskainenMArja- Leena & Virtanen Suvi Finravinto 2012 tutkimus. Terveyden ja hyvinvoinnin laitos. Howarth Nancy, Saltzman Edward & Roberts Susan Dietary Fiber and Weight Regulation. Nutrition Reviews 59:

64 60 Howarth Nancy, Huang Terry, Roberts Susan McCrory Megan Dietary Fiber and Fat Are Associated with Excess Weight in Young and Middle-Aged US Adults. Journal of the American Dietetic Association. 105: Ilanne-Parikka Pirjo Teoksessa Ilanne-Parikka Pirjo, Rönnemaa Tapani, Saha Marja-Terttu & Sane Timo (toim.). Diabetes. Duodecim ja Diabetesliitto, Helsinki. IsmaielManal, Hong Yang, Min Cui Dietary fiber role in type 2 diabetes prevention. British Food Journal. 118: Jarvala Tiina, Raitanen Jani & Rissanen Pekka Diabeteksen kustannukset Suomessa Suomen kansallinen diabetesohjelma Dehko. Jia Haomiao &Lubetkin Erica I Theimpact of obesity on health-relatedquality-oflife in the general adult US population. Journal of Public Health. 27: Kaila Minna, Kuoppala Jaana & Mäkelä Marjukka Teoksessa Mäkelä Marjukka, Kaila Minna, Lampe Kristian &Teikari Martti (toim.) Menetelmien arviointi terveydenhuollossa. Duodecim, Helsinki. Kiiskinen Urpo, Veho Tuulikki, Matikainen Kristiina, Natunen Sanna & Aromaa Arpo Terveyden edistämisen mahdollisuudet -vaikuttavuus ja kustannusvaikuttavuus. Sosiaali- ja terveysministeriö, Helsinki. Saatavilla: vaikuttavuus_ja_kustannusvaikuttavuus_fi.pdf?sequence=1&isallowed=y Luettu: Koskinen Seppo, Lundqvist Annamari, Ristiluoma Noora Terveys, toimintakyky ja hyvinvointi Suomessa Terveyden ja hyvinvoinnin laitos. Raportti 68/2012 Kuntz Karen M. &WeinsteinMilton C Modelling in Economic Evaluation. Teoksessa Drummond Michael & McGuire Alistair (toim.) Economic Evaluation in Health Care. Merging Theory with Practice. Oxford University Press, Oxford Lairon Denis, Arnault Nathalie, Bertrais Sandrine, Planells Richard, CleroEnora, Hercberg Serge &Boutron-Ruault Marie-Christine Dietary fiber intake and risk factors for cardiovascular disease in French adults. The American Journal of Clinival Nutrition. 82: Lattimer James M. &Haub Mark D Effects of dietary Fiber and Ist Components on Metabolic Health. Nutrients 2: Lehtovirta M., Pietiläinen K. H., Leväslahti E., Heikkilä K., Groop L., Silvennoinen K., Koskenvuo M. ja Kaprio J Evidence that BMI and type 2 diabetes share only a minor fraction of genetic variance: a follow-up study of 23,585 monozygotic and dizygotic twins from the Finnish Twin Cohort study.diabetologia. 53:

65 61 Lihavuus (lapset). Käypä hoito -suositus. Suomalaisen Lääkäriseuran Duodecimin ja Suomen Lastenlääkäri yhdistys ry:n asettama työryhmä. Helsinki. Suomalainen Lääkäriseura Duodecim, Saatavilla: Liu Simin, WilletWaltert, Manson JoAnn, Hu Frank, RosnerBernand&Colditz Graham Relation between changes in intakes of dietary fiber and grain products and changes in weight and development of obesity among middle-aged women. The American Journal of Clinical Nutrition. 78: Ludwig David, Pereira Mark, Kroenke Candyce, Hilner Joan, Van Horn Linda, Slattery Martha & Jacobs David Dietary Fiber, Weight gain, and Cardiovascular Disease Risk Factors in Young Adults. JAMA. 282: Martikainen Janne, Hallinen Taru & Soini Erkki Lääkkeiden taloudellinen arviointi Lääketaloustieteen teoria, tutkimus ja käytäntö. Dosis. 22: Mutanen Marja & Voutilainen Eeva Teoksessa Aro Antti, Mutanen Marja & Uusitupa Matti (toim.). Ravitsemustiede. Duodecim. Helsinki Mäki Päivi, Hakulinen-Viitanen Tuovi, Kaikkonen Risto, Koponen Päivikki, Ovaskainen Marja-Leena, Sippola Risto, Virtanen Suvi, Laatikainen Tiina ja LATE-työryhmä (toim.) Lasten terveys: LATE-tutkimuksen perustulokset lasten kasvusta, kehityksestä, terveydestä, terveystottumuksista ja kasvuympäristöstä. Terveyden ja hyvinvoinnin laitos. Helsinki Nathanson D., Bodegard J., Norhammar A., Birkeland K.I., Nyströn T., Thuresson M., Eriksson J.W. &Gulseth H.L Time-trends in incidence and prevalence of type 2 diabetes patients requiring glucosse-lowering treatment from : nationwilde data from Norway and Sweden. Diabetologia 60:1 Supplement S169 Owen Christopher G., KapetanakisVenediktosV., Rudnicka Alicja R., Wathern Andrea K., Lennon Lucy, PapacostaOlia, Cook Derek G., Wannamethee S. Goya &Whincup Peter H Body mass index in early and middleadult life: prospective associations withmyocardial infarction, stroke anddiabetes over a 30-year period: thebritish Regional Heart Study. BMJ 5:1 8 Pajunen Pia, Keinänen-KiukaanniemiSirkka, Korpi-HyövältiEeva, MännistöSatu, Niskanen Leo, Oksa Heikki, Saaristo Timo, Saltevo Juha, Sundvall Jouko, VanhalaMauno, Uusitupa Matti, Eriksson Johan & Peltonen Markku 2012.Ylipainon ja lihavuuden esiintyvyys tyypin 2 diabetespotilailla. Suomen lääkärilehti 38: Pietiläinen Kirsi Teoksessa Pietiläinen Kirsi, Pertti Mustajoki & Borg Patrik (toim.). Lihavuus. Duodecim, Helsinki. Ravintotekijä: kuitu, kokonais-. Fineli. Terveyden ja hyvinvoinnin laitos. Saatavilla: Luettu: RootmanIrving, Goodstadt Michael, Potvin Louise &Springett Jane A framework for health promotion evaluation. Evolution in health promotion principles and perspec-

66 62 tives. World Health Organization Regional Publications European Series No 92. Saatavilla: data/assets/pdf_file/0007/108934/e73455.pdf (Luettu ) Räsänen Pirjo & Sintonen Harri Terveydenhuollon taloudellinen arviointi. Lääkärilehti, 17, Saaristo Timo, Moilanen Leena, Korpi-Hyövälti Eeva, Vanhala Mauno, Saltevo Juha, Niskanen Leo, Jokelainen Jari, Peltonen Markku, Oksa Heikki, Tuomilehto Jaakko, Uusitupa Matti & Keinänen-Kiukaanniemi Sirkka Lifestyle Intervention for Prevention of Type 2 Diabetes in Primary Health Care: one-year follow-up of the Finnish National Diabetes Prevention Program (FIN-2D2). Diabetes Care 33: Saraheimo Markku Teoksessa Ilanne-Parikka Pirjo, Rönnemaa Tapani, Saha Marja-Terttu & Sane Timo (toim.). Diabetes. Duodecim ja Diabetesliitto, Helsinki. Saraheimo Markku ja Sane Timo Teoksessa Ilanne-Parikka Pirjo, Rönnemaa Tapani, Saha Marja-Terttu & Sane Timo (toim.). Diabetes. Duodecim ja Diabetesliitto, Helsinki. Sintonen Harri Teoksessa Mäkelä Marjukka, Kaila Minna, Lampe Kristian &Teikari Martti (toim.) Menetelmien arviointi terveydenhuollossa. Duodecim, Helsinki. Sintonen Harri ja Pekurinen Markku Terveystaloustiede. WSOY Oppimateriaalit Oy, Helsinki. Suomen virallinen tilasto: Tilasto korvatuista resepteistä[verkkojulkaisu].helsinki:kela (viitattu ) Saantitapa: Lavin Joanne Dietary Fiber and Body Weight. Nutrition. 21: Lihavuus (aikuiset) (online). Suomalaisen Lääkäriseuran Duodecimin ja Suomen Lihavuustutkijat ry:n asettama työryhmä. Helsinki: Suomalainen Lääkäriseura Duodecim, 2013 (viitattu ). Saatavilla internetissä: Sund Reijo& Koski Sari FinDM II Diabeteksen ja sen lisäsairauksien esiintyvyyden ja ilmaantuvuuden rekisteriperusteinen mittaaminen Tekninen raportti. Suomen Diabetesliitto. Verkkojulkaisu: (Luettu ) Terveyden ja hyvinvoinnin laitos. Lihavuuden yleisyys Suomessa. Saatavissa: Terveyden ja hyvinvoinnin laitos. Lihavuus tulee kalliiksi. Saatavissa: Luettu:

67 63 Terveyttä ruoasta Suomalaiset ravitsemussuositukset Valtion ravitsemusneuvottelukunta. [Verkkojulkaisu] Saatavilla: (Luettu ) Thompson Sharon, Hannon Bridget, An Ruopeng&Holscher Hannah Effects of Isolated Soluble fiber Supplementation On Body Weight, Glycemia, And Insulinemia In Adults With Overweight And Obesity: A Systematic Review And Meta-Analysis Of Randomized Controlled Trials. The American Journal of ClinicalNutrition. 106: Uusitupa Matti Teoksessa Aro Antti, Mutanen Marja & Uusitupa Matti (toim.). Ravitsemustiede. Duodecim. Helsinki Van de VijverLP, van den Bosch LM, van den Brandt PA&Goldbohm RA Wholegrain Comsumption, Dietary Fibre Intake and Body Mass Index in the Netherlands cohort study. European Journal of Clinical Nutrition. 63:31 38 VoutilainenEeva, Fogelholm Mikael &MutanenMarja Ravitsemustaito. Sanoma Pro Oy. Helsinki. WandersAJ, van denborne JJGC, de Graaf C, Hulshof T, Jonathan MC, Kristensen M, Mars M, ScholsHA &Feskens EJM Effects of Dietary Fibre on Subjective Appetite, Energy Intake and Body Weight: a Systematic Review of Randomized Controlled Trials. International Association for the Study of Obesity 12: Wang Li Yan, Yang Quanhe, Lowry Richard & Wechsler Howell Economic Analysis of a School-Based Obesity Prevention Program. Obesity Research. 11: Yao Baodong, Fang Hong, Xu Wanghong, Yan Yujie, Xu Huilin, Liu Xinan, Mo Miao, Zhang Hua & Zhao Yanping Dietary Fiber Intake and Risk of type 2 Diabetes: a Dose-Response analysis of prospective studies. European Journal of Epidemiology. 29:79 88

68 64 LIITTEET LIITE 1 Mallin parametrit: Kuolemanriski Kuolleet, lkm Sukupuolet yhteensä Miehet Naiset Kuolleet Väestörakenne Kuolleisuus/ikä Sukupuolet yhteensä , , , , , , , , , , , , , , , , , , , , , , , , , ,0030

69 , , , , , ,0046

70 66 LIITE 2 Mallinparametrit: painoindeksijakauma FINRISKI 2012 Painoindeksi jakauma

71 67 LIITE 3 Mallin parametrit: Diabetespotilaiden painoindeksijakauma Pajunen ym Ylipainon ja lihavuuden esiintyvyys tyypin 2 diabetespotilai

72 68 LIITE 4 Mallin parametrit: Insidenssi Abouzeid ym Secular trends and educational differences in the incidence of type 2 diabetes in Finland, crude incidence rate IR per 1000 miehet 3,62 naiset 1,83

73 69 LIITE 5 Mallin parametrit: Elämänlaatu Koskinen ym Terveys, toimintakyky ja hyvinvointi Suomessa THL Jia & Lubetkin The impact of obesity on health-related quality-of-life in the general adult US population.