Työterveyslaitoksen mediatiedote 24.8.2022
Työntekijöiden mielenterveyden heikentymistä on mahdollista ennakoida koneoppimisen menetelmillä. Työterveyslaitoksen tutkimuksessa sekä ensimmäistä mielenterveysdiagnoosia että hoidon pitkittymistä kyettiin ennakoimaan koneoppimisen avulla varsin hyvin.
Työterveyskyselyn vastauksista tunnistettiin seitsemän piirrettä, jotka nostivat todennäköisyyttä saada mielenterveyden ongelmaan tai unihäiriöön liittyvä diagnoosi kahden vuoden seurantajaksolla.
Mielenterveyden heikentymistä ennustivat voimakas stressi, toistuva väsymys ja uupumus pitkin päivää, surumielisyys ja alakuloisuus sekä ahdistusoireet. Itsearvioidun hyvinvoinnin lisäksi myös sukupuoli oli keskeinen tekijä. Hankkeen perusteella naisilla oli kohonnut todennäköisyys saada diagnoosi.
– Kartoitimme diagnoosia ennustavia piirteitä yli sadan kysymyksen joukosta. Näiden seitsemän piirteen luokittelukyky yhdessä oli lähes yhtä hyvä kuin koko kysymyspatteristolla, kertoo tutkimuspäällikkö Pekka Varje Työterveyslaitoksesta.
Nuoremmat työntekijät saivat muita todennäköisemmin jonkin tutkituista diagnooseista, mutta ikä ei kuulunut kaikkein vahvimpiin ennustaviin tekijöihin.
Mallinnus ei toimi yksilön hoidon suunnittelussa
Paremmalla ennakoinnilla kestävämpään mielen hyvinvointiin työssä (ENNAKKO) -tutkimushankkeen tuloksista julkaistiin mielenterveysdiagnoosin ennakointikartta Työelämätieto-palvelussa. Ennakointikartan tyyppinen työkalu voisi toimia apuvälineenä esimerkiksi työterveyshuollon resurssien suunnittelussa ja ennaltaehkäisevässä mielenterveystyössä.
– Yksilötasolla mallinnus sisältää liikaa epävarmuutta. On mahdollista, että tämänkaltaisista välineistä voi olla apua tunnistettaessa riskiryhmiä tai kehitystrendejä laajemmin työikäisessä väestössä, sanoo tutkimusprofessori Ari Väänänen.
Hoitokertomuksesta voi ennakoida hoidon pitkittymisen
Hankkeen toisessa osiossa tutkimuskohteena oli mielenterveyteen liittyvän hoitojakson pitkittyminen. Lääkärien kirjoittamista hoitokertomuksista analysoitiin koneellisesti, millaiset aiheet ennustivat yli neljän kerran hoitojaksoa.
Hoitojakson pitkittymistä ennustivat etenkin masennukseen, sen lääkinnälliseen hoitoon ja uupumukseen liittyvät maininnat hoitokertomuksissa. Kaikkein keskeisin ennustava tekijä oli kuitenkin hoitojakson alussa saatu diagnoosi. Tietyt masennukseen ja ahdistuneisuushäiriöön liittyvät diagnoosit ennustivat pidempää hoitojaksoa työterveyshuollossa.
Koneoppiminen mahdollistaa suuren aineiston analysoinnin
Hankkeen analyysit perustuivat koneoppimismenetelmiin. Siinä seurattiin kahta hyvin laajaa tutkimuspopulaatiota usean vuoden ajan. Nämä työikäisistä koostuvat populaatiot edustavat laajasti erilaisia toimialoja ja ammattiryhmiä.
– Koneoppimisen menetelmät ja laskentatehon kasvu mahdollistavat suurta dataa hyödyntävät tutkimukselliset lähestymistavat. Vielä kymmenen vuotta sitten vastaavaa tutkimusta ei olisi voitu tehdä, sanoo Pekka Varje.
Lisätiedot
- tutkimuspäällikkö Pekka Varje, pekka.varje [at] ttl.fi (pekka[dot]varje[at]ttl[dot]fi), 050 576 8236
- tutkimusprofessori Ari Väänänen, ari.vaananen [at] ttl.fi (ari[dot]vaananen[at]ttl[dot]fi), 050 511 0530
Paremmalla ennakoinnilla kestävämpään mielen hyvinvointiin
- Mielenterveysdiagnoosin ennakointikartta Työelämätieto-palvelussa. Mielenterveysdiagnoosia ennustavat tekijät | Työelämätieto | www.tyoelamatieto.fi
- Analyysisivu Työelämätieto-palvelussa: Mielenterveysdiagnoosin ennakointikartta – taustaa karttaan ja sen tulkintaan | Työelämätieto | www.tyoelamatieto.fi
- Tutkimushankkeen loppuraportti: Kohti kestävämpää mielen hyvinvointia työssä : Koneoppiminen ja mielenterveystapahtumien ennakointi (julkari.fi)
- Hankesivu: Paremmalla ennakoinnilla kestävämpään mielen hyvinvointiin työssä (ENNAKKO) | Työterveyslaitos (ttl.fi)
- Hankkeen rahoittajana toimi Työsuojelurahasto. Hankkeen yhteistyökumppaneina toimivat Terveystalo ja Helsingin yliopisto.
