Elinaikamallit Lexis-kaaviossa

Abstract

Elinaika-analyysin menetelmiä voidaan soveltaa laaja-alaisesti eri aloilla, minkä takia elinaikamallien käyttömahdollisuuksien tunteminen on tärkeää. Tässä tutkielmassa elinaikamalleja tarkastellaan epidemiologisesta näkökulmasta. Tutkielma alkaa elinaika-analyysin peruskäsitteiden ja ominaispiirteiden esittelyllä. Elinaika-analyysissä kiinnostus kohdistuu sekä yksilöiden hasardiin eli ehdolliseen uhkaan siirtyä tilasta toiseen että ajan kestoon, joka kuluu kiinnostuksen kohteena olevan tapahtuman sattumiseen. Tässä tutkielmassa tarkastellaan kahden ja kolmen tilan malleja, joissa mahdolliset tilat ovat terve, sairas ja kuollut. Yleensä kaikille ei kuitenkaan tapahdu kiinnostuksen kohteena olevia siirtymiä eli päättötapahtumia tarkasteluajanjakson aikana, jolloin puhutaan oikealta sensuroinnista. Elinaika-aineistolle onkin hyvin tyypillistä havaintojen sensurointi.

Usein sairastavuuteen ja kuolleisuuteen vaikuttaa useampi kuin yksi aikamuuttuja: sekä yksilön ikä että kalenteriajassa tapahtuvat muutokset, esimerkiksi terveydenhuollon uudistukset, voivat vaikuttaa tapahtuman hasardiin. Kahden aikamuuttujan samanaikaisen vaikutuksen hahmottamiseksi voidaan kummatkin aikamuuttujat sijoittaa niin kutsuttuun Lexis-kaavioon, toinen x-akselille ja toinen y-akselille. Lexis-kaavion taso jaetaan kolmioiksi, jolloin saadaan myös syntymäkohortin vaikutus näkyviin. Lexis-kaavio on kätevä väline niin suurien aineistojen tiivistämiseen kuin yksittäisten yksilöiden tapahtumahistorioiden kuvaamiseen. Tutkielmassa esiteltävässä kolmen tilan mallissa on neljä mahdollista tapahtumahistoriaa. Näiden tapahtumahistorioiden tarkasteleminen Lexis-kaaviossa eri aikaulottuvuuksien suhteen antaa tärkeää tietoa tilojen kehityksistä.

Tutkielmassa tarkastellaan elinaikamalleja sekä poikkileikkaus- että pitkittäisaineistossa. Poikkileikkausta käytetään sairauden vallitsevuuden selvittämiseksi, kun taas pitkittäisaineistosta tutkitaan sairauden ja kuoleman hasardeja. Mikäli hasardit eivät riipu kalenteriajasta eivätkä sairaiden ja terveiden kuolemanriskit eroa toisistaan, voidaan sairauden hasardi estimoida myös poikkileikkausaineistosta.