Potilaiden liikkumiskustannukset ja omaseurannan kehittämisen kustannusvaikutukset tyypin 2 diabeteksen seurannassa Pohjois-Karjalassa

Transkriptio

1 Potilaiden liikkumiskustannukset ja omaseurannan kehittämisen kustannusvaikutukset tyypin 2 diabeteksen seurannassa Pohjois-Karjalassa Aapeli Leminen Itä-Suomen yliopisto Historia- ja maantieteiden laitos Yhteiskuntamaantieteen Pro gradu -tutkielma Ohjaajat: Markku Tykkyläinen ja Tiina Laatikainen Toukokuu 2016

2 ITÄ-SUOMEN YLIOPISTO Tiedekunta Yhteiskuntatieteiden ja kauppatieteiden tiedekunta Osasto Historia- ja maantieteiden laitos Tekijä Aapeli Leminen Työn nimi Potilaiden liikkumiskustannukset ja omaseurannan kehittämisen kustannusvaikutukset tyypin 2 diabeteksen seurannassa Pohjois-Karjalassa Pääaine Yhteiskuntamaantiede Tiivistelmä Työn laji Pro gradu - tutkielma Päivämäärä Sivumäärä 84 Tyypin 2 diabetes on yksi Suomen yleisimmistä kansantaudeista, sillä sitä sairastaa jo yli ihmistä. Vuonna 2012 Pohjois-Karjalassa tyypin 2 diabeetikkoja oli Suorien hoitokustannusten lisäksi sairaus aiheuttaa monia epäsuoria kustannuksia, jotka huomioidaan vain harvoin taloudellisissa arvioinneissa. Tyypin 2 diabeteksen seurantaan liittyviä potilaiden matka- ja aikakustannuksia ei ole tutkittu, vaikka tiheän seurannan ja suuren potilasmäärän vuoksi kustannukset voivat olla merkittäviä. Tässä tutkimuksessa selvitetään, miten tyypin 2 diabeteksen seurannan saavutettavuus ja potilaille aiheutuvat liikkumiskustannukset muodostuvat Pohjois-Karjalan alueella ja miten ne vaikuttavat seurannan kokonaiskustannuksiin. Tutkimuksessa hyödynnetään Pohjois-Karjalan maakunnallisesti yhtenäistä sähköistä potilastietojärjestelmää, Mediatria. Saavutettavuutta ja liikkumiskustannuksia tarkastellaan paikkatietomenetelmin muodostamalla kustannusmalli. Kustannusmallia muokkaamalla testataan myös kahden eri skenaarion kustannusvaikutuksia. Ensimmäisessä skenaariossa terveydenhuollon toimipaikkojen määrää vähennetään kolmella, jolloin voidaan tarkastella liikkumiskustannusten kasvamista. Toisessa skenaariossa osa diabeteksen seurannasta korvataan omaseurannalla, jolloin potilaiden liikkumistarve pienenee. Eri liikkumismuodoille on rakennettu kustannusmallit ArcGIS-ohjelmiston Model Builder -työkalulla. Malleissa käytetään verkostoanalyyseissa nopeimpien ja lyhimpien reittien laskemiseen OD Cost Matrix -menetelmää. Ensimmäisessä skenaariossa kolme terveydenhuollon toimipaikkaa on poistettu sijaintioptimointiin perustuen. Mallien avulla laskettiin sekä potilaiden liikkumiskustannukset että seurannan vastaanottokäynneistä aiheutuvat kustannukset. Tulosten perusteella potilaiden liikkumiskustannusten ja aikamenetysten osuus seurannan kokonaiskustannuksista on 21 prosenttia, joten nämä kustannukset tulisi huomioida tarkemmin taloudellisissa arvioinneissa. Toimipaikkojen vähentäminen nostaa huomattavasti yksittäisten potilaiden liikkumiskustannuksia, mutta palvelurakenteen muutoksella ei ole niin suurta merkitystä koko Pohjois- Karjalan kannalta. Omaseuranta sen sijaan pienentää sekä liikkumiskustannuksia että erityisesti vastaanottokäynneistä aiheutuvia kustannuksia. Omaseurannan kehittämistä kannattaa jatkaa ja sen tulokset tulisi ottaa entistä kiinteämmin osaksi seurannan toteuttamista. Tuloksiin liittyvistä yleistyksistä huolimatta tutkimus osoittaa potilaiden liikkumiskustannusten ja aikamenetysten merkityksen diabeteksen seurannassa ja sairauden yhteiskunnallisen kokonaistaakan kannalta. Tutkimus tarjoaa myös hyvän lähtökohdan vastaavien kustannusmallien kehittämiseen ja mallissa käytettyjen muuttujien tarkentamiseen. Avainsanat Diabetes, seuranta, omaseuranta, liikkumiskustannus, saavutettavuus, GIS, kustannusmalli, verkostoanalyysi, skenaario

3 UNIVERSITY OF EASTERN FINLAND Faculty Faculty of Social Sciences and Business Studies School Department of Geographical and Historical Studies Author Aapeli Leminen Title Patient travel costs and effects of the self-care system on type 2 diabetes follow-up in North Karelia Main subject Human Geography Abstract Level Master s thesis Date Number of pages 84 In Finland there are over 250,000 people living with type 2 diabetes, so it is a major threat to public health. In North Karelia region there were 10,204 patients who had type 2 diabetes at the end of the year In addition to direct healthcare costs, diabetes causes many indirect costs that are not often included in economic evaluations. Type 2 diabetes follow-up related patient travel costs and time costs have previously not been examined in detail, even though these costs can be considerable due to frequent visits to primary care. The aim of this study is to measure healthcare accessibility and type 2 diabetes follow-up related patient travel costs in North Karelia, and to find out the effect of these costs on the total costs of the follow-up. Patient data for this study was obtained from regional electronic patient database, Mediatri. Healthcare accessibility and travel costs were measured with a georeferenced cost model. Additionally, the cost model was used to build two different scenarios. In the first scenario, the number of public healthcare centers was reduced by three in order to measure the increase in travel costs. In the second scenario, half of the primary care visits and blood glucose measurements were replaced with self-measurements, which reduces the need to travel. ArcGIS software and ModelBuilder tool were used to build models for all different travel modes. Models utilize OD Cost Matrix method of network analysis to calculate the fastest and the shortest routes for primary care follow-up visits. For the first scenario, three public healthcare centers were removed with Location-allocation tool. Models were used to calculate both patient travel costs and follow-up visit related costs. Results show that patient travel costs and time costs form 21 percent of the total costs of the type 2 diabetes follow-up in North Karelia. Thus, these costs should be included in economic evaluations of healthcare. Reducing the number of public healthcare centers by three considerably increases the travel costs of individual trips but the increase is not as important for regional total costs of travel. Results also show that utilizing self-care system and self-measurements, both travel costs and especially follow-up related costs of the primary care visits can be reduced significantly. Self-care system should be developed further to use it as part of the follow-up execution. Despite some generalization concerning the results, this study demonstrates the significance of the patient travel costs and time costs in type 2 diabetes follow-up. In addition, cost models and variables used in this study can be developed and expanded further. These models can also be used as a baseline for developing similar models for other illnesses. Keywords Diabetes, follow-up, self-care, travel cost, accessibility, GIS, cost model, network analysis, scenario

4 Sisältö Esipuhe 1 JOHDANTO Taustaa Tutkimuksen tarkoitus ja tutkimuskysymykset Tutkimusalue TYYPIN 2 DIABETES (T2D) Diabetekseen liittyvät ongelmat Diabeteksen seuranta IHMISTEN LIIKKUMINEN JA SAAVUTETTAVUUS Liikennemaantiede ja terveysmaantiede Liikkumismuodon valinta ja liikkumiskustannukset Potilaiden liikkuminen Saavutettavuus Saavutettavuuden osa-alueet ja liikennejärjestelmään pohjautuva saavutettavuus Terveyspalveluiden saavutettavuus GIS, verkostoanalyysit ja spatiaalisen saavutettavuuden mittaaminen Saavutettavuuden ja liikkumiskustannusten tutkimus GIS-menetelmin LIIKKUMIS- JA SEURANTAKUSTANNUSTEN MALLI Kustannusyhtälöt Kustannusmallin aineistot Mediatri potilastietojärjestelmä ja terveydenhuollon toimipaikkojen sijainnit Potilaskohtainen käyntiaineisto ja terveydenhuollon yksikkökustannukset Tilastokeskuksen henkilötason aineisto ESRI Suomen tie- ja katuverkko (STK) ja Joensuun seudun linja-autoreitit Aineistojen käsittely Liikkumismuodon valinta Mallin toteutus Verkostoanalyysit Kustannusten laskeminen Skenaarioanalyysit ja lokaatio-allokaatio KUSTANNUKSET, TOIMIPAIKAT JA OMASEURANNASTA SYNTYVÄT SÄÄSTÖT Liikkumiskustannukset ja seurannan kokonaiskustannukset Liikkumiskustannukset terveydenhuollon toimipaikkojen vähentämisen jälkeen Omaseurannan vaikutus seurannan kokonaiskustannuksiin ja liikkumiskustannuksiin... 64

5 6 TULOSTEN POHDINTA JA NIIDEN LUOTETTAVUUS Seurannan kustannukset, toimipaikkojen vähentäminen ja omaseuranta Tulosten luotettavuus YHTEENVETO JA JOHTOPÄÄTÖKSET Lähteet Liitteet... 82

6 Esipuhe Pro graduni on osa Pohjois-Karjalassa vuoden 2012 lopussa aloitettua tutkimushanketta (sydän- ja verisuonitautien ja tyypin 2 diabeteksen hoidon laatu perusterveydenhuollossa), jonka tarkoituksena on hyödyntää maakunnallisesti yhtenäistä potilastietojärjestelmää tyypin 2 diabeteksen ja sydän- ja verisuonitautien hoidon laadun arvioinnissa sekä alueellisten erojen ja niitä selittävien tekijöiden tutkimuksessa. Projektin tavoitteena on kehittää terveydenhuollon toimintaa ja hoidon laatua niin paikallistasolla kuin aluetasollakin. Keskityn tutkimuksessani terveyspalveluiden saavutettavuuteen ja potilaiden liikkumiskustannuksiin, joten näkökulmani on yhtä aikaa sekä maantieteellinen että taloudellinen. Aihe on ajankohtainen erityisesti tulevan sosiaali- ja terveydenhuollon palvelurakenneuudistuksen vuoksi, sillä tuloksista voi olla hyötyä suunnittelutyössä. Kiitokset historia- ja maantieteiden laitoksen professori Markku Tykkyläiselle ja kansanterveystieteen ja kliinisen ravitsemustieteen yksikön professori Tiina Laatikaiselle laadukkaasta ohjauksesta sekä erinomaisista kommenteista ja ideoista. Kiitos myös filosofian maisteri Maija Toivakalle neuvoista aineiston käsittelyssä ja yhteiskuntatieteiden maisteri Teppo Revolle hyödyllisistä keskusteluista. Lisäksi haluan kiittää Katriina Mikkosta työn oikoluvusta.

7 1 JOHDANTO 1.1 Taustaa Tyypin 2 diabetes (T2D) on yksi Suomen yleisimmistä kansantaudeista, sillä sitä sairastaa jo yli ihmistä. Lisäksi arviolta ihmistä sairastaa tautia tietämättään, joten diagnosoitujen potilaiden määrän noustessa ja potilaiden eläessä yhä pidempään myös hoitokustannukset tulevat kasvamaan. Hoitokustannusten lisäksi tyypin 2 diabetes aiheuttaa kustannuksia yhteiskunnalle tulonsiirtojen ja työpoissaoloista johtuvan tuottavuuden laskun kautta (Reini 2013: 10). Monet taloudelliset arvioinnit tehdään terveydenhuoltosektorin näkökulmasta, eikä niissä oteta huomioon terveys- ja sosiaalipalveluiden hankkimiseen liittyviä matka- ja aikakustannuksia (Yabroff ym. 2005: 640). Tyypin 2 diabeteksen seurannan saavutettavuuteen liittyviä rahallisia ja ajallisia liikkumiskustannuksia ja niiden alueellisia eroja ei ole juurikaan tutkittu, eikä niiden vaikutusta seurannan todellisiin kokonaiskustannuksiin tunneta. Potilaiden seuranta tähtää voinnin tarkkailuun ja hoitotasapainon säilyttämiseen, joten se vaatii potilailta säännöllisiä verensokeriarvon ja LDL-kolesterolitason mittauksia ja käyntejä lääkärin tai terveydenhoitajan vastaanotolla. Suorien rahallisten kustannusten lisäksi liikkumiseen kuluu aikaa, joka voitaisiin muutoin käyttää tuottavampaan ja hyödyllisempään tarkoitukseen, kuten työntekoon tai vapaa-ajan viettämiseen. Kansantaudin laajuus huomioon ottaen seurantaan liittyvät liikkumiskustannukset voivat olla suuruudeltaan merkittäviä, joten ne ovat tärkeä komponentti tarkastellessa sairauden yhteiskunnallista ja kansantaloudellista kokonaistaakkaa. Liikkumiskustannusten suuruus riippuu terveyspalveluiden saavutettavuudesta, jonka voidaan ajatella kuvaavan ihmisten mahdollisuutta käyttää terveyspalveluita silloin kun he niitä tarvitsevat ja siellä missä he niitä tarvitsevat (Aday & Anderson 1981). Saavutettavuutta voidaan mitata esimerkiksi matkan, ajan tai rahallisten kustannusten avulla. Saavutettavuudesta aiheutuviin liikkumiskustannuksiin vaikuttavat erityisesti matkan pituus sekä valittu liikkumismuoto. Nämä puolestaan riippuvat pitkälti tarjolla olevista liikenneyhteyksistä, joten saavutettavuutta voidaan lähestyä tarkastelemalla liikennejärjestelmän toimivuutta. 6

8 Suomalaisessa yhteiskunnassa on nähtävissä laajempi muutosvaihe, jossa yhä suurempi osa julkisten palveluiden kustannuksista ollaan siirtämässä valtiolta yksittäisille kansalaisille. Vaikka julkisen sektorin hankkeena käynnissä olevan sosiaali- ja terveydenhuollon palvelurakenneuudistuksen tavoitteena on väestön terveyden, hyvinvoinnin ja sosiaalisen turvallisuuden edistäminen sekä yhdenvertaisten sosiaali- ja terveydenhuollon palveluiden turvaaminen koko maassa, voi kustannustehokkaan ja vaikuttavan palvelurakenteen toteuttaminen tarkoittaa sitä, että esimerkiksi osa pienten kuntien terveyskeskuksista suljetaan. Vaikka terveyspalvelut olisivatkin tarjolla kohtuullisen välimatkan päässä, voisivat valmiiksi syrjässä asuvien potilaiden liikkumiskustannukset kasvaa entisestään. Samaan aikaan ollaan kuitenkin kehittämässä diabeteksen omaseurantajärjestelmää, jolla pyritään vähentämään potilaiden liikkumistarvetta ja hoidon kustannuksia. Kun potilas tarkkailee verensokeriarvojaan käyttöönsä saamallaan mittarilla, mittaustulokset voidaan siirtää terveyskeskukseen sähköisesti esimerkiksi matkapuhelimessa olevan ohjelmiston avulla. Kun järjestelmä toimii hyvin, osa seurantaan liittyvistä terveyskeskuskäynneistä ja laboratoriomittauksista voidaan korvata potilaiden omamittauksilla ja hoitohenkilökunnan antamalla palautteella. Tämä alentaa sekä terveydenhuollon kustannuksia että potilaiden liikkumiskustannuksia. 1.2 Tutkimuksen tarkoitus ja tutkimuskysymykset Tämän tutkimuksen tarkoituksena on selvittää, miten tyypin 2 diabeteksen seurannan saavutettavuus ja potilaille aiheutuvat liikkumiskustannukset muodostuvat Pohjois-Karjalan alueella ja mitkä ovat seurannan kokonaiskustannukset ottaen huomioon sekä vastaanottokäynneistä aiheutuvat kustannukset että potilaiden liikkumisen. Tutkimuksessa testataan myös kahta mahdollista tulevaisuuden skenaariota, joissa toisessa diabeteksen seurannan kannalta tärkeiden terveydenhuollon toimipaikkojen määrä vähenee ja toisessa tyypin 2 diabeteksen seurannassa aletaan hyödyntää laajemmin ja systemaattisemmin potilaiden kotona tehtäviä verensokeriarvojen omamittauksia niin että terveydenhuollon kontaktikäyntien ja laboratoriomittausten tarve pienenee. 7

9 Ensimmäisessä skenaariossa terveyskeskusten määrää vähentämällä ei haluta ottaa kantaa tuleviin kuntaliitoksiin tai sote-uudistukseen, vaan tutkimuksessa testataan potilasaineistosta tehtäviin havaintoihin perustuen sitä, miten palveluverkoston muuttuminen vaikuttaisi diabetespotilaiden liikkumiseen ja liikkumiskustannuksiin. Terveyskeskusten määrän vähentämiseen käytetty sijaintioptimointi perustuu hoidon kysynnän ja tarjonnan optimointiin, eikä menetelmässä oteta huomioon mahdollisia poliittisia päätöksiä. Pohjois-Karjalassa tehdään jo nykyään paljon diabeteksen omaseurantaa, mutta ongelmana on, etteivät omaseurannan tiedot välity hoitohenkilökunnalle ja niitä ei näin ollen voida käyttää tehokkaasti seurantaan tai lääkityksessä tarvittavien muutosten arviointiin. Toinen skenaario perustuu olettamukseen, että omaseurannan mittaustulokset otetaan tulevaisuudessa kiinteämmin osaksi seurantaa ja niiden avulla pystytään korvaamaan osa perinteisistä hoitosuositusten mukaisista terveydenhuollon toimipaikoissa tehtävistä mittauksista. Skenaarioiden avulla arvioidaan erityisesti sitä, missä määrin omaseurannan tehokkaan hyödyntämisen avulla pystyttäisiin kompensoimaan toimipaikkojen määrän vähentymisestä aiheutuvaa terveyspalveluiden saavutettavuuden heikentymistä ja suurempia liikkumiskustannuksia. Lisäksi tutkimuksessa arvioidaan, miten potilasaineisto ja käytetyt tutkimusmenetelmät soveltuvat potilaiden liikkumisen tarkasteluun. Tulosten yhteydessä on tärkeää arvioida myös verkostoanalyysien avulla laskettujen potilaiden liikkumiskustannusten ja seurannan kokonaiskustannusten luotettavuutta. Tutkimuskysymykset: 1. Miten terveyspalveluiden saavutettavuus ja potilaiden ajalliset sekä rahalliset liikkumiskustannukset vaikuttavat tyypin 2 diabeteksen seurannan kokonaiskustannuksiin Pohjois-Karjalassa? a. Mitkä ovat liikkumiskustannukset T2D potilasaineistolla ( potilasta) ja miten kustannukset jakautuvat alueellisesti? b. Mitkä ovat seurannan kokonaiskustannukset Pohjois-Karjalassa, kun lasketaan yhteen vastaanottokäynteihin liittyvät kustannukset sekä potilaiden liikkumisesta aiheutuvat kustannukset? 8

10 2. Voidaanko diabeteksen omaseurannan laajemmalla ja systemaattisella käyttöönotolla kompensoida seurannan kokonaiskustannusten kasvua tilanteessa, jossa terveydenhuollon toimipaikkojen määrä vähenee ja liikkumiskustannukset kasvavat? a. Paljonko T2D potilasjoukon liikkumiskustannukset kasvavat, jos Pohjois- Karjalasta suljetaan kolme asiointimäärältään ja saavutettavuudeltaan vähiten tärkeää seurantaan liittyvää toimipaikkaa? b. Voidaanko T2D seurannan kokonaiskustannuksissa saavuttaa säästöjä omaseurannan tehokkaammalla hyödyntämisellä ja miten suuria mahdolliset säästöt ovat sekä nykytilanteessa että edellä mainitun skenaarion toteutuessa? 3. Miten potilasaineisto sekä paikkatietomenetelmät soveltuvat potilaiden liikkumisen tarkasteluun ja kuinka luotettavia tuloksia kustannuksia mallintamalla voidaan saada? Terveyspalveluiden saavutettavuudesta riippuvien liikkumiskustannusten ja vastaanottokäynteihin liittyvien kustannusten laskeminen toteutetaan työssä geoinformatiikan analyysimenetelmillä rakentamalla kustannusmalli. Malli laskee verkostoanalyysien avulla potilaiden ja terveydenhuollon toimipaikkojen välisiä saavutettavuusarvoja, jotka muutetaan rahallisiksi kustannuksiksi. Lisäksi malli laskee diabeteksen seurantaan liittyvien vastaanottokäyntien ja aikamenetysten kustannukset. Mallin muokkaaminen mahdollistaa eri skenaarioiden luomisen ja testaamisen. Tutkimuksessa hyödynnetään Pohjois-Karjalan sairaanhoitopiirissä käytössä olevaa potilastietojärjestelmä Mediatria, joka on Suomen ensimmäinen kaikkien alueen kuntien terveyskeskusten ja keskussairaalan yhteinen potilastietojärjestelmä. Mediatrista vuonna 2012 poimittuun aineistoon on rekisteröity tyypin 2 diabetesta sairastavan potilaan perustietoja, hoitotietoja ja osoitetiedot, jotka mahdollistavat aineiston yhteiskäytön muiden paikkatietoaineistojen kanssa. 9

11 1.3 Tutkimusalue Tutkimusalueena tässä tutkimuksessa on Pohjois-Karjalan maakunta ja sen 13 kuntaa. Pintaalaltaan Suomen neljänneksi suurimmassa maakunnassa asuu ihmistä ja asukastiheys on alhainen 9,3 as./km 2 (Tilastokeskus 2014; Tilastokeskus 2015). Koska väestö jakautuu epätasaisesti tiheämmin asuttuihin keskuksiin ja harvaan asutulle maaseudulle, on terveyspalveluiden tasapuolinen tarjoaminen haastavaa. ESPON ohjelman yhteydessä tehtyjen saavutettavuusanalyysien mukaan Pohjois-Karjalan potentiaalinen saavutettavuus vaihtelee indeksilukujen 0.0 ja 50.0 välillä (Kotavaara ym. 2012a: 37). Indeksiluku on suhteutettu Suomen väestön keskiarvoon 100.0, joten tutkimusalueen saavutettavuus jää selvästi tämän alapuolelle. Heikointa saavutettavuus on itärajan tuntumassa Ilomantsissa ja Lieksassa. Joensuun kaupungin alueella saavutettavuus on selvästi muuta maakuntaa parempi. Nykyään diabeteksen sairastavuus on Pohjois-Karjalassa kaikki diabetestyypit huomioon ottaen Suomen toiseksi suurinta (Kuva 1). Vuoden 2014 diabetesindeksillä mitattuna diabeteksen sairastavuus on suurempaa ainoastaan Etelä-Pohjanmaalla. On kuitenkin huomattava, että sairastavuusindeksissä näkyy myös alueen terveydenhuoltohenkilöstön aktiivisuus diagnosoimattomien diabetespotilaiden tunnistamisessa. Alueiden väliset erot eivät siis johdu ainoastaan taudin yleisyydestä vaan myös terveydenhuollon toiminnasta. Pohjois-Karjalassa asui vuoden 2012 lopussa diagnosoitua tyypin 2 diabeetikkoa, mikä käy ilmi maakunnallisesta sähköisestä potilastietojärjestelmästä, Mediatrista. Maakunnan väkilukuun suhteutettuna alueella on 60 tyypin 2 diabeetikkoa tuhatta ihmistä kohti. Prevalenssi eli esiintyvyys on suurinta Outokummussa, Liperissä, Tohmajärvellä ja Juuassa (Kuva 1). 10

12 Kuva 1. Vuoden 2014 diabetesindeksi ikä- ja sukupuolivakioituna maakunnittain sekä tyypin 2 diabeteksen prevalenssi Pohjois-Karjalan kunnissa. Indeksi ilmaisee, miten tervettä tai sairasta kunnan väestö on suhteessa koko maan väestön keskiarvoon (=100). Indeksi perustuu kolmeen muuttujaan: kuolleisuuteen, työkyvyttömyyseläkkeellä olevien osuuteen työikäisistä ja erityiskorvattaviin lääkkeisiin oikeutettujen osuuteen väestöstä. Diabetesindeksi sisältää kaikki diabetestyypit ja sen avulla voidaan tulkita diabeteksen sairastavuutta. Tyypin 2 diabeteksen osalta tutkimusalueelta on näkyvissä kunnittain sairauden prosentuaalinen prevalenssi eli esiintyvyys vuonna Vaikka suurin osa potilaista asuu asutuskeskusten läheisyydessä ja 70 prosenttia potilaista sijaitsee viiden kilometrin sisällä lähimmästä terveyskeskuksesta, Pohjois-Karjalassa on silti monia syrjäisiä alueita, joilta etäisyys lähimpään terveyskeskukseen on pitkä (Kuva 2). Viidellä prosentilla potilaista välimatka on pidempi kuin 20 kilometriä ja pisimmät matkat ylittävät 50 kilometriä. Lähin terveyskeskus ei välttämättä ole asiointikohde tyypin 2 diabeteksen seurannassa, joten tässä tutkimuksessa asiointikohteet määritetään terveydenhuollon toimipaikkojen käyntiaineiston pohjalta. 11

13 Kuva 2. Etäisyys tieverkkoa pitkin Pohjois-Karjalan terveydenhuollon toimipaikkoihin ja T2D potilaiden sijainnit 2x2km ruutuina (A) sekä potilaiden lukumäärät postinumeroalueittain (B). Potilaiden sijainnit on esitetty 2x2km ruutuina siten, että ruudut eivät ilmaise yksittäisen potilaan tarkkaa sijaintia (A). 12

14 2 TYYPIN 2 DIABETES (T2D) 2.1 Diabetekseen liittyvät ongelmat Diabetes on yksi nopeimmin lisääntyvistä sairauksista maailmassa. Nykyinen aikuisväestön diabeetikkojen määrä on arviolta 387 miljoonaa tapausta ja vuonna 2014 diabeteksen arvioitiin aiheuttavan maailmanlaajuisesti 612 miljardin Yhdysvaltain dollarin terveydenhuoltokustannukset (International Diabetes Federation 2014). Suomessa diabetesta voidaan pitää yleisenä kansantautina, koska sitä sairastaa jo yli suomalaista (Diabetesliitto a). Tyypin 2 diabeteksen (T2D) osuus sairastuneiden määrästä on 85 prosenttia eli noin potilasta. Lisäksi arviolta suomalaista sairastaa tyypin 2 diabetesta tietämättään, joten diabeetikkojen kokonaismäärä on todellisuudessa noin (Diabetesliitto a ja Diabetes: Käypä hoito -suositus 2013). Diabetes on kallis sairaus yhteiskunnalle. Sen hoitokustannusten osuus Suomen terveydenhuollon kokonaiskustan-nuksista on prosenttia ja kustannukset kasvavat koko ajan, sillä vuosittain diagnosoidaan uutta T2D tapausta ja aikaisemmin diagnosoidut potilaat elävät entistä pidempään (Reini 2013: 12; Forssas ym. 2010). Tyypin 2 diabeteksen yleistymiseen ovat todennäköisesti vaikuttaneet väestön ikääntyminen sekä elintapojen muutoksista johtuva ylipainon ja lihavuuden lisääntyminen väestössä (Sund & Koski 2009: 6). Vähintään kolmasosalla suomalaisista on perinnöllinen alttius sairastua tyypin 2 diabetekseen (Etu-Seppälä ym. 2004: 9). Tyypin 2 diabeteksessa haiman tuottama insuliini vaikuttaa heikosti tai insuliinia ei ole tarpeeseen nähden riittävästi (Diabetesliitto b; Sareheimo ym. 2009: 9). Tavallisesti tyypin 2 diabetes puhkeaa aikuisiässä yli 40-vuotiaana, mutta nykyään yhä nuoremmat sairastuvat tautiin (Diabetes: Käypä hoito -suositus 2013). Kuitenkin puolet kaikista T2D potilaista on iältään yli 65-vuotiaita (Saraheimo ym. 2009: 31). Korkea verensokeripitoisuus aiheuttaa pitkällä aikavälillä silmä-, hermo- ja munuaisvaurioita (Saraheimo ym. 2009: 9). Lisäksi puutteellinen tai liian myöhään aloitettu hoito lisää riskiä sairastua moniin muihin liitännäissairauksiin. Tyypin 2 diabetekseen liittyy usein korkea verenpaine ja rasva-aineenvaihdunnan häiriöitä, jonka vuoksi vakavista liitännäissairauksista sydän- ja verisuonitaudit ovat yleisimpiä. Jopa prosenttia diabeetikoista kuolee sydän- ja verisuonitauteihin (Etu-Seppälä ym. 2004: 9). 13

15 Lisäksi lähes 80 prosenttia tyypin 2 diabeetikoista on ylipainoisia, joten sepelvaltimotaudin ja aivohalvauksen riski on moninkertainen verrattuna muuhun väestöön. Riskinä ovat myös munuaissairaus (nefropatia), hermostohäiriö (neuropatia) ja silmänpohjan verkkokalvosairaus (retinopatia) (Etu-Seppälä ym. 2004: 9; Sund & Koski 2009: 7). Operaatiot, kuten munuaissiirrot, alaraajojen amputoinnit sekä silmien laserhoidot ovat kalliita. Diabeteksen hoitokustannuksista vähintään kaksi kolmasosaa koituu juuri näiden vältettävissä olevien lisäsairauksien hoidosta (Diabetes: Käypä hoito -suositus 2013). Tyypin 2 diabetesta on mahdollista ehkäistä elintapoihin vaikuttamalla. Tärkeitä elintapamuutoksia ovat etenkin ylipainon vähentäminen, liikunnan lisääminen, vähärasvainen ja runsaskuituinen ruokavalio ja tupakoinnin lopettaminen (Diabetes: Käypä hoito -suositus 2013). Myös hoidossa painotetaan samoja elintapamuutoksia, ja lisäksi käytetään lääkehoitoa. Kokonaisvaltaisen hoidon lähtökohtana on kohonneen verensokerin tasapainottaminen sekä verenpaineen ja rasva-arvojen normalisointi (Saraheimo ym. 2009: 11). Nykyään hoito on yksilölähtöistä ja siinä korostetaan potilaan aktiivisuutta ja sitoutumista hoitoon (Saraheimo ym. 2009: 10). 2.2 Diabeteksen seuranta Diabeteksen seurannassa tärkeää on verensokerin, rasva-arvojen ja verenpaineen mittaaminen sekä omatoimisesti että terveydenhuollon toimipisteessä (Diabetesliitto b). Verensokeritason seuraamisessa luotettavin tapa on ottaa verinäyte, josta sokeritaso määritetään (Linko ym. 2005: 15). Laboratorioissa tehtävien testien lisäksi on kehitetty pieniä, kannettavia verensokerimittareita, joilla diabeetikko voi itse määrittää verensokeritasonsa (Linko ym. 2005: 15). Kun potilas mittaa itse omaa verensokeriaan ja seuraa omaa vointiaan, puhutaan diabeteksen omaseurannasta. Hyvä hoitotasapaino ja nykyaikainen hoito vaativat tiheään toistuvaa verensokerin seurantaa, joten se on toteutettavissa vain omaseurannalla (Linko ym. 2005: 18 19). Sitran Nordic Healthcare Groupilla (2013) teettämän selvityksen mukaan Suomessa diabeteksen sähköisen omahoidon kehitystyö on ollut hajanaista ja se on ollut pääosin pienten kokeilujen varassa. Haasteena on ollut erityisesti hoitohenkilöstön mukaan saaminen, hyödynnettyjen teknologisten ratkaisujen käytettävyys ja kustannusvaikuttavuuden 14

16 todentaminen (Nordic Healthcare Group 2013: 2). Diabeteksen omaseurantaa on myös kritisoitu ja siihen liittyvät tutkimustiedot ovat ristiriitaisia (Linko ym. 2005: 13). Monet potilaista kirjaavat ylös mittaustuloksiaan ymmärtämättä niiden tarkoitusta, tai tietämättä, miten heidän tulisi tietoja käyttää (Heller 2014: 848). Varanauskienen (2008: 115) ja Hellerin (2014: 848) mukaan potilaan hoitotasapainon parantaminen vaatii omaseurannasta saatuihin tuloksiin reagoimista. Tähän liittyen diabeetikoille täytyy järjestää koulutusta, jotta he osaavat muuttaa lääkitystään ja ruokavaliotaan saamiensa mittaustulosten mukaan. Lingon ym. (2005: 32 35) mukaan tyypin 2 diabeteksen omaseuranta maksaa Suomessa laskutavasta riippuen miljoonaa euroa vuodessa. Laskelmissa on käytetty T2D potilaiden määränä , joten nykyään omaseurannan kustannukset ovat suuremmat. Kustannuksista huolimatta omaseurannan voidaan ajatella olevan kustannustehokas menetelmä, koska se parantaa lääkehoidossa olevien diabeetikkojen hoitotasapainoa ja ehkäisee vakavien, kallishoitoisten liitännäissairauksien syntymistä (Linko ym. 2005: 12 13). Saastamoisen (2003) mukaan omahoidon etuna on myös sen käytettävyys ja saatavuus alueellisesti hajautetuissa organisaatioissa, sillä tietojen yhteiskäytöllä voidaan tehostaa yhteistoimintaa ja saada aikaan säästöjä välttämällä turhia potilaskäyntejä ja mittauksia. Tämä vähentää myös potilaiden seurantaan liittyvää liikkumista ja siitä aiheutuvia kustannuksia. Telelääketieteen puolella on jo pystytty osoittamaan, että videoyhteyden välityksellä tapahtuvat lääkärin ja potilaan väliset tapaamiset vähentävät merkittävästi potilaiden tekemien matkojen yhteenlaskettua pituutta, matka-aikaa sekä kustannuksia (Russo ym. 2016). Koska tässä tutkimuksessa tarkastelu kohdistuu ensisijaisesti potilaiden liikkumiseen, kiinnostuksen kohteena ovat seurantaan kuuluvat käynnit terveydenhuollon toimipisteissä sekä laboratoriomittauksissa. Diabetes: Käypä hoito -suositusten (2013) mukaan hyvässä hoitotasapainossa (HbA1c<7%) olevia diabeetikoita tulee seurata 3-6 kuukauden välein vähintään verensokerimittauksin. Jos hoitotasapainoa ei ole vielä saavutettu (HbA1c>7%), suositellaan seurantaa vähintään 2-4 kuukauden välein. Lievää diabetesta sairastavalle voi riittää seuranta 6-12 kuukauden välein. Kaikille diabeetikoille tehdään kerran vuodessa kattavampi tarkastus. Nämä käynnit lääkärin tai hoitajan vastaanotolla sekä eri mittauksissa vaativat potilailta matkustamista, josta syntyy kustannuksia. Koska tyypin 2 diabeetikkojen määrä on suuri, voivat nämä terveyspalveluiden saavutettavuudesta riippuvat ajalliset ja 15

17 rahalliset kustannukset olla kansantaloudellisesti merkittäviä. Suomessa pitkät välimatkat ja syrjäisten alueiden heikko saavutettavuus lisäävät liikkumiskustannuksia entisestään. Tästä eteenpäin diabeteksen seurannalla ja seurantakäynneillä tarkoitetaan tässä tutkimuksessa Käypä hoito -suositusten mukaisia avosairaanhoidon vastaanottokäyntejä ja niiden yhteydessä tehtäviä HbA1c- ja LDL-mittauksia. Tarkastelusta jätetään pois sellaiset epätarkemmin tilastoidut käynnit, kuten hoitotarvikkeiden luovutukset sekä yksilöllisen hoidon vaatimat erityiskäynnit, kuten fysioterapia, ravitsemusneuvonta ja jalkahoidot. Vastaavasti seurannan kokonaiskustannuksia selvittäessä vastaanottokäynteihin liittyviin kustannuksiin lasketaan mukaan vain tarkastelussa mukana olevista käynneistä ja laboratoriomittauksista aiheutuvat kustannukset. Toiseen tutkimuskysymykseen liittyvässä skenaariossa diabeteksen omamittaukselle määritetään erillinen kustannus ja omamittauksilla korvattavien kontaktikäyntien kustannukset korvataan hoitohenkilökunnan internetin välityksellä antaman palautteen ja ohjeistuksen kustannuksilla. 16

18 3 IHMISTEN LIIKKUMINEN JA SAAVUTETTAVUUS 3.1 Liikennemaantiede ja terveysmaantiede Maantieteen rooli ihmisten, tavaroiden ja tiedon liikkumisen tutkimuksessa on keskeinen. Mobiliteetille on kysyntää, joten liikenteen ja erilaisten kuljetusten tehtävänä on siirtää asioiden maantieteelliset ominaisuudet paikasta toiseen (Rodrigue ym. 2013: 1). Liikenteen avulla pystytään ylittämään maantieteelliset esteet, kuten etäisyys, aika, hallinnolliset rajat sekä maapallon pinnanmuodot. Näitä liikkumiseen liittyviä spatiaalisia rakenteita tutkitaan liikennemaantieteessä (Rodrigue ym. 2013: 6). Liikenteen tutkimiseen kehitettyjä paikkatietomenetelmiä kutsutaan nimellä GIS-T. Rodriguen ym. (2013: 318) mukaan liikenteeseen liittyvät ongelmat voidaan muuttaa käyttäjän kannalta helpommin ymmärrettävään muotoon paikkatietojärjestelmien neljän pääkomponentin, tietojen koodaamisen, tietojen hallinnan, analyysien ja raportoinnin avulla (Kuva 3). Tietojen koodaamisella liikenneverkoston spatiaaliset rakenteet voidaan esittää väleinä ja solmuina, ja niihin voidaan yhdistää tarvittavat kvalitatiiviset ja kvantitatiiviset tiedot, kuten tieosuuden leveys, kaistojen lukumäärä ja nopeusrajoitus. Laajojen, heterogeenisten aineistojen hallintaan tarvitaan tehokkaita tietokantoja, joista aineistoa voidaan poimia analyyseja varten. Analyysit voivat vaihdella liikenneverkon yksittäisen ominaisuuden tarkastelusta monimutkaisiin malleihin, joilla selvitetään esimerkiksi maantieteellistä saavutettavuutta huomioiden kaikki eri liikkumismuodot. Tietojen raportointi ja visualisointi on tärkeää, sillä ne mahdollistavat analyysien avulla saatujen tulosten hyödyntämisen esimerkiksi päätöksenteossa. 17

19 Kuva 3. Paikkatietojärjestelmät ja liikenne. Todellisen maailman ongelmat saadaan muutettua käyttäjän ymmärtämään muotoon neljän pääkomponentin (tietojen koodaus, tietojen hallinta, analyysit ja raportointi) avulla (Rodrigue ym. 2013: 318, suomennos kirjoittajan). Ihmisten liikkuminen ja geospatiaalinen näkökulma ovat tärkeä osa-alue myös terveysmaantieteessä, sillä maantiede ja terveys liittyvät olennaisesti toisiinsa. Dummerin (2008: 1177) mukaan ihmisen elinympäristö vaikuttaa niin terveyteen, sairastumiseen kuin terveydenhuoltoonkin. Terveysmaantiede on epidemiologian ja maantieteen väliin sijoittuva tutkimussektori, joka tutkii terveyden, sairauden ja kuolleisuuden alueellisia kysymyksiä yhdistäen laadullisia ja määrällisiä tutkimusmenetelmiä (Löytönen & Maasilta 1996; Löytönen 2004: 9; Dummer 2008: 1178). Terveysmaantieteellinen tutkimus voidaan Löytösen (2004: 11) mukaan jakaa kolmeen päälohkoon: Sairauden (kuolleisuuden) alueellisten erojen ja niiden syiden tutkimus, terveydenhuollon järjestämiseen ja sen alueellisiin eroihin liittyvä tutkimus ja sairauksien sosioekonomisten taustatekijöiden ja niiden alueellisen vaihtelun tutkimus. Kansanterveydellisesti on tärkeää tuntea paikkojen ominaispiirteet ja niiden vaikutus ihmisten terveyteen, jotta terveydenhoidolliset toimet voidaan kohdistaa niitä eniten tarvitseville alueille ja väestönosille (Cromley & McLafferty 2012: 1). 18

20 3.2 Liikkumismuodon valinta ja liikkumiskustannukset Ihmisten liikkumisen tarkastelussa haastavinta on eri liikkumismuotojen huomioon ottaminen, sillä tutkittavalla alueella elää yleensä hyvin erilaisia ihmisiä, jotka käyttävät eri kulkuvälineitä (McLafferty 2003: 29). Etenkin liikkumiskustannukset voivat vaihdella suuresti sen mukaan, millä kulkuneuvolla matka suoritetaan. Liikkumismuodon valintaan vaikuttavia tekijöitä on tutkittu paljon ja monissa tutkimuksissa on tarkasteltu erityisesti sosioekonomisiaja demografisia tekijöitä, kuten ikää, sukupuolta, tulotasoa, koulutusta, työpaikkaa, perheen kokoa, lasten lukumäärää ja henkilöauton omistusta (esim. Whalen ym. 2013; Can 2013 ja Carse ym. 2013). Ihmisten liikkumiseen vaikuttavat myös ympäristötekijät, kuten parkkipaikkojen ja kevyenliikenteenväylien määrä sekä sää ja kellonaika (esim. Klöckner & Friedrichsmeier 2011 ja Commins & Nolan 2011). Vaikutusta on lisäksi mukavuus- ja turvallisuustekijöillä sekä autojen ja julkisen liikenteen saatavuudella (esim. Habib & Sasic 2014 ja Bhatta & Larsen 2011). Rodriguen ym. (2013: 108) mukaan kustannukset ovat liikkumismuodon valinnassa yksi tärkeimmistä kriteereistä. Koska jokaisella liikkumismuodolla on oma hinta-/laatusuhteensa, henkilöliikenteessä valinnassa korostuu matkan pituus ja kesto. Suomessa tehdyn henkilöliikennetutkimuksen (Liikennevirasto 2012: 35-36) mukaan lyhyisiin 0-1 kilometrin mittaisiin matkoihin käytetään yleisimmin kevyttä liikennettä (kävelyn osuus 62 % ja pyöräilyn osuus 12 %). Henkilöautolla tehtyjen matkojen osuus on 1-3 kilometrin mittaisissa matkoissa jo 53 prosenttia ja osuus pysyy prosentin välillä 150 kilometrin mittaisiin matkoihin asti. Julkisen liikenteen osuus on lyhemmillä matkoilla noin 10 prosenttia, mutta 150 kilometristä eteenpäin osuus kasvaa 25 prosenttiin (junien osuus 15 % ja linja-autojen osuus 10 %). Liikkumiskustannukset muodostuvat Rodriguen ym. (2013: 236) mukaan kiinteistä kustannuksista sekä muuttuvista käyttökustannuksista, jotka liittyvät muun muassa suhteelliseen sijaintiin, infrastruktuuriin, hallinnollisiin rajoitteisiin, energiaan ja käytössä olevaan kulkuvälineeseen. Etäisyys on yleisesti olennaisin liikkumiskustannuksiin vaikuttava tekijä, koska se aiheuttaa liikkumisessa kitkaa, joka näkyy siinä, että tietyllä kustannuksella pystytään liikkumaan tietyn pituinen matka (Rodrigue ym. 2013: 237). Suorien rahallisten kustannusten lisäksi liikkuminen aiheuttaa myös ajallisia kustannuksia, joita voidaan pitää epäsuorina kustannuksina. 19

21 Kehittyneissä maissa suurin osa ihmisistä käyttää lyhyisiin matkoihin henkilöautoa. Suomessakin 58 prosenttia kaikista matkoista tehdään henkilöautolla (Liikennevirasto 2012: 11). Şimşekoğlun ym. (2015: 113, 118) mukaan henkilöauto valitaan liikkumismuodoksi erityisesti liikkumisen joustavuuden vuoksi ja henkilöauton valinnan todennäköisyys kasvaa ihmisen ikääntyessä. Samassa tutkimuksessa todetaan myös, että henkilöauton omistaminen vahvistaa autoilusta muodostuvaa tapaa, jolloin autoa käytetään todennäköisemmin (Şimşekoğlu ym. 2015: 118). Rodriguen ym. (2013: 237) mukaan henkilöautolla tehdyn matkan hintaan sisällytetään usein pelkät polttoainekustannukset sen sijaan, että huomioitaisiin myös auton arvonalennus, huoltokulut, vakuutusmaksut ja autoverot. Suomessa julkisen liikenteen osuus liikkumismuotona on melko pieni, sillä vain kahdeksan prosenttia kaikista matkoista tehdään käyttäen julkista liikennettä (Liikennevirasto 2012: 12). Tästä linja-auton osuus on viisi prosenttiyksikköä. Şimşekoğlun ym. (2015: 118) mukaan julkisen liikenteen valinnan todennäköisyyttä lisää sen pitäminen turvallisena liikkumismuotona. Julkisella liikenteellä liikkumisesta käyttäjälle aiheutuvat kustannukset muodostuvat matkalipun hinnasta, joka riippuu liikennevälineestä, matkan pituudesta ja ajankohdasta. Kävely ja pyöräily ovat tärkeitä liikkumismuotoja lyhyillä matkoilla. Suomessa 30 prosenttia matkoista suoritetaan kevyttä liikennettä käyttäen (Liikennevirasto 2012: 12). Kävely ja pyöräily eivät aiheuta merkittäviä suoria rahallisia kustannuksia, mutta koska ne ovat pidemmillä matkoilla melko hitaita tapoja siirtyä paikasta toiseen, niiden valinnassa korostuu matkaan kuluva aika eli aikakustannus Potilaiden liikkuminen Potilaiden liikkumiskäyttäytyminen eroaa hieman muun väestön liikkumisesta, sillä potilaat voivat saada valtiolta korvausta, joka vaikuttaa etenkin liikkumismuodon valintaan. Suomessa Kela maksaa korvausta sairauden hoitoon liittyvistä tarpeellisista matkakustannuksista sairausvakuutuslain mukaan. Matkakustannukset korvataan pääasiallisesti sen mukaan, kuinka paljon matka olisi tullut maksamaan käyttäen halvinta käytettävissä olevaa matkustustapaa. Erityisajoneuvon, kuten oman auton tai taksin käytöstä aiheutuvat 20

22 kustannukset korvataan kuitenkin tapauksissa, joissa potilaan sairaus tai liikenneolosuhteet sen vaativat. Kelan matkakorvausten vuoksi julkisen liikenteen ja erityisesti taksimatkojen sekä palveluliikenteen osuus potilaiden liikkumisessa on suurempi kuin muulla väestöllä. Täytyy kuitenkin huomioida, että diabeetikot eivät useinkaan ole oikeutettuja matkakorvauksiin, ellei potilas ole iäkäs ja huonokuntoinen. Terveyspalveluiden hankkimiseen liittyvien aika- ja liikkumiskustannusten on todettu olevan merkityksellisiä hoidon kokonaiskustannusten ja kustannustehokkuuden kannalta (Jowett ym. 2008; Woolley ym. 2007). Diabetekseen liittyvät tutkimukset ovat keskittyneet telelääketieteen rooliin liikkumistarvetta vähentävänä tekijänä (esim. Malasanos & Ramnitz 2013; Biermann ym. 2002). Sen sijaan syöpähoitoihin liittyviä liikkumiskustannuksia on tarkasteltu tarkemmin useissa tutkimuksissa. Frew ym. (1999: 119, 123) tutkivat Britanniassa kustannuksia paksusuolensyövän seulonnassa ja totesivat, että korkeat liikkumiskustannukset voivat heikentää seulonnan kustannustehokkuutta. Lisäksi korkeat kustannukset voivat jopa estää joitakin ihmisiä osallistumasta seulontaan. Yabroffin ym. (2007) tutkimuksessa potilaiden liikkumiseen kuluva aika oli osana laajempaa syöpähoitoihin liittyvää potilaiden aikakustannusten tarkastelua. Yabroff ym. (2007: 17) määrittivät ajan arvon koko väestöä kuvaavan mediaanipalkan mukaan, sillä aikaisemman tutkimuksen (Yabroff ym. 2005: 647) perusteella aikakustannusten suuruus on hyvin samankaltainen riippumatta siitä, arvotetaanko aikaa kaikkien ikäryhmien mediaanipalkan, yli 65 vuotta täyttäneiden mediaanipalkan vai syöpäpotilaiden ikäjakauman mukaan painotetun mediaanipalkan mukaan. Woolley ym. (2007: ) toteavat, että potilaille aiheutuvat aika- ja matkakustannukset ovat Britanniassa kohdunkaulansyövän seulonnassa prosenttia seulontaan liittyvistä kokonaiskustannuksista. Kustannukset vaihtelevat maantieteellisesti matkan pituuden, matka-ajan ja liikkumismuodon mukaan. Woolley ym. (2007: 237) tiivistävät myös diabeteksen ja rintasyövän seulontaan liittyviä aikaisempia tutkimustuloksia, joiden mukaan potilaiden aika- ja matkakustannukset voivat vaihdella prosentin välillä kokonaiskustannuksista riippuen siitä, mitä kustannuksia laskelmissa huomioidaan, ja miten kaukaa yksittäiset ihmiset seulontaan matkustavat. Jowett ym. (2008) puolestaan tutkivat antikoagulaatiohoitoihin liittyvistä tarkkailukäynneistä potilaille aiheutuvia aika- ja liikkumiskustannuksia. Tutkimus toteutettiin kyselytutkimuksena 21

23 useassa eri maassa, ja jokaiselle terveydenhuollon vastaanottokäynnin matkalle laskettiin rahalliset kokonaiskustannukset. Aikakustannusten kohdalla menetetylle työajalle annettiin arvo potilaan palkkatason mukaan ja vapaa-ajan arvo oli puolestaan 35 prosenttia alueellisesta keskipalkasta (Jowett ym. 2008: 208). Jowettin ym. (2008: ) mukaan aikaja liikkumiskustannukset lisäävät erityisesti säännöllistä seurantaa vaativien sairauksien kokonaishintaa, joten nämä kustannukset pitäisi ottaa huomioon taloudellisissa arvioinneissa. Liikkumis- ja aikakustannuksia käsitellään melko vastaavalla tavalla Hanlyn ym. (2013: 2583, 2585) tutkimuksessa, jossa laskettiin paksusuolensyövän suoria ja epäsuoria kustannuksia. Hanly ym. (2013: 2585) ottivat huomioon neljä eri liikkumismuotoa: henkilöauton, linja-auton, taksin ja kevyen liikenteen. Henkilöautolla liikkumisen kustannuksiin otettiin mukaan polttoaineen lisäksi vakuutus ja huoltokulut. Linja-auton ja taksin kustannukset saatiin suoraan lipun hinnasta ja taksihinnastosta. Kävelylle, pyöräilylle ja sairaalan kustantamille minibusseille ei määritetty liikkumiskustannuksia. Menetettyä aikaa Hanly ym. (2013: 2585) arvottivat keskimääräisen tuntipalkan mukaan, mutta ajan arvoa ei painotettu Jowettin ym. (2008) tutkimuksen mukaisesti eri ihmisryhmien tuottavuuden perusteella. Tässä tutkimuksessa liikkumiskustannuksina käsitellään liikkumismuotokohtaisia matkan pituudesta riippuvia rahallisia matkakustannuksia sekä rahallisesti arvotettuja aikakustannuksia. Diabetespotilaiden ja terveydenhuollon toimipisteiden väliseen liikku-miseen kuluneen ajan rahallisessa arvottamisessa on periaatteena se, että menetetty aika olisi muutoin voitu käyttää tuottavampaan tarkoitukseen, kuten esimerkiksi työn tekemiseen. Aikaa voidaan laskea menetettyinä työtunteina ja siitä aiheutuvana kustannuksena tai ajalle voidaan antaa rahallinen arvo esimerkiksi kustannus-hyötyanalyysien mukaisesti (Victoria Transport Policy Institute 2013). Kaikki liikkumisen helppouteen ja kustannuksiin vaikuttavat ominaisuudet liittyvät kiinteästi saavutettavuuden käsitteeseen. Liikennemaantieteen piirissä saavutettavuutta tutkitaan ja pidetään keskeisenä talouteen, asumiseen sekä alueiden suotuisaan kehitykseen vaikuttavana tekijänä (Kotavaara ym. 2012a: 31). Terveyspalveluiden saavutettavuus kuvaa ihmisten mahdollisuutta käyttää terveyspalveluita silloin kun he niitä tarvitsevat ja siellä missä he niitä tarvitsevat (Aday & Anderson 1981). Seuraavissa kappaleissa tarkastellaan laajemmin saavutettavuutta ja sen mittaamista paikkatietomenetelmillä. 22

24 3.3 Saavutettavuus Saavutettavuuden osa-alueet ja liikennejärjestelmään pohjautuva saavutettavuus Saavutettavuus on monitulkintainen käsite, jonka kokonaisvaltainen käsittely ja mittaaminen muodostuvat usein hankalaksi (Geurs & Wee 2004: 127; Salze ym. 2011: 1). Yleisesti asian saavutettavuudella tarkoitetaan sen saavutettavissa olemisen astetta (Moseley 1979: 56). Voidaan puhua paikasta paikkaan siirtymisen helppoudesta. Saavutettavuutta voidaan toisaalta pitää myös eräänlaisena ihmistoimintojen hajautumisen mittana (Morris, Dumble & Wigan 1979: 91). Tutkimuskohteena saavutettavuus on jaettu eri osatekijöihin ja käsitteen määritelmissä korostuu juuri monitulkintaisuus. Hansen (1959) kuvaa saavutettavuutta vuorovaikutusmahdollisuuksien määränä. Dalvi & Harris (1976) puolestaan puhuvat siitä, miten helposti eri maankäytölliset toiminnot voidaan saavuttaa tietystä sijainnista tietyn liikennejärjestelmän avulla. Saavutettavuus voi olla myös yksilöiden vapautta päättää eri toimintoihin osallistumisesta (Burns 1979). Saavutettavuus muodostuu pohjimmiltaan kahdesta funktiosta, toiminnoista ja mahdollisuuksista, joita saavutetaan sekä vaivannäöstä, joka niiden saavuttamiseen vaaditaan (Handy 2002: 4; ESPON 2011: XI). Liun ja Zhun (2004: 105) mukaan jonkin paikan saavuttamisen helppouteen vaikuttavat kohdesijaintien spatiaalinen sijoittuminen suhteessa yksilön lähtöpisteeseen, spatiaalisesti hajautuneiden kohteiden yhdistävän liikennejärjestelmän tehokkuus, yksilön ominaisuudet ja mahdollisuus käyttää liikennejärjestelmää, kohdesijainnissa olevien toimintojen laajuus, laatu ja luonne sekä aika, jolloin yksilö pystyy osallistumaan toimintoihin ja toiminnot ovat ylipäätään saatavilla. Geurs & Wee (2004: 128) määrittävät saavutettavuuden kokonaisvaltaisesti jakamalla sen neljään komponenttiin (kuva 4). 23

25 Kuva 4. Saavutettavuuden neljä komponenttia ovat vuorovaikutuksessa toisiinsa ja myös saavutettavuus vaikuttaa komponentteihin palautemekanismien kautta (Geurs & Wee 2004: 128). 1) Maankäyttökomponentti kuvaa saavutettavuuden talouden ja aluerakenteen systeeminä, joka muodostuu kohteessa, esimerkiksi työpaikassa, kaupassa tai terveyspalvelussa, tarjottujen mahdollisuuksien eli tuotteiden ja palveluiden määrästä, laadusta ja alueellisesta jakautumisesta, näiden mahdollisuuksien kysynnästä lähtöpisteissä (esimerkiksi ihmisten asuinpaikka), sekä kysynnän ja tarjonnan kohtaamisesta. 2) Liikennekomponentti kuvaa yksilön vaivaa liikuttaessa lähtöpisteestä kohteeseen jonkin liikkumismuodon avulla. Tämä liikenneinfrastruktuurin tarjonnan sekä henkilöja tavaraliikenteen kysynnän kohtaamisesta aiheutuva vaiva muodostuu matka-ajasta (matka, odottaminen ja pysäköinti), matkakustannuksista ja vaivannäöstä (muun muassa mukavuustekijät ja onnettomuusriski). 3) Aikakomponentti kuvaa ajallisia rajoitteita, kuten tarjolla olevien mahdollisuuksien saatavuutta eri kellonaikoina, sekä yksilöiden eri toimintoihin osallistumiseen käytössä olevaa aikaa. 4) Yksilökomponentti kuvaa yksilöiden tarpeita, kykyjä ja mahdollisuuksia, jotka vaihtelevat muun muassa iän, tulotason, koulutuksen, fyysisen kunnon ja tarjolla 24

26 olevien liikkumismuotojen mukaan. Nämä vaikuttavat siihen, miten hyvin henkilö pystyy käyttämään eri liikkumismuotoja ja miten hyvin hän pääsee käsiksi spatiaalisesti hajautuneisiin tuotteisiin ja palveluihin. Tässä tutkimuksessa tarkastelu keskittyy vahvimmin liikennekomponenttiin, sillä saavutettavuutta mitataan liikkumisen kustannuksina. Kotavaaran ym. (2012a: 31) mukaan liikenneverkon keskeisin tehtävä on tuottaa saavutettavuutta ja saavutettavuus puolestaan tarkoittaa liikkumisen tai kuljettamisen mahdollisuutta. Englannin kielessä saavutettavuus (accessibility) käsitteen rinnalle voidaan nostaa myös termi access, jolla voidaan tarkoittaa suomeksi pääsyä käsiksi johonkin asiaan. Accessibility viittaa saavutettavuuteen kohteena olevan paikan näkökulmasta ja access on saavutettavuutta henkilön näkökulmasta. Haldenin (2002: 314) mukaan on järkevää huomioida näiden kahden käsitteen ero. Kaikilla tieverkon käyttäjillä voi olla yhtä hyvät mahdollisuudet päästä liikkumaan tiellä, mutta saavutettavuus ei kuitenkaan ole kaikille liikenneverkon pisteille tasavertaista, sillä osa sijainneista on saavutettavissa paremmin kuin toiset. Liikennejärjestelmään pohjautuvaa saavutettavuutta voidaan Lein & Churchin (2010: ) mukaan mitata kuudella eri tavalla: 1) Systeemin saavutettavuutta mitattaessa tarkastellaan etäisyyttä, aikaa tai vaivaa, joka liikenneverkkoon pääsyyn vaaditaan. 2) Systeemistä johdettu saavutettavuus (system facilitated accessibility) mittaa liikenneverkostossa tapahtuvan liikkumisen kustannuksia, matka-aikaa tai muuta matkan tekoon liittyvää vaivaa. 3) Integraalinen saavutettavuus (integral accessibility) kuvaa kaikkien tarkastelussa olevien kohteiden kokonaissaavutettavuutta. 4) Neljäs mittaustapa liittyy aika-tilamaantieteen ajatukseen siitä, että ihmisen liikkuminen tilassa ja eri toimintoihin osallistuminen riippuvat ihmisen liikkuvuudesta ja aikabudjetista. 5) Hyötyteoriaan liittyen saavutettavuutta voidaan mitata maksimaaliseen hyötyyn pohjautuvien liikkumisen kuluttajavalintojen avulla. 6) Suhteellista saavutettavuutta (relative accessibility) mitattaessa vertaillaan eri liikkumismuotojen tai erityyppisten käyttäjien välistä saavutettavuutta. Liikkumismuodon valinnassa korostuu kaikkien liikkumismuotojen suhteellinen arvo verrattuna muihin vaihtoehtoihin. Tyypin 2 diabeteksen seurantaan liittyvien terveyspalveluiden saavutettavuuden sekä rahallisten ja ajallisten liikkumiskustannusten mittaaminen lukeutuu kohtaan kaksi. Lein ja Churchin (2010: 286) mukaan yleisiä systeemistä johdetun saavutettavuuden eli 25

27 liikennejärjestelmän sisällä tapahtuvan liikkumisen kustannusten laskemiseen käytettyjä menetelmiä ovat olleet lyhimpien ja nopeimpien reittien selvittäminen paikkatietomenetelmillä Terveyspalveluiden saavutettavuus Terveyspalvelut ja niitä tarvitseva väestö jakautuvat maantieteellisesti hyvin epätasaisesti, ja hoidon huonolla ja epäoikeudenmukaisella saavutettavuudella on todettu olevan kansanterveydellisiä vaikutuksia (Haynes 2003: 15). Terveyspalveluiden saavutettavuus on ollut yleinen tutkimuskohde 2000-luvulla (esim. Brabyn & Skelly 2002; Guagliardo 2004; Wang & Luo 2005; Appariccio ym. 2008; Huerta Munoz & Källestål 2012). Haynesin (2003: 13) mukaan terveyspalveluiden saavutettavuuteen vaikuttaa eniten palveluiden sijainti suhteessa väestöön sekä ihmisten liikkuvuus. Hyvä saavutettavuus muodostuu ihmisiä lähellä olevista palveluista ja ihmisten kyvystä liikkua käyttämään palveluita. Haynesin (2003: 14) mukaan saavutettavuus vaikuttaa suoraan valittavissa olevien palveluiden lukumäärään ja kustannuksiin, jotka kuluttaja joutuu maksamaan saavuttaakseen palvelut. Sairaudet, kuten tyypin 2 diabetes, edellyttävät säännöllisiä käyntejä terveydenhuollon vastaanotolla, joten etäisyys tai matka-aika voivat luoda esteitä palveluiden tehokkaalle käytölle (McLafferty 2003: 28). Myös henkilöauton omistamisella on todettu olevan merkittävä vaikutus terveyspalveluiden saavutettavuuteen ja käyttöön (Bostock 2001: 11 12; Comber, Brunsdon & Radburn 2011: 9). Penchansky & Thomas (1981) puhuvat terveyspalveluihin pääsyn (access) yhteydessä sopivuudesta (fit), joka syntyy potilaiden tarpeista ja terveyspalveluiden kyvystä täyttää nämä tarpeet. Tämä sopivuus ja saavutettavuus muodostuvat viidestä osa-alueesta, terveyspalveluiden saatavuudesta, saavutettavuudesta, soveltuvuudesta, kohtuuhintaisuudesta ja hyväksyttävyydestä. Penchanskyn & Thomaksen (1981) ajatuksia mukaillen sekä muuta tutkimuskirjallisuutta pohjana käyttäen Peters ym. (2008: 162) luovat terveyspalveluiden saavutettavuudelle käsitteellisen viitekehyksen (Kuva 5). Rungossa on keskeistä hoidon laatu, joka muodostuu neljästä saavutettavuuden ulottuvuudesta. Maantieteellinen saavutettavuus viittaa fyysiseen etäisyyteen tai matka-aikaan palveluntarjonnan ja potilaan välillä. Saatavuus tarkoittaa mahdollisuutta päästä tarvittaessa oikeantyyppiseen terveydenhoitoon sekä sitä, 26

28 että tarjolla olevat palvelut, välineet ja laitteet ovat tarkoituksenmukaisia ja sopivia. Taloudellinen saavutettavuus muodostuu terveyspalveluiden hintatason sekä näitä palveluita käyttävien ihmisten maksuhalukkuuden ja maksumahdollisuuksien välisestä suhteesta. Hyväksyttävyys rakentuu terveyspalveluiden tarjoajien reagoinnista yksilöiden ja yhteisöjen sosiaalisiin ja kulttuurisiin odotuksiin. Kuva 5. Terveyspalveluiden saavutettavuuden käsitteellinen viitekehys, joka rakentuu hoidon laadun ympärille. Saavutettavuus muodostuu maantieteellisestä ja taloudellisesta saavutettavuudesta sekä saatavuudesta ja hyväksyttävyydestä. Lisäksi saavutettavuuteen ja sitä kautta hoidon laatuun vaikuttaa monia määrääviä taustatekijöitä, kuten lainsäädäntö sekä yksilöiden ominaisuudet. (Alkuperäinen kuva Peters ym. (2008: 162), suomennos kirjoittajan) Paikkatietomenetelmien ja laadukkaiden aineistojen yleistymisen ansiosta terveyspalveluiden maantieteellistä saavutettavuutta on alettu tutkia ja mitata entistä enemmän (Paez ym. 2010: 2; Brown, McLafferty & Moon 2010: 557). Maantieteellinen saavutettavuus voi tarjota hyödyllistä tietoa terveyspalveluiden tarjoajien ja käyttäjien välisistä maantieteellisistä esteistä. Tarkasteltaessa yhtä aikaa terveyspalveluiden alueellista tarjontaa ja palveluiden saavutettavuutta voidaan puhua terveyspalveluiden spatiaalisesta saavutettavuudesta (Guagliardo 2004: 2; McGrail 2012: 1-2; Delamater ym. 2012: 2). Terveyspalveluiden spatiaalisen saavutettavuuden yhteydessä viitataan usein Khanin (1992) luokitukseen, jossa hän jakaa saavutettavuuden kahden dikotomisen luokan (potentiaalinen ja toteutunut sekä spatiaalinen ja ei-spatiaalinen) pohjalta neljään luokkaan: potentiaalinen 27

29 spatiaalinen, potentiaalinen ei-spatiaalinen, toteutunut spatiaalinen ja toteutunut eispatiaalinen saavutettavuus. Toteutunut saavutettavuus kuvaa terveyspalveluiden todellista käyttöä, kun taas potentiaalinen saavutettavuus kuvaa terveyspalveluiden mahdollista käyttöä olettamatta, että saatavilla olevat palvelut otetaan automaattisesti käyttöön. Myös Guagliardo (2004: 2) puhuu terveyspalveluiden saatavuuden yhteydessä potentiaalisesta ja realisoituvasta hoidosta. Potentiaalista hoitoa on tarjolla kun hoitoa tarvitseva väestö ja hoitoa tarjoamaan kykenevä terveydenhoitojärjestelmä ovat tilallisessa ja ajallisessa vuorovaikutuksessa. Hoito realisoituu eli toteutuu siinä vaiheessa kun potentiaalisen hoidon saavutettavuuteen liittyvät esteet ylitetään. Tässä työssä tarkasteltava saavutettavuus on luonteeltaan spatiaalista, koska saavutettavuuteen liittyvät kustannukset syntyvät terveyspalveluiden tarjonnan ja potilaiden liikkumisen välisestä vuorovaikutuksesta. Terveyspalveluiden spatiaalista saavutettavuutta mitataan sekä toteutuneena että potentiaalisena saavutettavuutena. Ensimmäisen tutkimuskysymyksen osalta rahalliset ja ajalliset kustannukset muodostuvat toteutuneen spatiaalisen saavutettavuuden kautta, sillä tutkittavana olevan potilasjoukon osalta on tiedossa minne he matkustavat ja kuinka usein. Toteutuneen saavutettavuuden avulla voidaan tutkia terveyspalveluiden ja potilaiden välistä todellista liikkumiskäyttäytymistä, jonka perusteella lasketut kustannukset vastaavat todellisuutta paremmin kuin potentiaaliseen saavutettavuuteen pohjautuvat tulokset. Toiseen tutkimuskysymykseen liittyvät skenaariot puolestaan ovat potentiaalista saavutettavuutta, sillä niissä ennustetaan saavutettavuustilannetta ja kustannuksia tulevaisuudessa. Työssä ei olla pohjimmiltaan kiinnostuneita niinkään hyvästä saavutettavuudesta, vaan siitä, paljonko sekä olemassa oleva että tulevaisuuden mahdollinen saavutettavuustilanne ja potilaskäynteihin liittyvä liikkumistarve aiheuttavat kustannuksia tyypin 2 diabeteksen seurannassa Pohjois-Karjalan alueella. Alueellisten kustannuserojen näkökulmasta myös saavutettavuutta on kuitenkin mahdollista arvioida. 28

30 3.3.3 GIS, verkostoanalyysit ja spatiaalisen saavutettavuuden mittaaminen Saavutettavuuden mittaaminen paikkatietomenetelmillä on järkevää, koska käsite on luonteeltaan spatiaalinen ja sen mittaamiseen liittyy aina kiinteästi etäisyys. GIStutkimuksessa painottuu saavutettavuuden maantieteellinen ulottuvuus, joten tärkeitä mittareita ovat erityisesti matkan pituus, matka-aika, matkan rahalliset kustannukset sekä liikkumismuodon valinta. GIS-menetelmiä on käytetty apuna saavutettavuustutkimuksissa, joissa on tutkittu muun muassa henkilöautoliikenteen tuottamia hiilidioksidipäästöjä (Määttä- Juntunen ym. 2013), tie-, raide- ja lentoliikenteen saavutettavuuden vaikutuksia väestönmuutokseen (Kotavaara ym. 2012b), sairaaloiden saavutettavuutta (Brabyn & Skelly 2002) sekä tuoreita vihanneksia ja hedelmiä myyvien ruokakauppojen saavutettavuutta (Smith ym. 2009). Paikkatietomenetelmien avulla voidaan hankkia ja luoda aineistoa saavutettavuuden mittaamiseksi sekä kartoittaa ja laskea saavutettavuusarvoja. Liun & Zhun (2004: 109) mukaan spatiaalisena yksikkönä saavutettavuutta analysoidessa voidaan käyttää esimerkiksi aluetta, korttelia, kotitaloutta tai yksilöä. Näin ollen saavutettavuutta voidaan tarkastella siinä laajuudessa kuin se on tutkimuskohteen kannalta mielekästä. Liu ja Zhu (2004: 106) tekevät mittaamiseen liittyen kolme yleistystä. Mitä lähempänä lähtöpiste ja kohdesijainti ovat pääasiallista liikennejärjestelmää, sitä suurempi on saavutettavuuden taso. Vastaavasti mitä monipuolisempi on valittavissa olevien liikkumismuotojen tarjonta, sitä parempi on saavutettavuus. Lisäksi mitä vähemmän aikaa ja rahaa matkustamiseen kuluu, sitä useampia paikkoja voidaan saavuttaa samalla budjetilla ja sitä parempi on saavutettavuus. Spatiaalista saavutettavuutta voidaan mitata paikkatietomenetelmillä pääasiassa kahdella eri tavalla, vektori- ja rasterianalyysien avulla. Nämä eroavat toisistaan spatiaalisen aineiston tyypin suhteen. Vektorianalyysit hyödyntävät vektorimuotoista aineistoa, jossa kohteet esitetään pisteinä, viivoina ja alueina (ESRI ArcGIS desktop help). Jokaisella kohteella voi olla useita ominaisuustietoja toisin kuin rasteriaineistossa, joka muodostuu neliönmuotoisista soluista, joille on kullekin annettu vain yksi arvo. Vektoripohjaisessa lähestymistavassa hyödynnetään erilaisia graafiteoriaan perustuvia verkostoanalyysejä. Rasterianalyysit perustuvat puolestaan kustannuspinta-analyyseihin (Ray & Ebener 2008: 2). Käytettävän menetelmän valinta riippuu aina tutkittavasta ilmiöstä ja saatavilla olevista aineistoista. 29

31 Yleisesti ottaen saavutettavuutta on järkevää tarkastella verkostoanalyysien avulla liikuttaessa henkilöautolla tai linja-autolla, kun taas kävely ja polkupyöräily sopivat liikkumismuotoina paremmin kustannuspinta-analyyseilla tarkasteltavaksi (Ray & Ebener 2008: 2; Delamater ym. 2012: 17). Verkostoanalyysit tarvitsevat pohjakseen jonkin verkon, jonka sisällä liikkuminen tapahtuu. Verkot (Kuva 6) muodostuvat solmuista (vertice) ja niitä yhdistävistä väleistä (edge) (Rigaux ym. 2002: 48). Solmu on piste, johon yhdistyy vähintään kaksi väliä tai johon väli loppuu. Väli on viivamuotoinen linkki, joka yhdistää kaksi solmupistettä. Sekä solmut että välit voivat sisältää läpivirtauskustannuksia, jotka liittyvät verkon sisällä liikkumiseen (Miller & Shaw 2001: 54 55). Kuva 6. Verkot muodostuvat solmuista ja niitä yhdistävistä väleistä. Verkon sisällä liikkumiseen liittyy aina läpivirtauskustannuksia (muokattu Rigaux ym. 2002: 48 kuvasta). Planaarisessa verkossa on aina solmu kohdassa, jossa kaksi väliä risteävät. Ei-planaarisessa verkossa välit voivat ylittää toisensa ilman että liittymiskohtaan syntyy solmu. Saavutettavuusanalyyseissa yleisimmin käytetty maantieverkko teiden alituksineen ja ylityksineen on esimerkki ei-planaarisesta verkosta (Rigaux ym. 2002: 48). Tieverkon läpivirtauskustannuksia ovat matkan pituus, matka-aika ja matkustamiseen liittyvät rahalliset kustannukset (Cromley & McLafferty 2012: 48). Verkostoanalyyseilla voidaan laskea lyhimpiä, nopeimpia ja 30

32 edullisimpia reittejä tieverkon sisällä. Tieverkkoa käytettäessä huomioidaan lisäksi automaattisesti monet saavutettavuuden maantieteelliset esteet, kuten vesistöt ja vuoristot. Tieverkkoa aineistonaan käyttävien verkostoanalyysien avulla lasketut saavutettavuusarvot ovat tarkempia kuin euklidisen karttaetäisyyden tai manhattan-etäisyyden avulla lasketut arvot (Appariccio ym. 2008: 5, 12 13). Appariccio ym. (2008) vertailivat tutkimuksessaan neljää eri menetelmää, manhattan-etäisyyttä, euklidista etäisyyttä, lyhintä tieverkkoa noudattavaa etäisyyttä sekä lyhintä tieverkkoa noudattavaa matka-aikaa. Appariccion ym. (2008: 5, 7-13) mukaan yksinkertaiset menetelmät, kuten manhattan-etäisyys ja euklidinen karttaetäisyys, ovat laskennallisesti kevyitä ja melko tarkkoja menetelmiä kaupunkialueilla, mutta kaupunkien ulkopuolella ja maaseudulla tieverkon avulla lasketut saavutettavuusarvot ovat huomattavasti tarkempia. Verkostoanalyysien käyttö on perusteltua myös siitä syystä, että henkilöautolla liikkuminen tapahtuu tieverkkoa pitkin sen sijaan että paikasta toiseen liikuttaisiin suoria linjoja pitkin (Brabyn & Skelly 2002: 8). Saavutettavuuskustannusten laskemisessa matkustamisen impedanssina voidaan käyttää joko etäisyyttä tai aikaa sen mukaan, lasketaanko kustannuksia lyhimmän reitin vai lyhimmän matka-ajan perusteella. Maailman terveysjärjestön (WHO) raportin (2001: 16) mukaan saavutettavuutta olisi suositeltavaa mitata ajassa, koska se on vertailukelpoinen mittari vertailtaessa saavutettavuutta alueiden sisällä ja eri maiden kesken. Liikenneyhteydet ja liikenneinfrastruktuuri vaihtelevat suuresti alueittain, joten etäisyys terveyspalveluihin ei ole hyvä vertailupohja. Lisäksi Rayn & Ebenerin (2008: 2) mukaan ihmiset pitävät matka-aikaa etäisyyttä tärkeämpänä kriteerinä päättäessään hoitoon hakeutumisesta. Haynes ym. (2006) vertasivat verkostoanalyyseilla laskettuja matka-aikoja todellisiin potilaiden ilmoittamiin matka-aikoihin sekä isoympyräetäisyyksien pohjalta laskettuihin matka-aikoihin. GIS-menetelmillä lasketut ja potilaiden ilmoittamat matka-ajat olivat melko lähellä toisiaan, vaikka hajonta olikin suurta (Haynes ym. 2006: 6-7). Ottamatta kantaa menetelmien paremmuuteen Haynes ym. (2006: 7) toteavat, että matka-aikojen laskeminen verkostoanalyysien avulla on toimiva menetelmä, koska mallinnustilanteessa otetaan huomioon keskimääräiset liikenneolosuhteet verrattuna siihen, että kyselytutkimuksen perusteella kerätyssä aineistossa olisi suurta hajontaa esimerkiksi liikenneruuhkista johtuen. 31

33 3.4 Saavutettavuuden ja liikkumiskustannusten tutkimus GIS-menetelmin Monet liikkumiskustannuksia tarkastelevat tutkimukset pohjautuvat kiinteästi saavutettavuuteen. Liikkumiskustannuksista on tullut tärkeä tutkimusaihe, sillä ihmisillä on tapana liikkua enemmän kustannusten alentuessa (Bulai & Ursu 2012: 8). Bulai & Ursu (2012) kehittivät tutkimuksessaan paikkatietopohjaisen kustannusmallin liikkumisen aikakustannuksille Romaniassa. Bulain & Ursun (2012: 9) mukaan aika on nykyään etäisyyttä tärkeämpi mittari, kun tarkastellaan paikasta paikkaan siirtymisen kustannuksia. Tämän vuoksi tutkimuksessa otettiin huomioon monia liikkumisnopeutta rajoittavia tekijöitä, kuten tiestön nopeusrajoitukset, laatu ja mutkittelu. Jos matka-ajoista halutaan mahdollisimman tarkat, tulisi mallissa ottaa huomioon aikaisempien muuttujien lisäksi muun muassa risteykset sekä kaupunkialueiden hidasteet, kuten liikennevalot (Bulai & Ursu 2012: 18). El-Geneidy ym. (2016) tutkivat saavutettavuuden sosiaalista yhdenvertaisuutta joukkoliikenteen kustannusten näkökulmasta. Tutkimuksessa kustannusten mittaamisessa lähtökohtana olleista ajasta ja matkalipun hinnasta muodostettiin kaksi uutta mittaria: saavutettavissa olevien työpaikkojen määrä yhden tai yhden ja puolen tuntipalkan hinnalla (matka-aika muutettu rahallisiksi kustannuksiksi) ja saavutettavissa olevien työpaikkojen määrä 45 minuutin tai 60 minuutin matka-ajassa (rahalliset kustannukset muutettu ajaksi) (El- Geneidy ym. 2016: 11-12, 21). Moons ym. (2001) ovat vertailleet kyselytutkimuksella selvitettyjä koettuja liikkumiskustannuksia GIS-menetelmillä laskettuihin ajallisiin ja rahallisiin liikkumiskustannuksiin. Henkilöauton liikkumiskustannuksissa otettiin huomioon sekä polttoainekustannukset eri ajoneuvotyypeillä että muut auton käyttöön liittyvät kustannukset (Moons ym. 2001: 3). Moonsin ym. (2001: 16) mukaan kyselytutkimuksessa vain puolet vastaajista olivat tietoisia liikkumiseensa liittyvistä kustannuksista ja 12 prosenttia vastaajista väitti liikkumisen olevan ilmaista. Kuitenkin tulosten mukaan koetut rahalliset liikkumiskustannukset eivät eroa lyhyillä matkoilla tilastollisesti merkittävästi GIS-menetelmillä lasketuista rahallisista kustannuksista (Moons ym. 2001: 16-17). Tämä puoltaa osaltaan GIS-menetelmien hyödyntämistä tilanteissa, joissa kyselyaineiston hankkiminen ei ole mahdollista. Tässä pro gradu -tutkielmassa toteutettavaa liikkumiskustannusten mittaamista vastaa parhaiten Fordin ym. (2015) tutkimus, jossa he kehittivät ArcGIS-ohjelmistolla työkalun, jolla 32

34 voidaan laskea liikkumiskustannuksia ottaen huomioon eri liikkumismuodot, taloudelliset kustannukset sekä etäisyyskomponentti. Ford ym. (2015) testasivat mallilla Lontoon liikenteen kestävyysvaikutuksia ja eri skenaarioita, jotka vaikuttavat vähäpäästöisten liikkumismuotojen osuuden kasvattamiseen. Vertailukelpoisena mittarina tutkimuksessa käytettiin yleistettyjä kustannuksia siten että suorille matkakustannuksille ja matka-ajalle laskettiin yhteinen rahallinen arvo (Ford ym. 2015: 26). Fordin ym. (2015: 127) mukaan lähtöpisteen ja määränpään välisen matkan kustannukset voidaan esittää muodossa: g = (c + c + + c ) jossa yleistetyt kustannukset g muodostuu matkan eri kustannuskomponenteista c,, c, jotka voidaan esittää sekä aikana että rahana. Kustannuskomponentit voivat olla fyysisesti mitattavissa (esimerkiksi matkalipun hinta tai kävelyaika bussipysäkille) tai subjektiivisesti arvioitavissa (esimerkiksi matkustusmukavuus tai käyttäjän suosima liikkumismuoto). Yleistetyt liikkumiskustannukset voidaan esittää myös aikakustannusten ja rahallisten kustannusten summana: C = ad + bt jossa D on etäisyys (km) lähtöpisteen ja kohteen välillä, T on aika (h), joka matkaan kuluu, a on kulkuneuvon kilometrikohtaisiin käyttökustannuksiin pohjautuva etäisyyskerroin ja b on aikakertoimen arvo (Ford ym. 2015: 127). Kustannukset voidaan eritellä myös liikkumismuotokohtaisesti (PVT= yksityisautoilu, PUB= julkinen liikenne, CYC= pyöräily): C = (V A) + T + D VOC occ VOT + C = (V A) + (V W) + T + C = T + T(V + V ), PC occ VOT F VOT + I joissa A on verkoston saavutettavuusaika (kävelyaika autolle, bussipysäkille tai rautatieasemalle), V on painokerroin kävelylle, T on liikkumisen matka-aika, VOC on kulkuneuvon käyttökustannus per kilometri, D on etäisyys kilometreissä, PC on pysäköintimaksut ynnä muut kustannukset, occ on kulkuneuvon käyttäjien lukumäärä, V on painotus odottamiselle, W on matkan yhteenlaskettu odottamisaika, I on kulkuneuvon 33

35 vaihdosta koituva kustannus, F on matkasta maksettu hinta, VOT on aikamenetyksen rahallinen arvo, V on painotus ylämäkeen pyöräilylle, ja V on painotus, joka kuvaa pyöräilijöiden turvallisuushuolia ruuhkaisilla tieosuuksilla (Ford ym. 2015: ). 34

36 4 LIIKKUMIS- JA SEURANTAKUSTANNUSTEN MALLI 4.1 Kustannusyhtälöt Fordin ym. (2015) tutkimusta mukaillen tässä tutkimuksessa luodaan eri liikkumismuotojen mukaan eroteltu paikkatietopohjainen kustannusmalli, joka huomioi sekä ajalliset että rahalliset tekijät potilaiden liikkuessa tieverkkoa pitkin seurannan edellyttämille terveydenhuollon vastaanottokäynneille. Erona Fordin ym. (2015) tutkimukseen mallissa otetaan huomioon liikkumisen lisäksi myös vastaanottokäynteihin liittyvät kustannukset. Tähän tutkimukseen liittyvät tyypin 2 diabeteksen seurannan vuosittaiset kokonaiskustannukset (C ) voidaan esittää muodossa: C = C + C, jossa C on vuosittaiset liikkumiskustannukset (suorat rahalliset kustannukset ja aikakustannukset) ja C on vuosittaiset seurantakustannukset (vastaanottokäyntien ja mittausten rahalliset kustannukset sekä aikakustannukset). Vuosittaiset liikkumismuotokohtaiset liikkumiskustannukset (C = Kevyt liikenne, C = Henkilöauto, C = Linja-auto, C = Taksi) voidaan laskea seuraavilla yhtälöillä: C = T M (A E) C = ((T + T ) M (A E)) + (D C M ) C = ((T + T ) M (A E)) + (C M ) C = ((T + T ) M (A E)) + (C + (D C M )), joissa T on matka-aika (h), M on matkojen lukumäärä vuodessa, A on ajan rahallinen arvo ( ),, E on eläkekerroin (painotus työ- ja vapaa-ajalle), T on pysäköintiaika (h), D on matkan pituus (km), C on ajoneuvon käyttökustannus/km ( ), T on verkoston saavutettavuusaika (h) (kävelyaika pysäkille ja pysäkiltä terveyskeskukseen, odottaminen pysäkillä tai taksin asiointiaika), C on bussilipun hinta ( ) ja C on taksin kiinteä perusmaksu ( ). Koska matkat ovat aina kaksisuuntaisia, täytyy yhtälöt kertoa lopuksi kahdella. Vuosittaiset vastaanottokäyntien kustannukset (C ) on mahdollista laskea yhtälöllä: C = (V (C + C )) + (T V (A E)), 35

37 jossa V on vastaanottokäyntien lukumäärä vuodessa, C on vastaanottokäynnin kustannus ( ), C on mittauskustannus ( ) (Näytteenotto ja mittaukset), T on hoitoaika vastaanottokäynnillä (h), A on ajan arvo ( ) ja E on eläkekerroin (painotus työ- ja vapaa-ajalle). Tyypin 2 diabeteksen omaseurannan tulosten tehokkaampaan käyttöönottoon liittyvässä skenaariossa vastaanottokäynteihin liittyvien kustannusten (C ) laskutapa muuttuu omamittausten vuoksi, jolloin yhtälö voidaan esittää muodossa: C = ((V (C + C )) + (T V (A E))) + ((O (C + C )) + (T O (A E))), jossa V on vastaanottokäyntien lukumäärä vuodessa, C on vastaanottokäynnin kustannus ( ), C on mittauskustannus ( ), T on hoitoaika vastaanottokäynnillä (h), A on ajan arvo ( ), E on eläkekerroin (painotus työ- ja vapaa-ajalle), O on Omamittausten lukumäärä vuodessa, C on omamittauksen kustannus ( ), C on terveydenhuoltohenkilön antaman sähköisen palautteen kustannus ( ) ja T on omamittaukseen kuluva aika (h). Tässä tutkimuksessa käytetyt muuttujat ja muuttujien parametrit käyvät ilmi myöhemmin kohdan 4.4 taulukosta Kustannusmallin aineistot Tutkimuksessa hyödynnetään laajasti eri tyyppisiä rekisteri-, tietokanta- ja paikkatietoaineistoja (Taulukko 1). Monet aineistot ovat taustatietoja kustannusten laskemista varten, joten seuraavaksi käsitellään erikseen vain tärkeimpiä ja laajimmin hyödynnettyjä aineistoja. 36

38 Taulukko 1. Tutkimuksessa käytetyt aineistot. Aineistot Käyttötarkoitus Lähde Mediatri potilasaineisto 2012 Potilastiedot ja osoitteiden geokoodaus Pohjois-Karjalan sairaanhoitopiirin kunnat/pttk Oy Pohjois-Karjalan terveydenhuollon toimipaikkojen osoitteet Terveskeskusten käyntiaineisto Terveydenhuollon yksikkökustannukset Tyypin 2 diabetes: Käypä hoito -suositukset Henkilöauton kilometrikohtaiset kustannukset Taksi-hinnasto 2015 Joensuun seudun joukkoliikenteen hinnasto 2015 Tilastokeskuksen henkilötason tiedot: Ansiotulot Tilastokeskuksen henkilötason tiedot: Autonomistustiedot Tilastokeskuksen henkilötason tiedot: Sosioekonominen asema Terveyskeskusten geokoodaus Potilaiden pääasiallisen käyntikohteen ja käyntien lukumäärän määrittäminen Vastaanottokäyntien kustannusten laskeminen Vuosittaisten seurantakäyntien lukumäärän määrittäminen Liikkumiskustannusten laskeminen Liikkumiskustannusten laskeminen Liikkumiskustannusten laskeminen Matka-ajan rahallinen arvottaminen Liikkumismuodon valinta Liikkumismuodon valinta ja matka-aikojen rahallinen arvottaminen THL toimipaikkarekisteri (TOPI) Pohjois-Karjalan sairaanhoitopiirin kunnat/pttk Oy THL: raportti 2011 ja Pohjois- Karjalan sairaanhoitopiirin tiedot Kansalliset Käypä hoito - suositukset Valtion kilometrikorvaus vuodelta 2012 Suomen Taksiliitto Joensuun seudun joukkoliikenne/joensuun kaupunki Tilastokeskus tutkijapalvelut Tilastokeskus tutkijapalvelut Tilastokeskus tutkijapalvelut ESRI STK 2015 Verkostoanalyysit ESRI Finland Joensuun seudun linjaautoreitit 2015 Digiroad pysäkit YKR-väestötiedot Pohjois- Karjalan alueelta 2014 Verkostoanalyysit Verkostoanalyysit, liikkumismuodon valinta Skenaarioanalyyseihin liittyvä lokaatio-allokaatio Joensuun kaupunki Liikennevirasto Tilastokeskus/SYKE/Maanmitt auslaitos 37

39 4.2.1 Mediatri potilastietojärjestelmä ja terveydenhuollon toimipaikkojen sijainnit Mediatri on Pohjois-Karjalan maakunnallisesti yhtenäinen sähköinen potilastietojärjestelmä, johon kirjataan tiedot kaikkien kuntien terveyskeskuksista ja Pohjois-Karjalan keskussairaalasta. Tässä tutkimuksessa käytetään potilastietojärjestelmästä vuonna 2012 poimittuja ihmisiä, joilla on diagnosoitu tyypin 2 diabetes potilaasta koostuva aineisto sisältää potilaiden perustiedot, diabeteksen hoitoon liittyviä mittaustuloksia sekä osoitetiedot, jotka voidaan geokoodata karttakoordinaateiksi. Osoitetiedot tekevät aineistosta paikkatietoaineiston, jota voidaan käsitellä yhdessä muiden paikkatietoaineistojen kanssa. Aineisto ei sisällä yksittäisten potilaiden nimiä tai henkilötunnuksia. Tässä tutkimuksessa potilasaineistoa käytetään ensisijaisesti potilaiden kotiosoitteiden määrittämiseen, mutta lisäksi liikkumismuodon valinnassa käytetään tietoja potilaiden iästä sekä hoitotasapainosta. Aineistoon yhdistetään myös uusia postinumeroaluekohtaisia tietoja potilaiden autonomistuksesta, ansiotuloista ja sosioekonomisesta asemasta. Geraghty ym. (2010) käyttivät tutkimuksessaan vastaavaa potilasjärjestelmästä poimittua diabetesaineistoa selvittäessään menetelmiä rekisteritietojen yhdistämiseksi paikkatietoaineistoihin ja GIS-analyyseihin. Tutkimuksessa diabetespotilaiden kotiosoitteet geokoodattiin koordinaattipisteiksi ja tietoihin yhdistettiin alueellisia ihmisten sosioekonomista asemaa kuvaavia tietoja tilastollisia testejä varten (Geraghty ym. 2010: 88). Geraghtyn ym. (2010: 88) mukaan GIS-menetelmistä on apua sairauksien hallinnassa ja GIS sopii suurikokoisten potilasrekisterien analysointiin. Potilaiden sijaintien lisäksi saavutettavuusanalyyseihin tarvitaan Pohjois-Karjalan terveydenhuollon toimipaikkojen sijainnit. Tutkimusasetelman kannalta tärkeiden terveys-keskusten ja -asemien osoitteet on poimittu THL:n ylläpitämästä TOPI-toimipaikkarekisteristä, joka sisältää toimipaikkojen osoitteet, postinumerot ja palvelualakoodit. Verkostoanalyyseissa potilaiden sijainteja käytetään lähtöpisteinä ja toimipaikkojen sijainnit ovat päätepisteitä. 38

40 4.2.2 Potilaskohtainen käyntiaineisto ja terveydenhuollon yksikkökustannukset Terveydenhuollon toimipaikkoihin kohdistuvien käyntien määrät ja tyypit käyvät ilmi alueen terveyskeskusten käyntiaineistosta. Käyntiaineistoon on poimittu potilasnumeroiden perusteella vain tutkimuksessa mukana olevien diabetespotilaiden hoitokäynnit. Käyntiaineiston perusteella määritetään jokaisen potilaan pääasiallinen käyntikohde ja arvioidaan diabeteksen seurantakäyntien vuosittaisia määriä. Jotta tutkimuksessa voidaan ottaa huomioon liikkumiskustannusten lisäksi myös vastaanottokäynneistä aiheutuvat kustannukset, käytetään apuna THL:n raporttia terveyden- ja sosiaalihuollon yksikkökustannuksista Suomessa vuonna Raportin tietojen sekä Pohjois- Karjalan sairaanhoitopiirin asiantuntijoiden kertomusten avulla tutkimukseen on määritetty kustannukset vastaanottokäynnille ja verensokerin sekä LDL-kolesterolin laboratoriomittauksille. Tarkemmat kustannustiedot on esitetty menetelmä-osion taulukossa Tilastokeskuksen henkilötason aineisto Tutkimusprojektissa on käytetty Tilastokeskuksen tutkijapalveluita ja potilasjoukkoa koskevia henkilötason tietoja. Tilastokeskuksen aineisto sisältää jokaisesta potilaasta muun muassa väestörakenne-, palkkarakenne- ja koulutusrakennetilastojen tietoja sekä työssäkäyntitietoja. Tilastokeskus ei salli yksittäisten potilaiden tietojen siirtämistä palvelun ulkopuolelle, mutta tiedot voidaan kuitenkin esittää alueisiin sidottuna esimerkiksi kuntatasolla tai postinumeroaluekohtaisina. Tilastokeskus tarjoaa avoimena aineistona koko Suomen väestöä koskevat tiedot postinumeroalueittain, mutta tämän tutkimuksen kannalta tarkempiin tuloksiin päästään käyttämällä varsinaista potilasjoukkoa kuvaavia alueellisia tietoja. Tähän tutkimukseen Tilastokeskukselta poimittiin liikkumismuodon valinnan ja kustannuslaskelmien taustatiedoiksi postinumeroaluekohtaiset autonomistus- ja ansiotulotiedot sekä tietoja potilaiden sosioekonomisesta asemasta. Joillakin postinumeroalueilla potilasmäärä jäi alle kymmeneen havaintoon, joten näiden postinumeroalueiden kohdalla käytettiin kuntakohtaisia tietoja potilaiden yksityisyydensuojan varmistamiseksi. Autonomistustiedot sisältävät tiedon siitä, kuinka moni potilas omistaa henkilöauton kyseisen postinumeroalueen sisällä. Ansiotulotiedot sisältävät postinumeroalueella asuvien potilaiden 39

41 vuosittaisten ansiotulojen keskiarvon sekä mediaanitulon. Potilasjoukon sosioekonomista asemaa kuvaavista tiedoista käy ilmi eri asteisten toimihenkilöiden, työntekijöiden, eläkeläisten, opiskelijoiden sekä työttömien lukumäärät postinumeroalueittain. Tämän tutkimuksen kannalta sosioekonomisen aseman osalta tärkeimmät tiedot ovat työssäkäyvien ja eläkkeellä olevien potilaiden lukumäärät, koska niitä voidaan käyttää apuna liikkumiseen kuluvan ajan rahallisessa arvottamisessa ESRI Suomen tie- ja katuverkko (STK) ja Joensuun seudun linja-autoreitit Suomen tie- ja katuverkkoaineisto (STK) perustuu Liikenneviraston ylläpitämään Digiroad aineistoon, joten se sisältää Digiroadin mukaiset teiden ja katujen keskilinjageometriat sekä liikenteeseen liittyviä ominaisuustietoja, kuten toiminnalliset luokat, liikennevirtojen suunnat sekä nopeusrajoitukset. ESRI Finland on muokannut ja korjannut aineistoa sekä liittänyt siihen uusia ominaisuustietoja, kuten postinumeroalueet ja taajamahidasteet (ESRI Finland 2015, 3). Aineistoon on laskettu jokaiselle tieosuudelle valmiiksi matka-aika sekä hidasteiden kanssa että ilman hidasteita. Lisäksi aineisto on rakennettu valmiiksi ESRI:n ArcGIS -ohjelmiston tukemaan Network Dataset -muotoon, joten sitä voidaan käyttää sellaisenaan erilaisissa verkostoanalyyseissa. Tutkimuksessa aineistoa käytetään terveydenhuollon toimipaikkojen ja potilaiden kotiosoitteiden välisten matkojen pituuksien sekä matka-aikojen laskemiseen. Linja-autolla liikkumiseen liittyviin analyyseihin käytetään Joensuun kapungilta hankittuja Joensuun seudun linja-autoreittejä, jotka kulkevat Liperin, Joensuun kaupungin, Kontiolahden ja Pyhäselän välillä. Tutkimukseen tarvitaan myös linja-autopysäkit, jotka toimivat portaaleina ESRI:n STK-aineiston ja linja-autoreittien välillä. Pysäkit on poimittu Liikenneviraston alkuperäisestä Digiroad-aineistosta. 4.3 Aineistojen käsittely Koska tutkimuksessa tarkastellaan suuren potilasjoukon liikkumiskäyttäytymistä sekä liikkumiskustannuksia alunperin eri tarkoitukseen kehitettyjen tilasto- ja paikkatietoaineistojen avulla, joudutaan tutkimusaiheen kannalta tekemään kolme lähtöoletusta. 40

42 1) Potilaat matkustavat terveyskeskukseen aina kotoaan 2) Potilaat käyvät aina samassa terveyskeskuksessa 3) Potilaat matkustavat kello välisenä aikana ja liikenneolosuhteet ovat aina samankaltaiset Mediatri- tai käyntiaineistossa ei ole erikseen määritelty työterveydenhuollon käyntejä, eikä työssäkäyvien potilaiden työpaikkoja ole tiedossa, joten tutkimuksessa oletetaan kaikkien potilaiden seurantakäyntien lähtöpisteeksi kotiosoite. Myös käyntikohteena oleva terveyskeskus pysyy aina samana, sillä terveyskeskusten käyntiaineiston perusteella on hankala ennustaa luotettavasti tulevia käyntejä. Myös liikenneolosuhteiden, kuten sään ja tien ruuhkaisuuden oletetaan pysyvän aina samankaltaisina, mikä on perusteltua siitäkin syystä, että tulokset tulevat olemaan vertailukelpoisia keskenään. Tutkimuksessa käytettävät aineistot vaativat paljon käsittelyä, jotta niitä voidaan hyödyntää kustannusten laskemisessa (Kuva 7). Kaikki aineistonkäsittely suoritettiin ArcGIS paikkatieto-ohjelmiston sekä Excel- ja SPSS -taulukko-ohjelmistojen avulla. Aluksi sekä potilaiden kotiosoitteet että Pohjois-Karjalan alueen terveydenhuollon toimipaikkojen tiedossa olevat katuosoitteet geokoodattiin koordinaattipisteiksi, jolloin niitä voidaan hyödyntää paikkatietoanalyyseissa. Terveydenhuollon toimipaikoista otettiin tutkimukseen mukaan vain ne 22, joihin kohdistuu diabeteksen seurantaan liittyviä vastaanottokäyntejä. Geokoodaus tunnisti alkuperäisen Mediatri-aineiston potilaan osoitteista sijainnin potilaalle. Näin ollen tutkimuksesta jäi pois 598 potilasta, joiden osoitetiedot olivat puutteelliset tai niissä oli kirjoitusvirheitä. Seuraavaksi koordinaattipisteinä olevaan potilasaineistoon yhdisteltiin erilaisia tutkimuksen kannalta hyödyllisiä muuttujia. Ensin terveyskeskusten käyntiaineiston perusteella jokaisen potilaan seurantakäynneille määritettiin pääasiallinen kohde. Tämän jälkeen Mediatriaineiston verensokerimittausten tuloksiin perustuvaa hoitotasapainoa, käyntiaineistoa ja tyypin 2 diabeteksen Käypä hoito -suosituksia tarkastelemalla jokaiselle potilaalle määriteltiin vuosittain tehtävien seurantakäyntien lukumäärä. Hyvän hoitotasapainon saavuttaneet potilaat käyvät mittauksissa harvemmin kuin potilaat, joiden hoitotasapaino on huono (taulukko 6). 41

43 Kuva 7. Aineistojen käsittely ja analyysit vuokaaviona. Tilastokeskuksen potilaiden sosioekonomista asemaa postinumeroalueittain kuvaavan aineiston ja potilaiden iän perusteella potilasjoukosta valittiin työssäkäyvät ja eläkkeellä olevat ihmiset. Tilastokeskuksen ansiotuloaineiston avulla jokaiselle potilaalle merkittiin myös tuntikohtaiset ansiotulot sillä oletuksella, että ihminen tekisi töitä. Näitä tietoja käytetään matkustamiseen kuluvan ajan rahallisessa arvottamisessa. Potilasjoukosta poistettiin vielä kaikki palvelutaloissa asuvat potilaat sekä alaikäiset alle 18-vuotiaat potilaat, minkä jälkeen tutkimuksessa mukana olevien potilaiden lopulliseksi määräksi jäi Liikkumismuodon valinta Tutkimukseen sisällytettävien liikkumismuotojen valinnassa otetiin huomioon Hanlyn ym. (2013) tutkimus, jossa olivat mukana samat neljä liikkumismuotoa. Jokaiselle potilaalle määritettiin käytetty liikkumismuoto taulukon 2 mukaisesti. Liikkumismuotona kevyttä 42

44 liikennettä käyttävät sellaiset alle 80-vuotiaat potilaat, jotka asuvat tieverkon avulla mitattuna yhden kilometrin sisällä käyntiterveyskeskuksestaan. Kilometrin voidaan ajatella olevan kohtuullinen kävelymatka vanhemmallekin ihmiselle, sillä 3-4 km/h kävelynopeudella matkaan kuluu minuuttia. Suomessa tehdyn henkilöliikennetutkimuksen mukaan 0-1 kilometrin matkoista 74 prosenttia tehdään kevyttä liikennettä käyttäen (Liikennevirasto 2012: 36). Tässä tutkimuksessa ei oteta kevyen liikenteen osalta huomioon kulkuvälinekohtaisia kustannuksia, joten polkupyöräilyä ja kävelyä ei eroteta toisistaan. Liikkumiseen kuluvan ajan arvottamista varten kevyelle liikenteelle on laskettu painotettu keskinopeus 6 km/h, joka on saatu olettamalle, että kevyttä liikennettä käyttävistä potilaista 75 prosenttia on 3,5 km/h nopeudella liikkuvia kävelijöitä ja 25 prosenttia on 13,5 km/h nopeudella liikkuvia polkupyöräilijöitä. Normaaleina pidettyjä kävely- ja pyöräilynopeuksia on alennettu hieman potilaiden korkean keski-iän vuoksi. Julkisen liikenteen osalta tutkimukseen otetaan mukaan vain Joensuun seudun linjaautoyhteydet, sillä syrjäseuduilla julkisen liikenteen verkosto on harvempi ja aikataulut on suunniteltu koulukyytien ja työssäkäynnin näkökulmasta sen sijaan, että niissä olisi otettu huomioon vaihtelevia terveyskeskuksiin suuntautuvia matkoja. Joensuun seudun linjaautoverkoston voidaan sen sijaan ajatella olevan käyttökelpoinen liikkumismuoto myös diabeteksen seurantakäyntien yhteydessä. Tutkimuksessa linja-autoa määritetään käyttämään kaikki yli kilometrin päässä käyntiterveyskeskuksestaan asuvat alle 80-vuotiaat potilaat, joiden lähin Joensuun seudun linja-autopysäkki on enintään 200 metrin päässä. Näiden potilaiden käyntiterveyskeskuksen täytyy myös olla linja-auto reitin varrella. Liikkumismuodon nopeus on laskettu reittiaika-taulujen perusteella määrittämällä kaikille reiteille yhteinen keskinopeus 30 km/h. Henkilöautolla liikkuvien osalta potilaat on jaettu kuljettajiin ja matkustajiin. Kuljettajiksi lasketaan kaikki yli kilometrin päässä käyntiterveyskeskuksestaan asuvat alle 75-vuotiaat potilaat, jotka eivät kuulu Joensuun seudun linja-auto verkoston piiriin. Matkustajat on määritelty samoin kriteerein, mutta heidän ikä on vuotta. Kuljettajiksi määritettyjen potilaiden kokonaismäärässä on otettu huomioon Tilastokeskuksen autonomistusaineistosta ilmenevä autonomistajien kokonaismäärä 5157, joka on 50,5 prosenttia alkuperäisestä potilasaineistosta. Koska potilasaineistosta poistettiin aikaisemmin kaikki palvelutaloissa asuvat potilaat, joiden ei oleteta omistavan autoa, voidaan autonomistajien määrän olettaa 43

45 Taulukko 2. Liikkumismuotojen valintakriteerit ja nopeudet. Liikkumismuoto Potilaiden lukumäärä Valintakriteeri Nopeus Kevyt liikenne 1362 Etäisyys terveyskeskukseen <= 1000m ja potilaan ikä < 80 vuotta 6 km/h Henkilöauto kuljettaja 4538 Etäisyys terveyskeskukseen > 1000m, etäisyys Joensuun seudun lähimmälle bussipysäkille > 200m ja potilaan ikä < 75 vuotta Tieverkon nopeusrajoitusten mukaan Henkilöauto matkustaja 746 Etäisyys terveyskeskukseen > 1000m, etäisyys Joensuun seudun lähimmälle bussipysäkille > 200m ja potilaan ikä vuotta Tieverkon nopeusrajoitusten mukaan Linja-auto (Joensuun seutu) 967 Etäisyys terveyskeskukseen > 1000m, käyntikohde Siilainen, Rantakylä, Niinivaara, Pyhäselkä, Liperi, Lehmo tai Kontiolahti, etäisyys lähimmälle bussipysäkille <= 200m ja potilaan ikä < 80 vuotta Linja-auto aikataulujen mukainen keskinopeus 30 km/h Taksi 1457 Potilaan ikä >= 80 vuotta Tieverkon nopeusrajoitusten mukaan Yhteensä 9070 olevan edelleen myös rajatulla 9070 potilaan aineistolla. Kuljettajien ikäraja 75 vuotta on valikoitu sen vuoksi, että Liikenneviraston (2012: 39) mukaan ajokortin omistajien osuus tippuu selvästi 74 ikävuoden jälkeen vuotiaista vielä 75,9 prosenttia omistaa ajokortin, mutta yli 75-vuotiailla luku on vain 38,9 prosenttia. Tiikkajan & Kalenojan (2010: 59-60) mukaan ikäihmisten autoilun ennustetaan kasvavan tulevina vuosikymmeninä jopa nelinkertaiseksi ikäluokkien absoluuttisen määrän kasvun ja ajokorttitiheyden kasvun myötä, joten tämän tutkimuksen suuri henkilöautolla liikkuvien potilaiden määrä kuvaa hyvin erityisesti tulevaisuuden liikkumista. 44

46 Tutkimukseen erotettiin omaksi ryhmäkseen henkilöauton matkustajat, joita ovat pääasiassa kaikki sellaiset potilaat, joille ei voida määrittää tarkempaa liikkumismuotoa, mutta joista monien oletetaan saavan autokyydin sukulaiseltaan tai tuttavaltaan. Liikkumiskustannuksia laskettaessa ryhmä yhdistetään henkilöauton kuljettajien kanssa, sillä terveyskeskukseen suuntautuva matka maksaa silti saman verran, vaikka potilas ei ajaisikaan henkilöautolla itse. Koska kyyditysten kokonaismäärä perustuu puhtaasti oletuksiin, tutkimuksessa ei oteta huomioon kyyditsijän aikamenetystä. Viidentenä liikkumismuotona tutkimukseen otettiin mukaan taksimatkat. Taksia käyttävät kaikki 80-vuotiaat ja tätä vanhemmat potilaat. Ryhmää määrittäessä otettiin huomioon heikossa kunnossa olevien ikäihmisten mahdollisuus saada Kelan matkakorvauksia. Suuri osa matkakorvatuista matkoista tehdään etenkin syrjäseudulla taksilla liikkumismuodon joustavuuden vuoksi. 4.4 Mallin toteutus Kustannusten laskemista varten jokaiselle liikkumismuodolle luotiin malli ArcGIS-ohjelmiston Model Builder -työkalulla (Liite 1). Malleilla voidaan laskea erikseen jokaiselle terveydenhuollon toimipaikalle ja siellä asioivalle potilasjoukolle verkostoanalyysin avulla nopeimmat reitit ja nopeimpien reittien pituudet. Näiden tietojen avulla malli laskee jokaiselle potilaalle rahassa arvotetut aikakustannukset, matkan pituudesta riippuvat matkakustannukset sekä liikkumisen kokonaiskustannukset. Tämän jälkeen malli laskee vielä seurannan vastaanottokäyntien suorat rahalliset kustannukset sekä vastaanottokäynteihin menetetyn ajan rahallisen arvon. Liikkumiskustannuksista ja vastaanottokäynteihin liittyvistä kustannuksista saadaan lopulta tyypin 2 diabeteksen seurannan kokonaiskustannukset tietyssä terveydenhuollon toimipaikassa asioivan potilasryhmän jokaiselle potilaalle. Mallien suorittamisen jälkeen jokaiselle liikkumismuodolle saadaan 22 karttatasoa, jotka yhdistämällä saadaan 4 eri liikkumismuotojen kustannuksia kuvaavaa karttatasoa. Nämä yhdistämällä saadaan yksi karttataso, josta käy ilmi kaikkien kustannustyyppien suuruus jokaiselle tarkastelussa mukana olevalle potilaalle. Aiemmin esiteltyjen yhtälöiden muuttujien arvot on määritetty malleissa taulukon 3 mukaisesti. 45

47 Taulukko 3. Yhteenveto kustannusmallissa käytettyjen yhtälöiden parametreista ja niiden arvoista. Parametri Kuvaus Mallissa käytetty parametrin arvo T M A E T D C T C Tieverkkoa pitkin lasketun nopeimman reitin matka-aika (h) hidasteineen. Matkojen vuosittaisena lukumääränä käytetään potilaan hoitotasapainosta riippuvia Käypä hoito -suositusten mukaisia seurantakäyntejä. Ajan arvona käytetään potilaan tuntiansiota. Eläkekerrointa käytetään menetetyn ajan rahallisessa arvottamisessa. Työikäisen ihmisen ajan arvo 100 % tuntiansiosta ja eläkkeellä olevan ihmisen vapaa-ajan arvo 35 % tuntiansiosta. Henkilöauton pysäköintiaika, joka lisätään matka-aikaan aikakustannusten laskemista varten. Matkan pituus (km) laskettuna nopeimmasta reitistä. Ajoneuvon kilometrikohtainen käyttökustannus, jota käytetään henkilöauton ja taksin matkakustannusten laskemiseen. Verkoston saavutettavuusaika lisätään linja-auton ja taksin matka-aikaan aikakustannusten laskemista varten. Joensuun seudun maksuvyöhykekohtainen linja-auton kertalipun hinta. Lasketaan kohdassa esitellyn verkostoanalyysin avulla. Lähtötilanne: Hyvä hoitotasapaino: 3 käyntiä vuodessa Huono hoitotasapaino: 5 käyntiä vuodessa Ei tietoa: 4 käyntiä vuodessa Skenaario: Hyvä hoitotasapaino: 1 käynti vuodessa Huono hoitotasapaino: 2 käyntiä vuodessa Ei tietoa: 2 käyntiä vuodessa. Postinumeroaluekohtainen keskimääräinen tuntiansio, joka on laskettu alueella asuvien potilaiden kuukausituloista. Työssäkäyvä ihminen (ikä < 60 vuotta): 1 Eläkkeellä oleva ihminen (ikä >= 60 vuotta): 0,35. 5 min eli 0,0833 h. Lasketaan verkostoanalyysin avulla. Henkilöauto: 0,45 /km (Huomioi polttoaineen sekä ajoneuvon huollon ja kulumisen) Taksi: 1,55 /km. Linja-auto: Kävely kotoa pysäkille lasketaan verkostoanalyysin avulla, Kävely pysäkiltä terveydenhuollon toimipaikkaan 5 min eli 0,0833 h, Pysäkillä odottaminen 7 min eli 0,1166 h Taksi: Asiointiaika 5 min eli 0,0833 h. Vyöhyke A, B, C: 3,3 Vyöhyke AB tai BC: 4,5 Vyöhyke ABC: 7,5. 46

48 C V C C T O Taksin kiinteä perusmaksu, joka lasketaan mukaan matkan kokonaishintaan. Vastaanottokäyntien vuosittainen lukumäärä, joka riippuu potilaan hoitotasapainosta. Vastaanottokäynnin suora rahallinen kustannus. Vastaanottokäynnin yhteydessä tehtävien mittausten (Näytteenotto, HbA1c-mittaus ja LDL-mittaus) rahalliset kustannukset. Vastaanottokäyntiin kuluva aika (h), jota käytetään aikakustannusten laskemisessa. Omamittausten lukumäärä vuodessa. Korvaa skenaariossa saman määrän vastaanottokäyntejä (vrt. lähtötilanne). 5,9. Lähtötilanne: Hyvä hoitotasapaino: 3 käyntiä vuodessa Huono hoitotasapaino: 5 käyntiä vuodessa Ei tietoa: 4 käyntiä vuodessa Skenaario: Hyvä hoitotasapaino: 1 käynti vuodessa Huono hoitotasapaino: 2 käyntiä vuodessa Ei tietoa: 2 käyntiä vuodessa. 50. Näytteenotto: 7 HBA1c-mittaus: 4 LDL-mittaus: min eli 0,75 h. Hyvä hoitotasapaino: 2 mittausta vuodessa Huono hoitotasapaino: 3 mittausta vuodessa Ei tietoa: 2 mittausta vuodessa. C Omamittauksen rahalliset kustannukset. 2. C T Omamittaukseen liittyvän hoitohenkilöstön antaman sähköisen palautteen kustannus. Omamittaukseen ja sähköisen palautteen lukemiseen kuluva aika (h) aikakustannusten laskemista varten min eli 0,25 h Verkostoanalyysit Mallien verkostoanalyysit suoritetaan ArcGIS-ohjelmiston Network Analyst -laajennusosalla, joka on suunniteltu liikenneverkkojen mallintamiseen ja analysointiin (ESRI 2016). Koska verkostoaineistona käytetään ESRI:n STK-aineistoa, ovat sekä ohjelmisto että aineisto saman yrityksen tuotteita. Analyysien suorittaminen on helppoa ja nopeaa, sillä aineisto on valmiiksi 47

49 ohjelmiston edellyttämässä Network Dataset -muodossa, jossa liikenneverkon eri elementit, välit (edges) ja risteykset (junctions), on liitetty toisiinsa. Käännökset (turns) -elementti puolestaan sisältää tiedon mahdollisista käännöksistä. Näiden elementtien lisäksi ArcGISverkostoanalyysit edellyttävät, että aineistosta löytyy liikkumisen impedanssin ilmaiseva ominaisuus. ESRI:n tieverkkoaineistossa impedanssina voidaan käyttää joko matkaa tai aikaa. Network Analyst -laajennusosa sisältää Route-, Closest Facility-, Service Area-, OD Cost Matrix-, Vehicle Routing Problem- ja Location-Allocation -työkalut (ESRI 2016). Näiden työkalujen avulla on mahdollista selvittää esimerkiksi optimaalisia reittejä, lähimpiä terveyspalveluita tai terveyskeskusten palvelualueita. Location allocation -työkalua on aiemmin käytetty terveydenhuollon palveluverkon optimoinnissa (esim. Hakkarainen 2015). Tässä tutkimuksessa verkostoanalyyseissa käytetään Dijkstran algoritmia hyödyntävää OD (origin-destination) Cost Matrix -menetelmää, joka etsii ja laskee verkostoa pitkin pienimmän kustannuksen mukaisia reittejä lähtöpisteistä haluttuun määrään kohteita (ESRI 2016). Menetelmällä voidaan laskea optimaalisia reittejä useisiin eri kohteisiin, mutta se on yhtä käyttökelpoinen selvittäessä diabetespotilaiden nopeinta mahdollista reittiä yhteen tiedossa olevaan kohteeseen. Sama analyysi voitaisiin tehdä myös Closest Facility -työkalun avulla. OD Cost Matrix- ja Closest Facility -työkalut ovat hyvin samankaltaisia ja niiden suurimmat erot liittyvät tulosten esittämistapaan ja analyysin suoritusnopeuteen (ESRI 2016). OD Cost Matrix on nopeampi suorittaa, koska se ei piirrä Closest Facility:n tapaan optimaalisia reittejä mukailevia linjoja, vaan visualisoi tulokset suorien linjojen avulla (Kuva 8). Tarkat reittien pituudet ja matka-ajat tallentuvat kuitenkin linjojen ominaisuustietoihin, joten menetelmää käyttämällä voidaan säästää aikaa tilanteissa, joissa ei tarvita tarkkoja reittien visualisointeja. Tähän tutkimukseen OD Cost Matrix sopii hyvin, sillä liikkumiskustannusten laskemiseen riittävät ominaisuustietoihin potilaittain tallentuvat matkojen pituudet ja matka-ajat. 48

50 Kuva 8. Esimerkki OD Cost matrix -reittien laskemisesta yhteen terveyskeskukseen. Lyhimpien ja nopeimpien reittien laskeminen verkostoanalyysien avulla on yleinen saavutettavuuden tutkimusmenetelmä, sillä vastaavaa Dijkstran algoritmiin perustuvaa menetelmää ovat käyttäneet muun muassa Brabyn & Skelly (2002) laskiessaan ARC/INFO - ohjelmistolla lyhimpiä ja nopeimpia reittejä sairaaloihin Uudessa Seelannissa. Tutkimuksessa haluttiin osoittaa alueet, joilta hoitoon hakeutuminen on hankalaa. Lovett ym. (2002) puolestaan laskivat henkilöauton matka-aikoja ja linja-auton käyttämisen mahdollisuutta ihmisten matkustaessa yleislääkärille Britanniassa. GIS-menetelmin laskettuja matka-aikoja ja alueella elävien ihmisten sosioekonomista asemaa kuvaavia muuttujia vertailemalla voitiin havaita ongelma-alueita, joilla ihmisten liikkuvuuden taso on heikko, mutta terveyspalveluiden tarve on suuri (Lovett ym. 2002: 97). Esimerkkejä vastaavista verkostoanalyyseista viime vuosilta ovat muun muassa Patelin ym. (2012) tutkimus sairaalaan kohdistuvien ambulanssikuljetusten matka-ajoista hätätilanteissa sekä Kobayashin ym. (2015) tutkimus terveydenhuollon keskittämisen vaikutuksista matka-aikoihin ja saavutettavuuden tasapuolisuuteen. 49

51 4.4.2 Kustannusten laskeminen Saavutettavuudelle lasketaan rahallinen kustannus matkojen pituuden ja matka-ajan mukaan. Suoraan matkan pituudesta aiheutuvat liikkumismuotokohtaiset rahalliset kustannukset on koottu taulukkoon 4. Hanlyn ym. (2013) tutkimuksen mukaisesti kevyestä liikenteestä ei aiheudu suoria rahallisia kustannuksia. Henkilöautolla matkustamisen hinnaksi on määritetty valtion kilometrikorvaus vuodelta Siihen on laskettu mukaan keskimääräiset polttoainekustannukset sekä muut auton käyttöön ja kulumiseen liittyvät kustannukset, jotka huomioitiin myös Fordin ym. (2015: 134) tutkimuksessa. Linja-auton ja taksin osalta käytetään voimassa olevia hinnastoja. Linja-automatkan hinta määräytyy maksuvyöhykkeiden mukaisen kertalipun hinnasta ja taksimatkan hintaan sisältyy perusmaksu sekä kilometrikohtainen taksa. Taksimatkan hinnasta on jätetty pois tilaamisesta aiheutuva ennakkomaksu, koska sitä ei peritä yhteiskunnan korvaamien kuljetusten yhteydessä (Suomen Taksiliitto 2016). Taulukko 4. Liikkumismuotokohtaiset suorat rahalliset kustannukset. Liikkumismuoto Kustannus Kevyt liikenne - Henkilöauto 0,45 /km Linja-auto Vyöhykkeen mukainen kertalipun hinta 3,30, 4,50 tai 7,50 Taksi Perusmaksu 5,90 + 1,55 /km Liikkumisen aikakustannukset muodostuvat liikkumiseen menetetyn ajan arvosta eli sen vaihtoehtoiskustannuksesta (Kapiainen ym. 2014: 92). Kapiaisen ym. (2014: 93-94) mukaan työikäisillä ihmisillä yksilön tuotos (tuottava aika) voidaan arvottaa suoraan yksilön bruttopalkan perusteella, mutta esimerkiksi eläkkeellä olevien ihmisten vapaa-ajan arvottaminen on hankalampaa. Kirjallisuudessa ei ole yksimielisyyttä siitä, miten vapaa-aikaa tulisi arvottaa. Tässä työssä työikäisten ihmisten (ikä < 60 vuotta) ajan arvona käytetään postinumeroaluekohtaista keskimääräistä tuntipalkkaa. Sen sijaan eläkkeellä olevien ihmisten (ikä >= 60 vuotta) vapaa-ajan arvoksi annetaan 35 prosenttia postinumeroaluekohtaisesta keskimääräisestä tuntipalkasta, sillä vastaavaa arvoa ovat käyttäneet muun muassa Jowett ym. (2008) antikoagulaatiohoitojen aika- ja liikkumiskustannuksia käsittelevässä tutki- 50

52 muksessa. Tilastokeskuksen potilasjoukkoa koskevista henkilötason tiedoista on määritetty postinumeroaluekohtaiset keskimääräiset ansiotulot, sillä yksittäisten potilaiden tarkkojen ansiotulojen hyödyntäminen ei ole tietosuojan vuoksi mahdollista. Seurannan kokonaiskustannuksia selvittäessä tutkimuksessa otetaan huomioon liikkumiskustannusten lisäksi myös vastaanottokäyntien kustannukset sekä potilaan aikamenetys (Taulukko 5). Yhden vastaanottokäynnin suorat rahalliset kustannukset ovat yhteensä 62 euroa. Kestoltaan 45 minuutin vastaanottokäynti on aikamenetys, jonka rahallinen arvo riippuu potilaan tulotasosta. Taulukko 5. Vastaanottokäyntien kustannukset ja aikamenetykset. Alkuperäinen tilanne Skenaarioanalyysi Vastaanottokäynti Mittaukset* Sähköinen palaute Omamittaus Kustannus Potilaan aikamenetys 45 min 15 min * Näytteenotto 7, HbA1c-mittaus 4 ja LDL-mittaus Skenaarioanalyysit ja lokaatio-allokaatio Skenaariot ovat ennusteita tai kuvauksia mahdollisista tulevaisuuden tapahtumaketjuista tai kehityssuunnista eli niin sanotuista vaihtoehtoisista maailmoista. Faheyn ja Randallin (1998: 7) mukaan skenaarioiden avulla voidaan tarkastella, mitä saattaa tapahtua ja mitä voisi tapahtua, mutta skenaariot eivät kuitenkaan kerro varmasti sitä, mitä tulee tapahtumaan. Vaikka ennusteet pohjautuvat aina olemassa olevaan tietoon ja loogiseen päättelyyn, skenaarioanalyysissa aiempien historialliseen aineistoon pohjautuvien ennusteiden ei kuitenkaan oleteta automaattisesti pitävän paikkaansa tulevaisuudessa. Niinpä testattavien ilmiöiden määrittäminen on vapaamuotoista ja tutkimusasetelman lähtöoletuksia muuttamalla voidaan selvittää samanaikaisesti useita vaihtoehtoisia suuntia tulevasta kehityksestä. Faheyn ja Randallin (1998: 6-7) mukaan skenaarioiden luominen auttaa pohtimaan tulevaisuuteen liittyviä mahdollisuuksia ja samalla ollaan perillä siitä, mitä ei vielä tiedetä. 51

53 Maantieteessä skenaarioanalyysia on käytetty laajasti eri osa-alueilla, kuten maaperän eroosion vähentämisen tarkastelussa (Vallebona ym. 2016), ilmastonmuutoksesta ja maankäytön muutoksista johtuvan korkeille lämpötiloille altistumisen terveysvaikutusten tarkastelussa (Conlon ym. 2016) ja tuotteiden elinkaaren hallintaan tähtäävien suljettujen verkostojen kehittämisessä (Accorsi ym. 2015). Suomessa vaihtoehtoisiin tulevaisuuksiin liittyviä laskentoja ovat tehneet muun muassa Tykkyläinen (1988) tutkiessaan resurssiperiferioiden alueellista kehittymistä, Tykkyläinen & Lehtonen (2008) tutkiessaan Venäjän puutavaran viennin tullimaksujen korotusten talousvaikutuksia Suomessa ja Lehtonen & Tykkyläinen (2014) selvittäessään Delfoi-menetelmällä puuraaka-aineen alueellista tarjontaa Pohjois-Karjalassa eri kysyntätilanteissa. Tässä tutkimuksessa testataan kahta eri skenaariota. Ensimmäisessä oletetaan, että tuleva sosiaali- ja terveydenhuollon palvelurakenneuudistus johtaa terveyskeskusten sulkemisiin Pohjois-Karjalassa. Skenaarion avulla testataan sitä, miten paljon hoidon ja potilaiden välillä kasvavat etäisyydet lisäävät liikkumiskustannuksia tyypin 2 diabeteksen seurannassa. Saavutettavuusanalyyseista poistettavat terveyskeskukset valitaan sijaintioptimoinnin avulla siten, että terveyskeskusten sijainnit optimoidaan suhteessa Pohjois-Karjalan väestöön (YKRväestöaineisto vuodelta 2014) eli kysyntäpisteisiin. Sijaintioptimoinnin erityistapausta, jolla laitokset voidaan sijoittaa annettuun tilaan mahdollisimman optimaalisesti kutsutaan lokaatio-allokaatioksi (Revelle & Eiselt 2004: 1-2; Hakkarainen 2015: 25). Terveydenhuollon toimipaikkojen sijoittamisessa menetelmää ovat hyödyntäneet muun muassa Lankila ym. (2016) ennustaessaan sosiaali- ja terveyspalveluverkon kehitystä vuoteen 2025 mennessä. Tässä työssä sijaintioptimointi suoritetaan ArcGIS-ohjelmiston Location-Allocation -työkalulla, jolla voidaan vastata mediaani-, keskus- ja peittävyysongelmiin liittyviin kysymyksiin (ESRI 2016c). Lokaatio-allokaatio on kaksisuuntainen ongelma, joka samaan aikaan sekä sijoittaa laitokset että allokoi kysyntäpisteet sijainniltaan optimaalisiin laitoksiin (ESRI 2016c). Paras sijainti vaihtelee sijoitettavan laitoksen tyypin mukaan, joten ArcGIS-ohjelmisto sisältää tätä varten Minimize impedance-, Maximize coverage- ja Minimize facilities-menetelmät. Tämän tutkimuksen asetelmaan sopii parhaiten Minimize impedance-menetelmä, jota voidaan käyttää kustannusten vähentämiseen erityisesti julkisia laitoksia kuten terveydenhuollon toimipaikkoja sijoittaessa (ESRI 2016c). 52

54 Minimize impedance -menetelmä minimoi laitosten ja kysyntäpisteiden välisten saavutettavuuskustannusten summan käyttäen vastuksena eli kustannuksena esimerkiksi matkan pituutta tai matka-aikaa (ESRI 2016c). Menetelmä osaa myös huomioida väestön sijoittumisen alueellisen jakauman painottamalla suuria väestömääriä kysyntäpisteiden allokoinnissa. Vastaavasti menetelmä valitsee herkemmin ne toimipisteet, joiden läheisyydessä asuu paljon ihmisiä. Menetelmä sopii hyvin myös terveydenhuollon toimipaikkaverkoston supistamiseen, sillä laitosten määrää on mahdollista vähentää niin, että jäljelle jäävillä laitoksilla voidaan kattaa kaikki kysyntäpisteet mahdollisimman hyvin. Samalla saadaan selville myös saavutettavuuden kannalta vähemmän tärkeät sijainnit. Tämän tutkimuksen ensimmäisen skenaarion pohjaksi Minimize impedance -menetelmällä määritetään olemassa olevista Pohjois-Karjalan 22 terveyskeskuksesta saavutettavuuden (matka-aika) kannalta 19 tärkeintä. Saavutettavuuden kannalta kolme vähiten tärkeää terveyskeskusta jätetään pois tarkastelusta ja potilaiden liikkumiskustannukset lasketaan uudelleen siten, että käyntiterveyskeskuksensa menettävät potilaat matkustavat jatkossa seuraavaksi lähimpään terveyskeskukseen. Tutkimuksen toisessa skenaariossa oletetaan, että diabeteksen omaseurantajärjestelmää kehitetään niin, että potilaiden tekemien omamittausten tulokset välittyvät suoraan hoitohenkilöstölle, joka pystyy antamaan tietojen perusteella palautetta ja ohjeita hoitoon liittyen. Täten osa Käypä hoito -suositusten mukaisista seurantaan liittyvistä vastaanottokäynneistä ja verensokerimittauksista voidaan korvata omamittauksilla, jolloin potilaiden liikkumistarve pienenee. Skenaarion mukaan hyvässä hoitotasapainossa olevat potilaat tekevät seurantakäyntejä jatkossa vuosittain yhden ja huonossa hoitotasapainossa olevat kaksi (Taulukko 6). Taulukko 6. Seurannan edellyttämien vastaanottokäyntien lukumäärät ja niiden muutos skenaarioanalyysissa. Alkuperäinen tilanne Skenaarioanalyysi Vastaanottokäyntien lukumäärä vuodessa Hyvä hoitotasapaino 3 1 Huono hoitotasapaino 5 2 Ei tietoa

55 Puuttuva osa suositellusta seurannasta suoritetaan jatkossa omamittauksilla ja hoitohenkilöstön antamalla sähköisellä palautteella siten, että esimerkiksi kahta pois jäävää Käypä hoito -suositusten mukaista vastaanottokäyntiä ja HbA1c-mittausta vastaa kaksi omamittauskertaa ja kaksi palautteenantoa. Pois jäävien vastaanottokäyntien kustannukset korvataan skenaariossa sähköisen palautteen kustannuksilla ja HbA1c- ja LDL-mittausten kustannukset omamittausten kustannuksilla (Taulukko 5). Lisäksi otetaan huomioon omamittauksen suorittamiseen sekä sähköisen palautteen lukemiseen kuluva aika. Omaseurannan lisäämisen vaikutus seurannan kokonaiskustannuksiin lasketaan sekä lähtötilanteessa että terveyskeskusten lukumäärän vähentämisen jälkeen. 54

56 5 KUSTANNUKSET, TOIMIPAIKAT JA OMASEURANNASTA SYNTYVÄT SÄÄSTÖT 5.1 Liikkumiskustannukset ja seurannan kokonaiskustannukset Kustannusmalleilla laskettiin ensimmäisenä tyypin 2 diabeteksen seurantaan liittyviä liikkumiskustannuksia. Kaikki tarkastelussa olevat liikkumismuodot huomioiden potilasjoukon (9070 potilasta) liikkumiskustannukset ovat vuositasolla noin euroa (taulukko 7). Kustannuksista 82,1 prosenttia muodostuu suorista matkan pituudesta riippuvista liikkumiskustannuksista ja liikkumiseen menetetyn ajan rahallinen arvo muodostaa 17,9 prosenttia kustannuksista. Liikkumismuodoista taksi on selvästi kallein ja kevyt liikenne selvästi halvin, sillä jälkimmäisen osalta otettiin huomioon vain aikakustannukset. Sekä vuosittaiset että yhden seurantakäynnin keskimääräiset kustannukset ovat henkilöautolla ja linja-autolla yhtä suuret, mutta mediaanikustannukset ovat kummassakin tapauksessa henkilöauton osalta pienemmät. Potilaiden hoitotasapaino vaikuttaa liikkumiskustannuksiin siten, että suuremmasta seurantakäyntien lukumäärästä johtuen huonossa hoitotasapainossa olevien potilaiden vuosittaiset liikkumiskustannukset ovat keskimäärin prosenttia suuremmat kuin hyvässä hoitotasapainossa olevilla potilailla. Kuvasta 9 käy ilmi vuosittaisten liikkumiskustannusten kohdistuminen Pohjois-Karjalan alueen eri terveydenhuollon toimipaikkoihin. Suuresta potilasmäärästä ja laajasta palvelualueesta johtuen suurimmat vuosittaiset seurannan liikkumiskustannukset aiheutuvat Liperin ja Lieksan terveyskeskuksiin ja Siilaisen terveysasemalle liikkumisesta. Toimipaikkoja lähellä olevien potilassijaintien vuosittaiset liikkumiskustannukset ovat selvästi pienemmät verrattuna kauempana keskuksista sijaitseviin potilassijainteihin. Pohjois- Karjalassa on myös havaittavissa kolme aluetta, joilta liikkuminen on erityisen kallista: Lieksa-Ilomantsi välinen alue, Juuka-Kontiolahti välinen alue ja Rääkkylästä etelään päin oleva alue. Tarkasteltaessa yhden seurantakäynnin keskimääräisiä kustannuksia tilanne säilyy potilassijaintien osalta hyvin samankaltaisena (kuva 10). Terveydenhuollon toimipaikoista kalleimpia seurannan käyntikohteita ovat keskimääräisillä yhden seurantakäynnin liikkumiskustannuksilla mitattuna Juuka, Liperi ja Ilomantsi. Tämä johtuu pitkälti siitä, että näihin kolmeen toimipaikkaan matkustetaan yleensä kauempaa kuin esimerkiksi Joensuun 55

57 kaupungin keskustassa oleviin toimipaikkoihin. Liperissä tilanteeseen vaikuttaa myös se, että kunnan kahta muuta toimipaikkaa, Ylämyllyä ja Viinijärveä, ei käytetä diabeteksen seurantaan, jolloin kaikkien potilaiden on matkustettava Liperin terveyskeskukseen. Taulukko 7. Tyypin 2 diabeteksen seurantaan liittyvät liikkumiskustannukset liikkumismuodoittain. Vuosittaiset liikkumiskustannukset Kevyt liikenne Henkilöauto Linja-auto Taksi Yhteensä 4 826, , , , ,58 Suorat liikkumisesta aiheutuvat kustannukset Liikkumisen aikakustannukset Liikkumismuotoa käyttävien potilaiden lukumäärä Seurantakäyntejä vuodessa , , , , , , , , , Keskimääräiset vuosittaiset liikkumiskustannukset potilasta kohti 3,54 39,51 39,77 106,31 Mediaanikustannukset 2,71 24,07 37,04 69,17 Keskimääräiset vuosittaiset liikkumiskustannukset hyvässä hoitotasapainossa olevalla potilaalla Keskimääräiset vuosittaiset liikkumiskustannukset huonossa hoitotasapainossa olevalla potilaalla 2,96 32,68 33,47 87,17 4,60 56,35 57,57 148,61 Keskimääräiset yhden seurantakäynnin liikkumiskustannukset 0,99 11,07 11,39 29,08 Mediaanikustannukset 0,78 6,86 9,31 18,48 56

58 Kuva 9. Vuosittaisten liikkumiskustannusten alueelliset erot sekä eri toimipaikkoihin kohdistuvat vuosittaiset liikkumiskustannukset. Potilaiden sijainnit on satunnaistettu ja yhdistelty 2x2km ruutuihin yksityisyydensuojan säilyttämiseksi. 57

59 Kuva 10. Yhden seurantakäynnin kustannukset ja alueelliset erot. Potilaiden sijainnit on satunnaistettu ja yhdistelty 2x2km ruutuihin yksityisyydensuojan säilyttämiseksi. 58

60 Kun liikkumiskustannusten lisäksi otetaan huomioon myös vastaanottokäynneistä ja mittauksista aiheutuvat kustannukset, ovat tutkimuksessa määritellyn tyypin 2 diabeteksen seurannan kokonaiskustannukset Pohjois-Karjalassa vuosittain noin 2,5 miljoonaa euroa (taulukko 8). Yhtä potilasta kohti seuranta maksaa vuodessa keskimäärin noin 280 euroa ja yhden seurantakäynnin kokonaiskustannukset puolestaan ovat keskimäärin 78 euroa. Yhteenlaskettujen liikkumiskustannusten osuus kokonaiskustannuksista on 16 prosenttia ja eri aikakustannukset kasvattavat kokonaiskustannuksia yhteensä kahdeksan prosenttia (kuva 11). Jos vastaavasti määriteltyä seurantaa tarkasteltaisiin vain vastaanottokäyntien suorien rahallisten kustannusten kautta, olisivat kokonaiskustannukset 21 prosenttia pienemmät. Tämän perusteella voidaan todeta, että sekä liikkuminen että aikamenetykset kannattaa huomioida kokonaiskustannuksia selvittäessä. Taulukko 8. Seurannan vuosittaiset kokonaiskustannukset eroteltuna kustannustyyppien mukaan. Vuodessa yhteensä Keskiarvo yhtä potilasta kohti vuodessa Keskiarvo yhtä seurantakäyntiä kohti Tyypin 2 diabeteksen seurannan kokonaiskustannukset Vastaanottokäyntien kustannukset Vastaanottokäynneistä ja mittauksista aiheutuvat kustannukset Vastaanottokäyntien ja mittausten aikakustannukset ,62 279,53 78, ,04 234,67 65, ,00 221,92 62, ,04 12,74 3,56 Liikkumiskustannukset ,58 44,87 12,53 Suorat liikkumisesta aiheutuvat ,89 kustannukset 36,83 10,29 Liikkumisen aikakustannukset ,69 8,04 2,24 59

61 5 % 13 % 3 % Vastaanottokäynneistä ja mittauksista aiheutuvat kustannukset 79 % Vastaanottokäyntien ja mittausten aikakustannukset Suorat liikkumisesta aiheutuvat kustannukset Liikkumisen aikakustannukset Kuva 11. Eri kustannustyyppien osuus T2D-seurannan kokonaiskustannuksista. 5.2 Liikkumiskustannukset terveydenhuollon toimipaikkojen vähentämisen jälkeen Skenaariota varten tarkastelusta poistettiin kolme saavutettavuudeltaan ja kysynnältään vähiten tärkeää terveydenhuollon toimipaikkaa lokaatio-allokaatio -algoritmin avulla. Analyysin perusteella tarkastelusta jäivät pois Valtimon, Uimaharjun ja Kiihtelysvaaran terveysasemat (Kuva 12). Lokaatio-allokaatio olisi poistanut puhtaasti hyvään saavutettavuuteen perustuen myös Lehmon terveysaseman, sillä siellä asioivien ihmisten olisi helppo matkustaa Joensuun keskustaan. Lehmo pidettiin edelleen mukana tarkastelussa, sillä skenaariossa haluttiin tarkastella välimatkojen ja liikkumiskustannusten kasvamisen vaikutuksia, eikä Lehmon poistaminen olisi tuonut tilanteeseen suurta muutosta. Kolmen terveydenhuollon toimipaikan poistamisen jälkeen 460 potilaan käyntikohde vaihtui seuraavaksi lähimpään toimipaikkaan. Liikkumismuoto vaihtui noin 75 potilaalla, sillä kevyen liikenteen käyttäjät vaihtuivat henkilöauton käyttäjiksi. 60

62 Kuva 12. Lokaatio-allokaatio, jonka perusteella skenaarion verkostoanalyyseista poistettiin kolme vähiten tärkeää terveydenhuollon toimipaikkaa. Kolmen terveydenhuollon toimipaikan poistaminen tarkastelusta kasvattaa potilasjoukon vuosittaisia liikkumiskustannuksia euroa eli noin yhdeksän prosenttia (taulukko 9). Kevyen liikenteen kustannukset laskevat hieman, sillä suljettuihin toimipaikkoihin kevyen liikenteen avulla matkustaneet potilaat vaihtuvat skenaariossa henkilöauton tai taksin 61

63 käyttäjiksi. Linja-auton osalta skenaariossa ei tapahdu muutosta sen vuoksi, etteivät tarkastelusta poistetut toimipaikat sijaitse Joensuun seudun linja-autoverkoston alueella. Skenaarion mukainen liikkumiskustannusten kasvu ei ole merkityksellistä niinkään koko alueen kannalta, mutta yksittäisen toimipaikkaa vaihtaneen potilaan kustannukset kasvavat vuositasolla keskimäärin lähes kolminkertaisiksi. Vastaavasti yhden seurantakäynnin kustannukset kasvavat kaksinkertaisiksi, joten muutos on huomattava. Alueellisesti tarkasteltuna liikkumiskustannukset kasvavat eniten alueilla, jotka ovat kaikkein kauimpana seuraavaksi lähimmästä toimipaikasta, joka korvaa käyntikohteena suljetun toimipaikan. Joillakin alueilla terveyspalveluiden sijainnin vaihtuminen voi jopa alentaa liikkumiskustannuksia, sillä uusi käyntikohde voi olla lähempänä kuin aikaisemmin oman kunnan keskustassa sijainnut toimipaikka (Kuva 13). Taulukko 9. Seurantaan liittyvät liikkumiskustannukset ja kustannusten muutos skenaariossa, jossa suljetaan kolme terveydenhuollon toimipaikkaa. Lähtötilanne Skenaario (3 toimipaikkaa suljettu) Muutos Muutos (%) Vuosittaiset liikkumiskustannukset , , ,73 9,2 % Suorat liikkumisesta aiheutuvat ,89 kustannukset , ,14 10,2 % Liikkumisen aikakustannukset , , ,59 4,3 % Vuosittaiset liikkumiskustannukset kevyt liikenne 4 826, ,09-260,99-5,4 % Vuosittaiset liikkumiskustannukset henkilöauto Vuosittaiset liikkumiskustannukset linja-auto Vuosittaiset liikkumiskustannukset taksi Keskimääräiset liikkumiskustannukset toimipaikkaa vaihtanutta potilasta (460) kohti vuodessa Yhden seurantakäynnin keskimääräiset liikkumiskustannukset toimipaikkaa vaihtanutta potilasta (460) kohti , , ,58 10,8 % , ,16 0,00 0,0 % , , ,15 9,7 % 41,91 122,93 81,01 193,3 % 10,87 21,50 10,64 97,9 % 62

64 Kuva 13. Skenaariossa tapahtuva yhden T2D-seurantakäynnin liikkumiskustannusten muutos ja alueelliset erot. Kartassa on esitetty numeroilla suljetuissa toimipaikoissa aikaisemmin käyneiden 460 potilaan uudelleensijoittuminen Pohjois-Karjalan muihin toimipaikkoihin. Potilaiden sijainnit on satunnaistettu ja yhdistelty 2x2km ruutuihin yksityisyydensuojan säilyttämiseksi. 63

65 5.3 Omaseurannan vaikutus seurannan kokonaiskustannuksiin ja liikkumiskustannuksiin Omaseurantaa tarkastelevaa skenaariota varten alkuperäisiä kustannusmalleja muutettiin siten, että vuosittaisten seurantakäyntien lukumäärää alennettiin ja vastaanottokäynteihin liittyvien kustannusten yhteydessä laskukaavaa muutettiin sivun 32. mukaisesti niin, että se laskee kustannukset myös potilaiden tekemille omamittauksille (Liite 2). Taulukko 10. Seurannan kokonaiskustannukset ja eri kustannustyyppien muutokset skenaariossa, jossa omaseurannan avulla korvataan osa Käypä hoito -suositusten mukaisesta seurannasta ja vastaanottokäynneistä. Skenaario Lähtötilanne (Omaseuranta korvaa osan Muutos Muutos % käynneistä) Vuosittaiset tyypin 2 diabeteksen seurannan , , ,64-56,8 % kokonaiskustannukset Keskiarvo yhtä potilasta kohti 279,53 vuodessa 120,72-158,81-56,8 % Vastaanottokäyntien kustannukset Vastaanottokäynneistä ja mittauksista aiheutuvat kustannukset (skenaariossa mukana myös omaseurannan kustannukset) Vastaanottokäyntien ja mittausten aikakustannukset (skenaariossa mukana myös omaseurantaan liittyvät aikakustannukset) , , ,01-55,7 % , , ,00-56,5 % , , ,01-41,5 % Liikkumiskustannukset , , ,62-62,6 % Suorat liikkumisesta aiheutuvat kustannukset , , ,29-62,6 % Liikkumisen aikakustannukset , , ,33-62,3 % Keskimääräiset liikkumiskustannukset potilasta kohti vuodessa Keskimääräiset yhden seurantakäynnin liikkumiskustannukset 44,87 16,80-28,07-62,6 % 12,53 12,55 0,01 0,1 % 64

66 Omaseurannan tulosten ottaminen kiinteäksi osaksi seurantaa alentaisi kokonaiskustannuksia nykyisestä 2,5 miljoonasta eurosta 1,1 miljoonaan euroon (taulukko 10). Vastaanottokäyntien kustannukset pienenevät 55,7 prosenttia, jolloin Käypä hoito -suositusten mukaisesti toteutuva seuranta maksaa skenaariossa noin euroa. Seurantaan liittyvät aikakustannukset pienenevät suhteessa vähemmän, sillä vaikka omaseuranta on hyvin halpaa toteuttaa, omamittaukset ja hoitohenkilöstön antaman palautteen lukeminen vievät silti aikaa. Koska potilaiden liikkumistarve pienenee huomattavasti, pienenevät vuosittaiset liikkumiskustannukset 62,6 prosenttia nykyisestä eurosta euroon. Vuosittaisten seurantakäyntien lukumäärän yhtenäistyminen tasaa huomattavasti myös liikkumiskustannusten alueellisia eroja (kuva 14). Pohjois-Karjalaan jää kuitenkin yhä heikon saavutettavuuden hotspot-alueita, joilta liikkuminen on kallista. Näiden alueiden esiintymiseen voi vaikuttaa myös potilaiden korkea ikä tietyillä alueilla, sillä kaikki yli 80-vuotiaat potilaat matkustavat taksilla, joka on tutkimuksessa mukana olevista liikkumis-muodoista kallein. Kun omaseurannan vaikutus lasketaan kolmen toimipaikan poistamisen jälkeen, vastaanottokäyntien kustannukset laskevat edelleen saman verran, mutta liikkumiskustannuksissa huomataan eroja (taulukko 11). Koska kolmen toimipaikan poistaminen tarkastelusta lisäsi lähtötilanteessa alueen yhteenlaskettuja vuosittaisia liikkumiskustannuksia yhdeksän prosenttia, pienentää omaseurannan mukaan ottaminen liikkumiskustannuksia 3,6 prosenttiyksikköä vähemmän, jolloin liikkumiskustannukset alenevat vuosittain 59 prosenttia. Käyntikohdetta vaihtaneiden potilaiden vuosittaiset liikkumiskustannukset kasvavat tällöin keskimäärin vain 13,3 prosenttia verrattuna tilanteeseen, jossa liikkumiskustannukset kolminkertaistuisivat ilman omaseurannan hyödyntämistä. Yhden seurantakäynnin kustannukset kasvavat kuitenkin edelleen keskimäärin 196,1 prosenttia, sillä vuosittain tehtävien seurantakäyntien lukumäärä laskee ja vuosittaiset liikkumiskustannukset jakautuvat aikaisemman 3-5 käynnin sijaan vain yhdelle tai kahdelle käynnille. 65

67 Kuva 14. Vuosittaisten liikkumiskustannusten alueelliset erot omaseurantaskenaarion jälkeen. Omaseuranta tasaa kustannusten alueellisia eroja. Potilaiden sijainnit on satunnaistettu ja yhdistelty 2x2km ruutuihin yksityisyydensuojan säilyttämiseksi. 66

68 Taulukko 11. Seurannan kokonaiskustannukset ja eri kustannustyyppien muutokset, kun Pohjois- Karjalasta on suljettu kolme toimipaikkaa ja omaseurannan avulla korvataan osa Käypä hoito - suositusten mukaisesta seurannasta ja vastaanottokäynneistä. Vuosittaiset tyypin 2 diabeteksen seurannan kokonaiskustannukset Keskiarvo yhtä potilasta kohti vuodessa Vastaanottokäyntien kustannukset Vastaanottokäynneistä ja mittauksista aiheutuvat kustannukset (skenaariossa mukana myös omaseurannan kustannukset) Vastaanottokäyntien ja mittausten aikakustannukset (skenaariossa mukana myös omaseurantaan liittyvät aikakustannukset) Lähtötilanne Skenaario (3 toimipaikkaa suljettu ja omaseuranta korvaa osan käynneistä) Muutos Muutos % , , ,97-56,3 % 279,53 122,28-157,26-56,3 % , , ,73-55,7 % , , ,00-56,5 % , , ,73-41,5 % Liikkumiskustannukset , , ,62-59,0 % Suorat liikkumisesta aiheutuvat kustannukset , , ,90-58,7 % Liikkumisen aikakustannukset , , ,72-60,6 % Keskimääräiset liikkumiskustannukset toimipaikkaa vaihtanutta potilasta (460) kohti vuodessa Yhden seurantakäynnin keskimääräiset liikkumiskustannukset toimipaikkaa vaihtanutta potilasta (460) kohti 41,91 47,50 5,58 13,3 % 10,87 32,18 21,31 196,1 % 67

69 6 TULOSTEN POHDINTA JA NIIDEN LUOTETTAVUUS 6.1 Seurannan kustannukset, toimipaikkojen vähentäminen ja omaseuranta Tulokset osoittavat, että tyypin 2 diabeteksen seurantaan liittyvä liikkuminen aiheuttaa Pohjois-Karjalassa vuosittain noin euron kustannukset ja liikkumiskustannukset vaihtelevat käytetyn liikkumismuodon mukaan. Liikkumismuodoista taksi on selvästi kallein, mutta henkilöautolla matkustavien potilaiden lukumäärä on selvästi suurin, joten yli 50 prosenttia alueen vuosittaisista liikkumiskustannuksista aiheutuu henkilöautolla liikkumisesta. Kevyt liikenne osoittautui puolestaan selvästi halvimmaksi sen vuoksi ettei sille määritetty suoria kustannuksia, vaan kustannukset muodostuvat pelkästään aikakustannuksista. Kun lasketaan yhteen sekä vastaanottokäyntien kustannukset että liikkumiskustannukset, seurannan kokonaiskustannukset ovat vuosittain euroa. Liikkumiskustannusten osuus kokonaiskustannuksista on 16 prosenttia, minkä perusteella saavutettavuus ja liikkuminen on syytä huomioida sairauden kokonaiskustannuksia selvitettäessä. Myös liikkumiseen ja vastaanottokäynteihin liittyvät aikamenetykset on järkevää ottaa mukaan laskentoihin, sillä tässä tutkimuksessa rahassa arvotetut aikakustannukset muodostavat kahdeksan prosenttia kokonaiskustannuksista. Kaiken kaikkiaan suorien vastaanottokäyntien kustannusten lisäksi potilaiden liikkuminen ja liikkumiseen sekä vastaanottokäynteihin liittyvät aikakustannukset muodostavat tässä tutkimuksessa 21 prosenttia seurannan kokonaiskustannuksista. Nämä tulokset vastaavat pitkälti aikaisempaa tutkimustietoa, sillä muun muassa Jowett ym. (2008: ) toteavat tutkimuksessaan, että aika- ja liikkumiskustannukset tulisi ottaa huomioon taloudellisissa arvioinneissa, koska ne lisäävät säännöllistä seurantaa vaativien sairauksien kokonaiskustannuksia. Woolley ym. (2007: 237) ovat todenneet useamman syöpätyypin seulontaan liittyvien aika- ja liikkumiskustannusten olevan Britanniassa keskimäärin prosenttia seulonnan kokonaiskustannuksista. Koska syöpien seulontaan liittyvät suorat hoidolliset kustannukset ovat pienemmät kuin tässä tutkimuksessa tarkasteltu tyypin 2 diabeteksen seuranta, voidaan 21 prosentin osuutta kokonaiskustannuksista pitää hyvin vastaavana tuloksena, vaikka tutkimusalueet eroavatkin merkittävästi toisistaan. 68

70 Henkilöautolla, linja-autolla ja taksilla liikkumisen kustannukset ovat pitkälti riippuvaisia matkan pituudesta, joten kustannusten alueellisia eroja tarkastellessa liikkuminen on pääsääntöisesti kalliimpaa, mitä kauemmas terveydenhuollon toimipaikoista ja keskuksista siirrytään. Lähellä terveydenhuollon toimipaikkaa asuvat potilaat voivat säästää rahaa liikkumalla kävellen tai pyöräillen. Pohjois-Karjalasta voidaan havaita kolme aluetta (Lieksa- Ilomantsi välinen alue, Juuka-Kontiolahti välinen alue ja Rääkkylästä etelään päin oleva alue), joilta liikkuminen on merkittävästi kalliimpaa kuin muualla. Näiden alueiden erottumiseen voi vaikuttaa sekä huono saavutettavuus että potilaiden korkea ikä. Tutkimuksessa kaikki yli 80- vuotiaat potilaat käyttävät taksia, joten jos alueella elää paljon vanhoja ihmisiä, ovat alueen liikkumiskustannukset korkeat vaikka saavutettavuus ei olisikaan merkittävissä määrin heikompi kuin muualla maakunnassa. Terveysmaantieteellisessä kontekstissa heikomman saavutettavuuden ja suurten liikkumiskustannusten voisi olettaa hankaloittavan seurantaan osallistumista, jolloin myös hoitotulokset voivat jäädä heikommiksi. Pohjois-Karjalassa näin ei kuitenkaan näyttäisi olevan, sillä Toivakka ym. (2015: 7) ovat todenneet, ettei pitkä välimatka potilaiden ja terveyspalveluiden välillä vaikuta tyypin 2 diabeteksen hoitoon Pohjois-Karjalan alueella. Toivakka ym. (2015: 7) arvelivat tämän johtuvan matkakustannuksiin liittyvistä Kelakorvauksista sekä potilaille tarjotusta mahdollisuudesta käyttää taksia silloin kuin halvempien liikkumismuotojen käyttäminen ei ole mahdollista. Eri terveydenhuollon toimipaikkoihin kohdistuvissa liikkumiskustannuksissa erottuvat vuositasolla ne toimipaikat, joissa käy paljon potilaita. Tästä syystä Siilaiselle, Liperiin ja Lieksaan kohdistuu eniten kustannuksia. Yhden seurantakäynnin kustannuksia tarkastelemalla voidaan kuitenkin havaita, että potilasaineistolla tarkasteltuna liikkumisen osalta kalleimpia käyntikohteita ovat Juuka, Ilomantsi ja Liperi. Näihin toimipaikkoihin matkustetaan laajalta alueelta, jolloin välimatkat ovat keskimäärin pidemmät kuin muualla maakunnassa. Täytyy kuitenkin huomioida, että yksittäistenkin seurantakäyntien keskimääräisiin kustannuksiin vaikuttavat merkittävästi alueella asuvien potilaiden ikä ja eri liikkumismuotojen osuudet. Ensimmäisen skenaarion avulla pystytään arvioimaan terveydenhuollon toimipaikkojen vähentämisen vaikutuksia liikkumiskustannuksiin. Kolmen saavutettavuudeltaan ja kysynnältään vähiten tärkeän toimipaikan poistaminen tarkastelusta lisää potilasjoukon liikkumiskustannuksia vuosittain noin euroa eli yhdeksän prosenttia lähtötilanteeseen verrattuna. Kustannusten nousulla ei ole suurta merkitystä koko alueen kannalta, mutta 69

71 lisäkustannukset vaikuttavat potilaisiin, jotka joutuvat asioimaan jatkossa jossakin muussa, kauempana olevassa toimipaikassa. Näiden 460:n toimipaikkaa vaihtaneen potilaan osalta keskimääräiset vuosittaiset liikkumiskustannukset kolminkertaistuvat ja yhden seurantakäynnin kustannukset kaksinkertaistuvat. Tämän vuoksi toisessa skenaariossa tarkastellaan omaseurannan kehittämisen ja sen tulosten tehokkaamman hyödyntämisen kustannusvaikutuksia. Pohjois-Karjalassa tehdään paljon diabeteksen omaseurantaa, mutta ongelmana on se, että omaseurannan tiedot eivät välity hoitohenkilökunnalle, eikä niitä näin ollen voida käyttää tehokkaasti seurantaan tai lääkityksessä tarvittavien muutosten arviointiin. Jos tuloksia aletaan hyödyntää paremmin, voidaan osa Käypä hoito -suositusten mukaisista vastaanottokäynneistä korvata potilaiden tekemillä omamittauksilla. Tämän tutkimuksen tulosten mukaan omaseurannan avulla voitaisiin saavuttaa merkittäviä kustannussäästöjä sekä seurantakäynteihin liittyvien vastaanottokäyntien että liikkumisen osalta. Skenaariossa seurannan vuosittaiset kokonaiskustannukset laskevat lähtötilanteen eurosta euroon eli muutos on lähes 57 prosenttia. Liikkumiskustannukset laskevat puolestaan euroa eli noin 62,5 prosenttia. Näiden tulosten perusteella diabeteksen omaseurantajärjestelmän kehittämistä kannattaa jatkaa niin, että omamittaustulokset saadaan kiinteäksi osaksi seurantaa. Koska omaseuranta puolittaisi potilaiden vuosittaisen liikkumistarpeen, se tasaisi myös liikkumiskustannusten alueellisia eroja. Skenaarion toteutuessa potilaat olisivat vuosittaisissa keskimääräisissä liikkumiskustannuksissa lähtötilanteeseen verrattuna paljon tasaarvoisemmassa asemassa valitusta liikkumismuodosta riippumatta. Kun omaseuranta-skenaarion tuloksia tarkastellaan kolmen toimipaikan poistamisen jälkeen, voidaan havaita, että potilasjoukon vuosittaiset liikkumiskustannukset laskevat edelleen 59 prosenttia. Toimipaikkaa vaihtaneiden 460 potilaan vuosittaiset liikkumiskustannukset kasvavat keskimäärin 13,3 prosenttia sen sijaan, että kustannukset olisivat kolminkertaistuneet ilman omaseurantaa. Tämän perusteella omaseurannan avulla voidaan kompensoida terveydenhuollon toimipaikkojen sulkemisesta aiheutuvaa terveyspalveluiden saavutettavuuden heikkenemistä ja liikkumiskustannusten kasvua. Näiden skenaarioiden tulokset ovat tärkeitä erityisesti tulevan sote-uudistuksen kannalta. Jos tulevaisuudessa ajaudutaan siihen tilanteeseen, että pienimpien paikkakuntien terveyspalveluita joudutaan lakkauttamaan, on hyödyllistä tietää, millaisia vaikutuksia muutoksilla on sekä saavutetta- 70

72 vuuteen että liikkumiskustannuksiin. Pitkäaikaisissa tiheää seurantaa vaativissa kansantaudeissa omaseuranta voisi selvästi olla kustannustehokas vaihtoehto perinteisten seurannan toteuttamismallien rinnalla. 6.2 Tulosten luotettavuus Tämän tutkimuksen tuloksia voidaan pitää hyvin oikeansuuntaisina ja luotettavina, kun niihin suhtaudutaan niin, että ne osoittavat kustannusten suuruuden tutkimuksessa määritellyssä tilanteessa. Koska tyypin 2 diabeteksen seurantaan ja potilaiden liikkumiseen liittyen jouduttiin tekemään yleistyksiä, tulee ne ottaa huomioon tulosten luotettavuuden arvioinnissa. Ensinnäkin yksittäisten potilaiden käyttämistä liikkumismuodoista ei ole olemassa luotettavaa tietoa, joten laaja kyselytutkimus voisi tarjota hyödyllistä lisätietoa. Liikkumismuotojen valinnassa otettiin huomioon potilaiden ikä ja mahdollisuus käyttää eri liikkumismuotoja. Tämän lisäksi valintojen taustalla oli autonomistusaineisto sekä yleistä tutkimustietoa ihmisten liikkumisesta. Potilaiden korkea keski-ikä huomioiden aiheen kannalta hyödyllinen muutos jatkoa ajatellen olisi kootun palveluliikenteen sisällyttäminen tutkimukseen osana taksimatkoja. Sen sijaan suurelta vaikuttavan henkilöautoa käyttävän ryhmän voidaan olettaa kuvaavan hyvin potilaiden liikkumista tulevaisuudessa, sillä ikäihmisten autoilun ennustetaan kasvavan merkittävästi (Tiikkaja & Kalenoja 2010: 59-60). Vaikka yksittäisten potilaiden liikkumismuodon valinnassa onkin epävarmuutta, tutkimuksessa tehty liikkumismuotojen valinta kuvaa hyvin potilasjoukon liikkumista kokonaisuutena. Toisekseen potilaat eivät todellisuudessa matkusta seurantakäynnille aina kotoaan, jolloin matkan lähtöpiste voi olla myös muu kuin potilaan kotiosoite. Tämän lisäksi ihmiset yhdistelevät eri matkoja niin, että samalla matkalla käydään esimerkiksi myös ruokakaupassa tai pankissa. Tämän vuoksi yksinomaan tyypin 2 diabeteksen seurantaan kohdistuva liikkuminen on todellisuudessa hieman pienempää kuin miten se tässä tutkimuksessa esitetään. Toisaalta voidaan kuitenkin ajatella, että seurantakäynnit ja niiden edellyttämä liikkuminen tapahtuisivat joka tapauksessa muusta asiointitarpeesta riippumatta. Kolmanneksi tutkimuksessa seurannan oletetaan tapahtuvan Käypä hoito -suositusten mukaisesti, joten myös vuosittaisten seurantakäyntien lukumäärä ja tulokset kuvaavat suositusten 71

73 mukaista tilannetta. Toteutuneiden seurantakäyntien määrä tulisi kuitenkin selvittää tarkemmin, sillä käynneissä voi olla suuria alueellisia sekä potilaskohtaisia eroja. Terveydenhuollon toimipaikkojen käyntiaineisto tarjoaa tähän osittain vastauksia, mutta tällä hetkellä käyntien kirjaamisessa on suuria eroja toimipaikkojen välillä ja osa tiedoista jätetään täyttämättä. Skenaarioissa tarkasteltu diabeteksen omaseuranta vaikuttaa tulosten perusteella erittäin kustannustehokkaalta ratkaisulta, mutta kuten aikaisemmat omaseurantakokeilut ovat osoittaneet, omaseurannan tehokas hyödyntäminen hoidossa on haastavaa ja sen tarjoamat hyödyt voivat jäädä pieniksi ellei järjestelmää suunnitella kunnolla. Pohjois-Karjalassa ongelmana on edelleen omamittausten tulosten välittyminen hoitohenkilöstölle, joten omaseurannalla ei voida vielä täysin korvata Käypä hoito -suositusten mukaisia seurantakäyntejä. Tämän tutkimuksen tulokset kuvaavat omaseurannan käyttökustannuksia, mutta suuriin kustannussäästöihin päästään vasta sijoittamalla rahaa järjestelmän kehittämiseen. Skenaariosta saatujen tulosten perusteella omaseurannan perusteellisempi hyödyntäminen tyypin 2 diabeteksen seurannassa olisi taloudellisesti järkevää. Liikennemaantieteeseen liittyviä paikkatietomenetelmiä on hyödynnetty aikaisemmin onnistuneesti useissa saavutettavuutta ja liikkumiskustannuksia käsittelevissä tutkimuksissa (esim. Bulai & Ursu 2012; Ford ym. 2015; El-Geneidy 2016). Paikkatietomenetelmät ja GISmallit osoittautuivat käyttökelpoisiksi menetelmiksi myös tässä tutkimuksessa, sillä menetelmien avulla voitiin käsitellä suhteellisen pienellä vaivalla tehokkaasti suuria aineistoja. Ilman paikkatietoaineistoja ja verkostoanalyyseja saavutettavuuden mittaaminen etäisyytenä, aikana sekä rahallisina kustannuksina olisi ollut hyvin haastavaa. Samalla menetelmä mahdollisti myös eri skenaarioiden testaamisen malleihin tehtyjen muutosten avulla. Tutkimuksessa hyödynnetyt potilastietojärjestelmästä poimitut tiedot soveltuivat hyvin saavutettavuusanalyysien pohjaksi, sillä potilaiden kotiosoitteiden geokoodaamisen jälkeen paikkatietoaineistoon oli helppo yhdistellä muita aineistoja, kuten Tilastokeskuksen henkilötason tietoja. Mediatrin kaltainen potilastietojärjestelmä tarjoaa maantieteessä monia tutkimusmahdollisuuksia myös saavutettavuusanalyysien ulkopuolelta. Tietojen avulla voidaan tutkia esimerkiksi hoidon laatuun ja onnistumiseen liittyviä alueellisia eroja ja niiden syitä. Paikkatietomenetelmät tarjoavat tälle osa-alueelle valtavasti mahdollisuuksia, sillä terveydenhuollossa kaikki hoidon laatua parantavat ja kustannussäästöjä tuovat muutokset ovat tarpeellisia. 72

74 7 YHTEENVETO JA JOHTOPÄÄTÖKSET Tutkimuksessa selvitettiin, miten tyypin 2 diabeteksen seurannan saavutettavuus ja potilaille aiheutuvat liikkumiskustannukset muodostuvat Pohjois-Karjalan alueella. Lisäksi laskettiin sekä liikkumiskustannusten että seurannan kokonaiskustannusten suuruutta ihmistä käsittäneen potilasaineiston avulla. Nykytilanteen lisäksi testattiin kahta mahdollista tulevaisuuden skenaariota. Ensimmäisessä testattiin, miten kolmen terveydenhuollon toimipaikan sulkeminen kasvattaa potilaiden vuosittaisia liikkumiskustannuksia. Toisessa skenaariossa puolet vuosittaisista seurantakäynneistä korvattiin omaseurannalla, sillä se vähentää potilaiden liikkumistarvetta ja sen voidaan ajatella kompensoivan ensimmäisessä skenaariossa tapahtuvaa liikkumiskustannusten kasvamista. Sekä kustannusten laskeminen että skenaariot toteutettiin paikkatietopohjaisilla kustannusmalleilla. Potilaiden liikkumisen tarkastelussa haastavinta oli eri liikkumismuotojen huomioon ottaminen. Lopulta päädyttiin ottamaan huomioon kevyt liikenne, henkilöauto, linja-auto ja taksi Hanlyn ym. (2013) tutkimuksen mukaisesti. Kaikista liikkumismuodoista selvitettiin sekä suorat matkan pituudesta riippuvat liikkumiskustannukset että liikkumiseen menetetyn ajan rahallinen arvo. Yhteenlaskettujen liikkumiskustannusten 16 prosentin osuutta seurannan kokonaiskustannuksista voidaan pitää merkittävänä. Skenaarioiden perusteella voidaan todeta, että terveydenhuollon toimipaikkojen sulkeminen vaikuttaa muutosalueella elävien ihmisten liikkumiskustannuksiin, mutta palvelurakenteen muutoksilla ei ole niin suurta merkitystä koko Pohjois-Karjalan kannalta. Omaseuranta sen sijaan pienentää sekä liikkumiskustannuksia että erityisesti vastaanottokäynneistä aiheutuvia kustannuksia. Omamittausten tulokset olisi kannattavaa ottaa entistä kiinteämmin osaksi seurannan toteuttamista, jotta niillä voitaisiin korvata osa Käypä hoito -suositusten mukaisista vastaanottokäynneistä. Terveydenhuollon taloudelliset arvioinnit eivät useinkaan huomioi potilaiden aikamenetyksiä tai terveyspalveluiden saavutettavuudesta aiheutuvia liikkumiskustannuksia, joten tämä tutkimus on hyödyllinen siitä syystä, että se osoittaa näiden kustannustyyppien merkityksen tyypin 2 diabeteksen seurannan ja sairauden yhteiskunnallisen kokonaistaakan kannalta. Tutkimus on myös osoitus siitä, miten monipuolisesti potilastietojärjestelmästä poimittuja tietoja voidaan hyödyntää. Alueellisesti yhtenäisten potilastietojärjestelmien tutkimuskäyttö 73

75 on ollut vähäistä erityisesti Suomessa ja vastaavia potilastietojärjestelmää hyödyntäviä saavutettavuutta ja potilaiden liikkumiskustannuksia käsitteleviä tutkimuksia on hankalaa löytää myöskin muista maista. Eri kustannustyypit on laskettu niin tarkasti kuin se vain oli tämän tutkimuksen puitteissa mahdollista. Eri liikkumismuotojen käyttäjien määrä voi todellisuudessa vaihdella paljonkin, mutta tulokset antavat vastauksen kustannusten suuruusluokasta ja eri kustannustyyppien osuuksista. Kun tyypin 2 diabeteksen seurantaan liittyviä liikkumiskustannuksia tutkitaan lisää, olisi tarkasteluun hyödyllistä ottaa mukaan myös muut käynnit, kuten hoitotarvikkeiden noutaminen, fysioterapiat ja jalkahoidot. Tällöin täytyisi kuitenkin pyrkiä huomioimaan myös eri matkojen yhdistely, sillä muuten liikkumiskustannukset kasvavat epärealistisen suuriksi. Monista yleistyksistä huolimatta tässä tutkimuksessa tuloksia voidaan pitää oikeansuuntaisina, sillä liikkumiskustannusten ja aikakustannusten vastaavansuuruisia osuuksia hoidon kokonaiskustannuksista on raportoitu myös syöpien seulontaan liittyvissä tutkimuksissa (Woolley 2013). Tutkimus tarjoaa hyvän lähtökohdan vastaavien kustannusmallien kehittämiseen ja mallissa käytettyjen muuttujien tarkentamiseen. Tarvittaessa tiettyjä tutkimusasetelmaan liittyviä oletuksia pystytään korvaamaan kustannusmallissa tarkemmilla tiedoilla, mikä tarjoaa myös paljon jatkotutkimusmahdollisuuksia. Tarkennetulla mallilla saatujen tulosten jälkeen myös nykyisen mallin luotettavuutta olisi helpompi arvioida. Jos mallin tarkentaminen parantaa huomattavasti tulosten tarkkuutta ja luotettavuutta, päästään aiheessa eteenpäin. Vastaavasti jos nykyisen mallin avulla päästään lähimain samoihin tuloksiin pienemmällä vaivalla, voi mallin ja ilmiön yksinkertaistaminen olla tällöin ajansäästön vuoksi kannattavaakin. Työssä suurin osa ajasta kului aineiston käsittelyyn ja kustannusmallin muuttujien ja niiden parametrien määrittämiseen. Jatkossa vastaavien tutkimusten tekeminen on huomattavasti nopeampaa, sillä pohjatyö on nyt tehty. Tutkimus olisi helppo toteuttaa myös muilla tutkimusalueilla ja muista sairauksista kuin tyypin 2 diabeteksesta. Myös tuleva sote-uudistus tarjoaa paljon potilaiden liikkumiseen liittyviä tutkimusmahdollisuuksia. Suoraan tähän tutkimukseen liittyen diabeteksen seurannan liikkumiskustannukset olisi mielenkiintoista selvittää koko Suomen laajuudessa, sillä Pohjois-Karjalan potilasta ovat vain pieni osa Suomessa diagnosoiduista yli tyypin 2 diabeetikosta. Pohjois- Karjalassa hoidon ja potilaiden väliset etäisyydet ovat melko pitkät, joten alueelta laskettujen 74

76 liikkumiskustannusten perusteella ei voida yleistää tarkasti koko maan tilannetta. Suomessa Käypä hoito -suositusten mukaan toteutetun seurannan vastaanottokäyntien ja verensokerimittausten vaatiman liikkumisen voisi kuitenkin arvella maksavan vuosittain 7-10 miljoonaa euroa. Omaseurantaa tehokkaasti hyödyntämällä seurannan kokonaiskustan-nuksissa voitaisiin saavuttaa Suomessa vuosittain arviolta miljoonan euron säästöt. Liikkumisen ja aikamenetysten lisäksi sairauteen liittyy muitakin epäsuoria kustannuksia, kuten tulonsiirrot ja tuottavuuden alentuminen. Diabeteksen ja muiden kansantautien laajuus huomioon ottaen näiden epäsuorien kustannusten alentamiseen tähtäävät toimenpiteet ja alueellisten erojen tutkiminen olisi perusteltua. Lähteet Accorsi, R., R. Manzini, C. Pini & S. Penazzi (2015). On the design of closed-loop networks for product life cycle management: Economic, environmental and geography considerations. Journal of Transport Geography 48, Aday, L. & R. Anderson (1981). Equity of Access to Medical Care: A Conceptual and Empirical Overview. Medical Care 19: 12, Appariccio, P., M. Abdelmajid, M. Riva & R. Sheamur (2008). Comparing alternative approaches to measuring the geographical accessibility of urban health services: Distance types and aggregation-error issues. International Journal of Health Geographics 7: 7. Bhatta, B. P. & O. I. Larsen (2011). Errors in variables in multinomial choice modeling: A simulation study applied to a multinomial logit model of travel mode choice. Transport Policy 18: 2, Biermann, E., W. Dietrich, J. Rihl & E. Standl (2002). Are there time and cost savings by using telemanagement for patients on intensified insulin therapy? A randomized, controlled trial. Computer Methods and Programs in Biomedicine 69, Bostock, L. (2001). Pathways of disadvantage? Walking as a mode of transport among low income mothers. Health & Social Care in the Community 9, Brabyn, L. & C. Skelly (2002). Modeling population access to New Zealand public hospitals. International Journal of Health Geographics 1: 3. Brown, T., S. McLafferty & G. Moon (2010). A Companion to Health and Medical Geography. Wiley-Blackwell, Oxford, Iso-Britannia. Bulai, M. & A. Ursu (2012). Creating, Testing and Applying a GIS Road Travel Cost Model for Romania. Geographica Technica 1, Burns, L. D. (1979). Transportation, temporal and spatial components of accessibility. Lexington Books, Lexington. 75

77 Can, V. V. (2013). Estimation of travel mode choice for domestic tourists to Nha Trang using the multinomial probit model. Transportation Research Part A: Policy and Practice 49, Carse, A., A. Goodman, R. L. Mackett, J. Panter & D. Ogilvie (2013). The factors influencing car use in a cycle-friendly city: the case of Cambridge. Journal of Transport Geography 28, Comber, A. J., C. Brunsdon & R. Radburn (2011). A spatial analysis of variations in health access: linking geography, socio-economic status and access perceptions. International Journal of Health Geographics 10: 44. Commins, N. & A. Nolan (2011). The determinants of mode of transport to work in the Greater Dublin Area. Transport Policy 18: 1, Conlon, K., A. Monaghan, M. Hayden & O. Wilhelmi (2016). Potential Impacts of Future Warming and Land Use Changes on Intra-Urban Heat Exposure in Houston, Texas. PLOS ONE 11:2, Cromley, E. K. & S. L. McLafferty (2012). GIS and Public Health. The Guilford Press, New York. Delamater, P. L., J. P. Messina, A. M. Shortridge & S. C. Grady (2012). Measuring geographic access to health care: raster and network-based methods. International Journal of Health Geographics 11:15. Diabetesliitto a. Diabetestietoa - Yleistä diabeteksesta - Tilastotietoa < Diabetesliitto b. Diabetestietoa - Yleistä diabeteksesta < Diabetes: Käypä hoito -suositus < =90A1E00412A A84E9C54F0212F?id=hoi50056> Dummer, T. J. B. (2008). Health geography: supporting public health policy and planning. Canadian Medical Association 178: 9, El-Geneidy, A., D. Levinson, E. Diab, G. Boisjoly, D. Verbich & C. Loong (2016). The cost of equity: Assessing transit accessibility and social disparity using total travel cost. Paper to be presented at the 95th annual meeting of the transportation research board, Washington D. C., USA. ESPON (2011). TRACC Transport Accessibility at Regional/Local Scale and Patterns in Europe, Interim Report. Applied Research 2013/1/10. European Union. ESRI (2015). ArcGIS Desktop Help. GIS data structure types < ESRI (2016a) ArcGIS Network Analyst < ESRI (2016b). ArcGIS for Desktop. OD cost matrix analysis < 76

78 ESRI (2016c). ArcGIS for Desktop. Location-allocation analysis < > ESRI Finland (2015). Suomen tie- ja katuverkko Aineiston tietosisältö Etu-Seppälä, L., P. Ilanne-Parikka, E. Haapa, J. Marttila, S. Korkee & T. Sampo (2004). DEHKO - Diabeteksen ehkäisyn ja hoidon kehittämisohjelma Tyypin 2 diabeteksen ehkäisyohjelma Suomen Diabetesliitto. Gummerus Kirjapaino Oy, Jyväskylä. Fahey, L. & R. M. Randall (1998). Learning from the future - competitive foresight scenarios. John Wiley & Sons, Inc, New York. Ford, A. C., S. L. Barr, R. J. Dawson & P. James (2015). Transport Accessibility Analysis Using GIS: Assessing Sustainable Transport in London. International Journal of Geo-Information 4, Forssas E., R. Sund, K. Manderbacka, M. Arffman, P. Ilanne-Parikka & I. Keskimäki (2010). Diabeetikoilla yhä suuri ylikuolleisuus muuhun väestöön verrattuna. Suomen Lääkärilehti 65: Frew, E., J. L. Wolstenholme, W. Atkin & D. K. Whynes (1999). Estimating time and travel costs incurred in clinic based screening: flexible sigmoidoscopy screening for colorectal cancer. Journal of Medical Screening 6, Geraghty, E. M., T. Balsbaugh, J. Nuovo & S. Tandon (2010). Using Geographic Information Systems (GIS) to Assess Outcome Disparities in Patients with Type 2 Diabetes and Hyperlipidemia. The Journal of the American Board of Family Medicine 23: 1, Geurs, K. T. & B. Wee (2004). Accessibility evaluation of land-use and transport strategies: review and research directions. Journal of Transport Geography 12: 2, Guagliardo, M. F. (2004) Spatial accessibility of primary care: concepts, methods and challenges. International Journal of Health Geographics 3: 3. Habib, K. M. N. & A. Sasic (2014). A GEV model with scale heterogeneity for investigating the role of mobility tool ownership in peak period non-work travel mode choices. Journal of Choice Modelling 10, Hakkarainen, T. (2015). Terveydenhuollon palveluverkon optimointi lokaatio-allokaatio - menetelmillä OYS-erityisvastuualueella. Pro Gradu -tutkielma, Oulun yliopisto. Halden, D. (2002). Using accessibility measures to integrate land use and transport policy in Edinburgh and the Lothians. Transport Policy 9, Handy, S. (2002). Accessibility- vs. mobility-enhancing strategies for addressing automobile dependence in the U.S. A report prepared for the European Conference of Ministers of Transport < Hanly, P., A. Ó. Céilleachair, M. Skally, E. O Leary, K. Kapur, P. Fitzpatrick, A. Staines & L. Sharp (2013). How much does it cost to care for survivors of colorectal cancer? Caregiver s time, travel and out-of-pocket costs. Support Care Cancer 21, Hansen, W. G. (1959). How accessibility shapes land use. Journal of American Institute of Planners 25: 2,

79 Haynes, R. (2003). Geographical access to health care. Teoksessa Gulliford M., M. Morgan (toim.) (2003). Access to health care, Routledge, Lontoo. Haynes, R., A. P. Jones, V. Sauerzapf & H. Zhao (2006). Validation of travel times to hospital estimated by GIS. International Journal of Health Geographics 5:40, 1-8. Heller, S. R. (2014). Self-monitoring of blood glucose: a promise still unfulfilled? Diabetologia 57, Huerta Munoz, U. & C. Källestål (2012). Geographical accessibility and spatial coverage modeling of the primary health care network in the Western Province of Rwanda. International Journal of Health Geographics 11: 40. International Diabetes Federation. Diabetes Atlas 6th edition Update, Key Findings < Jowett, S., S. Bryan, I. Mahé, D. Brieger, J. Carlsson, B. Kartman & N. Nevinson (2008). A Multinational Investigation of Time and Traveling Costs in Attending Anticoagulation Clinics. Value in Health 11:2, Kapiainen, S., A. Väisänen & T. Haula (2014). Terveyden- ja sosiaalihuollon yksikkökustannukset Suomessa vuonna Terveyden ja hyvinvoinnin laitoksen raportti. < web.pdf?sequence=1> Khan, A. A. (1992) An integrated approach to measuring potential spatial access to health care services. Socio-Economic Planning Sciences 26: 4, Klöckner, C. A. & T. Friedrichsmeier (2011). A multi-level approach to travel mode choice How person characteristics and situation specific aspects determine car use in a student sample. Transportation Research Part F: Traffic Psychology and Behaviour 14: 4, Kobayashi, D., T. Otsubo & Y. Imanaka (2015). The effect of centralization of health care services on travel time and its equality. Health Policy 119, Kotavaara, O., H. Antikainen & J. Rusanen (2012a). Saavutettavuuksien alueellinen mosaiikki Suomessa. Nordia Tiedonantoja 1, Kotavaara, O., H. Antikainen, M. Marmion & J. Rusanen (2012b). Scale in the effect of accessibility on population change: GIS and a statistical approach to road, air and rail accessibility in Finland, The Geographical Journal 178: 4, Lankila, T., O. Kotavaara, H. Antikainen, T. Hakkarainen & J. Rusanen (2016). Sosiaali- ja terveyspalveluverkon kehityskuva Paikkatieto- ja saavutettavuusperusteinen tarkastelu. Oulun yliopisto. Lehtonen, O. & M. Tykkyläinen (2014). Delphi path simulator for unveiling potential futures in the forest industries by contrasting forest management practices. Technological Forecasting and Social Change 84, Lei, T. L. & R. L. Church (2010). Mapping transit-based access: integrating GIS, routes and schedules. International Journal of Geographical Information Science 24: 2, Liikennevirasto (2012). Henkilöliikennetutkimus Suomalaisten liikkuminen. 78

80 < mus_web.pdf> Linko, L., K. Lampe, J. Ihalainen, M. Mäkelä & H. Sintonen (2005). Verensokerin omaseuranta diabeteksen hoidossa. FinOHTA:n raportti 24. Gummerus Kirjapaino Oy, Saarijärvi. Liu, S. & X. Zhu (2004). Accessibility Analyst: an integrated GIS tool for accessibility analysis in urban transportation planning. Environment and Planning B: Planning and Design 31, Lovett, A., R. Haynes, G. Sünnenberg & S. Gale (2002). Car travel time and accessibility by bus to general practitioner services: a study using patient registers and GIS. Social Science & Medicine 55, Löytönen, M., P. Maasilta (1996). Mitä on terveysmaantiede? Suomen lääkärilehti 30, Löytönen, M. (2004). Maantiede ja sen erityisyys: maantiede, terveysmaantiede ja tartuntataudit. Tieteessä tapahtuu 3, McGrail, M. R. (2012). Spatial accessibility of primary health care utilising the two step floating catchment area method: an assessment of recent improvements. International Journal of Health Geographics 11: 50. McLafferty, S. L. (2003). GIS and Health Care. Annual Review of Public Health 24, Miller, H. & S.-L. Shaw (2001). Geographic information systems for transportation. Oxford University Press Inc, New York. Moons, E., J. Loomis, S. Proost, K. Eggermont & M. Hermy (2001). Travel cost and time measurement in travel cost models. Energy, Transport & Environment working papers 22. Morris, J. M., P. L. Dumble & M. R. Wigan (1979). Accessibility Indicators for Transport Planning. Transportation Research Part A: General 13: 2, Moseley, M. (1979). Accessibility: the rural challenge. Methuen & Co Ltd, Lontoo. Määttä-Juntunen, H., J. Pöllänen & J. Rusanen (2013). GIS-pohjainen toimintamalli henkilöautoliikenteen tuottaman CO2-päästön arviointiin: "Ilmastoystävällinen kaavoitus (ILKA) -hankkeen loppuraportti. Nordia Tiedonantoja 2013: 2. Oulun yliopiston Maantieteen laitos, Oulu. Nordic Healthcare group (2013). Sitra: Diabeteksen sähköisten omahoitohankkeiden ja toimintamallien kartoitus Loppuraportti < Paez, A., R. G. Mercado, S. Farber, C. Morency & M. Roorda (2010). Accessibility to health care facilities in Montreal Island: an application of relative accessibility indicators from the perspective of senior and non-senior residents. International Journal of Health Geographics 9: 52. Patel, A., N. Waters, I. Blanchard, C. Doig & W. Ghali (2012). A Validation of ground ambulance pre-hospital times modeled using geographic information systems. International Journal of Health Geographics 11:42, Penchansky, R. & J. W. Thomas (1981). The Concept of Access. Medical Care 19: 2,

81 Peters, D. H., A. Garg, G. Bloom, D. G. Walker, W. R. Brieger & M. H. Rahman (2008). Poverty and access to health care in developing countries. Annals of the New York Academy of Sciences 1136, Ray, N. & S. Ebener (2008). AccessMod 3.0: computing geographic coverage and accessibility to health care services using anisotropic movement of patients. International Journal of Health Geographics 7: 63. Reini, K. (2013). Diabetes Causes Substantial Losses for the Finnish Economy Discussion paper 14/2013. National Institute For Health And Welfare. ReVelle, C. S. & H. A. Eiselt (2004). Location analysis: A synthesis and survey. European Journal of Operational Research 165: Rigaux, P., M. Scholl & A. Voisard (2002). Spatial databases with application to GIS. San Francisco, CA: Morgan Kaufmann. Rodrigue, J-P., C. Comtois & B. Slack (2013). The Geography of Transport Systems, Third Edition. Routledge, New York. Russo, J. E., R. R. McCool & L. Davies (2016). VA Telemedicine: An Analysis of Cost and Time Savings. Telemedicine and e-health 22: 3, 1-7. Salze, P., A. Banos, J.-M. Oppert, H. Charreire, R. Casey, C. Simon, B. Chaix, D. Badariotti & C. Weber (2011). Estimating spatial accessibility to facilities on the regional scale: an extended commuting based interaction potential model. International Journal of Health Geographics 10: 2. Saraheimo, M., T. Sane, T. Kangas, A. Virkamäki & T. Rönnemaa (2009). Mitä diabetes on? Teoksessa Ilanne-Parikka, P., T. Rönnemaa, M.-T. Saha & T. Sane (toim.): (2009). Diabetes, Kustannus Oy Duodecim, Helsinki. Şimşekoğlu, Ö., T. Nordfjærn & T. Rundmo (2015). The role of attitudes, transport priorities, and car use habit for travel mode use and intentions to use public transportation in an urban Norwegian public. Transport Policy 42, Smith, D. M., S. Cummins, M. Taylor, J. Dawson, D. Marshall, L. Sparks & A. S. Anderson (2009). Neighbourhood food environment and area deprivation: spatial accessibility to grocery stores selling fresh fruit and vegetables in urban and rural settings. International Journal of Epidemiology 39, Sund, R. & S. Koski (2009). FinDM II. Diabeteksen ja lisäsairauksien esiintyvyyden ja sen ilmaantuvuuden rekisteriperusteinen mittaaminen - Tekninen raportti. Suomen Diabetesliitto, Tampere. Suomen Taksiliitto (2016). Taksimatkan hinta < Tiikkaja, H. & H. Kalenoja (2010). Henkilöauton ajokortin haltijaryhmät - Ennuste ajokortin haltijoista vuosille Trafin julkaisuja 3/2010. < 666-Trafi3-2010Henkiloauton_ajokortin_haltijaryhmat.pdf> Tilastokeskus (2014). Väestö < 80

82 Tilastokeskus (2015). Väestöntiheys alueittain < vrm vaerak/089_vaerak_ta u_132.px/?rxid=affcb000-d069-40ac-9a97-0fc12fe63feb> Toivakka, M., T. Laatikainen, T. Kumpula & M. Tykkyläinen (2015). Do the classification of areas and distance matter to the assessment results of achieving the treatment targets among type 2 diabetes patients? International Journal of Health Geographics 14:27, Tykkyläinen, M. (1988). Periphery syndrome - a reinterpretation of regional development theory in a resource periphery. Fennia 166, Tykkyläinen, M. & O. Lehtonen (2008). Russian Roundwood Exports: The Effects of Tariffs on the Finnish Border Economy. Eurasian Geography and Economics 49: 6, Vallebona, C., A. Mantino & E. Bonari (2016). Exploring the potential of perennial crops in reducing soil erosion: A GIS-based scenario analysis in southern Tuscany, Italy. Applied Geography 66, Varanauskiene, E. (2008). Can blood glucose self-monitoring improve treatment outcomes in type 2 diabetes? Diabetes Research and Clinical Practise 82: S2, Victoria Transport Policy Institute (2013). Transport Cost and Benefit Analysis II - Travel Time Costs. < Wang, F. H. & W. Luo (2005). Assessing spatial and nonspatial factors for healthcare access: services. Socio-economic Planning Science 26, towards an integrated approach to defining health professional shortage areas. Health & Place 11, Whalen, K. E., A. Paez & J. A. Carrasco (2013). Mode choice of university students commuting to school and the role of active travel. Journal of Transport Geography 31, WHO (2001). Background Paper for the Technical Consultation on Effective Coverage of Health Systems, 8/27 29/2001 Rio de Janeiro, Brazil. Department of Health Service Provision. Geneva, Switzerland. Woolley, C., Z. Philips & D. K. Whynes (2007). United Kingdom cervical cancer screening and the costs of time and travel. International Journal of Technology Assessment in Health Care 23: 2, Yabroff, K. R., J. L. Warren, K. Knopf, W.W. Davis & M. L. Brown (2005). Estimating Patient Time Costs Associated With Colorectal Cancer Care. Medical Care 43:7, Yabroff, K. R., W.W. Davis, E. B. Lamont, A. Fahey, M. Topor, M. L. Brown & J. L. Warren (2007). Patien Time Costs Associated With Cancer Care. Journal of National Cancer Institute 99:1,

83 Liitteet Liite 1. Mallit eri liikkumismuodoille verkostoanalyyseja ja kustannusten laskemista varten. 82

84 83

85 Liite 2. Esimerkki omaseuranta skenaariota varten muokatusta mallista. 84