Paremmalla ennakoinnilla kestävämpään mielen hyvinvointiin työssä

Hanketiedot

Hankenumero
190402

Hakija
Työterveyslaitos

Toteuttaja
Työterveyslaitos

Lisätietoja
Pekka Varje
pekka.varje@ttl.fi

Toteutusaika
1.2.2020 - 31.7.2022

Työsuojelurahaston päätös
5.11.2019
150 000 euroa

Kokonaiskustannukset
263 940 euroa

Tulokset valmistuneet
5.10.2022

Tiivistelmä

Mielenterveyden ongelmat muodostavat yhä suuremman haasteen suomalaisen työväestön hyvinvoinnille samalla kun käynnissä olevat työelämän muutokset lisäävät psyykkisen hyvinvoinnin roolia työkyvyn ylläpitäjänä. Hankkeen tavoitteena on kehittää uudenlaista datalähtöistä mielenterveyden tutkimusta sekä luoda työkaluja työterveyshuollon toiminnan tukemista varten. Hyödynnämme koneoppimiseen perustuvia ennustemalleja analyyseissä, jotka pureutuvat Terveystalo Oyj:n digitaalisiin tekstiaineistoihin. Kysymme, mitkä tekijät ennustavat mielenterveysongelmia suomalaisessa työväestössä ja miten nämä tekijät vaikuttavat heidän työkykyynsä ja toipumiseensa? Selvitämme, miten tekoälyalgoritmeja voidaan parhaiten hyödyntää mielenterveyden tutkimuksessa ja miten niiden avulla tuotettavalla tiedolla voidaan edistää työterveyshuollon potilastyötä sekä varhaisen tuen toteutumista. Hanke tuottaa työntekijöiden mielenterveysongelmien kehitystä kuvaavan riskikartan, jota voidaan hyödyntää työympäristön ja työolojen kehittämisessä sekä psyykkisen työsuojelun edistämisessä. Työterveyshuollon toiminnan tukemiseksi riskikartasta kehitetään sovellus, joka tuottaa yksilöllisiä ennusteita mielenterveydellisen oirehtimisen todennäköisistä seurauksista esimerkiksi toistuvien sairauspoissaolojen muodossa. Tätä työkalua voidaan hyödyntää muun muassa kliinisessä potilastyössä, ohjauksessa ja neuvonnassa sekä työterveysneuvotteluissa.

Hankkeen vastuuhenkilö

Pekka Varje

Tiedote

Kohti kestävämpää mielen hyvinvointia: koneoppiminen ja mielenterveystapahtumien ennakointi

5.10.2022

Tiivistelmä

Mielenterveysongelmien ennaltaehkäisyn kannalta on tärkeää lisätä tietoa ongelmien taustalla olevista tekijöistä ja kehittää menetelmiä niiden ennakointiin. Koneoppimismenetelmiin ja työterveyshuollon digitaalisiin aineistoihin perustuvassa tutkimuksessa ennustettiin tulevaa mielenterveysdiagnoosin todennäköisyyttä työterveyskyselyn pohjalta. Lisäksi tarkasteltiin mielenterveyteen liittyvän hoidon pitkittymistä. Hankkeessa onnistuttiin tunnistamaan diagnoosia tai hoidon pitkittymistä ennustavia piirteitä ja tuottamaan mielenterveystapahtumia ennustavia mallinnuksia. Kehitetyt lähestymistavat voivat osoittautua hyödyllisiksi sekä psyykkisen työkyvyn tutkimuksessa että käytännön ennaltaehkäisyn ja hoitotyön tukena.

Lähtökohdat

Mielenterveysongelmat muodostavat suomalaiselle työelämälle merkittävän haasteen. Mielenterveysongelmien ennaltaehkäisyn kannalta on tärkeää lisätä ymmärrystä ongelmien taustalla olevista tekijöistä ja kehittää menetelmiä niiden ennakointiin. Hankkeen tavoitteena on ollut tuottaa koneoppimisen menetelmiin ja työterveyshuollon aineistoihin perustuvaa uutta tietoa työntekijöiden mielenterveydestä sekä kehittää välineitä psyykkisen hyvinvoinnin muutosten ennakointiin.

Aineisto

Tutkimusaineistona käytettiin Terveystalon työterveyshuollon rekisteripohjaista pitkittäisaineistoa. Se koostui mielenterveyteen liittyvistä taustatiedoista (ikä, sukupuoli), diagnoositiedoista, työterveyskyselyistä sekä lääkärin kirjaamista hoitokertomusmateriaaleista. Aineiston analyysit perustuivat havaintoihin kymmenistä tuhansista työntekijöistä usean vuoden ajalta.

Menetelmät

Hankkeen analyysit perustuivat koneoppimismenetelmiin. Ensimmäisessä tutkimusasetelmassa ennustimme työntekijän saamaa ensimmäistä mielenterveysdiagnoosia käyttäen työterveyskyselyä. Toisessa asetelmassa ennakoimme hoidon pitkittymistä käyttämällä hoitoprosessin alussa kertyneitä hoitokertomusdokumentteja aineistona. Analyyseissä hyödynsimme ennustavaa luokittelumallinnusta sekä luonnollisen kielen prosessointia edustavaa aihemallinnusta.

Tulokset ja johtopäätökset

Hankkeessa hyödynnetyt ennustemallinnukset pääsivät hyvään luokittelukykyyn koskien sekä ensimmäisen mielenterveysdiagnoosin että hoidon pitkittymisen ennustamista. Työterveyskyselystä nousi esiin seitsemän keskeistä tulevaa diagnoosia ennustavaa piirrettä, joista tärkeimmät liittyivät stressiin, surumielisyyteen ja väsymykseen. Mielenterveyteen liittyvän hoitojakson pitkittymistä ennustivat etenkin masennukseen, sen lääkinnälliseen hoitoon ja uupumukseen liittyvät aiheet.

Uutuusarvo ja sovellettavuus

Koneoppimiseen perustuen hankkeessa onnistuttiin automaattisesti seulomaan aineistoista mielenterveysdiagnoosia tai mielenterveyden hoitosarjan pitkittymistä ennustavia piirteitä ja tuottamaan mielenterveystapahtumia ennustavia mallinnuksia. Hankkeen tuotoksia voidaan hyödyntää työterveyshuollon resurssien suunnittelussa ja ennaltaehkäisevässä mielenterveystyössä. Jatkossa käytetyt lähestymistavat voivat tukea sekä psyykkisen työkyvyn tutkimusta että tiedolla johtamista.

Aineisto

Pekka Varje, Tiina Kalliomäki-Levanto, Jussi Turtiainen, Olli Haavisto, Ilkka Kivimäki, Maksim Mustakallio ja Ari Väänänen. Kohti kestävämpää mielen hyvinvointia työssä. Koneoppiminen ja mielenterveystapahtumien ennakointi. Loppuraportti. Työterveyslaitos. 2022.
ISBN 978-952-391-026-3 (PDF) Avaa

Predicting mental disorders among employees using AIbased methods. Konferenssiesitelmä WORK2021 Avaa

Mielenterveysdiagnoosien ennustaminen koneoppimismalleja hyödyntäen. Konferenssiesitelmä Sosiologipäivät 2022 Avaa

Mielen hyvinvointi ja koneäly. Blogikirjoitus. Ari Väänänen Avaa

Koneoppimisen vahvuudet ja heikkoudet yhteiskuntatieteellisessä tutkimuksessa. Blogikirjoitus. Pekka Varje Avaa