Ajankohtaista

Väitös: 24.2.2018 Osallistujakato vääristää tilastoja tupakoinnin ja alkoholin suurkulutuksen yleisyydestä (Kopra)

Alkamisaika: lauantai 24. helmikuuta 2018, 12.00

Päättymisaika: lauantai 24. helmikuuta 2018, 15.00

Paikka: Seminaarinmäki, H320

Juho KopraFM Juho Kopran tilastotieteen väitöskirjan "Statistical modelling of selective non-participation in health examination surveys" tarkastustilaisuus. Vastaväittäjänä professori Jane Hutton (University of Warwick) ja kustoksena akatemiatutkija Matti Vihola (Jyväskylän yliopisto). Väitöstilaisuus on englanninkielinen.

Tupakka ja alkoholi ovat kansallisia terveyshaittoja, joiden kulutuksen on raportoitu laskeneen viime vuosina. Juho Kopra selvitti väitöskirjassaan, miten tutkimukseen osallistuvien henkilöiden valikoituminen vaikuttaa tutkimuksen tuloksiin ja kuinka tätä vaikutusta voidaan pienentää tilastollisia menetelmiä käyttäen.  Tutkimuksen tuloksena havaittiin, että valittujen tilastomenetelmien hyödyntäminen kasvatti arvioita päivittäisen tupakoinnin ja alkoholin suurkulutuksen yleisyydestä. 

Väitöskirjassa Kopra esittelee tilastollisia menetelmiä valikoituvan osallistujakadon aiheuttaman systemaattisen virheen eli harhan pienentämiseksi. Valikoituva osallistujakato tarkoittaa tilannetta, jossa tutkimuksen kannalta kiinnostavat muuttujat - tässä tapauksessa tieto siitä onko henkilö tupakoija tai alkoholin suurkuluttaja - ovat yhteydessä siihen osallistuuko henkilö tutkimukseen. Kopran mukaan näyttää siltä, että tupakoijat ja alkoholin suurkuluttajat osallistuvat tutkimuksiin harvemmin kuin muut. 

- Aiemmissa tutkimuksissa on havaittu, että näillä katoon jäävillä henkilöillä on myös suurempi riski menehtyä tauteihin, jotka ovat yhteydessä tupakointiin ja alkoholiin, Kopra kertoo. 

Kopra tutki aihetta käyttäen tilastomenetelmiä, joiden antamien tulosten perusteella tupakointi ja alkoholin suurkulutus on kuitenkin yleisempää kuin mitä tutkimukseen osallistuneilta henkilöiltä saatiin tulokseksi.

 - Tupakointia ja alkoholinkäyttöä kysyttiin osallistujilta kyselylomakkeella. Tämä itseraportoitu kulutus ei välttämättä vastannut todellista kulutusta, sanoo Kopra.

 Keskeisenä ajatuksena väitöskirjassa kehitetyissä menetelmissä on vähentää osallistujakadon aiheuttamaa harhaa seuranta-aineiston ja muun lisätiedon avulla. Kopra käytti tutkimuksessaan Terveyden ja hyvinvoinnin laitoksen (THL) FINRISKI-terveystutkimusaineistoa, johon yhdistettiin sairaalakäynti- ja kuolinsyytiedoista koostuva seuranta-aineisto.

 Lisätietoja:

Juho Kopra, puh. 040-8053455

Viestintäpäällikkö Liisa Harjula, puh. 040 805 4403, viestinta@jyu.fi

Juho Kopra valmistui ylioppilaaksi Jyväskylän Lyseon lukiosta vuonna 2008 ja filosofian maisteriksi Jyväskylän yliopistosta vuonna 2013 pääaineenaan tilastotiede. Tämän jälkeen hän aloitti tohtorikoulutettavana Jyväskylän yliopiston matematiikan ja tilastotieteen laitoksella. Tutkimusta rahoittivat Suomen Akatemia, Alkoholitutkimussäätiö ja matematiikan ja tilastotieteen laitos.

Väitöskirja on julkaistu sarjassa Department of Mathematics and Statistics, University of Jyväskylä, Report numerona 164, ISSN 1457-8905, ISBN 978-951-39-7351-3 (printti) ja 978-951-39-7352-0 (pdf).

Linkki väitöskirjaan: http://urn.fi/URN:ISBN:978-951-39-7352-0

 Abstract

Health examination surveys aim to collect reliable information on the health and risk factors of a population of interest. Missing data occur when some invitees do not participate the survey. If non-participation is associated with the variables to be studied, then the estimates based only on the participants cannot be generalised to the population of interest. In this case, the estimates have selection bias, which misleads the decision-makers.

The purpose of this thesis is to develop statistical methods to reduce the selection bias in the cross-sectional data using additional data sources. The data, which we use, comes from the National FINRISK Study, and we aim to estimate the prevalences of self-reported daily smoking and self-reported heavy alcohol consumption. The sources of additional information are follow-up data consisting of hospitalisations and causes of deaths, and questionnaire data collected from the non-participants of health examination by contacting them again, called re-contact data.

Follow-up data give indirect information after the follow-up period about the health behaviour of non-participants during the health examination while the re-contact data give information similar to the health examination survey. This thesis presents methods for utilising these sources of additional information. Multiple imputation has been applied for the use of re-contact data, and Bayesian statistical modelling has been implemented for the use of follow-up data.

The thesis demonstrates that the use of additional data sources and these statistical methods leads to prevalence estimates for daily smoking and heavy alcohol consumption that are higher than those obtained from the participants only. Multiple imputation can be utilised for prevalence estimation if the re-contact data are available. Bayesian modelling is appropriate for the situation where re-contact data are not available but the follow-up data are and have follow-up period long enough to indicate about the differences between the participants and non-participants.

This thesis presents means for reducing the selection bias caused by non-participation. It is important to reduce the magnitude of the bias for obtaining more reliable information for example to support decision making. The statistical methods used in this thesis can also be applied to other fields of research than in the health studies.

Lisätietoja

Juho Kopra
juho.j.kopra@jyu.fi
+358408053455
kuuluu seuraaviin kategorioihin: