Kilpailevien riskien mallit: valtimoihin kohdistuneiden avoverisuonikirurgisten toimenpiteiden kilpailevat jatkodiagnoosit
Koukkula, Topias (2023-02-17)
Kilpailevien riskien mallit: valtimoihin kohdistuneiden avoverisuonikirurgisten toimenpiteiden kilpailevat jatkodiagnoosit
Koukkula, Topias
(17.02.2023)
Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.
avoin
Julkaisun pysyvä osoite on:
https://urn.fi/URN:NBN:fi-fe2023030629816
https://urn.fi/URN:NBN:fi-fe2023030629816
Tiivistelmä
Elinaika-analyysi on tilastotieteen osa-alue, jossa kiinnostuksen kohteena on määritellyn tapahtuman sattumiseen kuluva aika. Kilpailevien riskien mallit ovat elinaika-analyysin erikoistapaus, jotka soveltuvat tilanteisiin, joissa potentiaalisia päätetapahtumia on enemmän kuin yksi. Verrattuna perinteisiin kaksitilamalleihin, kilpailevien riskien mallikehikolla saadaan realistisempi kokonaiskuva havaintoyksiköiden seuranta-aikojen tapahtumista.
Tässä tutkielmassa sovelletaan kilpailevien riskien malleja valtimoihin kohdistuneiden avoverisuonikirurgisten toimenpiteiden kilpaileviin jatkodiagnooseihin. Tutkielman kilpaileviksi jatkodiagnooseiksi (päätetapahtumiksi) valitaan aivoinfarkti, sydäninfarkti, kallonsisäinen verenvuoto ja krooninen munuaissairaus. Kyseisten päätetapahtumien yhteydestä verisuonikirurgisiin toimenpiteisiin on kirjallisuudessa runsaasti näyttöä, mutta kilpalevien riskien mallien mukaisesti päätetapahtumia ei ole juurikaan vertailtu. Tutkielman aineistona käytetään määritellyin rajauksin Terveyden ja hyvinvoinnin laitoksen (THL) ylläpitämää hoitoilmoitusrekisteriä – aineisto kattaa vuosilta 2000–2021 yhteensä 72 838:n eri yksilön tietoja.
Tutkielman soveltavassa osuudessa sovitetaaan epäparametrisia, semiparametrisia ja parametrisia tilastollisia malleja. Taustamuuttujina käytetään ikää toimenpiteen hetkellä sekä hoitoonsaapumistapaa hoitojaksolle, jolla toimenpide suoritettiin. Epäparametrisina malleina sovitetaan kumulatiiviset ilmaantuvuusfunktiot ja kumulatiiviset syykohtaiset hasardifunktiot. Semiparametrisina malleina sovitetaan suhteellisten hasardien Coxin malleja ja parametrisina malleina Poisson-regressiomalleja.
Tutkielman tulosten perusteella aivoinfarkti on todennäköisin verisuonikirurgisen toimenpiteen jälkeinen päätetapahtuma koko seuranta-ajan. Lisäksi suurin osa päätetapahtumista sattuu heti seurannan aloituspisteessä. Semiparametristen mallien sovituksessa ongelmaksi nousi kauttaaltaan suhteellisuusoletuksen toteutumattomuus. Tämän ongelman ratkaisemiseksi ja tutkielman tulosten luotettavuuden parantamiseksi voisi toimia kuolinrekisteritietojen hyödyntäminen tutkielman soveltavassa osuudessa.
Tässä tutkielmassa sovelletaan kilpailevien riskien malleja valtimoihin kohdistuneiden avoverisuonikirurgisten toimenpiteiden kilpaileviin jatkodiagnooseihin. Tutkielman kilpaileviksi jatkodiagnooseiksi (päätetapahtumiksi) valitaan aivoinfarkti, sydäninfarkti, kallonsisäinen verenvuoto ja krooninen munuaissairaus. Kyseisten päätetapahtumien yhteydestä verisuonikirurgisiin toimenpiteisiin on kirjallisuudessa runsaasti näyttöä, mutta kilpalevien riskien mallien mukaisesti päätetapahtumia ei ole juurikaan vertailtu. Tutkielman aineistona käytetään määritellyin rajauksin Terveyden ja hyvinvoinnin laitoksen (THL) ylläpitämää hoitoilmoitusrekisteriä – aineisto kattaa vuosilta 2000–2021 yhteensä 72 838:n eri yksilön tietoja.
Tutkielman soveltavassa osuudessa sovitetaaan epäparametrisia, semiparametrisia ja parametrisia tilastollisia malleja. Taustamuuttujina käytetään ikää toimenpiteen hetkellä sekä hoitoonsaapumistapaa hoitojaksolle, jolla toimenpide suoritettiin. Epäparametrisina malleina sovitetaan kumulatiiviset ilmaantuvuusfunktiot ja kumulatiiviset syykohtaiset hasardifunktiot. Semiparametrisina malleina sovitetaan suhteellisten hasardien Coxin malleja ja parametrisina malleina Poisson-regressiomalleja.
Tutkielman tulosten perusteella aivoinfarkti on todennäköisin verisuonikirurgisen toimenpiteen jälkeinen päätetapahtuma koko seuranta-ajan. Lisäksi suurin osa päätetapahtumista sattuu heti seurannan aloituspisteessä. Semiparametristen mallien sovituksessa ongelmaksi nousi kauttaaltaan suhteellisuusoletuksen toteutumattomuus. Tämän ongelman ratkaisemiseksi ja tutkielman tulosten luotettavuuden parantamiseksi voisi toimia kuolinrekisteritietojen hyödyntäminen tutkielman soveltavassa osuudessa.