Työkykyriskin ennustaminen ja korkeariskisten henkilöiden ryhmittely ennaltaehkäisevän työterveyshuollon tueksi

Tiivistelmä

Tutkimuksen tavoite on tunnistaa työkykyriskiä ennustavia signaaleita työterveyskyselyiden vastauksista ja sairauskertomustiedoista. Hyödyntämällä moderneja koneälyyn perustuvia menetelmiä pyritään pääsemään työkykyilmiöiden tunnistamisessa aiempaa tarkemmalle tasolle tehostaen niiden henkilöiden ja työpaikkojen tunnistamista, joihin on tarkoituksenmukaista panostaa toimenpiteitä työkyvyttömyyden ennaltaehkäisemiseksi.

Hankkeen vastuuhenkilö

Anniina Anttila

Tiedote

Uusia lähestymistapoja sairauspoissaoloriskin ennustamiseen työterveyshuollossa

Tiivistelmä

Työterveyshuolto on ainoa terveydenhuollon toimija, jolla on yhteys työpaikoille ja siten mahdollisuus vaikuttaa työolosuhteisiin ja edistää työssä selviytymistä niin yksilö- kuin ryhmätasolla. Toimenpiteiden kohdistamiseksi tarvitaan uusia keinoja sairauspoissaoloriskin tunnistamiseen. Käytössä oli 18 000 terveyskyselyn aineisto ja tiedot mm. vastaajien sairauspoissaoloista ja työterveyspalveluiden käytöstä. Nykyaikaisin data-analyysimenetelmin tunnistettiin sairauspoissaoloriskiä ennustavia tekijöitä sekä kehitettiin sairauspoissaoloriskin ennustemalleja. Lisäksi tunnistettiin potilasprofiileja, joihin liittyi erilaisia riskitekijöiden yhdistelmiä ja niihin nähden johdonmukainen yhteys toistuviin lyhyisiin ja pitkiin sairauspoissaoloihin.

Kerro hankkeen käynnistämisen lähtökohdat, teoriatausta, uutuusarvo ja tavoitteet.

Tässä hankkeessa etsimme uusia tapoja hyödyntää työterveyshuoltoon jatkuvasti kertyvää tietoa löytääksemme sellaisia yhteyksiä työkyvyttömyyden riskitekijöihin, joita perinteisillä analyysimenetelmillä ei ole aiemmin havaittu. Viitekehyksenä toimi sairausvakuutuslain mukainen työkyvyttömyyden määritelmä. Tavoitteena oli sairauspoissaoloriskin tunnistaminen, jotta työterveyshuollon toimenpiteet saataisiin kohdennettua oikea-aikaisesti niistä parhaiten hyötyviin henkilöihin ja työpaikkoihin.

Aineisto

Käytössämme oli laaja yli 18 000 terveyskyselyn aineisto suomalaiselta työterveyshuollon palveluntuottajalta (Finla Työterveys). Kyselydata sisälsi kymmeniä muuttujia esimerkiksi vastaajan työkyvystä, elämäntavoista kuten alkoholin ja tupakan käyttö ja liikunta- ja ravintotottumukset sekä mielenterveydestä, työolosuhteista ja työn luonteesta. Terveyskyselyt yhdistettiin sairauskertomustietoihin, jolloin saatiin yhteensä yli sadan muuttujan aineisto.

Menetelmät

Tutkimus pohjautui kehittyneeseen data-analyysiin ja koneoppiviin algoritmeihin. Sovelsimme epälineaarisia menetelmiä kuten random forest, tukivektorikone, gradient boosting sekä neuroverkot. Perinteisiä lineaarisia malleja käytimme verrokkituloksena. Ennustemallien kehittämisessä, validoinnissa ja tulosten analyysissä käytimme XAI-menetelmiä (explainable artificial intelligence) ja herkkyysanalyysejä. Potilasryhmien tunnistamisessa hyödynsimme pääkomponenttianalyysiä sekä klusterointimenetelmiä

Tulokset ja johtopäätökset

Masennusoireita ja työn psykososiaalisia kuormitustekijöitä kartoittavista kyselyistä löytyi sekä toistuvia lyhyitä että pitkiä sairauspoissaoloja ennustavia kysymyksiä. Koneoppimisen keinoin loimme joukon lähtötietokohtaisia ja yleisiä ennustemalleja sairauspoissaoloriskin tunnistamiseen. Klusterointimenetelmillä tunnistimme kuusi työntekijäprofiilia, joilla oli erilaiset yhdistelmät riskitekijöitä ja niihin nähden johdonmukaiset eroavaisuudet eri pituisten sairauspoissaolojen ilmaantuvuudessa.

Uutuusarvo ja sovellettavuus

Löysimme useita tapoja hyödyntää työterveyshuollon arkityössä kertyvää tietoa sairauspoissaoloriskin tunnistamisessa. Potilasprofiilien pohjalta on mahdollista kehittää malleja työterveyshuollon toimenpiteiden kohdentamiseen sairauspoissaolojen ennaltaehkäisemiseksi kunkin ryhmän erityispiirteet ja tarpeet huomioiden. Henkilömäärien ollessa yksilön suojan kannalta riittävät tuloksia voidaan hyödyntää myös yritystasolla riskiprofiilien tunnistamiseen, raportointiin ja toiminnan suunnittelemiseen.

Aineisto

Julkaisuluettelo Avaa

Associations of depressive symptoms and psychosocial working conditions with sickness absences in a Finnish cohort of 11,495 employees Avaa

Anniina Anttila, Mikko Nuutinen, Riikka-Leena Leskelä, Anu Pekki, Mark Van Gils, Riitta Sauni. Uusia lähestymistapoja sairauspoissaoloriskin ennustamiseen työterveyshuollossa. Loppuraportti. Finla Työterveys Oy, Tampereen yliopisto, Nordic Healthcare Group. 2025. Tampere.
ISBN 978-952-03-3873-2 (verkkojulkaisu) Avaa