Arbetshälsoinstitutets pressmeddelande 24.8.2022
Det är möjligt att förutspå en försämring i arbetstagarnas psykiska hälsa med hjälp av maskininlärningsmetoder. I Arbetshälsoinstitutets undersökning kunde man tämligen väl förutspå både en första psykisk diagnos och en längre behandlingsperiod med hjälp av maskininlärning.
Utifrån svaren på en arbetshälsoenkät identifierade man sju drag som ökade sannolikheten för en diagnos gällande ett psykiskt problem eller en sömnstörning under en uppföljningsperiod på två år.
De faktorer som förutspådde försämring av psykisk hälsa var kraftig stress, återkommande trötthet och utmattning under dagen, vemod och nedstämdhet samt symtom på ångest. Utöver självbedömt välbefinnande var även könet en central faktor. Enligt projektet hade kvinnor en förhöjd sannolikhet för en diagnos.
– Vi kartlade drag som förutspår en diagnos bland fler än hundra frågor. Dessa sju drag hade tillsammans en nästan lika bra klassificeringsförmåga som alla frågor tillsammans, säger forskningschef Pekka Varje på Arbetshälsoinstitutet.
Yngre arbetstagare hade en större sannolikhet för en av de undersökta diagnoserna än andra, men åldern var inte en av de viktigaste prediktorerna.
Modellering fungerar inte vid planering av behandling av individer
Om resultaten av forskningsprojektet ”Paremmalla ennakoinnilla kestävämpään mielen hyvinvointiin” publicerades en prognoskarta över psykisk diagnos i Arbetslivskunskap-tjänsten. Ett verktyg som liknar prognoskartan skulle kunna vara ett bra hjälpmedel till exempel för planering av företagshälsovårdens resurser och för förebyggande mentalvårdsarbete.
– På individnivå innehåller modelleringen för många osäkerhetsfaktorer. Det är möjligt att verktyg av den här typen kan vara nyttiga för att identifiera riskgrupper eller utvecklingstrender i större utsträckning bland befolkningen i arbetsför ålder, säger forskningsprofessor Ari Väänänen.
Längre behandlingsperiod kan förutspås på basis av vårdjournalen
I den andra delen av projektet var undersökningsobjektet förlängning av behandlingsperioder gällande psykisk hälsa. Man analyserade maskinellt vårdjournaler som läkare hade skrivit för att undersöka vilka faktorer som förutspådde en behandlingsperiod med fler än fyra behandlingsgånger.
De faktorer som förutspådde en längre behandlingsperiod var anteckningar i vårdjournaler om depression, dess medicinska behandling samt utmattning. Den viktigaste prediktorn var dock en diagnos som fåtts i början av behandlingsperioden. Vissa diagnoser gällande depression och ångestsyndrom förutspådde en längre behandlingsperiod inom företagshälsovården.
Maskininlärning gör det möjligt att analysera en stor mängd data
Analyserna i projektet baserade sig på maskininlärningsmetoder. Projektet följde upp två mycket stora undersökningspopulationer under flera år. Dessa populationer bestod av personer i arbetsför ålder och representerade ett stort spektrum av olika branscher och yrkesgrupper.
– Maskininlärningsmetoder och ökad datorkraft möjliggör forskningsmetoder som använder sig av big data. För tio år sedan kunde man inte ha genomfört en motsvarande undersökning, säger Pekka Varje.
Ytterligare information
- forskningschef Pekka Varje, pekka.varje [at] ttl.fi (pekka[dot]varje[at]ttl[dot]fi), 050 576 8236
- forskningsprofessor Ari Väänänen, ari.vaananen [at] ttl.fi (ari[dot]vaananen[at]ttl[dot]fi), 050 511 0530
Forskningsprojektet ”Paremmalla ennakoinnilla kestävämpään mielen hyvinvointiin”
- Prognoskarta över psykisk diagnos i Arbetslivskunskapstjänsten: Faktorer som förutspår en psykisk diagnos | Arbetslivskunskap | www.tyoelamatieto.fi
- Analyssida i Arbetslivskunskapstjänsten: Prognoskarta över psykisk diagnos – bakgrund till och tolkning av kartan | Arbetslivskunskap | www.tyoelamatieto.fi
- Projektets slutrapport (på finska): Kohti kestävämpää mielen hyvinvointia työssä : Koneoppiminen ja mielenterveystapahtumien ennakointi (julkari.fi)
- Projektets webbplats: Paremmalla ennakoinnilla kestävämpään mielen hyvinvointiin työssä (ENNAKKO) | Työterveyslaitos (ttl.fi)
- Projektet finansierades av Arbetarskyddsfonden. Projektets samarbetspartner var Terveystalo och Helsingfors universitet.
