Johdanto
Riskitekijä on jokaiselle lääkärille ja lääketieteen tutkijalle erittäin tuttu termi. Riskitekijöitä pyritään tunnistamaan ja niitä pyritään hoitamaan. Tutkimuksen näkökulmasta riskitekijä liittyy suoraan monimuuttumalleihin. Riskitekijöitä tutkitaan hyvin usein monimuuttujamalleilla. Monimuuttujamallissa on yksi tai useampi päätemuuttuja eli selitettävä (eng. dependent) muuttuja sekä yksi tai useampi lähtömuuttuja (eng. independent) eli selittävä muuttuja. Yleensä lähtömuuttujat rinnastetaan tutkittaviin riskitekijöihin.
Erittäin yleinen tutkimusaihe lääketieteellisessä tutkimuksessa on hyödyntää monimuuttujamalleja arvioimaan jollekin päätetapahtumalle kuten kuolemalle, syöpätaudille tai leikkauskomplikaatiolle altistavia riskitekijöitä. Varsinkin ravitsemusepidemiologiset tutkimukset päätyvät helposti uutisotsikoihin, kun “uusi” riskitekijä tai riskiä pienentävä tekijä jollekin syövälle on pystytty osoittamaan tutkimuksissa.
Mutta mikä oikeastaan on riskitekijä? Jos tutkimuksessa raportoidaan, että jokin altiste A on riskitekijä rintasyövälle, niin mitä se tarkoittaa?
Asetelma (ainakin) ratkaisee
Valitettavan usein riskitekijätutkimuksissa ei raportoida tai kuvata selkeästi mikä on tutkimuksen tarkoitus tai asetelma, kun riskitekijöitä on lähdetty selvittämään. Klassinen asetelma on kerätä havainnoiva tutkimusaineisto, josta määritellään yksittäinen päätetapahtuma sekä joukko useampia tutkittavia altisteita eli lähtömuuttujia. Nämä muuttujat ajetaan monimuuttujamallin läpi ja lopuksi katsotaan onko jollain lähtömuuttujalla tilastollisesti merkitsevä regressiokerroin. Jos näin on, se nimetään usein “itsenäiseksi riskitekijäksi”. Lisäksi usein todetaan, että muuttuja A altistaa päätetapahtumalle X.
Edellä olevassa on kyse viime kädessä aina vain tilastollisesta yhteydestä eli assosiaatiosta eli korrelaatiosta. Se tarkoittaa, että kun lähtömuuttujan arvo muuttuu, niin samaan aikaan muuttuu myös päätemuuttujan arvo. Tämä pätee myös toisin päin. Kun päätemuuttujan arvo muuttuu, lähtömuuttujan arvo muuttuu myös, koska niiden välillä on siis tilastollinen yhteys tai assosiaatio. Tällä ei ole mitään tekemistä kuitenkaan kausaalisuuden eli syy-seuraussuhteen kanssa. Pelkkä monimuuttujamallin tulos ei anna oikeutta todeta, että kun altistetta muutetaan niin päätemuuttuja muuttuu tämän seurauksena.
Kausaalinen riskitekijä tarkoittaakin altistetta, jota manipuloimalla muuttuu myös päätemuuttujan arvo. Paras esimerkki tästä lienee tupakoinnin ja keuhkosyövän yhteys. Jos potilas aloittaa tupakoinnin, riski saada keuhkosyöpä kasvaa erittäin paljon. Jos potilas lopettaa tupakoinnin, hänen riski saada keuhkosyöpä taas pienenee oleellisesti. Tupakointi on siis keuhkosyövän kausaalinen riskitekijä. Kausaalisen riskitekijän tutkiminen vaatii aina pohdinnan syy-seuraussuhteista altisteen ja päätulosmuuttujan välillä. Tätä aihetta on käsitelty laajemmin selittämisen yhteydessä.
Pelkkä tilastollinen merkitsevyys ei myöskään yksittäisenä löydöksenä tarkoita vielä kovin paljon. Riskitekijöiden osalta kausaalisuus eli mahdollinen intervention kohteena oleminen ei aina ole tärkeintä. Tärkeää riskitekijöille on myös ennustekyky. Ennustetutkimuksesta puhutaan laajemmin toisessa artikkelissa (tulossa). Ennustekyky tarkoittaa riskitekijän tai riskitekijöiden kykyä selittää vaihtelua päätemuuttujassa. Riskitekijä, joka selittää kokonaisriskistä eli päätemuuttujan vaihtelusta esimerkiksi 1% ei ole kovin oleellinen riskitekijä käytännön elämässä.
Erilaisia riskitekijöitä
Pohditaan seuraavaksi hypoteettista asetelmaa, jossa tutkija selvittää sydäntapahtuman riskitekijöitä. Kuvitellaan, että hienon monimuuttujamallin tuloksena todetaan, että harmaantunut tukka on sydäntapahtuman “itsenäinen riskitekijä“. Miten tätä pitäisi tulkita? Jos meillä on kaksi samanikäistä naispotilasta ja toisella on harmaantunut tukka, onko hänellä myös suurentunut sydäntapahtumariski? Näin ei varmasti ole. Jos sen sijaan meillä on kaksi naispotilasta, joiden ikä ei ole tiedossa, harmaantunut tukka voi liittyä kohonneeseen sydäntapahtumariskiin. Tämä johtuu siitä, että potilas, jolla on harmaantunut tukka, on todennäköisesti vanhempi. Harmaantunut tukka tässä tapauksessa voisi todella olla sydäntapahtuman riskitekijä. Se ei ole kuitenkaan kausaalinen riskitekijä eikä intervention kohde. Tukan värin muuttaminen ei muuta potilaan sydäntautiriskiä.
Ylipaino altistaa polven nivelrikolle ja painon pudotuksella on osoitettu olevan suotuisa vaikutus polven kulumaperäiselle oireilulle. Kivun helpottuminen välittyy kuitenkin todennäköisesti erilaisten kipuperäisten välittäjäaineiden muutoksella ääreiskudoksissa, kun polven kuormitus ja potilaan metabolia muuttuu. Kuvitellaan, että tutkimuksessa on tutkittu sekä näiden välittäjäaineiden pitoisuuksia ylipainon lisäksi ja lopputuloksena on, että ylipaino ei osoittaudu riskitekijäksi polvikivulle. Tarkoittaako, tämä että ylipaino ei aiheuta polvikipua ja se ei olisi siis hyvä kohde interventiolle? Yhden tutkimuksen valossa näin pitkälle meneviä päätelmiä ei pitäisi tehdä luonnollisesti. Riskitekijöiden merkitystä tulisi siis aina pohtia suhteessa tutkimusasetelmaan ja aiempaan kirjallisuuteen varsinkin, jos tutkimusasetelmaa ei ole selkeästi kuvattu.
Lopuksi
Jos tutkimuksessa selvitetään riskitekijöitä pitää tulosten tulkinnassa olla erittäin huolellinen. Minkäänlaista kausaalista tulkintaa tai suosituksia riskitekijän manipuloinnista riskin muutoksen toivossa ei voi tehdä ilman edeltävää pohdintaa selityssuhteista ja kausaalimalleista. Pelkkä toteamus että tekijä A on tapahtuman X “itsenäinen riskitekijä” ei välttämättä useinkaan tarkoita mitään muuta kuin ajallisesti yhteyttä näiden muuttujien välillä kyseisessä aineistossa. Päätelmissä, joissa luetellaan yhden tai useamman tekijän “altistavan” tai lisäävän riskiä tapahtumalle X, pitää huomioida näiden tekijöiden selitysaste.