Oheissairauksilla erilaiset vaikutukset lonkkamurtumapotilaiden kuolleisuuteen
Filosofian maisteri Antti Liski soveltaa väitöstyössään tilastollisia menetelmiä lonkkamurtumapotilaiden hoitokustannusten vertailuun sekä kuolleisuuden mallintamiseen. Menetelmät auttavat arvioimaan myös sairaanhoitopiirien kustannuksia entistä luotettavammin.–Terveydenhuollon kehittämisen kannalta on oleellista tunnistaa tehokkaimmat hoitoketjut ja parhaat käytänteet sekä seurata resurssien käyttöä luotettavasti, Liski toteaa.
Väitöstyön empiirinen osuus perustuu laajoihin Terveyden ja hyvinvoinnin laitoksen (THL) ja KELA:n rekisteriaineistoihin, ja se on toteutettu yhteistyössä THL:n tutkijoiden kanssa. Rekisteriaineistoista pitää kaivaa esiin tutkimuksen kannalta oleellinen informaatio ja tunnistaa tavoitteiden kannalta merkitykselliset lainalaisuudet. Esimerkiksi potilaiden oheissairaudet ja hoitohistoria ovat oleellisen tärkeitä lonkkamurtumien hoidon onnistumista tarkasteltaessa, mutta kuinka pitkältä ajalta hoitohistoria on tarpeellista tuntea esimerkiksi kuolleisuutta ennustettaessa? Liskin tutkimus osoittaa, että oheissairaudet poikkeavat toisistaan siinä, miten pitkältä ajalta potilaan hoitohistoria pitää tuntea.
Suomen rekisteriaineistot ovat korkeatasoisia, mutta silti tietojen tehokas yhdistäminen eri rekistereistä on haasteellinen tehtävä. Liskin kehittämät ja tutkimat menetelmät ovat laskennallisesti tehokkaita ja niitä voidaan siksi soveltaa myös varsin suuriin rekisteriaineistoihin.
Tilastollisen mallin hyvyyttä arvioidaan sillä, miten tiivistetysti se pystyy kuvaamaan aineiston säännönmukaisuudet. Väitöstyön keskeinen teoreettinen tutkimusaihe on lyhimmän kuvauspituuden periaate (MDL-periaate). Se on vilkkaan kiinnostuksen kohde monilla tutkimusaloilla, kuten esimerkiksi tiedon louhinnassa, koneoppimisessa, informaatioteoriassa ja tilastotieteessä.
Mallin parametrien lukumäärä riippuu tavallisesti selittävien muuttujien lukumäärästä. Perinteinen tapa on valita mallin selittäjät tekemällä peräkkäisiä tilastollisia testejä. Parametrit estimoidaan ikään kuin valitun mallin rakenne olisi oikea.
–Silloin jätetään mallin valintaan liittyvä epävarmuus täysin huomiotta.
Kun mallintamiseen liittyvä epävarmuus otetaan huomioon, monet tutkijoiden suosimat menetelmät osoittautuvat tilastollisilta ominaisuuksiltaan huonoiksi. Yhden mallin sijasta voidaan estimoinnissa käyttää useiden mallien yhdistelmiä - sovelluksissahan vaihtoehtoja on tavallisesti valtavasti. Liski soveltaa tätä estimointitapaa lonkkamurtumapotilaiden hoitokustannusten laskennassa.
Väitöstilaisuus perjantaina 12.4.
Filosofian maisteri Antti Liskin signaalinkäsittelyn alaan kuuluva väitöskirja Statistical and Information Theoretic Approaches to Model Selection and Averaging (“Tilastollisia ja informaatioteoreettisia lähestymistapoja mallinvalintaan ja mallien keskiarvoistamiseen”) tarkastetaan Tampereen teknillisen yliopiston (TTY) tieto- ja sähkötekniikan tiedekunnassa perjantaina 12.4.2013 kello 12 alkaen Tietotalon salissa TB109 (Korkeakoulunkatu 1, Tampere). Vastaväittäjänä toimii professori Jianxin Pan (University of Manchester, Iso-Britannia). Tilaisuutta valvoo professori Ioan Tabus TTY:n signaalinkäsittelyn laitokselta.
Antti Liski (32) työskentelee erikoistutkijana Ylöjärven kaupungilla Terveyden ja hyvinvoinnin laitoksen johtamassa Yhteispeli-hankkeessa.
Lisätietoja: Antti Liski, puh. 050 346 8022, antti.liski@ylojarvi.fi
Väitöskirja verkossa: http://URN.fi/URN:ISBN:978-952-15-3054-8