Sairauspoissaoloriskin ennakointi – auttaako tekoäly?

DEPS ja psykososiaalisen kuormituksen kysymykset

Laajasta kyselykokonaisuudesta päädyimme ensimmäistä artikkelia varten analysoimaan DEPS-masennusoirekyselyn sekä työn psykososiaalisia kuormitustekijöitä koskevien yksittäisten kysymysten kykyä ennakoida pitkiä, yli 30 päivän sairauspoissaolojaksoja sekä yli 5 kertaa toistuvia 1–10 päivän sairauspoissalojaksoja kahden vuoden seuranta-aikana. Työn psykososiaalisia kuormitustekijöitä koskevassa kyselyssä toistuvia lyhyitä poissaoloja ennakoi vahvimmin se, että henkilö vastasi olevansa osittain eri mieltä tai eri mieltä väittämään "Voin vaikuttaa työni sisältöön, tahtiini ja työaikaani".

Tulos on looginen – kun henkilön työkyky on tilapäisesti alentunut, mahdollisuus muokata työtehtäviään ajankohtaisen voinnin mukaan voi hyvin mahdollistaa töissä jatkamisen myös osatyökykyisenä toisin kuin esimerkiksi hyvin kuormittavassa työnkuvassa, jossa työn muokkausmahdollisuudet ovat vähäiset. DEPS-seulan osalta vastaukset "melko paljon" ja "erittäin paljon" kysymyksiin "Tuntuuko tulevaisuus toivottomalta", "Tunnetko itsesi surumieliseksi", "Tuntuuko sinusta, että kaikki vaatii ponnistusta" ja "Tunnetko itsesi arvottomaksi" lisäsivät sekä toistuvien lyhyiden että pitkien sairauspoissaolojen todennäköisyyttä kahden vuoden seuranta-aikana.

Koneoppimismallit sairauspoissaoloriskin ennustamisessa

Yhtenä tutkimuksemme tavoitteena oli hyödyntää koneoppimismenetelmiä pitkien sairauspoissaolojen ennustamisessa. Kysely- ja sairauskertomusaineistosta muodostettiin 129 muuttujaa, jotka toimivat koneoppimismallien opetusaineistona. Muuttujat jaoteltiin kahteentoista alamalliin, jotta pystyttiin tarkastelemaan toisaalta eri lähteistä saatavan tiedon hyödynnettävyyttä sairauspoissaoloriskin ennustamisessa ja toisaalta löytämään kunkin alamallin ennustearvoltaan keskeisimmät muuttujat. Alamallien lisäksi muodostettiin kaksi koneoppimismallia, jotka hyödynsivät kaikkia saatavilla olevia muuttujia.

Yksittäisistä alamalleista työterveyspalveluiden käyttöön perustava mallinnus suoriutui parhaiten vähintään yhden yli 30 päivän sairauspoissaolojakson ennustamisessa kahden vuoden seuranta-aikana. Parhaiten sairauspoissaoloja pystyttiin ennustamaan Ensemble-mallilla, jossa hyödynnettiin kaikkia muuttujia ja painotettiin kutakin muuttujaa suorituskykynsä mukaisesti. Ensemble-malli sai AUROC-arvon 0.79 (95 % CI 0.788-0.794), joka on parhaiden julkaistujen ennustemallien tasoa.

Klusteroinnilla lisätietoa työkykyriskiprofiileista

Kolmannessa tutkimusjulkaisussa hyödynnettiin ohjatun ja ohjaamattoman koneoppimisen menetelmiä. Ohjaamattomalla koneoppimisella voidaan etsiä yhteyksiä eri muuttujien välillä ilman ennalta määriteltyä hypoteesia rajoittamassa analytiikkaa. Laajasta terveyskysely- ja potilastietoaineistosta tunnistettiin kuusi kliinisesti tunnistettavaa työntekijäklusteria, joista kuhunkin liittyi samantyyppisiä ominaisuuksia ja riskitekijöitä. Jatkoanalyyseissä näillä klustereilla todettiin olevan myös toisistaan poikkeava riski pitkiin ja toistuviin lyhyisiin sairauspoissaoloihin. Klusterissa, jossa sekä toistuvia lyhyitä että pitkiä sairauspoissaolojaksoja oli kahden vuoden seuranta-aikana vähiten ja jota siksi käytettiin referenssiklusterina, ilmaistiin tyypillisesti tyytyväisyyttä työpaikan ilmapiiriin ja esihenkilötyöhön. Toisaalta klusterissa, jossa oli suurin todennäköisyys vähintään yhdelle yli 30 päivän sairauspoissaolojaksolle kahden vuoden seuranta-aikana, jäsenet olivat tyypillisesti itse arvioineet työkykynsä alentuneeksi. Mielenkiintoinen yksittäinen tulos oli se, että klusterissa, jossa korostuivat sydän- ja verisuonisairaudet ja niiden riskitekijät, ei tyypillisesti tunnistettu oman työkyvyttömyysriskin olevan koholla. Tämän klusterin jäsenillä oli kuitenkin kahden vuoden seuranta-aikana selvästi referenssiklusteria suurempi todennäköisyys pitkälle sairauspoissaolojaksolle.

Tulosten käytännön merkitys

Tutkimuksemme osoitti, että terveyskyselyistä ja vastaanottokäynneistä työterveyshuollossa kertyy paljon tietoa, jota voidaan hyödyntää tulevien sairauspoissaolojen ennustamiseen, vaikka pystyimme analysoimaan vain rakenteisesti kirjattuja muuttujia. Koneoppimisen ja suurten kielimallien nopean kehityksen myötä on odotettavissa, että myös sairauskertomustekstiä ja terveyskyselyiden mahdollisia avoimia vastauksia pystytään tulevaisuudessa hyödyntämään yhä luotettavammin sairauspoissaoloriskin tunnistamiseen. Erittäin kiinnostavia mahdollisuuksia aukeaa, jos lainsäädäntö tulevaisuudessa mahdollistaisi tiedonkeruun myös Kanta-arkiston ja AvoHilmon tiedoista. Tämä tasapuolistaisi työntekijän työkykyriskin tunnistamisen työterveyshuoltosopimuksen laajuudesta riippumatta ja toisaalta mahdollistaisi tulevien ennustetyökalujen käytön myös työelämän ulkopuolella olevien työikäisten työkykyriskeihin puuttumiseen.

Sekä EU-säädökset että suomalainen lainsäädäntö rajoittavat tällä hetkellä oleellisesti terveystietojen käyttöä automatisoituun päätöksentekoon. Koneoppimismenetelmiä ei siis voida sellaisenaan käyttää palveluiden suuntaamiseen yksittäisille riskihenkilöille. Tutkimustemme perusteella työterveyshuollon arkityössä kertyy kuitenkin arvokasta tietoa, jota voidaan tulevaisuudessa hyödyntää ammattilaisen päätöksenteon tukena sairauspoissaolojen ennustamiseen.

Viime vuosina työterveyshuollon potilastietojärjestelmiin on tullut mahdollisuus ottaa kantaa käyntidiagnoosin työperäisyyteen sekä potilaan työkyvyn tuen tarpeeseen. Uskon, että jos tätä dataa olisi ollut saatavilla, se olisi merkittävästi parantanut koneoppimismallien kykyä tunnistaa kohonnut pitkän sairauspoissaolon riski. Toisaalta riippumatta tekoälyn käytöstä, näiden arvioiden rakenteinen kirjaaminen mahdollistaa havaintojen raportoinnin yritysvastuullisen tiimin työn tueksi jo nyt. Panostakaamme siis laadukkaaseen kirjauskäytäntöön – siitä hyödymme tekoälymahdollisuuksista riippumatta!