Estääkö painonpudotus alaselkäkipua ja nivelrikkoa väestössä?
• Simulaatiomallinnuksella voidaan ennustaa interventioiden pitkäaikaisia vaikutuksia väestötasolla. Siksi se soveltuu ennaltaehkäisevien interventioiden arviointiin.
• Mallinnusten perusteella painonpudotuksella voidaan saavuttaa alaselkäkivussa terveyshyötyjä kahden vuosikymmenen ajanjaksolla.
• Nivelrikossa hyötyjä saadaan vasta hyvin pitkällä aikavälillä.
Nivelrikon ja alaselkäkivun tautitaakka on kasvanut viimeisen 30 vuoden aikana korkean tulotason maissa (1).
Ylipaino on molempien sairauksien riskitekijä (2,3,4). Alaselkäkivun ja ylipainon syy-seuraussuhteesta ei kuitenkaan ole vahvaa näyttöä (4). Nivelrikon ennaltaehkäisyssä on tärkeää keskittyä sellaisiin riskeihin, joihin voidaan vaikuttaa, kuten ylipainoon (3).
Kummankaan sairauden riskitekijöihin kohdistuvien interventioiden tehosta ei ole luotettavaa tietoa (3,4). Siksi aihetta on syytä tarkastella ajoittain uudelleen.
Ennusteen mukaan aikuisten lihavuus lisääntyy yli 60 % maailmanlaajuisesti vuosina 2020–2035 (5). Painoindeksi (body mass index, BMI) on hyödyllisin väestötason ylipainon ja lihavuuden mittari. Aikuisilla kyse on ylipainosta, kun BMI on vähintään 25. Lihavuudesta on kyse, jos BMI on vähintään 30 (6).
Ylipainon ja useiden sairauksien esiintyvyyden ja ilmaantuvuuden välillä on vahva yhteys. Tällaisia sairauksia ovat esimerkiksi tyypin 2 diabetes, sepelvaltimotauti sekä polven ja lonkan nivelrikko. Ylipainon ehkäisy onkin tärkeää tulevaisuuden sairaustaakan vähentämiseksi (7).
Tässä katsauksessa selvitetään, miten painonpudotus vaikuttaa nivelrikon ja alaselkäkivun tautitaakkaan ehkäisevästi.
Kohteena ovat simulaatiomallinnuksella tehdyt tutkimukset. Ne soveltuvat hyvin ehkäisevien interventioiden arviointiin (8). Niillä saatavaa tietoa voidaan käyttää terveyspoliittisessa päätöksenteossa (9,10,11). Aiheesta ei myöskään tietääksemme ole katsausta, jossa keskityttäisiin tähän menetelmään.
Simulaatiomallinnus
Simulaatiomallinnusta käytetään laajasti terveydenhuollon toiminnan tarkastelussa, kuten tutkittaessa tartuntatauteja, seulontaohjelmia tai sairauksien kustannuksia. Erityisesti sitä hyödynnetään taloudellisissa arvioinneissa (9).
Mikrosimulointi on simulaatiomallinnukseen perustuva menetelmä. Sillä voidaan arvioida etukäteen esimerkiksi yhteiskunnallisten muutosten vaikutuksia. Lähdetiedot perustuvat yksilötason tietoihin (12).
Mikrosimulaatiomalleilla on mahdollista arvioida suhteellisen edullisesti interventioiden vaikutuksia väestötasolla. Malleissa voidaan yhdistää tuloksia satunnaistetuista kontrolloiduista tutkimuksista, epidemiologisista tutkimuksista, meta-analyyseista ja asiantuntijatiedosta (10). Myös laajoja väestötietokantoja voi käyttää (13).
Ennaltaehkäisyn tutkimiseen tarvitaan pitkä seuranta-aika. Sen kuluessa tapahtuvat muutokset ovat monimutkaisia ja riippuvat ajasta (8). Siksi mikrosimulointi soveltuu hyvin ehkäisevien interventioiden vaikutusten arviointiin väestötasolla.
Väestöpohjaisilla malleilla pystytään ennustamaan tautitaakan aiheuttamia kustannuksia ja terveysvaikutuksia (13). Sairauden riskitekijöitä ja hoitovaihtoehtoja on mahdollista vaihdella. Niiden vaikutusta tautitaakkaan voidaan mallintaa.
Kaikki mallit ovat yksinkertaistuksia todellisuudesta, eikä niihin ole mahdollista sisällyttää kaikkia tarkasteltavan vaihtoehdon seurauksia. Sen vuoksi tulos eroaa reaalimaailman tiedoista (14,15).
Epävarmuutta voivat aiheuttaa parametrit tai mallin rakenne.
Parametrin epävarmuus johtuu lähdetietojen rajallisuudesta ja siitä, miten hyvin niiden perusteella voidaan arvioida parametrin tarkkuutta (14). Puutteita voi olla sairauden epidemiologiaan liittyvissä tiedoissa (13) tai tietolähteenä käytettyjen tutkimusten laadussa (16).
Rakenteen epävarmuus on seurausta mallin viitekehykseen liittyvistä oletuksista (14).
Mikrosimulaatiomallien validiteetin arviointiin ei ole yhtenäistä kansainvälistä tapaa (17). Validiteettia parantavat käytettyjen tietolähteiden ja ennusteiden pätevyyden arviointi, herkkyysanalyysit sekä mallien välinen vertailu (15). Luottamusvälit tulisi aina esittää tulosten raportoinnissa (18).
Mallin läpinäkyvyydellä tarkoitetaan kykyä välittää mallin oletukset. Mikrosimulaatiomalleja on vaikea esittää läpinäkyvästi muun muassa niiden mutkikkaan rakenteen vuoksi. Läpinäkyvyys on silti tarpeen etenkin, jos tuloksia käytetään päätöksenteossa (10). Simulaatiomallit soveltuvat päätöksenteon tueksi silloin, kun ne on toteutettu laadukkaasti (taulukko 1).
Systemaattinen kirjallisuuskatsaus
Tämän systemaattisen kirjallisuuskatsauksen teossa noudatettiin PRISMA-ohjeistusta. Systemaattinen kirjallisuushaku tehtiin neljään eri tietokantaan (Pubmed, Web of Science, Scopus, Cochrane). Kaksi tutkijaa (ES, AKV) valitsi julkaisut itsenäisesti Covidence-ohjelmalla.
Artikkelien laatu arvioitiin JBI (Joanna Briggs Institute) -kriteeristön (19) mukaan. Laatupisteet on esitetty taulukossa 2. Hakustrategia, hakuprosessin kuvaus ja PRISMA-vuokaavio on esitetty liitetaulukossa 1.
Tulokset
Lopulliseen katsaukseen valikoitui viisi artikkelia. Niiden tutkimukset on tehty Kanadassa, Saudi-Arabiassa ja Irlannissa.
Ennusteiden tarkasteluaika vaihteli 10:stä 80 vuoteen. Painonpudotusta arvioitiin BMI:n muutoksina neljässä tutkimuksessa. Yhdessä paino väheni prosenttiosuuksina.
Painonpudotuksen vaikutusta nivelrikon ja alaselkäkivun ehkäisyyn arvioitiin kaikissa tutkimuksissa eri tulosmuuttujilla. Tarkemmat tulokset on esitetty taulukossa 2.
Irlantilaistutkimuksen mukaan vältettäisiin 20 uutta polven nivelrikkotapausta 100 000:ta henkilöä kohden, jos väestön painoindeksi pienenisi yhden prosentin vuosina 2010–2030 (20). 5 %:n vähennyksellä vältettäisiin 84 uutta nivelrikkoa 100 000:ta henkeä kohden.
Saudi-Arabiassa tehdyn tutkimuksen mukaan 5–15 %:n painonpudotus kymmenen vuoden aikana pienentäisi nivelrikon suhteellista riskiä noin 5–17 % (21).
Kanadalaiseen aikuisväestöön kohdistuvassa tutkimuksessa nivelrikon esiintyvyys pienentyisi 2 % 20 vuodessa, jos BMI pienentyisi yhden yksikön. Laajalla väestötason painonpudotuksella ei näyttäisi olevan suurta vaikutusta nivelrikon esiintyvyyteen. Väestön ikääntymisen vuoksi nivelrikko on kasvava terveysongelma riippumatta lihavuusepidemian kulusta. Tutkimuksen mukaan painonpudotus ehkäisevänä interventiona kannattaisi kohdistaa yli 50-vuotiaisiin (22).
Toisessa kanadalaistutkimuksessa arvioitiin, kuinka paljon erisuuruinen painonpudotus ehkäisisi nivelrikon tautitaakkaa tulevaisuudessa (23). Vaikutuksia arvioitiin 20–80 vuoden ajanjaksoilla. Mittarina käytettiin menetettyjä terveitä elinvuosia (disability-adjusted life years, DALY).
Kahden ensimmäisen vuosikymmenen aikana painonpudotuksen vaikutus tautitaakkaan olisi melko vähäinen. Kun aikahorisonttina on 80 vuotta ja paino vähenee yhden BMI-yksikön vuosittain, vähennys olisi suurempi: nivelrikosta johtuvat DALYt vähentyisivät naisilla noin 16 % ja miehillä noin 13 % (23).
Painonpudotuksen vaikuttavuutta alaselkäkipuun voidaan arvioida heikentyneessä terveydentilassa elettyjen elinvuosien (years lived with a disability, YLD) määrällä (24).
Kanadalaisella aikuisväestöllä tehdyssä tutkimuksessa painonpudotuksen vaikutusta vuosina 2021–2040 verrattiin tilanteeseen, jossa paino ei putoa. Yhden BMI-yksikön vuosittaisella painonpudotuksella vältettäisiin 768 793 YLD:tä. Se on 8,5 % kaikista elinvuosista, joina terveydentila on heikentynyt alaselkäkivun vuoksi (24).
Päätelmät
Katsauksen tuloksena saatiin tietoa ehkäisevän painonpudotuksen vaikutuksista nivelrikon ja alaselkäkivun tautitaakkaan.
Painonpudotus helpotti taakkaa kaikissa tutkimuksissa, joskin vaikutus oli pääasiassa maltillinen (20,21,22,23,24). Siihen panostaminen nivelrikon ehkäisyssä voisi tuottaa terveyshyötyjä pitkällä aikavälillä (23).
Mallinnuksella saatujen terveysvaikutusten luotettavuus kuitenkin heikkenee ajan kuluessa (26). Lisäksi tarkempi arvio vaikutuksen suuruudesta on epävarma.
Simulaatiotutkimusten ongelma on, että laatu voi vaihdella – joskin se on kehittynyt parempaan suuntaan (9). Mallinnuksille ei myöskään ole yhtenäistä kansainvälistä laatukriteeristöä (17).
Etuna on, että vaihtoehtoisten interventioskenaarioiden vaikutuksia voidaan arvioida ilman vaativia koejärjestelyjä. Lisäksi on mahdollista tehdä pitkän aikavälin arviointeja (8).
Tämän katsauksen aiheesta löytyi hyvin vähän mallinnusta hyödyntäviä tutkimuksia. Kaksi Kanadassa tehtyä tutkimusta (22,23) käytti POHEM-OA-mikrosimulointimallia, joka soveltuu nivelrikon tautitaakan ennustamiseen. Mallin etuna on avoimuus: rakenne, parametrien arvot ja tietolähteet ovat julkisesti saatavilla (13). Tämä helpottaa tulosten luotettavuuden arviointia.
Tähän katsaukseen valitut tutkimukset olivat menetelmällisesti laadukkaita (taulukko 2). Laadunarviointia olisi silti helpottanut selkeä simulaatiotutkimuksille tarkoitettu kriteeristö.
Kun arvioidaan tulosten siirrettävyyttä maasta toiseen, on huomioitava alueelliset erot. Esimerkiksi parametrien arvoja voi olla tarpeen muuttaa (25).
Kanadalaisten tutkimusten mukaan ne soveltuvat tulotasoltaan ja sosiodemografisilta muuttujiltaan vastaaviin maihin (23,24). Tulosten siirrettävyyttä Suomeen voitaisiin arvioida, jos käytettyjen tietojen vertailukelpoisuuteen perehdyttäisiin tarkemmin.
Saudi-Arabiassa tehdyn tutkimuksen mukaan sen tuloksia ei voida soveltaa sellaisiin ympäristöihin, joissa on erilainen terveydenhuoltojärjestelmä (21).
Onko painonpudotus vaikuttava keino nivelrikon tai alaselkäkivun ehkäisyyn Suomessa? Paras arvio saataisiin käyttämällä mallinnuksessa kansallisia väestötietoja sekä vertailemalla painonpudotusta muihin ennaltaehkäisyn tai sairaudenhoidon keinoihin.
Esimerkiksi kanadalaistutkimuksissa ennaltaehkäisevää painonpudotusta verrattiin nivelrikon ja alaselkäkivun hoitomenetelmiin eli lääkehoitoon, tekonivelkirurgiaan ja liikuntainterventioon. Niiden mukaan painonpudotuksella saavutettaisiin eniten terveyshyötyjä etenkin pitkällä aikavälillä (23,24).
Tämän katsauksen perusteella väestötason painonpudotuksella on suotuisia, joskin maltillisia vaikutuksia nivelrikon ja alaselkäkivun ehkäisyyn. Lisäksi ylipainon väheneminen voi torjua muitakin sairauksia, erityisesti tyypin 2 diabetesta (7,20). Ehkäisevänä toimenpiteenä painonpudotuksella voidaan siis saavuttaa laajoja terveyshyötyjä.
Kiitokset tutkimusjohtaja Eila Kankaanpäälle (Itä-Suomen yliopisto) arvokkaista kommenteista.
Kirjoittajilla ei sidonnaisuuksia.
- 1
- The Institute for Health Metrics and Evaluation. Global Burden of Disease (GBD) -tietokanta (siteerattu 25.10.2023). https://vizhub.healthdata.org/gbd-compare/
- 2
- Kuş G, Yasaci Z, Boz C, Türkmen E. Association of osteoarthritis prevalence with age and obesity factors in organization for economic cooperation and development countries: panel regression model. Am J Phys Med Rehabil 2023;102:901–6.
- 3
- Suomalaisen Lääkäriseuran Duodecimin ja Suomen Ortopediyhdistys ry:n asettama työryhmä. Polvi- ja lonkkanivelrikko. Käypä hoito -suositus 8.5.2018. www.kaypahoito.fi
- 4
- Suomalaisen Lääkäriseuran Duodecimin ja Suomen Fysiatriyhdistyksen asettama työryhmä. Alaselkäkipu. Käypä hoito -suositus 5.5.2017. www.kaypahoito.fi
- 5
- World Obesity Day. Advocacy (siteerattu 13.3.2024). https://www.worldobesityday.org/advocacy
- 6
- World Health Organization. Obesity and overweight (siteerattu 9.6.2021). https://www.who.int/news-room/fact-sheets/detail/obesity-and-overweight
- 7
- Mäki P, Harald K, Lindström J, Männistö S, Laatikainen T. Association of adiposity with morbidity in Finnish adults: a register-based follow-up study. Scand J Public Health 2023;1–7.
- 8
- Cecchini M, Sassi F, Lauer JA, Lee YY, Guajardo-Barron V, Chisholm D. Chronic diseases: chronic diseases and development 3 tackling of unhealthy diets, physical inactivity, and obesity: health effects and cost-effectiveness. Lancet 2010;376:1775–84. https://doi.org/10.1016/S0140-6736(10)61514-0
- 9
- Fone D, Hollinghurst S, Temple M ym. Systematic review of the use and value of computer simulation modelling in population health and health care delivery. J Public Health Med 2003;25:325–35
- 10
- Rutter CM, Zaslavsky AM, Feuer EJ. Dynamic microsimulation models for health outcomes: a review. Med Decis Making 2011;31:10–18.
- 11
- Kopec JA, Edwards K, Manuel DG, Rutter CM. Advances in microsimulation modeling of population health determinants, diseases, and outcomes. Epidemiol Res Int 2012;584739:1–3.
- 12
- O’Donoghue C. Introduction. Kirjassa: O’Donoghue C, toim. Handbook of Microsimulation Modelling, 1. painos. Bingley: Emerald Publishing Limited 2014;1.
- 13
- Kopec JA, Sayre EC, Flanagan WM ym. Development of a population-based microsimulation model of osteoarthritis in Canada. Osteoarthritis Cartilage 2010;18:303–11.
- 14
- Briggs AH, Claxton K, Sculpher MJ. Decision modelling for health economic evaluation. Oxford: Oxford University Press 2006;16–9,58–61,81–3.
- 15
- Kopec JA, Finès P, Manuel DG ym. Validation of population-based disease simulation models: a review of concepts and methods. BMC Public Health 2010;10:710.
- 16
- Hennessy D, Garner R, Flanagan WM, Wall R, Nadeau C. Development of a population-based microsimulation model of body mass index. Health Rep 2017;28:20–30.
- 17
- Li J, O’Donoghue C, Dekkers G. Dynamic models. Kirjassa: O’Donoghue C, toim. Handbook of microsimulation modelling, 1. painos. Bingley: Emerald Publishing Limited 2014;326.
- 18
- Sharif B, Kopec JA, Wong H ym. Uncertainty analysis in population-based disease microsimulation models. Epidemiol Res Int 2012;610405:1–14. doi:10.1155/2012/610405
- 19
- Hoitotyön tutkimussäätiö. Tutkimusten arviointikriteeristöt (JBI) (siteerattu 18.3.2024). https://hotus.fi/kansainvalinen-yhteistyo/jbi-keskus/tutkimusten-arviointikriteeristot-jbi/
- 20
- Keaver L, Webber L, Dee A ym. Application of the UK foresight obesity model in Ireland: the health and economic consequences of projected obesity trends in Ireland. PLoS ONE 2013;8:e79827.
- 21
- Al-Omar HA, Aljehani N, Alshehri A ym. Ten-year cost-consequence analysis of weight loss on obesity-related outcomes in privately insured adults with obesity in Saudi Arabia. J Med Econ 2023;26:802–10.
- 22
- Kopec JA, Sayre EC, Fines P ym. Effects of reductions in body mass index on the future osteoarthritis burden in canada: a population-based microsimulation study. Arthritis Care Res (Hoboken) 2016;68:1098–105.
- 23
- Kopec JA, Sayre EC, Okhmatovskaia A ym. A comparison of three strategies to reduce the burden of osteoarthritis: a population-based microsimulation study. PLoS ONE 2021;16:e0261017.
- 24
- Kopec JA, Sayre EC, Cibere J ym. Reducing the burden of low back pain: results from a new microsimulation model. BMC Musculoskelet Disord 2022;23:804.
- 25
- Drummond M, Barbieri M, Cook J ym. Transferability of economic evaluations across jurisdictions: ISPOR Good Research Practices Task Force Report. Value Health 2009;12:409–18. doi:10.1111/j.1524-4733.2008.00489.x
- 26
- Rannanheimo P, Martikainen J. Lääkehoitojen taloudellinen arviointi. Kirjassa: Hämeen-Anttila K, Katajavuori N, Aaltonen K, toim. Yhteiskunnallinen lääketutkimus: ideasta näyttöön, 2. uudistettu laitos. Helsinki: Helsingin yliopisto 2021;187.