Upload
others
View
20
Download
0
Embed Size (px)
Citation preview
Ihmisen terveys ekosysteemipalveluna –
Ympäristötekijöiden ja kroonisten tulehdussairauksien välinen
yhteys
Maija Virta
Pro gradu-tutkielma 791619S
Oulun yliopisto
maantieteen laitos
toukokuu 2014
Oulun yliopisto TIIVISTELMÄ OPINNÄYTETYÖSTÄ
Luonnontieteellinen tiedekunta Liite FM-tutkielmaan
Maisterintutkinnon kypsyysnäyte
Laitos: Pääaine:
Maantieteen laitos Maantiede Tekijä (Sukunimi ja etunimet, myös entinen sukunimi): Opiskelija-
numero: 1985878 Tutkielman sivumäärä: 82 s. + XVIII
Virta, Maija Katariina Tutkielman nimi (suomeksi; muun kielinen nimi ilmoitetaan vain jos se on tutkielman kieli):
Ihmisen terveys ekosysteemipalveluna – Ympäristötekijöiden ja kroonisten tulehdussairauksien välinen yhteys
Asiasanat: Terveys, ekosysteemipalvelut, biodiversiteetti-hypoteesi, astma, 1 tyypin diabetes, tulehdukselliset suolistosairaudet, GAM, Mann-Whitneyn testi, Spearmanin järjestyskorrelaatiotesti
Tiivistelmä
Biodiversiteetti on heikentynyt maailmanlaajuisesti viimeisten vuosikymmenien aikana. Sillä on todettu olevan
negatiivisia vaikutuksia ihmisen terveydelle. Biodiversiteetti toimii ekosysteemipalveluiden perustana ja molemmat
vaikuttavat ihmisen hyvinvointiin ja myös terveyteen. Biodiversiteetti-hypoteesin mukaan ympäristön tila vaikuttaa
ympäristön ja elimistön mikrobeihin. Elimistön mikrobeilla on merkittävä rooli immuniteetissä. Tämä ilmiö on
mahdollisesti vaikuttanut kroonisten tulehdussairauksien voimakkaaseen yleistymiseen viime vuosikymmenien aikana.
Biodiversiteetti-hypoteesi on uusi lähestymistapa ympäristön ja terveyden välisen yhteyden tarkastelussa.
Tutkielmassa pyritään selvittämään ympäristön ja kroonisten tulehdussairauksien yhteyttä Suomen mittakaavassa,
kuntapohjaisen aineiston avulla. Tutkimusajankohtana toimivat vuodet 2000–2010. Tutkittavat sairaudet ovat astma, 1
tyypin diabetes ja tulehdukselliset suolistosairaudet. Sairaus-aineisto perustuu Kansaneläkelaitokselta saatuihin
lääkekorvaustietoihin. Ikäryhminä toimivat astman ja 1 tyypin diabeteksen kohdalla alle 15-vuotiaat ja tulehduksellisten
suolistosairauksien kohdalla 15–29-vuotiaat. Näihin sairauksiin vaikuttavia ympäristötekijöitä selvitetään yleistetyn
additiivisen mallin (GAM) avulla. Myös sosioekonomisten tekijöiden vaikutuksia selvitetään. Lisäksi tarkastellaan
tutkittavien sairauksien maantieteellisiä esiintyvyyksiä. Mann Whitneyn U-testillä selvitetään sukupuolten välisiä eroja
esiintyvyyksien suhteen. Spearmanin järjestyskorrelaatiotestin avulla tarkastellaan tutkittavien sairauksien riippuvuuksia
ympäristö- ja sosioekonomisten tekijöiden kanssa.
Alle 15-vuotiaiden astman esiintyvyydessä on havaittavissa suhteellisen selkeitä alueellisia eroja, koska Itä- ja Pohjois-
Suomessa astman havaittiin olevan jonkin verran yleisempää kuin muualla Suomessa. Talven lämpötiloilla voi olla vaikusta
tähän. Astman esiintyvyydessä on eroja sukupuolten välillä, mutta niissä ei havaittu alueellisia eroja. Astmaan
vaikuttavaksi tekijäksi valikoitui lopulta talven ilmastoa kuvaava tammikuun keskilämpötila. Tulosten pohjalta voidaan
sanoa, että tammikuun keskilämpötilan laskiessa alle 15-vuotiaiden astman esiintyvyys yleistyy. 1 tyypin diabeteksen ja
tulehduksellisten suolistosairauksien kohdalla tulokset eivät olleet yhtä selkeitä, eikä niihin vaikuttavia tekijöitä saatu
selville GAM-mallinnuksen avulla. Joskin 1 tyypin diabeteksen esiintyvyydessä on eroja sukupuolten välillä, mutta niiden
kohdalla ei havaittu alueellisia eroja Suomen sisällä. Kuntapohjaisen aineiston käyttö tuotti haasteita, mutta tulokset eivät
myöskään poissulje kroonisten tulehdussairauksien ja ympäristön välistä yhteyttä. Ympäristön ja kroonisten
tulehdussairauksien välisen yhteyden selvittäminen olisi mielekkäämpää pienemmällä tutkimusalueella ja tarkempaan
paikkatietoon perustuvan informaation avulla.
Muita tietoja:
Paikka ja päiväys: Oulu, 12.05.2014
Toukokuu 2014
Sisältö
1. Johdanto .......................................................................................................4 1.1. Tutkielman tarkoitus ..............................................................................6
2. Biodiversiteetin tila ......................................................................................7 2.1. Ympäristön tilan selvittäminen...............................................................8
2.2. Ihmisen toiminnan vaikutukset...............................................................9 2.2.1. Elinympäristöjen muuttuminen ................................................... 10
2.3. Kaupunkien ja rakennettujen alueiden luonto ....................................... 12 2.4. Suomen biodiversiteetin tila ................................................................. 13
3. Ekosysteemipalvelut ................................................................................... 15 3.1. Biodiversiteetti osana ekosysteemipalveluita ........................................ 17
4. Ihmisen terveys .......................................................................................... 19 4.1. Biodiversiteetin ja ihmisen terveyden välinen yhteys ........................... 21
5. Krooniset tulehdussairaudet ........................................................................ 24 5.1. Astma .................................................................................................. 25 5.2. 1 tyypin diabetes .................................................................................. 27
5.3. Tulehdukselliset suolistosairaudet ........................................................ 29 6. Tutkimusalue .............................................................................................. 30
6.1. Demografia .......................................................................................... 32 6.2. Väestön terveydentila........................................................................... 32
7. Aineisto ...................................................................................................... 33 7.1. Sairaudet ............................................................................................. 33
7.2. Ympäristömuuttujat ............................................................................. 34 7.3. Sosioekonomiset muuttujat .................................................................. 36
8. Menetelmät................................................................................................. 37 8.1. Korrelaatio ........................................................................................... 37
8.2. Mann-Whitneyn U-testi ....................................................................... 39 8.3. Kartografinen tarkastelu ....................................................................... 39
8.4. Yleistetty additiivinen malli (GAM)..................................................... 40 8.4.1 Yleisen additiivisen mallinnuksen (GAM) suorittaminen ............ 41
9. Tulokset ..................................................................................................... 43 9.1 Aineiston tarkastelu ja tutkittavien sairauksien esiintyvyys ................... 43
9.2 Sukupuolten väliset erot tutkittavien sairauksien esiintyvyyksissä ......... 48 9.3 Tutkittavien sairauksien ja selittävien muuttujien väliset korrelaatiot .... 51
9.4 Tutkittaviin sairauksiin vaikuttavat muuttujat ........................................ 53 9.4.1 Astma.......................................................................................... 53
9.3.2 1 tyypin diabetes ja tulehdukselliset suolistosairaudet .................. 56 10. Tulosten tulkinta ja pohdinta ..................................................................... 57
10.1 Sairauksien esiintyvyys ja siinä ilmenevät erot sukupuolten välillä ..... 57 10.2 Kroonisten tulehdussairauksien ja selittävien muuttujien välinen
riippuvuus .................................................................................................. 60 10.3 Kroonisiin tulehdussairauksiin vaikuttavat tekijät ............................... 63
10.4 Virhelähteet ........................................................................................ 67 11. Yhteenveto ja johtopäätökset .................................................................... 70
12. Lähteet ..................................................................................................... 73 13. Liitteet ...................................................................................................... 83
1. Johdanto
Maapallon luonto on muuttunut huomattavasti viimeisten vuosikymmenien aikana,
nopeammin kuin koskaan aiemmin ihmiskunnan historiassa (MA 2005: 26). Tuhansien
vuosien ajan ihmiset ovat hyödyntäneet luonnon syklien toimintaa aiheuttamatta
maailmanlaajuisia häiriöitä. Nykyajan ihmisen toiminnan vaikutukset voidaan kuitenkin
nähdä missä päin maapalloa tahansa (Daily 1997: 4–5) ja vaikutukset ulottuvat
kaikkialle ekosysteemeihin (MA 2005: 26). Väestön kasvaessa ja luonnonvarojen
käytön voimistuessa maankäyttö on muuttunut, johtaen lajien elinmahdollisuuksien
heikkenemiseen sekä muutoksiin maanpinnassa ja biogeokemiallisissa sykleissä
(Vitousek ym. 1997: 494, Chapin ym. 2000: 234).
Useimmat ympäristössä tapahtuneet muutokset johtuvat erityisesti taloudellisesta
kasvusta, jonka vaikutus näkyy kaikkialla maailmassa (LaDou 2001: S1). Globaali
ekologinen jalanjälki on lähes kaksinkertaistunut edellisten viiden vuosikymmenen
aikana tarkoittaen sitä, että nykyään maapallon luonnonvaroja käytetään 1,5 kertaa
nopeammin kuin ne uusituvat (WWF 2012: 38). Kaupungistumisen johdosta tilanne
heikkenee edelleen, sillä sen myötä väestön ekologiset jalanjäljet tulevat kasvamaan
(WWF 2012: 58). Tämä on huolestuttava ilmiö, sillä nykyisin yli puolet maapallon
väestöstä asuu kaupungeissa ja tulevaisuudessa luku tulee edelleen kasvamaan (YK
2011: 3).
Ympäristön tila on heikentynyt maailmanlaajuisesti ja sama ilmiö näkyy myös
Suomessa. Esimerkiksi Kansainvälisen luonnonsuojeluliiton (2013: 1) mukaan
biodiversiteetin tilanne on Suomessa huolestuttava. Lajien suojelu vaatii kiireellisiä
toimia ja sen tueksi tarvitaan lisää tietoa lajien tilanteista. Suomessa biodiversiteetin
uhkat liittyvät muun maailman tavoin elinympäristöjen muuttumiseen tai häviämiseen.
Yksi keino ihmisen toiminnan ja ympäristön välisten ristiriitojen vähentämiseen
on ekosysteemipalveluiden käsite. Ekosysteemipalvelut ovat ekosysteemien eri tasoilla
tapahtuvien toimintojen mahdollistamia suoria tai välillisiä hyötyjä ekosysteemeille tai
ihmisille. Näistä hyödyistä ihminen on täysin riippuvainen (Hiedanpää ym. 2010: 21).
Käsite tarjoaa uuden näkökulman ajatella ekosysteemejä ja yhteiskuntaa yhtenä
kokonaisuutena (Ratamäki ym. 2011: 9). Se mahdollistaa uuden tavan lähestyä
ympäristönsuojelua (Honkasalo 2011: Esipuhe), sillä ekosysteemipalveluiden
heikkeneminen ja niissä tapahtuvat negatiiviset muutokset vahingoittavat samalla
biodiversiteettiä ja luonnonvaroja (Hiedanpää ym. 2010: 9–11).
Nykyaikana ihmiset ovat yhä enemmän erkaantuneet luonnosta ja tämä on
johtanut tilanteeseen, jossa ihmiset olettavat teknologian ja innovaatioiden täyttävän
terveyteen ja hyvinvointiin liittyvät tarpeet (Sala ym. 2009: 9). Todellisuudessa
biodiversiteetillä ja ekosysteemipalveluilla on huomattava vaikutus ihmisen terveyteen
(Sala ym. 2009, Corvalan ym. 2005a: 471). Ne mahdollistavat ihmiselle elintärkeät
hyödyt, kuten puhtaan juomaveden, ruoansaannin ja kokonaisvaltaisen hyvinvoinnin
(Corvalan ym. 2005a: 470–471).
Huoli ympäristön ja biodiversiteetin köyhtymisestä on aiheellinen, mutta luonnon
lisäksi niiden heikkenemisellä voi olla haitallisia vaikutuksia ihmisen terveydelle.
Viime vuosikymmeninä kroonisten tulehdussairauksien määrät ovat yleistyneet
kehittyneissä maissa (esim. Onkamo 1999, Masoli ym. 2004), joissa ihmiset ovat yhä
vähemmän tekemisissä luonnollisen ympäristön kanssa. Myös biodiversiteetin tila on
heikentynyt ja määrä vähentynyt. Näiden kahden huolestuttavan ilmiön on esitetty
liittyvän toisiinsa (von Herzen ym. 2011, Hanski ym. 2012, Haahtela ym. 2013).
Ihmisen jatkaessa luonnon vahingoittamista biodiversiteetin tila heikkenee edelleen. Jos
ilmiö tulee jatkumaan, sillä voi olla huomattavia vaikutuksia väestöjen terveydentilaan
maailmanlaajuisesti (von Herzen ym. 2011: 1093).
Usein ihmisen on vaikea ymmärtää luonnossa tapahtuvien muutosten vakavuutta,
koska useimmiten muutokset tapahtuvat hitaasti, eikä niitä välttämättä huomata (Hanski
2005a: 146). Silmien sulkeminen ei kuitenkaan poista ongelmaa. Tarvitsemme
muutoksia lainsäädännössä, politiikassa ja ihmisen toiminnassa, jotta ihmisen toiminnan
negatiiviset vaikutukset ympäristöön eivät enää jatkuisi (Chapin ym. 2000: 234).
Biodiversiteetin, ekosysteemipalveluiden ja ihmisen välisen vuorovaikutuksen
ymmärtäminen on hyvin tärkeää, jotta osaisimme tehdä parempia valintoja ja siten
muuttaa toimintaamme (WWF 2012: 70). Tarvitsemme enemmän tutkimustietoa
ihmisen terveyden, toiminnan ja ympäristön välillisestä yhteydestä (Forget & Lebel
2001: S1, Sala ym. 2009: 9, Hough 2014: 282), koska tähän aiheeseen liittyvien
tutkimusten määrä on vielä vähäinen (Sala ym. 2009: 1).
5
6
1.1. Tutkielman tarkoitus
Tutkielman aihe on tärkeä koko maapallon väestön kannalta, sillä terveyden on todettu
olevan keskeinen osa globaalia kehitystä (LaDou 2001: S1), eikä kestävä kehitys ole
mahdollista, ellemme huomioi terveyden ja ympäristön välistä yhteyttä (Forget & Lebel
2001: S3). Päämääränä tuoda esille, kuinka ihmisen hyvinvointi ja terveys ovat
riippuvaisia luonnosta ja saada lisää informaatiota ihmisen terveyden ja ympäristön
välisestä yhteydestä. Luotettava informaatio ja tutkimustieto ovat tarpeellista niin
päättäjille kuin myös tavallisille kansalaisille.
Tutkielmassa aihetta lähestytään Suomen kannalta. Tarkoituksena on selvittää,
voidaanko kuntapohjaisen aineiston avulla havaita kroonisten tulehdussairauksien ja
ympäristömuuttujien välistä yhteyttä. Ympäristömuuttujien ohella tutkimukseen on
otettu mukaan sosioekonomisia muuttujia, joiden on myös esitetty vaikuttavan
terveyteen (Koskinen ym. 2006: 103). Tutkittavat krooniset tulehdussairaudet ovat
astma, 1 tyypin diabetes sekä tulehdukselliset suolistosairaudet, joihin kuuluvat Chronin
tauti ja haavainen paksusuolen tulehdus. Nämä kaikki ovat yleistyneet Suomessa
huomattavasti viimeisten vuosikymmenien aikana (esim. Haahtela ym. 2006, Harjutsalo
ym. 2008, Lehtinen ym. 2011). Tutkielmassa pyritään myös selvittämään, eroavatko
sairauksien suhteelliset osuudet sukupuolten välillä ja mitkä käytössä olevat selittävät
muuttujat vaikuttavat tutkittaviin sairauksiin.
Tutkimuskysymykset
1. Onko sukupuolten välillä tilastollisesti merkitseviä eroja sairauksien
esiintyvyyksien suhteen?
2. Onko kroonisten tulehdussairauksien ja selittävien muuttujien välillä nähtävissä
riippuvuutta?
3. Mitkä selittävät muuttujat vaikuttavat astman, 1 tyypin diabeteksen ja
tulehduksellisten suolistosairauksien esiintymiseen?
4. Kuinka paljon valikoituneet muuttujat vaikuttavat itsenäisesti tutkittaviin
kroonisiin tulehdussairauksiin?
7
2. Biodiversiteetin tila
Biodiversiteetti tarkoittaa elollisen luonnon monimuotoisuutta, johon kasvit, eläimet,
mikro-organismit sekä kaikki ekosysteemit kuuluvat. Se koostuu lajien perinnöllisestä
muuntelusta, lajien monimuotoisuudesta ja ekosysteemien vaihtelevuudesta (Tirri ym.
2001: 78, Convention on biological diversity (CBD) 1992: 28). Biodiversiteetti on tulos
lajien välisestä vuorovaikutuksesta yhdessä kaikkien ekosysteemien ja niiden osasten,
kuten ilmakehän, maaperän ja veden kanssa (CBD 1992: 28). Nämä monimutkaiset
vuorovaikutussuhteet ekosysteemien ja lajien välillä muodostavat ja mahdollistavat
elämän maapallolla ja myös ihminen on osa tätä vuorovaikutussuhdetta, josta se on
myös täysin riippuvainen (Secretariat of…diversity 2006: 10).
Määritelmästä huolimatta biodiversiteetti ymmärretään useimmiten eri lajien
lukumääränä. Maapallolla elää miljoonia lajeja, mutta läheskään kaikkia ei vielä tunneta
(Secretariat of…diversity 2006: 9). Tunnistettujen lajien määrä on yli 1,9 miljoonaa
(Chapman 2009: 3), mutta todellisuudessa määrä on luultavasti paljon suurempi.
Eliöiden määristä on tehty useita arvioita ja ne ovat vaihdelleet 4–30 miljoonan välillä
(Erwin 1982: 75, Novotny ym. 2002: 247). Mikrobien lajimäärä ei ole mukana näissä
arvioissa, koska niiden määrä on luultavasti moninkertainen muihin eliöryhmiin
verrattuna. Niiden lajimäärästä on tehty ainoastaan arvioita, jotka vaihtelevat 10
miljoonasta miljardiin lajiin (Pimm ym. 2008: 10).
Lajien häviäminen ja uusien lajien kehittyminen kuuluvat luonnollisena osana
maapallon elämään, mutta ihmisen toiminta on vauhdittanut lajien häviämistä. Sen
johdosta lajien sukupuutot ovat lisääntyneet ja biodiversiteetti on vähentynyt hyvin
nopeasti (Mace ym. 2005: 96, 104). Biodiversiteetin tilan kuvaaminen ja mittaaminen ei
ole kuitenkaan yksinkertaista. Ei ole olemassa mitään universaalia indikaattoria, joka
pystyisi kuvaamaan täydellisesti biodiversiteetin tilaa eri ekosysteemeissä ja eri
spatiaalisilla mittakaavoilla. Tästä huolimatta olemassa olevien indikaattoreiden avulla
voidaan saada selkeä kuva biodiversiteetin nykytilasta (Hanski 2005b: 388).
Vuosien 1970–2010 välisenä aikana biodiversiteetin tila on jatkuvasti
huonontunut ja siihen kohdistuneet paineet ovat lisääntyneet. Tällä kehityksellä on
negatiivisia vaikutuksia eliöiden lisäksi myös ihmiselle, sillä kyseisen ajanjakson aikana
8
ihmisen luonnosta saamat hyödyt ovat myös vähentyneet (Butchart ym. 2010:1165–
1168). WWF:n lanseeraama Living Planet Index (LPI) on eri indikaattorien yhdistelmä,
jonka avulla voidaan mitata eläinpopulaatioissa tapahtuvia muutoksia ja siten ilmaista
maapallon biodiversiteetin kokonaistilaa. Indeksin mukaan selkärankaisten eliöiden
määrä on vähentynyt 28 % vuosien 1970–2008 välisenä aikana (WWF 2012: 18). Myös
Kansainvälisen luonnonsuojeluliiton julkaisemat tulokset osoittavat, että maapallolla
elävien lajien tilanne on huono. Sen mukaan vuonna 2008 maapallolla oli lähes 17 000
uhanalaista eliölajia, joka kattoi 38 % kaikista arvioiduista lajeista (Vié ym. 2008: 17).
2.1. Ympäristön tilan selvittäminen
Ympäristön ja biodiversiteetin tilasta voidaan saada tarpeellista tietoa myös avaruudesta
käsin. Kaukokartoitus on yleistynyt 1970-luvulta lähtien (Xie ym. 2008: 11) ja se on
mahdollistanut nopean tiedonsaannin lajien elinympäristöistä, levinneisyyksistä ja myös
lajimääristä (Nagendra 2001, Xie ym. 2008). Se toimiikin yhtenä hyödyllisenä tapana
arvioida biodiversiteetin tilaa (Gillespie ym. 2008).
Lajirunsauden ja diversiteetin selvittäminen kaukokartoituksen avulla on
mahdollista esimerkiksi kasvillisuutta kuvaavan NDVI-indeksin (Normalized difference
vegetation index) avulla (Gillespie ym. 2008: 211). NDVI-indeksi perustuu kasvien
klorofyllin absorboimaan punaiseen valoon ja mesofyllin heijastamaan lähi-
infrapunavaloon (Pettorelli ym. 2005: 503). Se mahdollistaa maanpinnan kasvillisuuden
havainnoinnin ja arvioinnin (Reed ym. 1994: 703), koska sen avulla voidaan kuvata
esimerkiksi biomassan määrää ja kasvillisuuden levinneisyyttä (Reed ym. 1994: 710).
NDVI-indeksin on havaittu kuvaavan hyvin myös lajirunsautta (Bawa ym. 2002). Sen
antamaa informaatiota voidaankin hyödyntää ympäristönmuutosta koskevissa
ekologisissa tutkimuksissa (Pettorelli ym. 2005).
Kaukokartoitus mahdollistaa myös eri maankäyttötyyppien luokittelun, joiden
avulla voidaan saada informaatiota esimerkiksi erilaisista elinympäristöistä (Gottschalk
ym. 2005: 2637) ja siten myös mahdollisesti lajien levinneisyyksistä (Nagendra 2001:
2389). Maankäyttötyyppien ja lajirunsauden on esitetty korreloivan positiivisesti
toistensa kanssa (Gould 2000, Gillespie ym. 2008: 212 mukaan, Honnay ym. 2002).
Tämä liittyy yleisesti hyväksyttyyn hypoteesiin, jonka mukaan ympäristön ja
9
maanpinnan heterogeenisyys mahdollistaa suuremman lajirunsauden (Palmer ym. 2002:
123). Esimerkiksi Benton ym. (2003) havaitsivat katsausartikkelissaan, että
maaseutuympäristöissä tapahtuva maiseman heterogeenisyyden väheneminen aiheuttaa
eniten lajien häviämistä.
Yleisesti käytetyn Shannon indeksin avulla voidaan kuvata esimerkiksi biologista
monimuotoisuutta (Spellerberg & Fedor 2003: 178), mutta sen avulla voidaan kuvata
myös maankäyttötyyppien ja maanpeitteen monimuotoisuutta (Nagendra 2002: 177).
Maiseman runsaudella tarkoitetaan maankäyttöluokkien runsautta; mitä enemmän on
maankäyttöluokkia, sitä monimuotoisempi maisema on (Nagendra 2002: 176).
Maiseman monimuotoisuudella voi olla positiivisia vaikutuksia myös biodiversiteettiin,
sillä sen on havaittu vaikuttavan positiivisesti lajimäärään (Honnay ym. 2002: 245).
2.2. Ihmisen toiminnan vaikutukset
Biodiversiteetin maailmanlaajuiseen vähenemiseen liittyy useita ihmisen toiminnan
aiheuttamia uhkia ja syitä, joita ovat listanneet esimerkiksi Hanski ym. (1995) ja
Chivian ja Bernstein (2008) (taulukko 1). Tekijät vaikuttavat biodiversiteetin tilaan
harvoin kuitenkaan itsenäisesti, vaan useimmiten lajien kokemat paineet koostuvat
useista tekijöistä ja niiden voimakkaammista yhteisvaikutuksista (Chivian & Bernstein
2008: 29).
Taulukko 1. Biodiversiteetin vähenemisen syitä ja uhkia ( a. Chivian & Bernstein 2008:
29–73 ᵅ, b. Hanski ym. 1995: 240–241 ᵇ, c. Mooney ym. 2005: 1 ᶜ, d. Vitousek ym. 1994:
1863,Vitousek ym. 1997: 494 ᵈ).
Biodiversiteetin vähenemisen
syyt ja uhat
Esimerkki
Elinympäristöjen muuttuminen ᵅ˒ᵇ˒ᶜ˒ᵈ Väheneminen, pirstoutuminen, laadun
heikkeneminen ᵇ
Lajien ylihyödyntäminen ᵅ˒ᵇ Metsästys, kalastus, keräily ᵅ˒ᵇ
Vieras- ja tulokaslajit ᵅ˒ᵇ˒ᶜ Alueen alkuperäislajien ja ekosysteemien tilan
heikkeneminen ᵅ˒ᵇ˒ᶜ
Infektiotaudit ᵅ Bakteerit, virukset, sienet, alkueläimet ᵅ
Kemialliset yhdisteet ᵅ Raskasmetallit, torjunta-aineet, lannoitteet ᵅ
Ilmastonmuutos ᵅ Kukintojen, lakastumisten ja muuttojen ajankohdan
siirtyminen, elinympäristöjen siirtyminen
korkeammille alueille tai leveyspiireille ᵅ
Maankäyttö ᵈ Heikentää ekosysteemien toimintaa ja rakenteita ᵈ
10
2.2.1. Elinympäristöjen muuttuminen
Maankäytössä tapahtuneet muutokset vaikuttavat biodiversiteettiin ja ne ovatkin
suurimpia syitä sen huonoon nykytilaan niin globaalilla, kansallisella kuin myös
paikallisella tasolla (Haines-Young 2009: S178-S179). Maankäyttö vahingoittaa
ekosysteemien toimintaa ja rakenteita, mutta myös niiden vuorovaikutusta ympäröivän
maaperän, ympäristön, vesistöjen ja ilmakehän kanssa. Maatalous, teollisuus,
elinkeinoelämä ja virkistyskäyttö lisäävät maankäytön muutoksia, kuten maan
raivaamista, metsätaloutta, laidunnusta ja maankäytön tehostamista, jotka puolestaan
muuttavat ympäristöä ja luontoa (Vitousek ym. 1994: 1863,1997: 494).
Seurauksien tulkinnassa tulisi kuitenkin pitää mielessä, että useimmiten kyse on
useista muutoksista ja tekijöistä, joilla on negatiivisia vaikutuksia biodiversiteettiin
(Lindenmayer & Fischer 2006: 6). Muutokset voivat myös ilmetä useilla eri tavoilla,
eikä niiden tutkimiseen ole olemassa tiettyä oikeaa mittakaavaa (Lindenmayer &
Fischer 2006: 5). Tästä huolimatta maankäytöllä on todettu olevan voimakas vaikutus
biodiversiteettiin ja sen on ennustettu vaikuttavan voimakkaimmin biodiversiteetin
tilaan globaalilla tasolla vuoteen 2100 mennessä (Sala ym. 2000: 1772).
Ihmisen toiminnan seurauksena lajeille sopivat elinympäristöt ovat muuttuneet ja
vähentyneet. Tämän on todettu olevan suurin uhka biodiversiteetille (Hanski ym. 1995:
240, Hanski 2005a: 9), sillä lajien ja populaatioiden säilyminen edellyttää sopivan
elinympäristön löytämistä (Hanski 2005a: 8). Biodiversiteetin uhkia elinympäristöjen
näkökulmasta voidaan lähestyä esimerkiksi elinympäristöjen vähenemisen,
pirstoutumisen ja laadun muuttumisen kautta (Hanski ym. 1995: 240–241).
Elinympäristöjen väheneminen on monimutkainen ilmiö muun muassa jo
mittakaavan vuoksi; sitä tapahtuu kaikkialla (Hanski 2005a: 71). Elinympäristöjen
vähenemisen on todettu heikentävän biodiversiteetin tilaa (Fahrig 2003: 500) ja lisäävän
lajien sukupuuttoriskiä. Väheneminen heikentää kaiken kaikkiaan lajien ja
populaatioiden toimintaa (Hanski 2005a: 14). Sen seurauksena elinympäristöjen pinta-
alat pienenevät, mikä lisää esimerkiksi reunavaikutuksia ja siten poismuuttoa. Pinta-
alojen pieneneminen voi taas vähentää tulomuuttoa, populaation kantokykyä ja
ympäristöolojen vaihtelua (Hanski 2005a: 78–79).
11
Elinympäristöt eivät ole aina luonnollisestikaan yhtenäisiä alueita, mutta ihmisen
toimien johdosta pirstoutuminen on kuitenkin yleistynyt, erityisesti tiheästi asutuilla
alueilla (Hanski 2005a: 33, 88). Vaikutukset ilmenevät eri tavoin eri lajeille. Tämä
johtuu maiseman rakeisuuden suhteellisesta koosta. Joillekin lajeille maisema voi
näyttäytyä rakeisena ja ylitsepääsemättöminä esteinä ja toisille lajeille ei (Hanski 2005a:
34). Pirstoutumisella onkin todettu olevan sekä positiivisia että negatiivisia vaikutuksia
biodiversiteettiin (Fahrig 2003: 502–504, Kraus ym. 2010).
Pirstoutuminen vaikuttaa erityisesti elinympäristölaikkujen kokoon ja määrään, eri
alueiden väliseen kytkeytyneisyyteen ja eristyneisyyteen sekä lajien liikkumiseen eri
alueiden välillä (Forman 1995: 413). Yksilöiden liikkumisen ja muuttojen vähentyessä
uusien populaatioiden syntyminen vähenee (Hanski 2005a: 33) ja
paikallispopulaatioiden ja niistä muodostuvien metapopulaatioiden rakenteet voivat
heikentyä (Hanski ym. 1995: 241). Näiden vaikutusten kautta populaatioiden toiminta,
perinnöllinen muuntelu ja säilymismahdollisuudet heikkenevät (Hanski 2005a: 33),
lisäten samalla lajien sukupuuttoriskiä (Forman 1995: 414, Hanski 2005a: 81).
Elinympäristön laadun muuttuminen ei ole yhtä voimakas tapahtuma kuin niiden
häviäminen kokonaan (Hanski ym. 1995: 241), mutta siitä huolimatta sillä voi olla
haitallisia vaikutuksia lajeille ja populaatioille ja siten se omalta osaltaan vaikuttaa
lajien sukupuuttoriskeihin. Sen seurauksena esimerkiksi syntyvyys ja tulomuutto sekä
populaatioiden kasvunopeus ja kantokyky voivat pienentyä ja poismuutto voi lisääntyä
(Hanski 2005a: 73). Lisäksi laadun paikallisella vaihtelevuuden vähenemisellä voi olla
negatiivisia vaikutuksia lajien selviytymiselle (Hanski 2005a: 24).
Elinympäristöjen heikkeneminen tai häviäminen ei ole usein kuitenkaan
suoraviivainen tai yksinkertainen prosessi, vaan useimmiten se tapahtuu vähitellen
(Hanski 2005a: 34). Elinympäristöihin liittyvissä uhkissa keskitytään usein suuriin
elinympäristöihin eli makrohabitaatteihin. Huomio tulisi kohdistaan niiden lisäksi myös
mikrohabitaatteihin, jotka toimivat pienikokoisten eliöiden elinympäristöinä. Suurissa
elinympäristöissä ei aina välttämättä ole jäljellä mikrohabitaatteja, esimerkiksi
lahopuita, jotka ovat elintärkeitä elinympäristöjä tietyille pieneliöille (Hanski 2005a:46–
48). Mikrohabitaattien häviäminen onkin erittäin suuri uhka hyvin useille lajeille
(Hanski 2005a: 95).
12
2.3. Kaupunkien ja rakennettujen alueiden luonto
Nykyisin yli puolet maapallon väestöstä asuu kaupungeissa (YK 2011: 121). Yleisintä
se on kehittyneissä maissa, esimerkiksi Pohjois-Amerikassa yli 82 % ja Euroopassakin
lähes 73 % väestöstä asuu kaupungeissa (YK 2011: 11). Tulevaisuudessa kaupungis-
tuminen tulee edelleen kasvamaan ja voimakkain kasvu tapahtunee kehittyvissä maissa
(YK 2011: 3), erityisesti pienissä kaupungeissa (WWF 2010:4).
Kaupungistuminen ja kaupunkien väestömäärä ovat huomattava uhka
elinympäristöille, sillä kaupunkialueilla rakennustarve ja maankäyttö ovat voimakasta.
Tämä muuttaa väistämättä elinympäristöjä (Hanski 2005a: 88). Kaupungistumisen on
useimmiten todettu vaikuttavan negatiivisesti biodiversiteettiin ja esimerkiksi
alkuperäislajien tilanteeseen (Marzluff 2001, McKinney 2002: 883 mukaan, Ranta &
Viljanen 2011). Biodiversiteetti on uhattuna kaupungeissa myös mikrohabitaattien
vähäisen määrän vuoksi, jotka ovat hyvin monien lajien elinympäristöjä (Hanski 2005a:
46–48).
Lajien vasteet kaupungistumiseen eivät ole yksinkertaisia ja ne vaihtelevat eri
tilanteiden mukaan. Usein lajimäärä vähenee kaupunkien ydinalueita kohti (McKinney
2002, McKinney 2008), mutta niiden ulkopuolella tilanne voi olla päinvastainen.
Esimerkiksi kasvien lajimäärän on usein todettu kasvavan lähiöalueilla. Tämä ei
kuitenkaan päde esimerkiksi selkärangattomien kohdalla (McKinney 2008). Kaupunki-
ja taajama-alueilla esiintyy erilaisia elinympäristöjä, jotka mahdollistavat useiden lajien
esiintymisen (Hanski 2005a: 97). Alkuperäislajien määrät usein vähenevät
kaupungistumisen myötä, mutta tulokaslajien kohdalla tilanne on päinvastainen
(McKinney 2002, Hanski 2005a: 97). Toisaalta on myös esitetty, että useiden
kaupunkien eliölajit ovat enenevissä määrin homogeenisia, sillä samat tietyt lajit
esiintyvät kaupungeissa maailmanlaajuisesti (McKinney 2006).
Kaupunkien negatiivisia vaikutuksia biodiversiteettiin ei voida kiistää. Suomen
kohdalla Hanski (2005a: 89) on kuitenkin tuonut esille mielenkiintoisen näkökulman.
Suomen pinta-alasta 72 % on metsää, josta suurin osa koostuu talousmetsistä (Hanski
2005a: 89). Kaupunkien ja taajamien läheisyydessä metsät voivat olla kuitenkin
yllättävän vanhoja ja mahdollisesti luonnontilaisia johtuen asukkaiden toiveista ja
metsien virkistyskäyttötarpeista (Hanski 2005a: 89).
13
2.4. Suomen biodiversiteetin tila
Biodiversiteetin väheneminen on suuri maailmanlaajuinen ongelma (Hanski 2005b:
388) ja sama ilmiö näkyy myös Suomessa. Ihmisen toiminta, kuten luonnonvarojen
tehokas käyttö ja alueiden käytön muuttuminen, vaikeuttavat luonnon moni-
muotoisuuden ylläpitämistä ja siksi sen uhkana ovatkin elinympäristöjen laajuudessa ja
laadussa tapahtuneet muutokset. Voimakkaimmat muutokset ovat olleet maatalous-
ympäristöissä ja muissa ihmisen rakentamissa ja muovaamissa ympäristöissä (Luonnon
puolesta… 2007: 18–19). Myös metsätalouden on esitetty olevan huomattava uhka
biodiversiteetille. Esimerkiksi Etelä-Suomessa luonnontilaisia tai luonnontilaisten
kaltaisia metsiä on suojeltuna alle 1 % (Hanski 2005a: 149).
Suomessa esiintyvistä eliölajeista tunnetaan noin 44 000 (Hilden ym. 2005: 28) ja
parhaiten tunnettuja lajiryhmiä ovat selkärankaiset, joiden lisäksi putkilokasvit,
sammaleet sekä hyönteisistä perhoset ja kovakuoriaiset ovat melko hyvin tunnettuja
(Hilden ym. 2005: 35). Suomessa esiintyvistä lajeista tai lajitasoa alemmista taksoneista
10.5 % on uhanalaisia vuoden 2010 Punaisen kirjan mukaan (Rassi ym. 2010: 45–46).
Lajien uhanalaisuus vaihtelee eri elinympäristöjen välillä ja uhanalaisuuksia
voidaan tutkia niin lajikohtaisesti (esim. Rassi ym. 2010) kuin myös elinympäristöittäin
(Kuva 1). Kuvan 1 mukaan Suomessa uhanalaisten eliöiden ensisijaiset elinympäristöt
sijaitsevat useimmiten metsissä ja perinneympäristöissä.
Kuva 1. Lajien uhanalaisuuden osuudet ensisijaisen elinympäristön mukaan. Muokattu
Rassin ym. (2010: 57) kuvan pohjalta.
14
Luontotyypit liittyvät oleellisesti luonnon monimuotoisuuteen ja sen ylläpitämiseen
(Raunio ym. 2008: 9) ja myös niiden uhanalaisuus-tarkastelussa näkyy samankaltainen
trendi kuin kuvassa 1, joskin perinnebiotoopit ovat uhanalaisempia ympäristöjä kuin
metsät (taulukko 2). Suomen luontotyyppien tila on huolestuttava, sillä niistä 51 % on
uhanalaisia. Uhanalaisuuksissa näkyy kuitenkin eroavaisuuksia Etelä- ja Pohjois-
Suomen välillä, sillä Etelä-Suomessa yli 66 % luontotyypeistä on uhanalaisia, kun taas
Pohjois-Suomessa uhanalaisia luontotyyppejä on vajaa 30 % (taulukko 2).
Taulukko 2. Suomen luontotyyppien uhanalaisuus. Muokattu Raunion ym. (2008: 217)
pohjalta.
Itä-
meri
Itämeri
rannikko
Sisävedet
& rannat
Suot Metsät Kalliot
&
kivikot
Perinne-
biotoopit
Tun-
turit
Kaikki
Koko
maa
50,0 % 53,5 % 39,5 % 55,7 % 69,9 % 20,9 % 92,5 % 15,2 % 51,1 %
Etelä-
Suomi
50,0 % 53,5 % 67,6 % 77,4 % 74,6 % 26,2 % 92,5 % - 66,2 %
Pohjos-
Suomi
- - 2,6 % 15,5 % 54,7 % 13,5 % 91,3 % 15,2 % 29,2 %
Hilden ym. (2005: 37–99) ovat käsitelleet Suomen biodiversiteettiä ja sen vähenemisen
syitä elinympäristötyypeittäin (taulukko 3). Taulukosta 3 voidaan nähdä, että
maankäytöstä johtuva elinympäristöjen väheneminen, pieneneminen tai laadun
muuttuminen ovat useimmiten biodiversiteetin vähenemisen syynä. Esimerkiksi metsien
kohdalla lajien elinympäristöt muuttuvat metsätalouden, metsien pirstoutumisen,
lahopuun vähenemisen ja puuston ikärakenteen muutosten johdosta. Samankaltaisia
syitä luontotyyppien uhanalaisuuteen liittyen ovat esittäneet Raunio ym. (2008: 221).
Niitä ovat esimerkiksi metsien uudistamis- ja hoitotoimet, ojitus, peltojen raivaaminen,
vesirakentaminen sekä vesien rehevöityminen ja likaantuminen.
15
Taulukko 3. Suomessa lajien monimuotoisuutta uhkaavia tekijöitä ja vähenemisen syitä
elinympäristöittäin (Hilden ym. 2005: 37–99).
Metsät Metsätalous, metsien pirstoutuminen, puuston ikärakenne, lahopuun
määrän väheneminen jne.
Suot Hyödyntäminen metsä- ja maatalouteen, turve- ja vesivoimatuotantoon
Tunturiympäristöt ja
erämaat
Matkailu, porotalous, liikenne
Kalliot ja harjut Metsätalous, kaivostoiminta, kiviaines
Sisävedet Veden laadun muutokset, vesirakentaminen, veden korkeuden säätely
Itämeri Rehevöityminen, lisäksi samat tekijät kuin sisävesissä
Rannat Maankäytön muutokset, avoimien ympäristöjen umpeenkasvu
Maatalousympäristöt Maatalousmaan raivaaminen, tuotannon tehostaminen, lannoitus,
laidunnuksen ja pientareiden väheneminen
Rakennetut ympäristöt Maankäytön tehostuminen, ravinnekuormitukset
3. Ekosysteemipalvelut
Ekosysteemipalvelun käsite on yleistynyt nopeasti, erityisesti ympäristötutkimuksen ja
luonnon monimuotoisuuden suojelun parissa työskentelevien kohdalla (Hiedanpää
2010: 9–1, Ratamäki ym. 2011: 5). Käsite pohjautuu alun perin
ympäristötaloustieteeseen, jossa sen haluttiin kuvaavan talouden ja ympäristön välisiä
vuorovaikutussuhteita (Honkasalo 2011: Esipuhe). Ekosysteemipalveluita koskeviin
tutkimuksiin liittyen myös maantieteellinen näkökulma voi olla hyödyksi, sillä sen
avulla voidaan yhdistää ja käsitellä sosiaalista ja ympäristöön liittyvää tietoa paikkojen
ja alueiden kontekstissa (Potschin & Haines-Young 2011: 589).
Kirjallisuudessa esiintyy useita erilaisia ekosysteemipalveluiden määrittelytapoja
(esim. Daily 1997, MA 2005, TEEB 2010, CICES 2011). Daily (1997: 3) määrittelee
ekosysteemipalvelut varsin laajasti. Hänen mukaan ekosysteemipalvelut ovat tiloja ja
prosesseja, joiden kautta ekosysteemit ylläpitävät esimerkiksi ihmiselämää.
Ekosysteemipalvelut ylläpitävät luonnon monimuotoisuutta ja ekosysteemin tuottamia
hyötyjä, kuten puutavaraa ja lääkeaineita. Hyötyjen tuottamisen lisäksi
ekosysteemipalvelut ovat suoraan elämää ylläpitäviä toimintoja ja ne myös
mahdollistavat useat aineettomat, esteettiset ja kulttuurilliset hyödyt.
16
Millenium Ecosystem Assement (MA 2005: 39) määrittelee ekosysteemipalvelut
ekosysteemien mahdollistamiksi hyödyiksi, joita ihminen voi hyödyntää. Ne voidaan
jakaa tuotanto-, säätely-, kulttuuri- ja tukipalveluihin (MA 2005: 50) (kuva 2). Kuvasta
2 nähdään, että ekosysteemipalvelut vaikuttavat myös ihmisen hyvinvointiin,
esimerkiksi turvallisuuden, ravinnon ja terveyden kautta.
Kuva 2. Ekosysteemipalveluiden jaottelu ja yhteydet ihmisen hyvinvointiin. Muokattu
Millenium Ecosystem Assesmentin (MA 2005: 50) pohjalta.
TEEB (The economics of ecosystems and biodiversity) jaottelee ekosysteemipalvelut
tuotanto-. säätely-, habitaatti- sekä kulttuuri- ja mukavuuspalveluihin. Sen jaottelu
seuraa pääosin MA 2005 luokittelua, mutta tukipalvelut sisältyvät enemmänkin
säätelypalveluihin. Tukipalveluiden tilalla olevat habitaattipalvelut mahdollistavat
lajeille elintärkeät elinympäristöt, jotka ekosysteemit mahdollistavat. Elinympäristöjen
lisäksi ne ylläpitävät geenien monimuotoisuutta (de Groot 2010: 25).
CICES:in (Common International Classification of Ecosystem Services) luokittelu
poikkeaa hieman MA:n luokittelusta. CICES luokittelee ekosysteemipalvelut kolmeen
teemaan; tuotantopalvelut, säätely- ja ylläpitopalvelut sekä kulttuurilliset palvelut
(Haines-Young & Potschin 2013: 18) (liite 1). MA:n luokittelemat tukipalvelut eivät
kuulu CICES:in määrittelemiin ekosysteemipalveluihin, koska luokitteluun on haluttu
17
ottaa mukaan ainoastaan ekosysteemien lopputuotteet, joita ihminen voi hyödyntää ja
myös arvioida taloudellisesti. Tämä ei kuitenkaan tarkoita sitä, että tukipalvelut olisivat
hyödyttömiä. Ne ilmenevät tärkeinä ekosysteemien toimintoina, jotka tukevat useita eri
ekosysteemipalveluita. Määritelmän mukaan ekosysteemipalvelut ovat siis
ekosysteemien lopputuotteita, jotka suoraan vaikuttavat ihmisen hyvinvointiin. Ne ovat
vahvasti yhteydessä ekosysteemien toimintoihin ja rakenteisiin (Haines-Young &
Potschin 2013: 8–9).
3.1. Biodiversiteetti osana ekosysteemipalveluita
Ekosysteemit ovat toiminnallisia kokonaisuuksia, joissa elollinen ja eloton luonto
toimivat vuorovaikutussuhteessa luonnonolosuhteiltaan yhtenäisellä alueella (Tirri ym.
2001: 125). Biodiversiteetin on sanottu toimivan ekosysteemien perustana ja siten se on
hyvin oleellisessa osassa ekosysteemipalveluiden tuottamisessa ja toiminnassa
(Corvalan ym. 2005a : 471). Ekosysteemien määritelmän mukaan voidaan kuitenkin
olettaa, että myös eloton luonto on tärkeässä osassa ekosysteemipalveluissa. Nämä
elottoman luonnon prosessit tuottavat esimerkiksi tärkeitä energian lähteitä ja
materiaaleja, jotka myös vaikuttavat ihmisen hyvinvointiin (Haines-Young & Potschin
2013: 10). Seuraavaksi keskitytään kuitenkin biodiversiteetin merkitykseen.
Biodiversiteetti vaikuttaa kaikkialla luonnossa. Se ilmenee geeneissä, yksilöissä,
populaatioissa, lajeissa, yhteisöissä, ekosysteemeissä ja biomeissa (Elmqvist & Maltby
2010: 45). Suuri osa biodiversiteetistä koostuu mikrobeista ja siten ne myös vaikuttavat
useimpiin ekosysteemipalveluihin, jotka ylläpitävät elämää maapallolla (Melillo & Sala
2008: 77). Mikrobien monimuotoisuuden onkin toivottu luokiteltavan
ekosysteemipalveluksi (von Herzen ym. 2011: 1092, Rook 2013: 5).
Biodiversiteetin vaikutus näkyy ekosysteemeissä ja myös niiden toiminnassa
(Schwarz ym. 2000: 298) ja tämä ilmenee myös siinä, että biodiversiteetin kasvaessa
myös ekosysteemipalveluiden laatu ja määrä useimmiten kasvavat. Biodiversiteetin
vaikutuksen voimakkuuden ja suunnan määrittäminen ei ole kuitenkaan ongelmatonta
(Elmqvist & Maltby 2010: 55), muun muassa sen vuoksi, ettei biodiversiteetin ja
ekosysteemien välisen suhteen suunta ole välttämättä lineaarinen (Schwarz ym. 2000:
298). Tämän lisäksi biodiversiteetin merkitys ei ole sama kaikkien
18
ekosysteemipalveluiden kohdalla ja näin ollen sen roolin tarkka määrittäminen
ekosysteemipalveluiden kehittymiselle voi olla hyvin haastavaa (Elmqvist & Maltby
2010: 55).
Biodiversiteetti vaikuttaa useisiin ekosysteemipalveluihin joko suoraan tai
välillisesti (Diaz ym. 2005: 300) (kuva 3). Tuotantopalveluissa biodiversiteetti näkyy
esimerkiksi ruoan, puhtaan veden (Mace ym. 2005: 80) sekä lääkkeiden ja geenien
(Elmqvist & Maltby 2010: 56–79) kautta ja säätelypalveluissa muun muassa
ekosysteemien vakaudessa (Mace ym. 2005: 80), kasvilajien määrissä (Diaz ym. 2005:
302) sekä pölytyksessä (Elmqvist & Maltby 2010: 56-79). Kulttuuripalveluissa
biodiversiteetti ilmenee esimerkiksi luonnon virkistysmahdollisuuksina (Mace ym.
2005: 80) ja tukipalveluissa ekosysteemien toiminnassa ja rakenteessa (Mace ym. 2005:
80) ja geneettisenä monimuotoisuutena (Diaz ym. 2005: 302).
Kuva 3. Biodiversiteetin ja ekosysteemipalveluiden yhteys. Muokattu Diazin ym. (2005:
300) pohjalta.
19
4. Ihmisen terveys
Ihmisen terveys koostuu fyysisen hyvinvoinnin lisäksi myös psyykkisestä ja
sosiaalisesta hyvinvoinnista (WHO 2006: 1). Luonto on terveyden kannalta tärkeässä
osassa, sillä ekosysteemit ovat elintärkeitä ihmisen hyvinvoinnin ja terveyden
kehittymisessä (Corvalan ym. 2005b: 12). Tähän liittyen onkin esitetty, että ihmisen
terveyttä tulisi tutkia ja katsoa ekosysteemien hyvinvoinnin kautta. Ekosysteemien
hyvinvoinnissa tulisi huomioida luonnon lisäksi myös sosiaaliset, taloudelliset ja
kulttuurilliset tekijät, jotka vaikuttavat ekosysteemeihin ja siten myös ihmisen
terveyteen (Forget & Lebel 2001: S4). Samankaltainen näkökulma on myös esitetty
MA:n raportissa (Health synthesis), jonka mukaan ekosysteemipalvelut vaikuttavat
ihmisen hyvinvointiin ja siten myös terveyteen (Corvalan ym. 2005a: 470).
Terveys on keskeinen osa hyvinvointia ja ne molemmat vaikuttavat toisiinsa
(Corvalan ym. 2005b: 12) (kuva 4). Kaikki ekosysteemipalvelut vaikuttavat ihmisen
hyvinvointiin ja siten myös terveyteen, joko suoraan tai välillisesti (Corvalan ym.
2005a: 470). Kuvassa 4 on esitetty terveyden ja ekosysteemipalveluiden välinen yhteys.
Kuva 4. Ekosysteemipalveluiden ja ihmisen terveyden välinen yhteys. Muokattu Corvalan
ym. (2005a: 471) pohjalta.
Biodiversiteetti on ekosysteemien perusta ja sen väheneminen uhkaa siten myös
ekosysteemipalveluita ja näin ollen myös ihmisen terveyttä (Corvalan ym. 2005a: 471,
Elmqvist & Maltby 2010: 91). Biodiversiteetin väheneminen voi vaikuttaa esimerkiksi
20
ekosysteemien toimintaan (Chapin ym. 2000: 241, Schwarz ym. 2000:298) joka
osaltaan voi vahingoittaa ihmisen terveyttä (Huynen ym. 2004: 14). Ekosysteemien
toimintojen tarkkoja vaikutuksia terveyteen ei kuitenkaan vielä tiedetä (Huynen ym.
2004: 14, Sala ym. 2009: 2).
Biodiversiteetin voidaan sanoa vaikuttavan ihmisen terveyteen neljällä tavalla;
elämän laadun, lääke- ja geneettisten varantojen, infektiosairauksien estämisen ja
ekosysteemipalveluiden kautta (Sala ym. 2009: 3–4). Elämän laadussa vaikuttavat
esimerkiksi kontakti luonnon kanssa ja perustarpeiden ylläpito (Sala ym. 2009: 85),
kuten juomakelpoisen veden ja ravinnon saanti (Corvalan ym. 2005b: 12).
Biodiversiteetti mahdollistaa myös erilaisten lääkeaineiden saannin luonnosta (Patz ym.
2005: 394, Newman ym. 2008: 117) ja useat tunnetut lääkkeet ovatkin peräisin
esimerkiksi kasveista (Patz ym. 2005: 394). Biodiversiteetillä on lisäksi merkittävä rooli
infektiosairauksien kontrolloinnissa (Patz ym. 2005: 407). Ihmisen toimet ovat
kuitenkin johtaneet paikoin myös päinvastaiseen tilanteeseen. Esimerkiksi
elinympäristöjen muuttuminen, lannoitteiden ja torjunta-aineiden käyttö, matkustus ja
kontrolloimaton kaupungistuminen ovat osaltaan vaikuttaneet infektiosairauksien
lisääntymiseen (Patz ym. 2005: 396).
Usein ihmisen terveyteen vaikuttavien tekijöiden kohdalla keskitytään suoriin
vaikutuksiin (esim. infektiosairaudet), mutta tarkat tieteelliset julkaisut terveyteen
välillisesti vaikuttavista tekijöistä ovat harvassa (Sala ym. 2009: 1). Terveyden ja
ekosysteemien tilan välisten yhteyksien määrittäminen onkin hyvin haastavaa (DeFries
ym. 2005: 53), koska hyvinvointiin ja terveyteen vaikuttavat useat eri tekijät ja
ekosysteemien tila on vain yksi niistä (DeFries ym. 2005: 53). Todellisuudessa
terveyden, ympäristön ja biodiversiteetin väliset yhteydet ovat hyvin monimutkaisia
(Sala ym. 2009: 42, von Herzen ym. 2011: 1090) ja terveys on tulos esimerkiksi
ekosysteemien tilasta, terveydenhuollosta, henkilön taloudellisesta tilanteesta ja useista
muista eri tekijöistä (Sala ym. 2009: 42).
21
4.1. Biodiversiteetin ja ihmisen terveyden välinen yhteys
Infektiosairauksien lisääntyminen on yksi ekosysteemien muuttumisen ja
biodiversiteetin vähenemisen seuraus (Patz ym. 2005: 394). Niiden määrät ovat
kuitenkin vähentyneet erityisesti kehittyneissä maissa (Okada ym. 2010: 1), kun taas
kroonisten tulehdussairauksien määrät ovat lisääntyneet huomattavasti. Näitä sairauksia
ovat esimerkiksi astma, 1 tyypin diabetes ja tulehdukselliset suolistosairaudet (esim.
Onkamo ym. 1999, Masoli ym. 2004, Lehtinen ym. 2011).
Kroonisten tulehdussairauksien voimakkaaseen yleistymiseen liittyy niin sanottu
hygienia-hypoteesi. Se perustuu alun perin Strachanin (1989) tutkimukseen, jonka
mukaan riski saada siitepölyallergia kasvaa perhekoon pienentyessä (Strachan 1989:
1260). Tämän jälkeen hygienia-hypoteesi on kehittynyt ja laajentunut ja nykyään sen
perustana on, että erityisesti kehittyneissä maissa lisääntynyt hygienia ja siten
vähentynyt vuorovaikutus tiettyjen mikro-organismien kanssa voivat lisätä kroonisten
tulehdussairauksien määriä (Rook 2008: 3, Okada ym. 2010: 1, Rook 2010: 73).
Toisaalta todisteet hygienia-hypoteesin puolesta eivät päde aina kaikkialla
kehittyneissä maissa. Korkeasti kaupungistuneessa Japanissa astma on paljon
harvinaisempaa kuin Australiassa tai Yhdysvalloissa, korkeasta hygieniatasosta
huolimatta (Graham-Rowe 2011: S3). Hygienia-hypoteesista poiketen myös ympäristön
muuttuminen ja biodiversiteetin väheneminen voivat vaikuttaa mikro-organismeihin
(Haahtela ym. 2013: 1), jotka ovat tärkeä osa ihmiskehoa (von Herzen ym. 2011: 1089).
Aivan viime vuosina on kiinnostuttu näiden mikro-organismien muutoksesta ja
sen mahdollisesta vaikutuksesta ihmisen terveyteen (von Herzen ym. 2011, Hanski ym.
2012, Haahtela ym. 2013, Hough 2014). Niillä on todettu olevan merkittävä rooli
ihmisen terveydessä ja immuniteetissä (von Herzen ym. 2011: 1092, Rook 2013: 5).
Maapallolla on tällä hetkellä menossa kaksi suurta ilmiötä; biodiversiteetin
väheneminen ja kroonisten tulehdussairauksien lisääntyminen (von Herzen ym. 2011:
1089, Haahtela ym. 2013: 1). Nämä kaksi ilmiötä voivat olla yhteydessä toisiinsa (von
Herzen ym. 2011: 1089, Haahtela ym. 2013: 1), sillä eri eliölajien ja niiden
elinympäristöjen monimuotoisuus on vähentynyt samalla, kun ihmisten ja mikrobien
välinen vuorovaikutus on muuttunut. Nämä vuorovaikutussuhteet voivat kausaalisesti
22
liittyä astmaan ja allergioihin sekä muihin tulehduksellisiin sairauksiin (Haahtela ym.
2013: 2).
On mahdollista, että kasvien, eläinten ja niiden elinympäristöjen
monimuotoisuuden vähenemisellä on vaikutusta myös ympäristön mikrobeihin, jotka
ovat yhteydessä ihon, hengityselimistön ja suoliston mikrobien kanssa (von Herzen ym.
2011: 1089–90). Mikrobien monimuotoisuus ei ole samalla tavalla uhattuna kuin
muiden eliöiden kohdalla, mutta siitä huolimatta mikrobien monimuotoisuus on selvästi
vähentynyt kaupunkiympäristöissä (Alenius ym. 2008 von Herzenin ym. 2011: 1089
mukaan).
Myös Rook (2013: 5) on esittänyt, että ympäristö ja sen organismit vaikuttavat
elimistön mikrobeihin ja samalla myös immuunisysteemiin. Nämä elimistön mikrobit
ovat oleellisessa osassa ihmisen terveyden ylläpidossa (von Herzen ym. 2011: 1089–
90). Esimerkiksi suoliston mikrobikannoilla on todettu olevan vaikutus 1 tyypin
diabetekseen (Wen ym. 2008), allergioihin (Sjögren ym. 2009) ja tulehduksellisiin
suolistosairauksiin (Ivanov ym. 2008). Hengityselimistön kohdalla mikrobikannoilla ja
astman kehittymisellä on todettu olevan yhteys (Hilty ym. 2009) ja sama tilanne on
havaittu ihon mikrobikantojen ja allergisten reaktioiden välillä (Hanski ym. 2012).
Rook (2013: 5) on kuitenkin todennut, ettei vielä ole tiedossa, miten ympäristön
mikrobit ja organismit käytännössä vaikuttavat elimistön mikrobeihin. On mahdollista,
että ne muuttuvat osaksi elimistön mikrobeita tai ne ovat näennäisesti osa niitä. Tällöin
ne vaikuttaisivat itsenäisesti ihon, hengitysteiden ja suoliston kautta
immuunisysteemiin. Molemmat vaihtoehdot voivat olla mahdollisia.
Edellä mainittujen seikkojen johdosta hygienia-hypoteesi voidaan laajentaa
biodiversiteetti-hypoteesiksi. Toisin kuin hygienia hypoteesissa, jossa huomio on
kiinnittynyt esimerkiksi kotien, ruoan ja juomaveden mikrobeihin, biodiversiteetti-
hypoteesissa oletetaan koko elinympäristön mikrobien vaikuttavan ihmisen terveyteen.
Sen mukaan biodiversiteetin väheneminen johtaa muutoksiin ympäristön mikrobeissa,
jotka johtavat muutoksiin elimistön mikrobeissa. Nämä muutokset vaikuttavat ihmisen
terveyteen ja siten lisäävät kroonisia tulehdussairauksia Näin ollen vähentynyt kontakti
luonnollisen ympäristön ja biodiversiteetin kanssa johtaa immuunijärjestelmän
toimintakyvyn heikkenemiseen (von Herzen ym. 2011: 1089–90) (kuva 5).
23
Hanski ym. (2012) ovat testanneet biodiversiteetti-hypoteesia ja sen toimivuutta
selvittämällä ympäristön biodiversiteetin, ihon mikrobien ja atopian (allergisoituminen)
välistä yhteyttä (kuva 5). Tutkimuksessa selvitettiin nuorten henkilöiden ihon
bakteerikantoja, allergisoitumista, heidän kotipihojensa kasvillisuutta (lajit) ja
yleisimpiä maankäyttötyyppejä kolmen kilometrin säteellä kodeista. Tulosten mukaan
allergisoituneilla henkilöillä ihon bakteerikantojen monimuotoisuus oli vähäisempi kuin
terveillä henkilöillä. Sama tilanne oli kotien ympäristön biodiversiteetin suhteen, sillä
allergisoituneiden henkilöiden kohdalla se oli vähäisempi kuin terveillä henkilöillä.
Terveillä henkilöillä sekä ihon bakteerikannat että kodin ympäristön luonto olivat
monimuotoisempia. Ihon bakteerikannat olivat monimuotoisempia erityisesti niillä
henkilöillä, joiden kodin ympäristössä oli enemmän metsiä ja maatalousympäristöä.
Tulosten pohjalta voidaan sanoa, että eliölajien ja mikrobien monimuotoisuuden välillä
on selvä yhteys ja biodiversiteetillä on mahdollisesti vaikutusta allergioiden
kehittymisessä.
Kuva 5. Ympäristössä ja terveydessä tapahtuvien muutosten yhteys. Muokattu Hanskin
ym. (2012: 8337) ja biodiversiteetti-hypoteesin (von Herzen ym. 2011: 1089) pohjalta.
Biodiversiteetin ja kroonisten tulehdussairauksien välinen yhteys on melko uusi aihe
tiedemaailmassa, joskin itse ympäristön ja sairauksien välisiä yhteyksiä on tutkittu
huomattavasti enemmän (esim. Jaakkola ym. 1991, Marttila ym. 1994, Eggleston ym.
1999). Tunnetut teokset tai raportit (MA 2005, Chivian & Bernstein 2008, TEEB 2010)
huomioivat ja käsittelevät ihmisen terveyttä ja sen suhdetta ekosysteemipalveluihin ja
24
biodiversiteettiin, mutta niissä ei ole mainittu lainkaan biodiversiteetin vähenemisen ja
terveyden välistä suhdetta kroonisten tulehdussairauksien kautta. Joskin Corvalan ym.
(2005a: 472) viittaavat biodiversiteetin vaikuttavan kroonisiin sairauksiin jonkin verran,
mutta he eivät mainitse kroonisia tulehdussairauksia.
Ihmisen ja luonnollisen ympäristön välinen vuorovaikutus voi lisätä elimistön
mikrobien monimuotoisuutta ja samalla lisätä niiden vuorovaikutusta
immuunisysteemin kanssa. Tällä ilmiöllä voi olla kauaskantoisia vaikutuksia ihmisten
terveyteen (Hanski ym. 2012: 8337). Päinvastaisessa tilanteessa immuunijärjestelmä ei
kykene sopeutumaan muuttuneeseen ympäristöön, jossa mikrobien määrä on
vähentynyt. Tällainen tilanne voi kehittyä esimerkiksi tiiviisti rakennetuilla
kaupunkialueilla (von Herzen ym. 2011: 1092). Biodiversiteetin vähenemisen
jatkumisella voi olla negatiivisia seurauksia maailmanlaajuiseen kansanterveyteen.
Tämä on johtanut tilanteeseen, jossa kroonisten tulehdussairauksien lisääntyminen on
jälleen uusi syy, miksi ihmisen tulisi välittää biodiversiteetin tilasta (von Herzen ym.
2011: 1093).
5. Krooniset tulehdussairaudet
Autoimmuunisairaudet, allergiat ja tulehdukselliset suolistosairaudet kuuluvat
kroonisiin tulehdussairauksiin, joissa kehon immuunijärjestelmän mahdollistamien
tulehdusreaktioiden toiminnassa ilmenee häiriöitä eikä tulehdustoiminta pysähdy (Rook
ym. 2013: 47). Immuunijärjestelmä on mekanismi (Rook ym. 2013: 47), joka suojaa
kehoa haitallisilta mikrobeilta ja antigeeneiltä (Sinha ym. 1990: 1380, Hölttä 2012: 19)
ja normaaleissa olosuhteissa ne estävät haitallisia tulehdusreaktiota ja lopulta estävät
tulehduksen toiminnan (Rook ym. 2013: 47).
Immuunijärjestelmän toiminnan häiriöt ovat kuitenkin yleistyneet paljon,
erityisesti korkean tulotason maissa (Rook ym. 2013: 47). Tämän seurauksena keho voi
hyökätä omia vasta-aineita ja solujaan vastaan. Kehon suojamekanismien
epäonnistumisen seurauksena voi kehittyä erilaisia immuunijärjestelmän sairauksia
(Sinha ym. 1990: 1380, Hölttä 2012: 19).
25
5.1. Astma
Astma tarkoittaa hengitysteiden kroonista häiriötä. Siinä ilmenevä krooninen
tulehdustila liittyy hengitysteiden yliherkkyyteen, joka johtaa esimerkiksi toistuvaan
hengästymiseen, hengenvetojen lyhyyteen, hengen vinkumiseen, yskään ja
mahdollisesti myös hengityksen ahtautumiseen (GINA 2012: 2). Kyse on
maailmanlaajuisesti vakavasta terveysongelmasta, jota voi esiintyä kaiken ikäisillä
henkilöillä (Bateman ym. 2008: 146). On arvioitu, että noin 300 miljoonaa ihmistä
maailmassa sairastaa astmaa ja heidän määräänsä tulee luultavasta tulevaisuudessa
kasvamaan. Esimerkiksi Pohjois-Amerikassa astmaa sairastaa yli 10 % ja Suomessa yli
7 % väestöstä (Masoli ym. 2004: 469).
Astmaan vaikuttavat tekijät voidaan jakaa kahteen ryhmään; astman kehittymistä
aiheuttaviin ja astman oireet laukaiseviin tekijöihin Jotkin tekijät voivat toimia
molemmilla tavoin (Bateman ym. 2008: 145). Sekä geenien että ympäristötekijöiden on
todettu vaikuttavan astman syntyyn ja jotkin geenit voivat vaikuttaa itsenäisesti, mutta
useimmat ovat vuorovaikutuksessa joko toisten geenien tai ympäristön kanssa (Holgate
ym. 1999: 1144, Ober 2005: 274). Yleinen mielipiden kuitenkin on, etteivät geeneissä
tapahtuneet muutokset ole riittävän nopeita verrattuna astman nopeaan yleistymiseen
(Waltradud ym. 2006: 2228).
Astmaan syntyyn vaikuttavat mahdollisesti useat eri tekijät (Waltradud ym. 2006:
2228). Esimerkiksi maalla eläminen ja altistuminen erilaisille ympäristön mikro-
organismeille on todettu vähentävän riskiä sairastua astmaan (Ege ym. 2011: 707).
Myös von Herzen ja Haahtela (2006) ovat esittäneet, että nykyinen ihmisen ja maaperän
vähäinen yhteys voi liittyä astman yleistymiseen. Toisaalta myös ilmastolla (Bach 2002:
914), erityisesti meri-ilmastolla on vaikutusta astmaan (esim. Verlato ym. 2002,
Weiland ym. 2004, Zanolin ym. 2004). Kylmällä ilmastolla ei ole todettu olevan selvää
vaikutusta astman esiintyvyyteen, esimerkiksi Kotaniemen ym. (2003) tutkimuksen
mukaan esiintyvyys on yhtä runsasta sekä Helsingissä että Lapissa. Kylmän ilmaston on
kuitenkin todettu lisäävät hengitystie-oireita (Kotaniemi ym. 2002). Myös liikenteellä ja
siihen liittyvillä saasteilla (Brauer ym. 2002, Gauderman ym. 2005, McConnell ym.
2006) voi olla vaikutusta astmaan. On myös mahdollista, että immuunivasteen
kehittymisellä ja infektioihin altistumisen ajankohdilla ensimmäisten elinvuosien aikana
26
on vaikutusta astman kehittymiseen geneettisesti altistuneilla henkilöillä (Bateman ym.
2008: 146).
Ympäristötekijöiden ohella myös sosioekonomiset tekijät voivat vaikuttaa riskiin
sairastua astmaan (Bateman ym. 2008: 146). Erot elintavoissa, kuten pääsy
terveydenhuoltoon, voivat myös vaikuttaa astman kehittymiseen (Bateman ym. 2008:
146). Toisaalta bruttokansantuotteen kasvulla ja astman yleistymisellä on selvä
positiivinen yhteys (Steward 2001: 177). Bruttokansantuotteella voidaan kuvata
kansantalouden tuotantoa (Tilastokeskus 2014a). Tätä havaintoa tukee myös se, että
astman on todettu olevan yleisempää kehittyneissä kuin kehittyvissä maissa ja
kehittyvien maiden kohdalla se on yleisempää vaurailla kuin köyhillä henkilöillä
(Bateman ym. 2008: 146).
Viime vuosikymmenien aikana astma on yleistynyt useissa maissa, erityisesti
lasten kohdalla (Bateman ym. 2008: 144). Astma onkin lasten yleisin krooninen sairaus
miltei kaikissa kehittyneissä maissa (Bacharier ym. 2008: 6). Tilanne vaihtelee
kuitenkin eri puolilla maailmaa ja esimerkiksi Indonesiassa astmaa sairastavia lapsia on
hyvin vähän, kun taas Yhdysvalloissa heitä on huomattavasti enemmän (ISAAC 1998:
1227–1228). Almquist ym. (2007) tuovat esille katsaus-artikkelissaan, että lasten
kohdalla astma on yleisempää pojilla kuin tytöillä.
Suomessa astmamäärien kehittyminen on ollut samansuuntaista kuin muualla
länsimaissa, sillä astma on yleistynyt vuosien 1980–2003 välisenä aikana (Haahtela ym.
2006: 664–665). 1960- ja 1990-lukujen välisenä aikana nuorten miesten astmamäärät
ovat kuusinkertaistuneet (Haahtela ym. 1990) ja 2000-luvulle tultaessa yleistyminen on
jatkunut (Latvala ym. 2005). Suomessa astma on kuitenkin yleisintä lapsuusiässä.
Esimerkiksi vuonna 2004 0–4-vuotiaiden astmamäärät olivat yli viisinkertaisia
verrattuna 30–34-vuotiaisiin. Myös alle 15-vuotiailla astman todettiin olevan selvästi
yleisempää kuin aikuisväestöllä (Haahtela ym. 2006: 665). Lasten astma on
huomattavasti yleisempää Itä-Suomessa kuin rajan toisella puolella Venäjän Karjalassa:
Vuonna 2003 7–16-vuotiaiden lasten astmamäärät olivat Suomen puolella yli 5-kertaiset
verrattuna Venäjän puolella asuviin lapsiin (von Herzen ym. 2005: 152).
27
5.2. 1 tyypin diabetes
Kudoskohtaisiin autoimmuunisairauksiin kuuluvassa 1 tyypin diabeteksessa (Hölttä
2012: 19) haiman β-solut ovat tuhoutuneet, mikä johtaa insuliinin tuotannon
epäonnistumiseen. Tämän johdosta veren glukoosipitoisuus nousee liian korkeaksi.
Sairautta esiintyy lähinnä nuorilla lapsilla ja puolet uusista tapauksista ilmeneekin alle
15-vuotiailla henkilöillä (Hölttä 2012: 36).
Sekä geenien että ympäristön on todettu vaikuttavan 1 tyypin diabeteksen syntyyn
(esim. Kyvik ym. 1995: 916, Karvonen ym. 2000: 1525, Harjutsalo ym. 2008: 1781).
Kraine ym. (1999) ovat käsitelleet artikkelissaan sairauteen mahdollisesti vaikuttavia eri
ympäristötekijöitä. He kuitenkin esittävät (1999: 780), ettei eri ympäristötekijöiden ja 1
tyypin diabeteksen välisistä yhteyksistä ole vielä kiistatonta tietoa. 1 tyypin
diabetekseen mahdollisesti vaikuttavia tekijöitä on useita. Esimerkiksi juomaveden
sinkkipitoisuudella (Haglund ym. 1996) ja lapsuusajan ympäristöllä (Todd 1991
Rytkösen 2004: 39 mukaan) voi olla vaikutusta sairauden kehittymisessä. Harjutsalo
(2008: 1781) on esittänyt, että 1 tyypin diabeteksen voimakas yleistyminen voi olla
yhteydessä ympäristössä tapahtuneisiin muutoksiin, jotka ovat mahdollisesti
haitallisempia henkilöille, joilla on perinnöllinen alttius sairastua 1 tyypin diabetekseen.
Toisaalta 1 tyypin diabeteksen, vaurauden ja GNP:n välillä on havaittu positiivinen
yhteys (Patterson ym. 2001, Tedeschi & Airaghi 2006: 534). Tuore suomalainen
tutkimus on tuonut myös uutta tietoa 1 tyypin diabeteksen ja virusten yhteydestä, jonka
mukaan tietyt enterovirukset liittyvät 1 tyypin diabeteksen riskiin (Oikarinen ym. 2014).
1 tyypin diabetes on yleistynyt maailmanlaajuisesti viime vuosikymmenien
aikana. Esimerkiksi vuosien 1960–1996 välisenä aikana määrät ovat nousseet
maailmanlaajuisesti keskimäärin 3 % vuodessa (Onkamo ym. 1999). Tähän on voinut
kuitenkin vaikuttaa myös 1 tyypin diabeteksen diagnosoinnin kehittyminen eri puolilla
maailmaa (Harjutsalo ym. 2008: 1780). Myös Suomessa lasten 1 tyypin diabetes-
tapaukset ovat lisääntyneet ja kasvun odotetaan jatkuvan tulevaisuudessakin
(Tuomilehto ym 1999: 659, Harjutsalo ym. 2008) (kuva 7). Suomessa määrät ovat jopa
kaksinkertaistuneet vuosien 1980–2005 välisenä aikana (Harjutsalo 2008: 1780).
Lasten 1 tyypin diabeteksen määrät vaihtelevat maailmanlaajuisesti. Esimerkiksi
Kiinassa ja Venezuelassa sitä esiintyy hyvin vähän, kun taas Sardiniassa ja Suomessa
28
määrät ovat maailman korkeimpia. Myös muissa Pohjoismaissa määrät ovat korkeat
(Karvonen ym. 2000: 1517). Tästä huolimatta maantieteellisellä läheisyydellä ei saata
olla vaikutusta sairauden yleisyyteen. Esimerkiksi Kondrashovan ym. (2005)
tutkimuksessa ilmeni selvä ero alle 15-vuotiaiden lasten 1 tyypin diabeteksessa Itä-
Suomen ja Venäjän puoleisen Karjalan välillä. Vuosien 1990–1999 välisenä aikana
Suomessa oli kuusinkertainen määrä 1 tyypin diabetesta sairastavia lapsia kuin rajan
toisella puolella Karjalassa, vaikka molemmilla alueilla geeniperimät olivat
samankaltaisia HLA-DQ alleeli-yhdistelmien suhteen. Kyseisen alleeli ja sen
yhdistelmien on todettu lisäävän sairastumisriskiä 1 tyypin diabetekseen (Nejentsev ym.
1998).
Kuva 6. 1 tyypin diabeteksen yleistyminen alle 15-vuotiailla lapsilla Suomessa. Muokattu
Tuomilehden ym. (1999: 658) pohjalta.
Rytkösen (2004: 48) tutkimuksessa havaittiin Suomessa, että 1 tyypin diabeteksen
määrissä on selvä alueellinen vaihtelu, sillä sairaus oli yleisintä Itä- ja Keski-Suomessa
sekä myös Länsi-Lapissa vuosina 1987–1996 (Rytkönen 2004: 48). Samassa
tutkimuksessa (2004: 51) havaittiin myös maaseudun ja kaupunki-alueiden välinen
selvä ero. Maaseudulla oli keskimäärin 8 % enemmän 1 tyypin diabetesta kuin
kaupunkien asukkailla. Toisaalta esimerkiksi Italiassa on saatu päinvastaisia tuloksia,
joiden mukaan maaseudulla 1 tyypin diabetesta on vähemmän kuin kaupunkiseuduilla
(Cherubini ym. 1999). Sukupuolten välillä on myös usein nähtävissä eroja, sillä 1
tyypin diabetes on hieman yleisempää pojilla ja miehillä niin Suomessa (Rytkönen
2004: 48) kuin myös muualla Euroopassa (Gale & Gillespie 2001). Rytkösen (2004: 52)
29
tutkimuksen mukaan Suomessa sukupuolten erojen kohdalla on myös nähtävissä selvä
pohjois-etelä-suuntainen gradientti, sillä Pohjois-Suomessa sairaus oli yleisempää
pojilla kuin tytöillä verrattuna Etelä-Suomeen.
5.3. Tulehdukselliset suolistosairaudet
Chronin tauti ja haavainen paksusuolen tulehdus kuuluvat tulehduksellisiin
suolistosairauksiin (esim. Podolsky 1991: 928, Hanauer 2006: S3, Hölttä 2012: 32–33).
Ne luokitellaan eri lähteistä riippuen joko kroonisiin tulehdussairauksiin (Rook ym.
2013) tai autoimmuunisairauksiin (esim. Bach 2002, Hölttä ym. 2012). Näissä
sairauksissa ei ole havaittavissa immuunijärjestelmän hyökkäystä kehon vasta-aineita
kohtaan, vaan suoliston kudosten tuhoutuminen johtuu kroonisesta tulehdusreaktiosta
(Hölttä 2012: 19).
Chronin tauti on krooninen tulehdustila, joka ilmenee sekä aktiivisina että ei-
aktiivisina vaiheina, joskin joissakin tilanteissa tauti voi olla jatkuvasti aktiivisessa
tilassa. Tulehdus voi esiintyä missä tahansa ruoansulatuselimistön osassa, yleisimmin
ohutsuolen loppuosassa (Hölttä 2012: 33). Tautia ilmenee eniten nuorilla henkilöillä,
yleisimmin 15–30-vuotiailla (Orholm ym. 2000: 1079, Mestecky ym. 2005 Höltän
2012: 33 mukaan).
Haavaisen paksusuolentulehduksen taudinkuvaan kuuluu jatkuva paksusuolen
tulehdustila (Hölttä 2012: 34). Se on tyypillisesti voimakkainta peräsuolessa, mutta se
voi levitä myös muualle paksusuoleen. Akuutissa vaiheessa esimerkiksi verenvuoto voi
olla jatkuvaa. Tulehdukselliset suolistosairaudet puhkeavat yleensä 15–30-vuoden iässä
(Anders & Friedman 1999 Hanauerin 2006: S3 mukaan). Shivanandan ym. (1996: 692)
tutkimuksessa havaittiin kuitenkin, että haavaisen paksusuolen tulehduksen
puhkeamisikä on yleisimmin 25–34-vuotiaana, mutta miehillä sairauden yleisyys on
melko korkea myös muissa ikäryhmissä.
Tulehduksellisten suolistosairauksien syntyyn vaikuttavat useat eri tekijät,
todennäköisemmin eri ympäristötekijöiden ja geenitekijöiden yhdistelmät (Fiocchi
1998: 197, Danese ym. 2004: 399). Länsimainen kulttuuri (Danese ym. 2004: 396) ja
urbanisoituminen (Soon ym. 2012) ovat yhdistetty niiden yleistymiseen ja myös
ympäristötekijöiden rooli on yleisesti tunnistettu (esim. Danese ym. 2004, Parmar 2013:
30
40). Danese ym. (2004: 395) ovat käsitelleet katsaus-artikkelissaan eri
ympäristötekijöitä, jotka mahdollisesti vaikuttavat tulehduksellisten suolistosairauksien
kehittymiseen. Niitä ovat esimerkiksi mikrobit, ruokavalio, lääkkeet, tupakointi, stressi,
maantieteellinen sijainti ja sosiaalinen status.
Tulehdukselliset suolistosairaudet ovat voimakkaasti yleistymässä. Esimerkiksi
Lehtisen ym. (2011) tutkimuksen mukaan Suomessa on havaittavissa selvä kasvu-trendi
vuosien 1987–2003 aikana. Tutkimuskauden aikana Chronin tauti yleistyi enemmän,
mutta haavainen paksusuolen tulehdus oli edelleen yleisempi sairaus. Tutkimuksessa ei
havaittu tilastollisesti merkitseviä eroja Suomen sisällä, joskin Pohjois-Suomessa ja
Länsi-Suomessa ilmeni hieman korkeampia arvoja. Euroopassa on kuitenkin nähtävillä,
että korkeammilla leveysasteilla kyseiset sairaudet ovat yleisempiä (Shivananda ym.
1996). Samaisessa tutkimuksessa (1996: 694) havaittiin myös vahva yhteys
tulehduksellisten suolistosairauksien ja bruttokansantuotteen välillä. Tulehduksellisten
suolistosairauksien kohdalla sukupuolten välillä on näkyvissä eroja, mutta tulokset
vaihtelevat. Esimerkiksi Kanadassa Chronin tautia on diagnosoitu enemmän naisilla
(Bernstein ym. 2006: 1562), kun taas haavaisen paksusuolen tulehduksen kohdalla erot
eivät ole olleet yhtä selvät muualla maailmassa (Molodecky ym. 2012: 48).
6. Tutkimusalue
Suomi sijaitsee pohjoisella pallonpuoliskolla, 60–70 leveysasteiden välisellä alueella
(Suomen kartasto 1993: 1) (kuva 7). Suomen kokonaispinta-ala on 420 000 km², josta
305 000 km² on maa-alaa (Hilden ym. 2005: 34). Suomi kuuluu kostea- ja
kylmätalviseen lumimetsäilmastoon, jossa kylmimmän kuukauden alhaisin lämpötila on
alle – 3 °C ja lämpimimmän kuukauden korkein lämpötila on yli + 10 °C. Vuoden
keskilämpötilat vaihtelevat maan eri osissa, esimerkiksi Lounais-Suomessa se on 5.5 °C
ja Enontekiön Käsivarren alueella se on – 4 °C (Wuolijoki 2005: 20–21).
Keskilämpötilojen tavoin myös sademäärät vaihtelevat eri puolella maata. Etelä-
Suomessa vuoden keskimääräinen sademäärä on 600–700 mm ja Pohjois-Suomessa
500–600 mm. Vähäsateisimmat alueet sijaitsevat Lapin pohjois-osissa sekä Perämeren
rannikolla (Wuolijoki 2005: 20–21). Suomi kuuluu boreaaliseen
31
metsäkasvillisuusvyöhykkeeseen, jossa havumetsät ovat yleisiä. Kasvillisuuteen
vaikuttavat mereisyys ja mantereisuus sekä pohjois-etelä akseli, jonka vuoksi
kasvukausi on jopa 100 vuorokautta lyhempi maan Pohjois-osissa verrattuna
eteläisimpään Suomeen (Suomen kartasto 1988: 1). Maan pintalasta yli 70 % on
metsiä, 20 % suota (turvemaat) ja 8 % sisävesiä (Hilden ym. 2005: 34). Suomen luonto
on kuitenkin muuttunut viimeisten vuosikymmenten aikana ja esimerkiksi metsien ja
soiden luonnontilaisuus on laskenut huomattavasti. Suomen maa-alasta noin 10 % on
raivattu pelloiksi, joka onkin yksi luonnontilaisten metsien ja soiden vähenemisen syy,
metsätalouden ohella (Alalammi 1993: 21). Suomessa biodiversiteetti on uhattuna
monin eri tavoin ihmisen toimesta (Luonnon puolesta… 2007: 18–19).
Kuva 7. Tutkimusalue: 320 kunnan Suomi.
32
6.1. Demografia
Vuonna 2010 Suomen väkiluku oli lähes 5.4 miljoonaa, josta noin 16.5 % oli 0–14-
vuotiaita ja noin 18.5 % 15–29-vuotiaita (Tilastokeskus 2014b). Suomi on muuhun
maailmaan verrattuna varsin harvaan asuttu maa (Westerholm & Raento 1999: 90–91),
jossa asutus kattaa noin kolmas osan pinta-alasta (Alalammi 1993: 23). Se on
keskittynyt vahvasti taajama-alueille, jossa asuu 80 % väestöstä (Tilastokeskus 2010).
Vuonna 2013 Suomessa oli yhteensä 320 kuntaa (Tilastokeskus 2013a) ja niiden määrät
ovat olleet laskussa jo useamman vuosikymmenen ajan, vuonna 2000 kuntia oli vielä yli
450 (Kaupunkien ja…2013). Suomessa kaupungistuminen on alkanut muita Länsi-
Euroopan maita myöhemmin, mutta kehitys on ollut varsin nopeaa viimeisten vuosi-
kymmenien aikana. YK:n (2011: 123) mukaan Suomessa lähes 84 % asukkaista asuu
kaupunkialueilla ja tulevaisuudessa osuus kasvaa lähes 90 prosenttiin (YK 2011: 131).
Väestön määrä on kuitenkin vähentynyt harvempaan asutuilla alueilla ja lisääntynyt
voimakkaasti Etelä-Suomessa (Westerholm & Raento 1999: 90–91).
6.2. Väestön terveydentila
Suomalaisten terveyttä on arvioitu 1960-luvulta lähtien (Moisio ym. 2008: 179) ja
väestön terveydentila on viime vuosikymmenien aikana kohentunut
(Kansallinen…toimintaohjelma 2008: 23, Moisio ym. 2008: 180). Suomalaisten
kansantauteja ovat esimerkiksi sydän- ja verisuonitaudit, mutta niiden lisäksi myös
esimerkiksi astman ja diabeteksen on todettu kuuluvan huomattaviin terveysriskeihin.
Positiivisesta kehityksestä huolimatta terveyserot kansalaisten välillä ovat säilyneet
ennallaan tai jopa kasvaneet (Koskinen ym. 2006: 60–100). On esimerkiksi todettu, että
elinajanodote vaihtelee maan eri osissa, Pohjois- ja Itä-Suomen asukkailla se on keski-
määrin 2–4 vuotta lyhyempi kuin länsisuomalaisilla (Koskinen ym. 2006: 102) ja tämän
lisäksi väestön sairastuvuus on yleisempää niillä henkilöillä, jotka ovat huonommassa
yhteiskunnallisessa asemassa (Kansallinen… 2008: 23). Terveyden lisäksi myöskään
hyvinvointi ei jakaudu Suomessa tasaisesti, vaan esimerkiksi korkeat koulutus- ja tulo-
tasot liittyvät vahvasti kaupunkialueisiin, kun taas työkyvyttömyys on yleisempää
Pohjois- ja Itä-Suomessa (Westerholm & Raento 1999: 74–78).
33
7. Aineisto
Tutkielmassa selvitetään kroonisten tulehdussairauksien ja eri ympäristötekijöiden
välistä yhteyttä. Lisäksi tarkastellaan eri sosioekonomisten muuttujien yhteyksiä
kroonisiin tulehdussairauksiin. Tutkielman aineisto perustuu kuntapohjaiseen
informaatioon, jolloin jokaisesta Suomen kunnasta on saatavilla informaatiota
tutkittavista muuttujista, vuoden 2013 kuntarajojen mukaisesti. Aineisto koostuu
sairaus-aineistosta sekä ympäristö- ja sosioekonomisista muuttujista. Tutkittavat
sairaudet ovat 1 tyypin diabetes, astma ja tulehdukselliset suolistosairaudet.
Ympäristömuuttujat perustuvat Corine 2006 pohjalta tehtyihin urban-, maatalous-
ja metsämaa-luokkiin (liite 2) sekä Corine-luokkien lukumäärään (Class). Näiden lisäksi
ympäristömuuttujat perustuvat NDVI- ja Shannon-indeksiin sekä Digiroad- ja
ilmastoaineistoon. Sosioekonomisiin muuttujiin kuuluvat Gini-kerroin, työttömien
osuus työvoimasta, alkoholijuomien myynti asukasta kohti 100 %:na alkoholina sekä
Kelan sairastuvuusindeksi. Aineiston perustunnusluvut on esitetty liitteessä 3.
Seuraavaksi käsitellään aineistoa ja sen keruuta tarkemmin.
7.1. Sairaudet
Sairaus-aineisto on kerätty Kansaneläkelaitoksen (KELA) ylläpitämästä tietokannasta
(KELASTO). Jokaisesta Suomen kunnasta on saatavilla informaatiota siitä, kuinka
moni kunnan asukas saa lääkekorvauksia jostakin tietystä sairaudesta. Lääkekorvauksia
saavien määrät on valittu ikäryhmän, sukupuolen ja tiettyjen vuosien mukaan.
Tutkimusajankohtana ovat vuodet 2000–2010. Päämääränä on ollut saada selville,
kuinka yleisiä tutkittavat sairaudet ovat kussakin kunnassa. Niiden esiintymisessä on
huomioitu eri sukupuolet ja tietyt ikäryhmät. Astman ja 1 tyypin diabeteksen
ikäryhmänä ovat 0–14-vuotiaat ja tulehduksellisten suolistosairauksien ikäryhmänä ovat
15–29-vuotiaat henkilöt. Ikäryhmien valinnat pohjautuivat kyseisten sairauksien
yleisimpään puhkeamisikään.
Kelastosta saadussa aineistossa on esitetty lääkekorvauksia saaneiden määrä
kunnittain jokaiselta tutkittavalta vuodelta. Määrä on ilmaistu harmaalla värillä, jos luku
34
on alle neljä, mutta vähintään yksi. Tämän tiedon pohjalta harmaat arvot on korvattu
arvolla kaksi. Jos määrä on nolla, kohta on esitetty tyhjänä. Jokaisesta kunnasta on
laskettu keskiarvo lääkekorvauksia saaneiden määrästä vuosilta 2000–2010 ja tämä
keskiarvo on suhteutettu kyseisen kunnan saman ikäryhmän ja saman ajankohdan
asukasluvun keskiarvoon. Asukaslukutiedot on saatu Tilastokeskuksesta (Tilastokeskus
2013b) ja ne pohjautuvat samoihin ikäryhmiin ja sukupuoliin kuin sairaus-aineisto.
Kelastossa tulehdukselliset suolistosairaudet koostuvat kahdesta sairaudesta;
Chronin taudista ja haavaisesta paksusuolen tulehduksesta, joten tulokset kuvaavat
molempia sairauksia yhdessä. Kelastossa diabeteksen eri alalajit (1 tyyppi, 2 tyyppi)
ovat luokiteltu yhdeksi sairaudeksi. Kyseisessä ikäryhmässä diabeteksen on kuitenkin
oletettu olevan todennäköisemmin 1 tyypin diabetes sen puhkeamisiän vuoksi (THL
2014a). 2 tyypin diabeteksen todennäköisyys on minimoitu alle 15-vuotiaiden
ikäryhmän avulla. Voidaan olettaa, että alle 15-vuotiailla henkilöillä elintapojen
vaikutukset eivät ole ehtineet vaikuttaa voimakkaasti ja tästä johtuen 2 tyypin
diabeteksen syntyyn vaikuttavat elintavat (kohonnut verenpaine, häiriöt veren rasva-
arvoissa ja vyötärölihavuus, THL 2014a) on voitu minimoida. Tästä johtuen 2 tyypin
diabeteksen todennäköisyys kyseisessä ikäryhmässä on alhainen.
7.2. Ympäristömuuttujat
Tutkimuksessa käytettävien ympäristömuuttujien avulla pyritään kuvaamaan
tutkimusalueen ympäristön tilaa. Corine 2006-aineisto on hankittu Suomen
Ympäristökeskukselta (SYKE 2013). Aineisto kuvaa Suomessa esiintyviä
maankäyttötyyppejä ja maanpeitettä ja se koostuu 44 luokasta, jotka vaihtelevat tiiviisti
rakennetuista asuinalueista merialueisiin. Jokaisen kunnan kohdalla on esitetty kuinka
paljon (m²) kutakin luokkaa on kussakin kunnassa. Tutkielmassa on koostettu Corine
2006-aineiston pohjalta jokaisessa kunnassa olevien Corine-luokkien lukumäärän
(Class) ja lisäksi on koostettu vaihtoehtoisia luokkia, jotka on nimetty urban-,
maatalous- ja metsämaa-luokiksi (liite 2). Nämä luokat on koostettu siten, että
jokaisesta kunnasta on esimerkiksi maatalous-luokkaa laskettaessa laskettu yhteen
pelto-luokkien pinta-alat ja summa on suhteutettu kunnan kokonaispinta-alaan, josta on
poistettu meripinta-alat.
35
Kasvillisuuden tilaa kuvaava NDVI-indeksi on saatu Oulun yliopiston Maantieteen
laitokselta. NDVI-indeksin laskeminen pohjautuu kaukokartoituksen avulla saatuun
informaatioon (Hjort & Luoto 2006: 22). NDVI-indeksistä on saatavilla mini-, maksimi,
vaihteluväli, keskiarvo ja keskihajonta jokaisesta tutkittavasta 320 kunnasta. NDVI-
indeksin saamat arvot vaihtelevat -1 ja +1 välillä. Maankäyttöluokkien diversiteettiä
kuvaava Shannon indeksi on laskettu tutkielman tekijän toimesta. Lasku perustuu
Corine-aineistoon ja sen sisältämään informaatioon maankäyttöluokkien määrästä.
Indeksi on laskettu kaavan H= -SUM ((Pi) x ln(Pi)) avulla (Nagendra 2002: 177).
Käytännössä lasku on tapahtunut siten, että jokaisen kunnan kohdalla jokaisen Corine-
luokan saama arvo (pinta-ala) on jaettu kaikkien Corine-luokkien summalla. Saadusta
tuloksesta on laskettu luonnollinen logaritmi (ln), joka on kerrottu tämän jälkeen
aiemmin saadulla jakolaskun tuloksella. Laskutoimitus on tehty erikseen jokaisen
Corine-luokan kohdalla (44 luokkaa) ja lopulta kaikki tulokset on laskettu yhteen.
Lopullinen summa kuvaa Shannon indeksiä, jonka arvo voi olla esimerkiksi +2.
Digiroad-aineisto on hankittu Paituli-paikkatietopalvelusta ja se on muokattu
Oulun yliopiston Maantieteen laitoksella ArcGis-ohjelmassa Spatial Analyst-työkalun
avulla. Digiroad aineisto perustuu kansalliseen tie- ja katutietojärjestelmään
(Digiroad… 2014: 2) ja se kuvaa tiestön tiheyttä kaikissa Suomen kunnissa. Aineistosta
on laskettu samat tunnusluvut kuin NDVI-indeksissä. Aineiston arvot on suhteutettu
kunkin kunnan pinta-alaan, josta on poistettu vesistöjen pinta-alat.
Ilmasto-aineisto on myös hankittu Paituli-paikkatietopalvelusta ja se on muokattu
Maantieteen laitoksella. Ilmasto-aineistosta saadaan selville jokaisen kunnan
tammikuun keskilämpötila vertailukaudelta 1971–2000. Tutkielmaa varten ilmasto-
aineisto on muutettu ArcGis-ohjelman (10.2) Spatial Analyst-työkalun avulla
hallinnollisten alueiden mukaisesti esitettäviksi, tässä tapauksessa vuoden 2013
kuntarajojen mukaisesti. Tällä tavoin saadaan tammikuun keskilämpötila jokaisesta
Suomen kunnasta. Tammikuun keskilämpötilan valinta perustuu astman esiintymistä
kuvaaviin karttoihin (8a,b,c), joiden perusteella voidaan olettaa, että talven lämpötiloilla
on todennäköisesti vaikutusta astman esiintymiseen. Tammikuun keskilämpötilan
valintaa tukee myös Kotaniemen ym. (2002) tutkimus, jonka mukaan hengitystie-oireet
ovat yleisempiä kylmässä ilmastossa.
36
7.3. Sosioekonomiset muuttujat
Tutkimuksen sosioekonomiset muuttujat on hankittu Terveyden ja
hyvinvoinninlaitoksen (THL) ylläpitämästä tilasto- ja indikaattoripankista (SOTKAnet).
Muuttujista saadut arvot on saatavilla kaikista kunnista ja niistä on laskettu keskiarvot
vuosilta 2000–2010.
Gini-kertoimen avulla voidaan ilmaista, kuinka tutkimusalueen asuntokuntien
käytettävissä olevat rahatulot jakautuvat. Kyse on yhdestä yleisimmin käytetystä
indikaattorista, joka kuvaa tuloeroja. Työllisyys ja työttömyys vaikuttavat yleisimmin
tuloeroihin, jotka heikentävät välillisesti väestön hyvinvointia ja taloutta (Tilastokeskus
2014c). Gini-kertoimen laskeminen perustuu asuntokunnan rahatulojen suhteuttamiseen
asuntokunnan kulutusyksikkölukuun, joka huomioi asuntokuntien koon ja rakenteen.
Kulutusyksikköluvussa on laskettu yhteen perheenjäsenien saamat lukuarvot (aikuinen
=1, > 13-vuotiaat =0.5, < 13-vuotiaat =0.3). Gini-kerroin voi vaihdella nollan ja yhden
välillä, mutta se voidaan esittää myös sadalla kerrottuna, jolloin maksimiarvo on 100.
Asuntokuntien tulonjako on sitä epätasaisempi, mitä suurempi arvo on (THL 2014b).
Työttömyyttä kuvaava indikaattori kuvaa työttömien prosentuaalista osuutta
työvoimasta (THL 2014c). Työttömään työvoimaan kuuluvat kaikki 15–64-vuotiaat
työttömät. Työttömyyden on todettu lisäävän syrjäytymis- ja päihteidenkäyttöriskiä.
Alle viiden tapauksen tietoja ei ole ilmoitettu tietosuojan vuoksi (THL 2014c).
Alkoholin myyntiä kuvaava indikaattori ilmaisee vuoden aikana kunnassa
myydyn alkoholin määrän litroissa 100 % alkoholina jokaista asukasta kohden. Sen
avulla voidaan esimerkiksi ennakoida päihdehaittoja. Alkoholin myynti ei kuitenkaan
kuvaa ainoastaan kunnan asukkaiden alkoholin kulutusta, vaan siihen ovat voineet
vaikuttaa esimerkiksi matkailijat tai ympäryskunnan asukkaat ja siksi se kuvaa
paremmin alkoholin kulutusta seutukuntia suuremmilla alueilla. Arvo ei myöskään
sisällä tilastoimattoman alkoholin käytön määrää (THL 2014d).
Kelan sairastuvuusindeksillä voidaan esimerkiksi esittää, kuinka tutkittavan
alueen väestön terveys on suhteessa koko maan väestön terveyden keskiarvoon. Sen
avulla voidaan saada informaatiota kunnan väestön terveydentilasta ja siitä, onko se
kuinka kaukana maan väestön terveydentilan keskiarvosta. Indeksi perustuu
kuolleisuuteen, lääkkeiden ja ravintovalmisteiden korvausoikeuksien saajien määrän
37
osuuteen väestöstä sekä työkyvyttömyyseläkkeellä olevien osuuteen työikäisistä (16–
64-vuotiaat) (THL 2014e).
8. Menetelmät
Terveys on kokonaisuus, johon vaikuttavat useat eri tekijät, joista yksi on ympäristön
tila (Sala ym. 2009: 42). Ympäristön ja terveyden välisiä yhteyksiä voidaan tarkastella
esimerkiksi korrelaatio-testin avulla tai selvittämällä, mitkä eri tekijät mahdollisesti
vaikuttavat terveyteen (DeFries ym. 2005: 53). Yhteyksien selvittämiseen liittyy
kuitenkin haasteita (Sieswerda ym. 2001: 31, Huynen ym. 2004: 28), sillä yksittäisten
tekijöiden tunnistaminen voi olla vaikeaa (DeFries ym. 2005: 53) ja on mahdollista,
etteivät ilmiöiden väliset suhteet ole lineaarisia (Sala ym. 2009: 42) tai kausaalisia
(Sieswerda ym. 2001: 31, Huynen ym. 2004: 28). Oleellista on valita sopiva aineisto ja
mallintamistapa (Sieswerda ym. 2001: 31, Huynen ym. 2004: 28).
8.1. Korrelaatio
Korrelaation avulla voidaan selvittää, onko tutkittavan ilmiön ja selittävien tekijöiden
välillä riippuvuutta (Rogerson 2010: 183). Ennen korrelaatiotarkasteluja on kuitenkin
suositeltavaa selvittää hajontakuvioiden avulla, onko tutkittavien muuttujien välillä
nähtävissä yhteyttä (positiivista, negatiivista, lineaarista, ei-lineaarista) (Visser & Jones
2010: 291).
Korrelaatio on varianssin suora laajennus, perustuen kahden muuttujan
keskihajonnan neliöihin (Rogerson 2010: 182). Muuttujien välinen lineaarinen suhde
voilla olla joko positiivinen tai negatiivinen, jossa korrelaatiokertoimen (r) arvo
vaihtelee – 1 ja + 1 välillä (Rogerson 2010: 182). Sen voimakkuuden määrittelyssä
käytetään usein seuraavaa jakoa (Metsämuuronen 2006: 364); 0.8–1.0 (erittäin korkea),
0.6–0.8 (korkea) ja 0.4–0.6 (melko korkea, kohtuullinen). Kertoimen hyvyyttä voidaan
arvioida myös sen selitysosuuden (r²) avulla. Esimerkiksi 0.9 korrelaatiokertoimen
selitysosuus on 0,81 (0.9² ), jonka mukaan muuttujat selittävät toisiaan 81 %
(Metsämuuronen 2006: 364).
38
Aineiston jakauman ollessa normaali, käytetään Pearsonin korrelaatiotestiä, kun taas
Spearmanin järjestyskorrelaatiotestiä käytetään, kun aineisto ei ole normaalisti
jakautunut (Rogerson 2010: 191). Sekä Pearsonin että Spearmanin testeissä tilastollisen
merkitsevyydessä oletetaan, että molempien muuttujien kohdalla aineiston havainnot
ovat toistaan riippumattomia. Spatiaalisen aineiston kohdalla tämä oletus ei saata
kuitenkaan täyttyä. Tästä johtuen tuloksissa täytyy huomioida spatiaalisen auto-
korrelaation mahdollinen vaikutus, eli muuttujan arvot ovat sitä samankaltaisempia mitä
lähempänä toisiaan ne sijaitsevat (Rogerson 2010: 193).
Korrelaatiokertoimen tulkinnassa tulee kuitenkin olla varovainen, sillä suuri
kerroin ei välttämättä takaa muuttujien välillä olevaa syy-seuraussuhdetta (Holopainen
& Pulkkinen 2008: 246, Rogerson 2010: 185). Muusta joukosta poikkeavat havainnot
(outlierit) voivat myös lisätä korrelaatiota, mutta joissakin tilanteissa ne voivat myös
vähentää sitä. Aineiston tunteminen onkin avainasemassa tässä tilanteessa
(Metsämuuronen 2006: 369, 607). Varovaisuutta tulee käyttää myös päinvastaisessa
tilanteessa, jossa korrelaatiokerroin on nolla tai lähellä nollaa (Holopainen & Pulkkinen
2008: 246). Tämä tilanne ei välttämättä tarkoita, ettei muuttujien välillä olisi yhteyttä
(Holopainen & Pulkkinen 2008: 246, Rogerson 2010: 185), sillä yhteys voi käytännössä
olla edelleen merkittävä (Holopainen & Pulkkinen 2008: 246).
Rogerson (2010: 190) on esittänyt, että otoskoko vaikuttaa korrelaatiokertoimeen
merkitsevyyteen ja tämän vuoksi ei pitäisi tehdä yleistyksiä korrelaatiokertoimen
voimakkuudesta. Mitä suurempi otoskoko on, sitä pienempi korrelaatiokerroin voi olla
merkittävä. Hänen mukaan kertoimen merkittävyyden selvittämiseen voidaan käyttää
apuna kaavaa 2/n, jos otoskoko >30. Esimerkiksi otoskoon ollessa 350, muuttujien
välinen korrelaatio on merkittävä, jos korrelaatiokerroin 0,106 (0.05 tilastollisella
merkitsevyydellä).
Muuttujien välinen riippuvuus vielä yksin takaa syy-seuraussuhdetta, jossa toinen
muuttuja vaikuttaisi toiseen (Holopainen & Pulkkinen 2008: 259). Toisaalta muuttujien
välisen lineaarisen suhteen puuttuessa korrelaatiokertoimen merkitsevyyden testaus ei
välttämättä kuvaa muuttujien välistä yhteyttä totuuden-mukaisesti (Holopainen &
Pulkkinen 2008: 242). Myöskään lineaarisen yhteyden puuttuminen ei poissulje muuta
39
yhteyttä (Holopainen & Pulkkinen 2008: 246, Rogerson 2010: 185). Tällöin on tärkeää
tarkastella hajontakuvioita (Rogerson 2010: 185).
Tutkielmassa pyritään selivttämään Spearmanin järjestyskorrelaatiotestin avulla,
onko kroonisten tulehdussairauksien ja selittävien muuttujien välillä korrelaatiota ja
minkä vahvuista se on. Lisäksi hajontakuvioiden avulla pyritään selvittämään, onko
tutkittavien sairauksien ja muuttujien välillä nähtävissä yhteytttä.
8.2. Mann-Whitneyn U-testi
Mann-Whitneyn U-testin avulla voidaan vertailla kahden riippumattoman
havaintojoukon keskiarvoa tai mediaania (Metsämuuronen 2006: 1066, Pearson 2010:
213). Tällä tavoin voidaan esimerkiksi selvittää, eroavatko kahden ryhmän keskiarvot
tai mediaanit toisistaan. Se on suhteellisen tehokas parametriton testi, joka ei vaadi
havaintojen normaalijakautuneisuutta (Metsämuuronen 2006: 1066, Pearson 2010: 213).
Havaintojen tulee kuitenkin olla riippumattomia, joten ennen-jälkeen-asettelu ei ole
mahdollista (Metsämuuronen 2006: 1066).
Testin periaatteena on, että havainnot järjestetään suuruusjärjestykseen ja
jokaiselle havainnolle annetaan järjestysnumero. Havainnot eivät eroa toisistaan
tilastollisesti merkitsevästi, jos järjestykseen asetetut havainnot ovat jakautuneet
tasaisesti. Päinvastaisessa tilanteessa havainnot eroavat toisistaan tilastollisesti
merkitsevästi (Metsämuuronen 2006: 1067). Sukupuolten välisiä eroja sairauksien
esiintyvyyden suhteen selvitetään Mann-Whitneyn U-testin avulla, koska aineisto ei
ollut normaalisti jakautunut. Käytettävä sairaus-aineisto muutetaan testiä varten
sellaiseen muotoon, että eri sukupuolten saamat tulokset on yhdistetään ja arvojen
kohdalla on ilmoitetaan, onko kyseinen luku kumman sukupuolen saama tulos (1=
poika/mies, 2=tyttö/nainen).
8.3. Kartografinen tarkastelu
Karttojen avulla voidaan esimerkiksi visualisoida ja tutkia spatiaalista informaatiota
(Hanna 2010: 259). Spatiaalisten ilmiöiden kuvaamisen avulla voidaan ymmärtää,
kuinka jokin maantieteellinen ilmiö esiintyy tai ilmenee. Karttojen avulla voidaan
40
verrata eri ilmiöitä toisiinsa ja mahdollisesti havaita ilmiöiden välisiä yhteyksiä (Wong
& Lee 2005: 327). Yksi yleisimmin käytetyistä spatiaalisen tiedon esittämistavoista on
koropleettikartat, joissa tutkittavan ilmiön saamat arvot jaetaan luokkiin, jotka voidaan
esittää esimerkiksi eri värisävyjen avulla (Lloyd 2010: 20).
Maantieteen, erityisesti paikkatiedon (GIS), avulla voidaan saada lisää
informaatiota esimerkiksi sairauksien esiintymisestä, leviämisestä, syy-seuraussuhteista
ja hoitomahdollisuuksista. Sen avulla voidaan saada hyvin tarkkaa spatiaalista ja
temporaalista informaatiota terveydestä. Se mahdollistaa useiden tieteenalojen tiedon
yhdistämisen, esimerkiksi terveydestä, perimästä, ympäristöstä, demografiasta ja
yhteiskunnasta (Richardson ym. 2013: 1390–1391).
8.4. Yleistetty additiivinen malli (GAM)
Tutkittaviin sairauksiin mahdollisesti vaikuttavia ympäristömuuttujia voidaan selvittää
yleistetyn additiivisen mallin (GAM) avulla. GAM on yleistetyn lineaarisen mallin
(GLM) parametriton laajennus (Hastie & Tibhirani 1990: 136), joka ei vaadi vasteen ja
selittävien tekijöiden välistä lineaarista suhdetta (Hastie & Tibshirani 1984: 1). Se
mahdollistaa joustavan tavan selvittää vasteen ja selittävien tekijöiden välistä
epälineaarista suhdetta (Hastie & Tibshirani 1986: 308). GAM-mallinnuksessa aineisto
itse määrittää vastekäyrän muodon ja siinä GLM:n lineaarisen funktion tilalle tulee
pehmennysfunktio, joka mahdollistaa prosessin joustavuuden (Yee & Mitchell 1991:
589). Pehmennysfunktion avulla voidaan selvittää vasteen ja selittävien muuttujien
välistä yhteyttä, joka ei ole sidottu esimerkiksi lineaariseen muotoon (Quinn & Keough
2002: 107: 107). Jokaista muuttujaa ja funktiota tarkastellaan yksittäin, jotta niiden
vaikutus vasteeseen voidaan selvittää (Yee & Mitchell 1991: 590).
Yleistetty additiivinen malli on hyödyllinen esimerkiksi ekologisissa
tutkimuksissa (Yee & Mitchell 1991: 590), mutta mallin käytössä tulee kuitenkin
huomioida spatiaalisen autokorrelaation vaikutus, joka voi voi heikentää mallia (Yee &
Mitchell 1991: 599) ja lisäksi multikollinearisuus, joka on hyvä minimoida (Yee &
Mitchell 1991: 590). Useimmissa mallinnusmenetelmissä selittävien tekijöiden välinen
multikollinearisuus voi heikentää mallin luotettavuutta (MacNally 2002: 1398).
Multikollinearisuudessa selittävät tekijät korreloivat keskenään (Metsämuuronen 2006:
41
611) ja tämä voi johtaa tilanteeseen, jossa väärät muuttujat valikoituvat parhaaseen
vastetta selittävään malliin. Väärä valikoitunut muuttuja voi todellisuudessa korreloida
oikeiden vaikuttavien muuttujien kanssa, jotka voivat jäädä lopullisen mallin
ulkopuolelle (MacNally 2002: 1398). Hierarkkinen ositus on hyvä lisä GAM-
mallinnukselle, sillä se lieventää multikollinearisuuden vaikutuksia. Sen avulla voidaan
selvittää muuttujien itsenäiset selitysasteet (MacNally 2000: 663).
8.4.1 Yleisen additiivisen mallinnuksen (GAM) suorittaminen
Tutkittaviin sairauksiin vaikuttavia tekijöitä selvitetään yleistetyn additiivisen mallin
avulla, R-ohjelmalla (versio nro 3.03). Jokaisen tutkittavan sairauden kohdalla mallit
laaditaan kolmella eri aineistolla. Tällä tavoin selvitetään, mitkä tekijät vaikuttavat
kyseiseen sairauteen, kun esiintyvyyttä ei ole eroteltu sukupuolten mukaan, ja kun
sukupuolet on eroteltu (pojat/tytöt, miehet/naiset). Tutkimusaineisto on jaettu
kalibrointi- ja evaluointiaineistoihin, joissa ensiksi mainittuun on valittu satunnaisesti
70 % ja evaluointiaineistoon satunnaisesti 30 % alkuperäisestä aineistosta.
Mallit laaditaan ensin siten, että mukana ovat ainoastaan ympäristömuuttujat
(Malli 1). Näin selvitetään, mitkä ympäristötekijät vaikuttavat tutkittavaan sairauteen.
Tutkittaviin sairauksiin vaikuttavia tekijöitä selvitetään myös malleilla, joissa ovat
mukana ympäristömuuttujien lisäksi sosioekonomiset muuttujat (Malli 2). Mallien
laadinnassa on huomioitava vasteen jakauma, joka huomioidaan linkkifunktion
muodossa (gaussian, identity) (Crawley 2007: 514).
Mallin laadinnassa on kyse kalibroinnista. Kalibroinnissa alkuperäisestä mallista
(mukana vielä kaikki mallissa mukana olevat muuttujat) poistetaan muuttujia niiden
tilastollisen merkitsevyyden perusteella (Crawley 2007: 326–327). Tilastollinen
merkitsevyys perustuu p-arvoon, jonka tulee olla ≤ 0,05. Tällöin lopulliseen vastetta
selittävään malliin valikoituu lopulta vain ne muuttujat, jotka ovat tilastollisesti
merkitseviä. Tätä vaihetta voidaan kutsua myös optimoinniksi. Malleja kokeillaan myös
eri vapausasteiden (1–4) kanssa ja niiden mahdollinen valinta perustuu mallin saamaan
selitysasteeseen.
Malleissa täytyy minimoida selittävien tekijöiden välinen multikollinearisuus.
Korrelaatiotarkastelun perusteella tiestöntiheys-muuttujat korreloivat voimakkaasti
42
keskenään (>0,7 ) (raja perustuu esim. Parviaisen ym. (2009: 2692) rajaan), joten alussa
malleihin otetaan mukaan yhdellä kerralla ainoastaan yksi tiestöntiheys-muuttuja
(maksimi, keskiarvo, keskihajonta). Näistä mallivaihtoehdoista valitaan optimoinnin
jälkeen se, jossa on paras selitysaste (R²). Tiestöntiheysmuuttujien lisäksi myös NDVI-
indeksin minimi-arvo ja vaihteluväli korreloivat voimakkaasti keskenään, joten
malleihin on otettu mukaan ainoastaan relevantimpi muuttuja (NDVI minimi).
Malleissa kokeiltiin ottaa mukaan vain NDVI-indeksin keskiarvo ja keskihajonta, mutta
mallien selitysasteet olivat parempia, jos mukana olivat alun perin kaikki NDVI-
indeksin arvot, vaihteluväliä lukuun ottamatta. Mallissa 2 huomioidaan edellä
mainittujen multikollinearisuuksien lisäksi myös sosioekonomisten muuttujien
multikollinearisuudet, joten alkuperäisiin malleihin otetaan mukaan ainoastaan gini-
kerroin ja alkoholin myynti.
Mallin optimoinnin jälkeen tehdään vastekäyrä-kuvat, joissa selviää vastetta
selittävien tekijöiden vaikutuksen suunta. Malli tulee myös evaluoida, ja evaluointi voi
perustua esimerkiksi kalibrointi- ja evaluointiaineistojen ennustettujen ja havaittujen
arvojen väliseen korrelaatioon (Elith ym. 2006: 136). Siinä on kyse siitä, kuinka paljon
ennusteet vaihtelevat havaittuihin arvoihin verrattuna (Elith ym. 2006: 136).
Ennustettujen ja havaittujen arvojen korrelaatiosta tehdään myös hajontakuviot. Mitä
vahvempi korrelaatio on, sitä parempi ja luotettavampi malli. Optimoidun mallin
residuaaleista, eli jäännösarvioista, tehdään myös kahdet havainne-kuvat, joissa ilmenee
residuaalien normaalijakautuneisuus ja mahdollinen homoskedastisuus, joka on
toivottavaa. Homoskedastisuudella tarkoitetaan residuaalien jakautumista tasaisesti
suhteessa ennustearvoihin (Crawley 2007: 349, Pearson 2010: 290).
Mallin toimivuudessa täytyy lisäksi keskittyä valikoituneiden muuttujien
realistisuuteen (Wood & Augustin 2002: 168–169) ja siten myös vastekäyrän muotoon.
Malliin voi valikoitua muuttujia, joiden vaikutus vasteeseen voi olla hyvin vähäinen tai
se puuttuu täysin. Tällaisissa tilanteissa tulee miettiä, poistetaanko muuttuja mallista
kokonaan (Wood & Augustin 2002: 168–169). Malliin valitaan lopulta ne selittävät
tekijät, joilla on vastekäyrän mukaan selvä vaikutus vasteeseen. Tämä tapahtuu siten,
että heikot muuttujat (vastekäyrien mukaan muuttujalla ei ollenkaan tai lähes lainkaan
vaikutusta vasteeseen) poistetaan mallista p-arvon mukaisessa järjestyksessä (suurin p-
arvo ja heikoin vastekäyrä ensimmäiseksi). Jäljelle jäävien muuttujien vastekäyrät
43
tarkistetaan tämän jälkeen. Jos mallissa on edelleen heikkoja muuttujia, niiden
poistaminen jatkuu kunnes malliin jää vastekäyrien perusteella parhaat mahdolliset
muuttujat.
Malliin 2 valikoituneita selittäviä tekijöitä verrataan malleihin, joissa mukana
olivat alun perin vain ympäristömuuttujat (Malli 1). Tällä tavoin voidaan selvittää,
mitkä ympäristömuuttujat valikoituvat malleihin, joissa oli alun perin ainoastaan
ympäristömuuttujia ja malleihin, joissa mukana olivat lisäksi sosioekonomiset
muuttujat. Mallien selitysasteita voidaan verrata toisiinsa Khi²-testin avulla.
Mallin optimoinnin, vastekäyrien ja mallin hyvyyden arvioinnin jälkeen valituista
muuttujista tehdään hierarkkinen ositus, joka kuvaa valikoituneiden selittävien
muuttujien itsenäisiä selitysasteita. Hierarkkinen ositus voidaan tehdä, jos malliin on
valikoitunut vähintään kaksi muuttujaa. Siitä saatuja tuloksia voidaan myös verrata
optimoidun mallin vastekäyriin ja siten arvioida mallin onnistumista.
9. Tulokset
Tässä osuudessa käydään läpi aineiston tarkastelua, tutkittavien sairauksien
esiintyvyyttä, Mann-Whitneyn U-testin ja Spearmanin järjestyskorrelaatiotestin tuloksia
sekä selvitetään yleistetyn additiivisen mallin avulla tekijöitä, jotka vaikuttavat
tutkittaviin sairauksiin.
9.1 Aineiston tarkastelu ja tutkittavien sairauksien esiintyvyys
Ympäristö- ja sosioekonomisten muuttujien perustunnusluvut on esitetty liitteessä 3.
Aineiston tarkastelussa tuli ilmi, ettei suurin osa muuttujista tai tutkittavista sairauksista
ole normaalijakautuneita. Ainoastaan tammikuun keskilämpötila, työttömyysindeksi ja
astma (sukupuolet yhdessä) ovat normaalijakautuneita. Käytettävien testien valinta on
perustunut siihen, että niiden tulee toimia aineistolla, joka ei ole normaalijakautunut.
Taulukossa 4 on esitetty astman, 1 tyypin diabeteksen ja tulehduksellisten
suolistosairauksien perustunnusluvut. Niiden perusteella yleisin sairaus vuosien 2000–
2010 välisenä aikana oli astma, keskimäärin vajaan kolmen prosentin osuudella. Astma
44
oli yleisempää pojilla kuin tytöillä (ero 1,47 prosenttiyksikköä), mutta 1 tyypin
diabeteksen ja tulehduksellisten suolistosairauksien kohdalla sukupuolten välillä ei ollut
yhtä selkeää eroa keskiarvojen suhteen (0,02 prosenttiyksikköä). Mediaanien perusteella
1 tyypin diabeteksessa poikien ja tyttöjen prosenttiosuudet eroavat kuitenkin 0,05
prosenttiyksikön verran, kun taas tulehduksellisten suolistosairauksien kohdalla ero
mediaanien välillä on sama kuin keskiarvojen kohdalla. Tutkimusajankohdan aikana
Suomessa oli myös kuntia, joissa alle 15-vuotiailla ei ollut lainkaan tutkittavia kroonisia
tulehdussairauksia.
Taulukko 4. Tutkittavien kroonisten tulehdussairauksien tunnusluvut. IBD-lyhenne tulee
sanoista inflammatory bowel disease, joka tarkoittaa tulehduksellisia suolistosairauksia.
Sairaus Keskiarvo Mediaani Minimi Maksimi
Astma_yht 2,90 % 2,89 % 0,0 % 6,89 %
Astma_pojat 3,51 % 3,56 % 0,0 % 8,4 %
Astma_tytöt 2,04 % 2,05 % 0,0 % 5,9 %
Diabetes_yht 0,49 % 0,41 % 0,0 % 11,5 %
Diabetes_pojat 0,53 % 0,44 % 0,0 % 3,96 %
Diabetes_tytöt 0,55 % 0,39 % 0,0 % 18,1 %
IBD_yht 0,40 % 0,37 % 0,0 % 2,67 %
IBD_miehet 0,44 % 0,39 % 0,0 % 4,86 %
IBD_naiset 0,46 % 0,36 % 0,0 % 5,02 %
Astman, 1 tyypin diabeteksen ja tulehduksellisten suolistosairauksien esiintyvyyksistä
tehtiin lisäksi karttaesitykset (kuvat 8a,b,c,–10a,b,c), joista voidaan havaita
esiintyvyyksissä mahdollisesti ilmeneviä alueellisia eroja. Astman kohdalla voidaan
havaita, että esiintyvyyksissä on alueellisia eroja Itä- ja Pohjois-Suomen ja muun
Suomen välillä (kuva 8a-c).
1 tyypin diabeteksen esiintyvyyksissä ei ole havaittavissa selviä eroja Suomen eri
alueiden välillä (kuva 9a-c). Karttojen luokkien määrä on korkeampi kuin esimerkiksi
astman karttaesityksissä ja näin ollen karttojen tuloksia ei ole syytä vertailla eri
sairauksien välillä, vaan niitä tarkastellaan itsenäisesti. Tietyissä kunnissa 1 tyypin
diabeteksen esiintyvyys on huomattavasti korkeampi kuin muissa kunnissa (Sottunga
tytöt 18.8 %, Kökar tytöt 9.13 %). Tästä johtuen tummimpaan (esiintyvyys korkein)
luokkaan voi sisältyä suuri prosenttiosuuksien vaihtelu (kuvat 9a ja 9c). 1 tyypin
diabeteksen prosenttiosuudet ovat kuitenkin keskimäärin huomattavasti alhaisemmat (n.
45
0,5 %) verrattuna poikkeaviin havaintoihin ja Suomessa on vain muutama kunta, joissa
1 tyypin diabetesta sairastaa yli 2 % alle 15-vuotiaista.
15–29-vuotiaiden henkilöiden tulehduksellisten suolistosairauksien esiintyvyydet
ovat jakautuneet melko tasaisesti eri puolelle Suomea, eikä merkittäviä eroja eri
alueiden välillä esiinny (kuva 10a-c). Esiintyvyyttä tarkasteltaessa havaitaan kuitenkin
Ahvenmaan kuntien prosenttiosuudet, jotka näyttäisivät olevan jonkin verran
korkeampia muuhun maahan verrattuna. Esimerkiksi verrattaessa Ahvenanmaata ja
Manner-Suomea kartassa, jossa sukupuolia ei ole eroteltu, Ahvenanmaalla on
suhteellisen pienellä alueella yleisemmin tulehduksellisia suolistosairauksia kuin
muualla Suomessa.
Kuva 8a,b. Karttaesitykset astman esiintyvyydestä Suomessa alle 15-vuotiailla pojilla ja
tytöillä yhdessä (a) ja pojilla (b) vuosina 2000–2010.
© Maija Virta
Maantieteen laitos,
Oulun yliopisto 2014.
Aineisto:
Maanmittauslaitos 2011
© Maija Virta
Maantieteen laitos,
Oulun yliopisto 2014.
Aineisto:
Maanmittauslaitos 2011
a) b)
46
Kuva 8c. Karttaesitys astman esiintyvyydestä Suomessa alle 15-vuotiailla tytöillä (c)
vuosina 2000–2010.
Kuva 9a,b. Karttaesitykset 1 tyypin diabeteksen esiintyvyydestä Suomessa alle 15-
vuotiailla pojilla ja tytöillä yhdessä (a) ja pojilla (b) vuosina 2000–2010.
© Maija Virta
Maantieteen laitos,
Oulun yliopisto 2014.
Aineisto:
Maanmittauslaitos 2011
© Maija Virta,
Maantieteen laitos,
Oulun yliopisto 2014.
Aineisto
Maanmittauslaitos 2011.
© Maija Virta,
Maantieteen laitos,
Oulun yliopisto 2014.
Aineisto
Maanmittauslaitos 2011.
a) b)
c)
47
Kuva 9c. Karttaesitys 1 tyypin diabeteksen esiintyvyydestä Suomessa alle 15-vuotiailla (c)
vuosina 2000–2010.
Kuva 10a-c. Karttaesitykset tulehduksellisten suolistosairauksien esiintyvyydestä
Suomessa 15–29-vuotiailla miehillä ja naisilla yhdessä (a) ja miehillä (b) vuosina 2000–
2010.
© Maija Virta,
Maantieteen laitos,
Oulun yliopisto 2014.
Aineisto
Maanmittauslaitos 2011.
© Maija Virta,
Maantieteen laitos,
Oulun yliopisto 2014.
Aineisto
Maanmittauslaitos 2011.
© Maija Virta,
Maantieteen laitos,
Oulun yliopisto 2014.
Aineisto
Maanmittauslaitos 2011.
a) b)
c)
48
Kuva 10a-c. Karttaesitys tulehduksellisten suolistosairauksien esiintyvyydestä Suomessa
15–29-vuotiailla naisilla (c) vuosina 2000–2010.
9.2 Sukupuolten väliset erot tutkittavien sairauksien esiintyvyyksissä
Sukupuolten välisiä eroja tutkittavien sairauksien esiintyvyyksien suhteen on selvitetty
Mann-Whitneyn U-testin avulla, jonka tulokset on esitetty taulukossa 5. Astman
kohdalla voidaan nähdä, että järjestysarvojen keskiarvot (mean rank) eroavat toisistaan
selvästi. Sen ja p-arvon perusteella (≤ 0,05) voidaan todeta, astman esiintyvyys
vaihtelee sukupuolten välillä tilastollisesti merkitsevästi.
Myös 1 tyypin diabeteksen esiintyvyydessä on tilastollisesti merkitsevä ero
sukupuolten välillä. Tämä tulee ilmi p-arvon ja järjestysarvojen keskiarvojen
eroavuuden perusteella (taulukko 5). Aineistosta kokeiltiin myös poistaa kaksi muista
huomattavasti poikkeavaa arvoa (Sottunga:18.18 % ja Kökar: 9.13 %), mutta kuntien
tietojen poistaminen ei vaikuttanut testin lopulliseen tulokseen, joskin p-arvo muuttui
hieman (0,003). Näin ollen testissä pitäydyttiin alkuperäisessä aneistossa, jossa mukana
olivat kaikkien kuntien tiedot.
© Maija Virta,
Maantieteen laitos,
Oulun yliopisto 2014.
Aineisto
Maanmittauslaitos 2011.
c)
49
Tulehduksellisten suolistosairauksien kohdalla ei ole tilastollisesti merkitsevää eroa
sukupuolten välillä, sillä järjestysarvojen keskiarvot (mean rank) ovat lähellä toisiaan ja
p-arvo on yli 0,05 (taulukko 5). Myös tulehduksellisten suolistosairauksien kohdalla
poistettiin kahden kunnan tiedot, joissa oli muista kunnista selvästi poikkeavat arvot.
Lopputulos ei kuitenkaan muuttunut, joskin p-arvo sai arvon 0,52. Näin ollen testissä
pitäydyttiin alkuperäisessä aneistossa, jossa mukana olivat kaikkien kuntien tiedot.
Taulukko 5. Mann-Whitneyn U-testin tulokset astman, 1 tyypin diabeteksen ja
tulehduksellisten suolistosairauksien kohdalla.
Sukupuolten välisistä eroista tehtiin myös karttaesitykset (kuvat 11a-c), joissa eroja
kuvataan vaihteluvälin avulla. Vaihteluväli perustuu eri sukupuolten saamiin prosentti-
osuuksiin jokaisen kunnan kohdalla. Astman kohdalla (kuva 11a) Suomessa ei näyttäisi
olevan alueellisia eroja sukupuolten välillä. Suurin ero on Utsjoella, jossa ero on 5.6–
6.6 prosenttiyksikköä.
1 tyypin diabeteksen kohdalla tilanne on sama, eli Suomessa ei näyttäisi olevan
alueellisia eroja sukupuolten välillä (kuva 11b). Suurehko ero on esimerkiksi
Pelkosenniemellä, jossa ero on 3.1–3.4 prosenttiyksikköä. Lisäksi Länsi-Lappi ja Lapin
Kaakkoisosat erottuvat muista lähi-kunnista. Kartasta on poistettu Ahvenmaalla
sijaitsevien Sottungan (ilmoitettu kartalla punaisella) ja Kökarin (ilmoitettu kartalla
mustalla) kuntien tiedot, sillä kyseisissä kunnissa 1 tyypin diabeteksen kohdalla erot
olivat muista kunnista poiketen huomattavasti suuremmat. Sottungassa ero oli 18.8 % ja
Kökarissa 9.13 %. Jos kuntien tiedot olisivat sisällytetty karttaan, se olisi vaikeuttanut
kartan tulkintaa ja häivyttänyt mahdollisia muiden kuntien välisiä eroja. Tästä
huolimatta voidaan todeta, ettei Suomessa näyttäisi olevan alueellisia eroja 1 tyypin
diabetekseessa sukupuolten välillä.
Tulehduksellisten suolistosairauksien esiintyvyyksien kohdalla ei ollut Mann
Whitneyn U-testin mukaan eroa eri sukupuolten välillä. Eroja kuvaavassa kartta-
Mann-Whitneyn
U-testin arvoja
Astma 1 tyypin diabetes Tulehdukselliset
suolistosairaudet
Järjestysarvojen k.a
1 (poika/mies)
2 (tyttö/nainen)
416,4
224,6
339,9
301,1
324,2
316,8
Mann-Whitneyn U-arvo 20522,0 44990,0 50013,0
P-arvo 0,000 0,008 0,612
50
esityksessä ei myöskään ole havaittavissa selviä alueellisia eroja Suomen eri alueiden
välillä (kuva 11c). Tulehduksellisten suolistosairauksien kohdalla Länsi-Lappi ja
Utsjoki erottuvat muista kunnista, koska sairauden esiintyvyys on näillä alueilla
korkeampi kuin muualla Lapissa. Luokittelun ulkopuolelle on jätetty kaksi kuntaa;
Rautalampi (4,24 %, ilmoitetu kartassa mustalla) ja Lumpalard (4,86 %, ilmoitettu
kartassa punaisella), koska näissä kunnissa tulehduksellisten suolistosairaukisien
esiintyvyydet erosivat huomattavasti muista kunnista. Jos kuntien tiedot olisi sisällytetty
luokitukseen, olisi luokkia tarvittu huomattavasti enemmän ja tämä olisi vaikeuttanut
kartan ja mahdollisten alueellisten erojen havaitsemista.
Kuva 11a,b. Sukupuolten väliset erot astman (a) ja 1 tyypin diabeteksen (b)
esiintyvyyksissä.
© Maija Virta,
Maantieteen laitos,
Oulun yliopisto 2014.
Aineisto
Maanmittauslaitos 2011.
© Maija Virta,
Maantieteen laitos,
Oulun yliopisto 2014.
Aineisto
Maanmittauslaitos 2011.
a) b)
51
Kuva 11c. Sukupuolten väliset erot tulehduksellisten suolistosairauksien (c)
esiintyvyyksissä.
9.3 Tutkittavien sairauksien ja selittävien muuttujien väliset korrelaatiot
Spearmanin järjestyskorrelaatiotestin tulokset on esitetty kaikkien muuttujien ja
sairauksien osalta liitteessä 4 ja hajontakuviot on esitetty liitteissä 5–13. Seuraavaksi
käsitellään jokaisen sairauden ja siitä tehtyjen ryhmien (sukupuolet erikseen)
merkittävimmät korrelaatiot selittävien muuttujien kanssa.
Alle 15-vuotiaiden astman (yht/pojat/tytöt) saamat merkittävimmät korrelaatiot
selittävien muuttujien kanssa (R ≥0,3) on esitetty taulukoissa 6, 7 ja 8. Astma
(sukupuolet yhdessä) korreloi jonkin verran myös rakennettujen alueiden, maatalous-
alueiden ja alkoholin myynnin kanssa (R ≥0,2), mutta näitä ei ole esitetty taulukossa.
Poikien kohdalla rakennetut alueet, työttymyys ja alkoholin myynti korreloivat jonkin
verran astman kanssa (R ≥0,2). Tyttöjen kohdalla tiestön tiheyden keskiarvolla,
maankäyttöluokkien lukumäärällä, työttömyydellä ja alkoholin myynnillä oli saman
vahvuiset korrelaatiot (R ≥0,2).
© Maija Virta,
Maantieteen laitos,
Oulun yliopisto 2014.
Aineisto
Maanmittauslaitos 2011.
c)
52
Taulukko 6. Alle 15-vuotiaiden astman (sukupuolet yhdessä) suurimmat korrealaatiot. **
tulos tilastollisesti merkitsevä yhden prosentin tarkkuudella ja * tulos tilastollisesti
merkitsevä viiden prosentin tarkkuudella. Digi-lyhenteet kuvaavat tiestön tiheyden eri
muuttujia.
Taulukko 7. Alle 15-vuotiaiden poikien astman suurimmat korrealaatiot. ** tulos on
tilastollisesti merkitsevä yhden prosentin tarkkuudella ja * tulos on tilastollisesti
merkitsevä viiden prosentin tarkkuudella. Digi-lyhenteet kuvaavat tiestön tiheyden eri
muuttujia.
Tammikuun keskilämpötila -0,440**
Digi_max -0,416**
Digi_std -0,407**
Kelan sairastuvuusindeksi 0,355**
Digi_mean -0,331**
Shannon indeksi 0,326**
Taulukko 8. Alle 15-vuotiaiden tyttöjen astman suurimmat korrealaatiot. ** tulos on
tilastollisesti merkitsevä yhden prosentin tarkkuudella ja * tulos on tilastollisesti
merkitsevä viiden prosentin tarkkuudella. Digi-lyhenteet kuvaavat tiestön tiheyden eri
muuttujia.
Tammikuun keskilämpötila -0,388**
Digi_max -0,364**
Digi_std -0,339**
Kelan sairastuvuusindeksi 0,319**
Shannon indeksi 0,314**
1 tyypin diabteksen kohdalla korrelaatiot eri selittävien muuttujien kanssa ovat alhaisia,
sillä korkein korrelaatio on poikien kohdalla työttömyyden kanssa (R= 0,160**). 1
tyypin diabeteksen (sukupuolet yhdessä) korkein korrelaatio on Shannon indeksin
kanssa (-0,116*), jonka lisäksi muita merkittäviä korrelaatioita ei esiinny. Poikien
kohdalla työttömyyden lisäksi heikkoa korrelaatiota on rakennettujen alueiden (-
0,148**), Kelan sairastuvuusindeksin (0,146**) ja maankäyttöluokkien (-0,121*)
kanssa. Tyttöjen 1 tyypin diabetes korreloi heikosti NDVI indeksin keskihajonnan
(0,152**), minimi-arvojen (-0,151**) ja keskiarvojen (-0,118*) kanssa.
Tammikuun keskilämpötila -0,464**
Digi_max -0,420**
Digi_std -0,403**
Kelan sairastuvuusindeksi 0,400**
Shannon indeksi 0,321**
Digi_mean -0,317 **
53
Tulehduksellisten suolistosairauksien ja selittävien muuttujien väliset korrelaatiot ovat 1
tyypin diabeteksen kaltaisesti alhaiset. Tulehdukselliset suolistosairaudet (sukupuolet
yhdessä) korreloivat metsämaa-alueiden (0,130*) kanssa ja muita selviä korrelaatioita ei
esiinny. Miesten kohdalla korrelaatiota esiintyy ainoastaan NDVI-indeksin keskiarvon
(-0,141*) ja minimi-arvojen (-0,134*) kanssa. Naisten kohdalla ainoastaan Kelan
sairastuvuusindeksi (0,143**) ja tammikuun keskilämpötila (-0,128*) korreloivat sen
kanssa.
9.4 Tutkittaviin sairauksiin vaikuttavat muuttujat
9.4.1 Astma
Taulukossa 9 on esitetty alle 15-vuotiaiden astmaan vaikuttavat tekijät, jotka on
selvitetty yleistetyn additiivisen mallin avulla. Mallit suoritettiin kolmessa eri ryhmässä
(sukupuolet yhdessä/pojat/tytöt) ja kahdessa eri mallissa. Mallissa 1 ovat mukana alun
perin ainoastaan ympäristömuuttujat ja Mallissa 2 mukana ovat alun perin sekä
ympäristö- että sosioekonomiset muuttujat. Taulukoissa on esitetty myös mallien
selitysasteet sekä havaittujen arvojen ja ennusteiden väliset korrelaatiot.
Taulukko 9. Astmaan vaikuttavat selittävät tekijät eri astmaryhmien kohdalla ja kahden
eri mallin perusteella.
Astma-yht Malli 1 (1a) Malli 2 (1b)
Valikoitunut muuttuja Lämpötila Lämpötila
Selitysaste 26,1 % 26,1 %
Kalibrointiaineiston ennusteiden ja havaittujen arvojen välinen
korrelaatio
0,51
0,51
Evaluointiaineiston ennusteiden ja havaittujen arvojen välinen
korrelaatio
0,42 0,42
Astma-pojat Malli 1 (2a) Malli 2 (2b)
Valikoitunut muuttuja Lämpötila Lämpötila
Selitysaste 25,1 % 25,1 %
Kalibrointiaineiston ennusteiden ja havaittujen arvojen välinen
korrelaatio
0,50
0,50
Evaluointiaineiston ennusteiden ja havaittujen arvojen välinen
korrelaatio
0,32 0,32
Astma_tytöt Malli 1 (3a) Malli 2 (3b)
Valikoitunut muuttuja Lämpötila Lämpötila
Selitysaste 16,7 % 16,7 %
Kalibrointiaineiston ennusteiden ja havaittujen arvojen välinen
korrelaatio
0,41
0,41
Evaluointiaineiston ennusteiden ja havaittujen arvojen välinen
korrelaatio
0,42 0,42
54
Kuvassa 12 on esitetty malleihin valikoituneet selittävien muuttujien vastekäyrät astman
eri ryhmien kohdalla. Mallien residuaalien hajonnat ja normaalijakautuneisuutta
kuvaava havainne-kuva, sekä kalibrointi- ja evaluointiaineistojen ennusteista tehdyt
hajontakuviot on esitetty kuvissa 13 ja 14. Näissä kuvissa käsitellään astmaryhmää,
jossa sukupuolia ei ole eroteltu. Muiden ryhmien (pojat/tytöt) malleista tehdyt
residuaalit ja ennusteiden hajontakuviot on esitetty liitteissä 14–15, sillä ne ovat
samankaltaisia kuin kuvissa 13 ja 14. Malleissa valikoituneesta lämpötilamuuttujasta ei
voitu tehdä hierarkkista ositusta, sillä valikoituneita muuttujia on ainoastaan yksi.
Kaikkiin lopullisiin malleihin valikoitui lopulta yksi muuttuja, tammikuun
keskilämpötila. Tilanne pohjautuu siihen, että malliin valikoituneiden muuttujien
realistisuus ja vastekäyrien muoto otettiin huomioon. Tammikuun keskilämpötilan
kohdalla käytettiin yhtä vapausastetta, jolloin vastekäyrästä tuli lineaarinen. Valintaa
voidaan perustella sillä, että tammikuun keskilämpötilan vastekäyrä oli lähes
lineaarinen sellaisella alueella, jossa havaintoja oli runsaimmin (n. -10°C – -4°C väillä).
Kohdissa, joissa havaintoja oli selvästi vähemmän, vastekäyrä teki huomattavia mutkia,
joiden luotettavuus oli kuitenkin vähäinen. Epäluotettavien kohtien perusteella ei voida
tehdä päätelmiä tammikuun keskilämpötilan vaikutuksista astman yleisyyteen.
Alun perin lopullisissa malleissa merkittävimpiä muuttujia olivat hierarkkisen
osituksen mukaan lämpötilan lisäksi Shannon indeksi (astma_yht/pojat/tytöt, Mallissa
1), alkoholin myynti (astma_yht/pojat, Mallissa 2) ja maatalousalueet (astma_tytöt,
Mallissa 2). Tammikuun keskilämpötilan vaikutus oli kuitenkin muita muuttujia selvästi
suurempi. Malleissa kokeiltiin myös eri vapausasteita (1–4), mutta ne eivät vaikuttaneet
mallien selitysasteisiin. Näillä tuloksilla ei ole kuitenkaan vaikutusta lopputulokseen,
joten niitä ei tulla käsittelemään.
Mallien tuloksissa on huomioitava, että ne on laadittu normaalijakautuneisuuteen
viittaavan gaussian, identity -linkkifunktion avulla. Mallit olisi pitänyt laatia poisson,
log -linkkifunktion avulla, sillä suurin osa aineistosta ei ollut normaalijakautunut.
Tämän perusteella mallit laadittiin uudelleen ja tulokset tarkistettiin. Aikaisemmin
saadut tulokset ovat luotettavia, sillä mallien laadinta uudella tavalla tuotti lähes samat
tulokset kuin alkuperäiset mallit. Myös vastekäyrät ja selitysasteet olivat samankaltaisia
ja niiden perusteella muuttujat (lämpötilaa lukuun ottamatta) selittivät vasteita yhtä
55
heikosti kuin alkuperäisissä malleissa. Sama tarkistus tehtiin myös muiden tutkittavien
sairauksien kohdalla ja lopputulos oli sama kuin astman kohdalla.
Kuva 12. Tammikuun keskilämpötilan vastekäyrät astman kohdalla (ryhmät 1, 2 ja 3)
Mallissa 1 (a) ja Mallissa 2 (b). Katkonaiset viivat kuvaavat 95 % luottamusvälejä.
.
1 b
2 a 2 b
3 a 3 b
1 a
56
Kuva 13. Alle 15-vuotiaiden astmaa (ryhmä 1) kuvaavan Mallien 1 ja 2 residuaalien
hajontakuvio (a) ja sijoittuminen normaalijakautuneisuutta kuvaavalle viivalle (b).
Malleissa 1 ja 2 residuaalit eivät eronneet toisistaan lainkaan.
Kuva 14. Alle 15-vuotiaiden astmaa (ryhmä 1) kuvaavan mallien 1 ja 2 ennusteista tehdyt
hajontakuviot, kalibrointiaineistossa (a) ja evaluointiaineistossa (b). Malleissa 1 ja 2
ennusteista tehdyt hajontakuviot eivät eronneet toisistaan lainkaan.
9.3.2 1 tyypin diabetes ja tulehdukselliset suolistosairaudet
Alle 15-vuotiaiden poikien ja tyttöjen 1 tyypin diabetekseen ja 15–29-vuotiaiden
miesten ja naisten tulehduksellisiin suolistosairauksiin vaikuttavia tekijöitä selvitettiin
samalla tavalla kuin astman kohdalla. GAM-malleihin valikoituneet muuttujat
vaikuttivat vasteisiin joko hyvin vähän tai ei lainkaan, joten lopulta malleihin ei
valikoitunut yhtään muuttujaa. Vastekäyrien perusteella tehdyissä valinnoissa
huomioitiin esimerkiksi havaintojen määrä. Joissakin tapauksissa vastekäyrä saattoi
jopa nousta tai laskea voimakkaasti, joka näennäisesti tarkoittaisi sitä, että muuttujalla
a) b)
a) b)
57
olisi voimakas vaikutus vasteeseen. Tällaisissa kohdissa havaintojen määrä oli kuitenkin
hyvin vähäinen, joten nämä kohdat olivat epäluotettavia. Runsaiden havaintoarvojen
kohdalla muuttujalla ei ollut lainkaan vaikutusta vasteeseen. Kuvassa 15 on esitetty
esimerkkikuvia, joista ilmenee selittävien muuttujien hyvin vähäinen tai olematon
vaikutus vasteeseen.
Kuva 15. Esimerkkejä valikoituneiden muuttujien vastekäyristä (4a Alle 15-vuotiaiden
tyttöjen 1 tyypin diabetes, 5a 15–29-vuotiaiden miesten tulehdukselliset suolistosairaudet)
10. Tulosten tulkinta ja pohdinta
10.1 Sairauksien esiintyvyys ja siinä ilmenevät erot sukupuolten välillä
Tutkimusajankohdan aikana alle 15-vuotiaiden astma oli selvästi yleisempää kuin 1
tyypin diabetes tai 15–29-vuotiaiden tulehdukselliset suolistosairaudet. Astman yleisyys
1 tyypin diabetekseen ja tulehduksellisiin suolistosairauksiin verrattuna ei ole yllättävää,
sillä sen on todettu olevan yksi lasten yleisimmistä kroonisista sairauksista kehittyneissä
maissa (Bacharier ym. 2008: 6), joskin tässä tutkielmassa tulehduksellisten
suolistosairauksien ikäryhmänä eivät ole alle 15-vuotiaat.
Astman esiintyvyyden kohdalla (kuva 8a-c) voidaan havaita, että Pohjois- ja Itä-
Suomessa astma on yleisempää kuin muualla Suomessa. Poikien kohdalla (kuva 8b) ero
Itä- ja Pohjois-Suomen ja muun Suomen välillä on voimakkaampi kuin tyttöjen
4a 5a
58
kohdalla (kuva 8c) ja voidaan myös havaita, että suuremmat prosenttiosuudet ovat
selvästi yleisempiä pojilla kuin tytöillä. Tytöillä astma ei ole yhtä yleistä ja ero Itä- ja
Pohjois-Suomen ja muun Suomen välillä ei ole yhtä jyrkkä kuin kuvissa 8a ja 8b.
Astman voimakkaampi yleisyys Itä- ja Pohjois-Suomessa voi liittyä johonkin
tiettyyn tekijään, esimerkiksi väestön tiheyteen (sen alhaisuus) ja koskemattomamman
luonnon runsauteen. Toisaalta ilmastolliset tekijät voivat vaikuttaa astman yleisyyteen
muuhun maahan verrattuna. Suomen Itä- ja Pohjoisosissa talvet ovat keskimäärin
kylmempiä kuin muualla Suomessa. Astman ja ilmaston yhteyttä tukee myös niiden
välinen melko voimakas negatiivinen korrelaatio, jolloin lämpötilan laskiessa astma
yleistyy. Lisäksi kylmällä ilmastolla on todettu olevan vaikutusta hengitysteiden
oireisiin (Kotaniemi ym. 2002). Hengitysteiden oireet eivät kuitenkaan suoranaisesti
tarkoita astmaa, mutta niillä voi olla epäsuora yhteys toisiinsa. Toisaalta Kotaniemen
ym. (2003) toisessa tutkimuksessa astman esiintyvyydessä ei havaittu eroa Helsingin ja
Lapin välillä. Näin ollen tutkielman tulos poikkeaa edellä mainitusta tuloksesta, koska
saatujen tulosten mukaan Pohjois- ja Etelä-Suomen kohdalla astman esiintyvyydet
eroavat toisistaan.
Tutkimusajankohdan aikana alle 15-vuotiaiden astma oli yleisempää pojilla kuin
tytöillä (taulukko 4) ja myös muissa tutkimuksissa on todettu, että astma on yleisempää
pojilla (Almqvist ym. 2007). Astman esiintyvyyksissä on tilastollisesti merkitsevä ero
sukupuolten välillä, mutta niissä ei ole havaittavissa alueellisia eroja. Tämän perusteella
voidaan todeta, ettei sukupuolten välisillä eroilla näyttäisi olevan mitään selvää
alueellista tekijää, esimerkiksi ilmaston tai ympäristön laadun suhteen. On mahdollista,
että astman yleisyys pojilla voi liittyä johonkin tiettyyn eroon sukupuolten välillä, jota
tässä tutkielmassa ei selvitetä.
Alle 15-vuotiaiden 1 tyypin diabetes on huomattavasti harvinaisempaa kuin
samaan ikäryhmän astma. Tutkimusajankohdan aikana mediaanien perusteella pojilla
oli hieman useammin 1 tyypin diabetesta kuin tytöillä. Keskiarvojen perusteella ero on
vähäinen ja pienempi kuin mediaanien kohdalla. Mediaaneihin pohjautuva tulos on
samansuuntainen aikaisemmin esille tuotujen tulosten kanssa, joiden mukaan 1 tyypin
diabetes on yleisempää pojilla kuin tytöillä (Gale & Gillespie 2001, Rytkönen 2004:
48). Tässä tutkielmassa ero on havaittavissa ainoastaan mediaanien perusteella ja on
59
mahdollista, että muissa tutkimuksissa sukupuolten väliset erot on havaittu jonkin muun
arvon, kuten keskiarvon, perusteella.
1 tyypin diabeteksen kohdalla ei ole havaittavissa mitään selkeitä alueellisia eroja,
vaan esiintyvyydet vaihtelevat eri puolella Suomea. Esiintyvyyksien suhteen
sukupuolten välillä oli kuitenkin tilastollisesti merkitsevä ero, mutta kyse ei ole
alueellisista eroista. Tämä tulos poikkeaa esimerkiksi Rytkösen (2004: 48) tuloksista,
jonka mukaan Suomessa on selvä alueellinen ero ja jakautuminen tyttöjen ja poikien 1
tyypin diabeteksen välillä. Kyseisen tutkimuksen mukaan Pohjois-Suomessa poikien ja
tyttöjen välinen ero 1 tyypin diabeteksen suhteen on suuri ja se on yleisempää pojilla.
Kyseisessä tutkimuksessa sukupuolten välinen ero on kuitenkin esitetty suhdelukuna
(kuinka monta sairasta poikaa yhtä sairasta tyttöä kohden) ja tässä tutkielmassa
sukupuolten väliset erot on esitetty esiintyvyyksien välisenä vaihteluvälinä, eikä se
ilmoita kummalla sukupuolella on suuremmat prosenttiosuudet. Jos sukupuolten välillä
olisi ollut alueellisia eroja, se olisi tullut esille myös vaihteluvälin avulla.
Kuten 1 tyypin diabetes, myös tulehdukselliset suolistosairaudet ovat selvästi
harvinaisempia kuin astma. Tulee kuitenkin muistaa, että tulehduksellisten
suolistosairauksien kohdalla ikäryhmänä ovat 15–29-vuotiaat, kun taas muissa
tutkittavissa sairauksissa ikäryhmänä ovat alle 15-vuotiaat. Tulehduksellisten
suolistosairauksien esiintyvyydet ovat jakautuneet tasaisesti ympäri Suomea, joten
esiintyvyydet eivät ole yleisempiä jollakin tietyllä alueella. Tämän pohjalta voidaan
todeta, ettei tulehduksellisten suolistosairauksien esiintymiseen todennäköisesti vaikuta
mikään selkeä alueellinen tekijä.
Miesten ja naisten välillä ei ollut eroja tulehduksellisten suolistosairauksien
esiintyvyyksien suhteen, eikä esiintyvyyksissä havaittu alueellisia eroja (kuva 11c).
Tulokset eivät täysin tue esimerkiksi Bernsteinin (2006: 1562) tutkimuksen tulosta,
jonka mukaan Chronin tauti on jonkin verran yleisempää naisilla kuin miehillä.
Haavaisen paksusuolen tulehduksen kohdalla sukupuolten väliset erot eivät ole yhtä
selkeät (Molodecky ym. 2012: 48). Toisaalta tässä tutkielmassa tutkitaan molempia
sairauksia yhdessä, ja on mahdollista, että todellisuudessa sukupuolten väliset erot
voivat vaihdella tämän sairausryhmän sisällä. Siten on mahdollista, että kun Chronin
tauti ja haavainen paksusuolen tulehdus on yhdistetty yhteen sairausryhmään, eivät
sukupuolten väliset erot tule esille.
60
Sukupuolten välisiä eroja tarkasteltaessa 1 tyypin diabeteksen ja tulehduksellisten
suolistosairauksien kohdalla Länsi-Lappi erottui muista lähialueista. Tämä voi
mahdollisesti viitata siihen, että kyseisellä alueella on jokin yhteinen tekijä, joka
vaikuttaa näiden sairauksien yleisyyteen. 1 tyypin diabeteksen kohdalla voidaan
kuitenkin havaita, että kyseisellä alueella se on yleisempää pojilla kuin tytöillä (kuvat
9b ja 9c), kun taas suolistosairauksien kohdalla se on yleisempää naisilla kuin miehillä
(kuvat 10b ja 10c). Tulos on ristiriitainen, eikä sen pohjalta voida tehdä päätelmiä
esimerkiksi siitä, että jokin yhteinen tekijä vaikuttaisi miesten tai naisten
sairastuvuuteen Länsi-Lapin alueella. Toisaalta kyse on eri ikäryhmistä, joten senkään
puolesta ei voitaisi tehdä voimakkaita johtopäätöksiä molempiin sairauksiin yhteisesti
vaikuttavista tekijöistä.
Utsjoki erottuu astman ja tulehduksellisten suolistosairauksein kohdalla, koska
siellä eri sukupuolten välisten esiintyvyyksien ero on naapurikuntia suurempi. Tässäkin
kohdassa on sama tilanne kuin Länsi-Lapin kohdalla, eli astmaa on enemmän pojilla
kuin tytöillä, kun taas tulehduksellisia suolistosairauksia on Utsjoella enemmän naisilla
kuin miehilllä. Utsjoella asutus on hyvin harvaa ja koskematonta luontoa paljon.
Samankaltainen tilanne on Länsi-Lapin kunnissa, joskin koskematonta luontoa on
todennäköisesti vähemmän. Niiden ja muun Lapin kuntien välillä ei ole kuitenkaan
suuria eroja väestön, luonnon ja maankäytön suhteen, joten on mahdollista, että muita
kuntia suuremmat erot sukupuolten välillä ovat sattumaa tai siihen vaikuttaa jokin muu
tekijä, joka ei ole tiedossa.
10.2 Kroonisten tulehdussairauksien ja selittävien muuttujien välinen riippuvuus
Astma korreloi selittävien muuttujien kanssa huomattavasti paremmin kuin 1 tyypin
diabetes ja tulehdukselliset suolistosairaudet. Tämä voidaan havaita myös
hajontakuvioista (liite 5–13). Kaikissa astman ryhmissä (yht/pojat/tytöt) korkeimmat
korrelaatiot ilmenivät samojen muuttujien kohdalla, joskin tyttöjen kohdalla tiestön
tiheyden keskiarvolla on pienempi korrelaatio kuin muiden ryhmien kohdalla.
Voimakkain korrelaatio on kaikissa ryhmissä tammikuun keskilämpötilan kanssa.
Tammikuun keskilämpötilan laskiessa astman esiintyvyys kasvaa. Tulosta tukee myös
astman esiintyvyyttä kuvaava kartta, jossa astma on yleisempää Itä- ja Pohjois-
61
Suomessa. Tätä havaintoa tukee jo aiemmin mainittu yhteys hengitystieoireiden ja
kylmän ilmaston välillä (Kotamäki 2002). Tiestön tiheyden arvoilla on
samansuuntainen vaikutus astmaan; niiden kasvaessa astma vähenee. Maksimi- ja
keskiarvojen vaikutus on selvä, jolloin niiden kasvaessa astma todennäköisesti vähenee.
Keskihajonnan merkitys on hieman erilainen, sillä sen kasvaessa astman määrät
vähenevät. Tämä tarkoittaisi sitä, että alueilla, joilla tiestön tiheyden vaihtelu on
suurimmillaan (esimerkiksi kunta, jossa on harvaan asuttujen alueiden lisäksi tiivis
asutuskeskus), on vähemmän astmaa. Tämä tulos on ristiriidassa muiden tiestön
tiheyksien kanssa, sillä niiden mukaan tiestön määrän kasvaessa astma vähenee. Tässä
tilanteessa täytyy huomioida se, että tiestön tiheyden keskihajonnan samanaikainen
kasvu astman esiintyvyyden kanssa voi myös olla sattumaa, eikä näiden ilmiöiden
välillä ole välttämättä mitään yhteyttä.
Kaiken kaikkiaan tiestön tiheyden ja astman välinen negatiivinen korrelaatio on
päinvastainen tulos verrattuna esimerkiksi Gaudermanin ym. (2005) ja McConnelin ym.
(2006) tutkimuksiin, joiden mukaan liikenteellä ja siihen liittyvillä saasteilla voi olla
vaikutusta astman yleistymiseen. Täytyy kuitenkin muistaa, että korrelaatio ei
välttämättä todista ilmiöiden välistä yhteyttä ja syy-seuraussuhdetta. Lisäksi tutkielman
aineiston laatu on otettava huomioon, sillä kuntapohjainen aineisto johtaa mahdollisesti
informaation yleistämiseen, jolloin kunnan sisäisiä vaihteluja tutkittavien sairauksien ja
tiestön tiheyden suhteen ei voida havaita.
Kelan sairastuvuusindeksin ja astman välinen korrelaatio ei ole yllättävää, sillä on
todennäköistä, että sairastuvuus ja astma ovat jollakin tavoin yhteydessä. Molemmat
tiedot perustuvat Kelan tietokantoihin ja astman osuudet luultavasti sisältyvät
sairastuvuusindeksiin. Toisaalta muiden sairauksien kohdalla Kelan sairastuvuusindeksi
ei korreloinut tai se oli hyvin vähäistä. On siis mahdollista, että astman ja
sairastuvuuden välillä on ainakin todennäköisemmin jokin yhteys kuin muiden
tutkittavien sairauksien kohdalla.
Shannon indeksin ja astman välisen korrelaatiokertoimen mukaan
maankäyttöluokkien diversiteetin kasvaessa astman määrät vähenevät. Tämä voi
mahdollisesti tarkoittaa sitä, että astman todennäköisyys on alhaisempi alueilla, joissa
maankäyttöluokkia on monipuolisesti. Tällaisia alueita voivat olla esimerkiksi
kaupunkikeskusten ulkopuoliset asuinalueet. Myös maaseudulla maankäyttöluokkia on
62
todennäköisesti monipuolisesti. Kaupunkiseuduilla on todettu olevan enemmän erilaisia
elinympäristöjä (Hanksi 2005a: 97). Nämä tulokset ovat ristiriidassa aiemmin
mainittujen tekijöiden kanssa, koska maalla elämisen on todettu vähentävän astmaa
(Ege ym. 2011: 707). Lisäksi von Herzenin ja Haahtelan (2006) mukaan vähäinen
yhteys maaperän kanssa voi liittyä astman voimakkaaseen yleistymiseen. Voidaan
olettaa, että kaupungeissa ja niiden läheisyydessä asuvat ihmiset ovat vähemmän
tekemisissä luonnon ja siten myös maaperän kanssa, toisin kuin maalla asuvat.
Astman ryhmien välillä on kuitenkin joitakin eroja korrelaatioiden suhteen ja
esimerkiksi molempien sukupuolten (yhdessä) ja maatalousalueiden välillä on heikkoa
korrelaatiota. Toisaalta poikien ja työttömyyden välillä on heikkoa korrelaatiota ja
niiden välinen yhteys on havaittavissa jonkin verran hajontakuviosta (liite 6). Tyttöjen
kohdalla maankäyttöluokkien lukumäärällä näyttäisi olevan heikko yhteys astmaan,
muiden ryhmien kohdalla korrelaatio on vähäisempi. Astman ja maatalouden
positiivinen korrelaatio merkitsee päinvastaista tulosta edellä mainittujen Egen ym.
(2011) ja von Herzenin ja Haahtelan (2006) tutkimusten kanssa. Toisaalta työttömyyden
ja astman välinen positiivinen korrelaatio on samansuuntainen esimerkiksi Batemanin
ym. (2008: 146) tutkimuksen kanssa, jossa mainittiin, että sosioekonomisilla tekijöillä
voi olla vaikutusta astmaan. Edellä mainittujen korrelaatioiden kohdalla tulee kuitenkin
muistaa, että ne eivät välttämättä merkitse sitä, että ilmiöiden välillä olisi todellinen
yhteys. Siten niistä ei tule tehdä voimakkaita johtopäätöksiä suuntaan eikä toiseen.
1 tyypin diabeteksen ja selittävien muuttujien väliset korrelaatiot ovat hyvin
heikot, eivätkä hajontakuviotkaan ole yhtä selkeitä kuin astman kohdalla. Merkittävin
korrelaatio poikien ja tyttöjen (yhdessä) kohdalla on Shannon indeksillä, mutta
korrelaatiokerroin on heikko. Poikien kohdalla rakennettujen alueiden määrän kasvaessa
1 tyypin diabetes vähenee, mutta korrelaatio on hyvin heikko. Työttömyydellä ja Kelan
sairastuvuusindeksillä on heikko positiivinen korrelaatio poikien 1 tyypin diabeteksen
kanssa. Tyttöjen 1 tyypin diabeteksen kohdalla suurimmat korrelaatiot ovat NDVI-
indeksin kanssa, joiden mukaan NDVI-indeksin arvojen kasvaessa diabetes hieman
vähenee. NDVI-indeksi kuvaa kuitenkin epäsuorasti kasvillisuuden tilaa, joten tämän
seikan, korrelaatioiden heikkouden, itse korrelaatioiden ja aineiston kuntapohjaisuuden
perusteella NDVI-indeksin ja 1 tyypin diabeteksen yhteydestä ei voida tehdä päätelmiä,
joissa luonto mahdollisesti edistäisi tai vähentäisi terveyttä.
63
Tulehduksellisten suolistosairauksien ja selittävien muuttujien välillä ei ole nähtävissä
selvää yhteyttä korrelaatioiden tai hajontakuvioiden avulla. Metsämaiden ja miesten ja
naisten suolistosairauksien (yhdessä) välinen korrelaatio on positiivinen, mutta se on
hyvin heikko. Miesten kohdalla metsämaa ei korreloi, mutta NDVI-indeksin mimini- ja
keskiarvoilla on heikko negatiivinen korrelaatio. Naisten kohdalla NDVI-indeksit eivät
korreloi, vaan tilalla ovat lämpötila ja Kelan sairastuvuusindeksi, jotka korreloivat
naisten kohdalla heikosti. Tulehduksellisten suolistosairauksien ja sen saamien
korrelaatioiden kohdalla tullaan samaan johtopäätökseen kuin 1 tyypin diabeteksen
kohdalla, jolloin niistä ei kannata tehdä suoria johtopäätöksiä suuntaan eikä toiseen,
muun muassa jo sen vuoksi, että korrelaatiot ovat ristiriitaisia eri ryhmien kesken.
Korrelaatiokertoimien perusteella voidaan sanoa, että lämpötilalla, tiestön
tiheydellä ja maankäytöllä voi olla yhteys astman kanssa. 1 tyypin diabeteksen ja
tulehduksellisten suolistosairauksien kohdalla olevien heikkojen korrelaatioiden
perusteella ei voida tehdä päätelmiä selittävien muuttujien ja kyseisten sairauksien
välisestä yhteydestä. Voidaan kuitenkin todeta, että eri sukupuolten kohdalla
korrelaatiot osuvat usein eri muuttujiin.
Korrelaatioiden avulla voidaan havaita asioiden ja ilmiöiden välinen mahdollinen
yhteys, mutta se voi olla myös sattumaa. Korrelaatio ei siis takaa, että ilmiöillä olisi
vaikutusta toisiinsa (esim. Rogerson 2010: 185). Korrelaation avulla ei voida todentaa
ilmiöiden välistä syy-seuraussuhdetta, joskin se voi tukea ja antaa informaatiota
mahdollisista yhteyksistä. Tulee kuitenkin muistaa, että ilmiöiden välillä voi olla tärkeä
syys-seuraussuhde, vaikkei niiden välinen korrelaatio ole merkittävä tai vaikkei sitä
esiintyisi lainkaan (esim. Rogerson 2010: 185).
10.3 Kroonisiin tulehdussairauksiin vaikuttavat tekijät
Alle 15-vuotiaiden poikien ja tyttöjen astmaan vaikuttavaksi tekijäksi valikoitui
yleistetyn additiivisen mallin avulla ainoastaan tammikuun keskilämpötila. Muut
valikoituneet muuttujat jouduttiin poistamaan malleista 1 ja 2, sillä vastekäyrien
mukaan niiden vaikutus astmaan oli joko hyvin vähäinen tai sitä ei ollut lainkaan.
Eri sukupuolten välillä ei ole havaittavissa eroja vaikuttavien tekijöiden suhteen,
eivätkä mallien selitysasteet eronneet merkittävästi, joskin tyttöjen astmaa kuvaavien
64
mallien selitysasteet ovat alhaisempia kuin muiden ryhmien kohdalla. Kaikissa
malleissa residuaalit ovat jakautuneet homoskedastisesti (kuva 13) ja se on toivottavaa.
Residuaalit ovat myös normaalijakautuneita, poikien astmaa lukuun ottamatta (kuva
13). Poikien ja tyttöjen astman osalta residuaalien normaalijakautuneisuus ja hajonnat
on esitetty liitteissä 14 ja 15.
Residuaalien perusteella malli sopii aineistoon, joskin poikien kohdalla tämä ei
täysin pidä paikkaansa. Tyttöjen astman kohdalla kalibrointi- ja evaluointiaineistot
toimivat jokseenkin saman verran, mutta poikien ja sukupuolet-yhdessä ryhmän
kohdalla kalibrointiaineisto toimii jonkin verran paremmin kuin evaluointiaineisto
(taulukko 9). Ennusteista tehtyjen hajontakuvioiden (esimerkkinä kuva 14, poikien ja
tyttöjen ryhmät liitteissä 14–15) perusteella ennusteiden ja aineistojen yhteys on
kohtuullinen, mutta korrelaatioiden perusteella evaluointiaineiston havaintojen ja
mallien ennusteiden korrelaatio on ainoastaan kohtuullista. Tämä tarkoittaa sitä, ettei
malli selitä astman esiintymistä tarpeeksi hyvin osassa Suomen kuntia (30 %). Mallit
eivät onnistuneet kovin hyvin myöskään kalibrointiaineistossa sekä selitysasteen että
havaittujen ja ennustettujen arvojen välisen korrelaation perusteella.
Tammikuun keskilämpötilan ja astman yhteyttä kuvaavan vastekäyrän mukaan
keskilämpötilan noustessa astman määrät vähenevät lineaarisesti. Tämä tarkoittaa sitä,
että, mitä alhaisempi tammikuun keskilämpötila kunnassa on, sitä suurempi astman
esiintyvyys on ja sitä useampi kunnan alle 15-vuotiaista pojista ja tytöistä sairastaa
astmaa. Mallien toimivuudet eivät kuitenkaan ole kovin hyvät, joten tämän vuoksi
myöskään tammikuun keskilämpötilan vaikutus astmaan ei ole täysin kiistaton.
Astman esiintyvyyttä kuvaavat karttaesitykset (kuva 8a-c) kuitenkin tukevat
GAM-mallinnuksen lopputulosta. Niiden mukaan astma on yleisempää Itä- ja Pohjois-
Suomessa kuin muualla Suomessa. Alueilla, joissa astma on yleisempää, talvet ovat
muuta maata selvästi kylmempiä. Tammikuun keskilämpötilan vastekäyrät eivät ole
kuitenkaan täysin samanlaiset eri ryhmien tai mallien välillä. Erot ovat kuitenkin hyvin
vähäisiä ja näin ollen vastekäyrien perusteella voidaan sanoa, että tammikuun
keskilämpötilalla on sama vaikutus kaikissa astmaa kuvaavissa ryhmissä
(yht/pojat/tytöt).
On siis todennäköistä, että astma on yleistä niillä alueilla, joissa talven
keskilämpötilat ovat alhaisempia. Aiemmin mainitun Kotaniemen ym. (2002)
65
tutkimuksen tulokset tukevat ainakin osittain saatuja tuloksia, samoin kun astman
esiintymistä kuvaavat kartat ja astman ja tammikuun keskilämpötilan korrelaatiot.
Kotaniemen ym. (2003) tutkimuksessa ei kuitenkaan havaittu eroa Lapin ja Helsingin
välillä, joka on ristiriidassa GAM-mallin tulosten kanssa. GAM-mallin tulokset
perustuvat kuitenkin kaikkiin Suomen kuntiin, joissa astman määrät ovat suhteutettu
käytetyn ikäryhmän väestömäärään, joten astmaa sairastavien alle 15-vuotiaiden
henkilöiden prosenttiosuudet kuvaavat hyvin todellisuutta. Astmaan vaikuttavien
tekijöiden joukkoon valikoitui kuitenkin ainoastaan tammikuun keskilämpötila, joten
ainakaan yleistetyn additiivisen mallin mukaan mikään muu tekijä ei vaikuta alle 15-
vuotiaiden poikien ja tyttöjen astman esiintyvyyteen.
Yleistetyn additiivisen mallin avulla ei voitu selvittää, mitkä ympäristö- tai
sosioekonomiset tekijät vaikuttavat alle 15-vuotiaiden 1 tyypin diabetekseen ja 15–29-
vuotiaiden tulehduksellisiin suolistosairauksiin. Kuvassa 15 esitetyt vastekäyrät
kuvaavat erinomaisesti, kuinka malliin valikoituneet muuttujat eivät todellisuudessa
vaikuta kyseisiin sairauksiin lainkaan. Myös muiden valikoituneiden muuttujien
kohdalla vastekäyrät olivat hyvin samankaltaisia kuin esimerkkikuvat. Muuttujien
poisjääminen malleista ei kuitenkaan poissulje sitä mahdollisuutta, etteikö 1 tyypin
diabeteksen, tulehduksellisten suolistosairauksien ja ympäristön välillä olisi
todellisuudessa jokin yhteys. Mahdollista yhteyttä ei vain havaittu GAM-mallinnuksen
avulla. Aineiston laatu voi vaikuttaa lopputulokseen, sillä kuntapohjaisella aineistolla on
omat heikkoutensa. Sen avulla ei voida havaita esimerkiksi kunnan sisällä olevia
alueellisia eroja sairastuvuuden ja ympäristön tilan suhteen.
Kaikki tutkittavat krooniset tulehdussairaudet ovat yksilöllisiä sairauksia, joiden
tuloksia ei voida voimakkaasti yleistää. Saman kuntapohjaisen aineiston avulla alle 15-
vuotiaiden poikien ja tyttöjen astmaan vaikuttavien tekijöiden selvittäminen oli
mahdollista, mutta se ei onnistunut muiden tutkittavien sairauksien kohdalla. Tämä ei
kuitenkaan välttämättä tarkoita sitä, että ainoastaan astmalla on jokin todellinen yhteys
ympäristön kanssa. Toisaalta on mahdollista, että myös astmalla ja muilla
ympäristömuuttujilla on olemassa jokin yhteys, vaikka GAM-mallinnuksen avulla
yhteys havaittiinkin ainoastaan tammikuun keskilämpötilan ja astman välillä. Aineiston
laadulla on todennäköisesti tässä kohtaa huomattava merkitys.
66
Tulee kuitenkin huomioida, ettei kylmä ilmasto voi olla todellisuudessa ainut tekijä,
joka vaikuttaa astman esiintymiseen. Erityisesti lasten kohdalla astma on yleistynyt
hyvin voimakkaasti kehittyneissä maissa (Bateman ym. 2008: 144), joista Suomi on
yhtenä esimerkkinä (Haahtela ym. 2006: 664–665). Suomessa astma on yleisempää Itä-
ja Pohjois-Suomessa, mutta rajan toisella puolella Venäjän Karjalassa astma on
huomattavasti harvinaisempaa (von Herzen ym. 2005). Voidaan olettaa, että ilmasto on
Itä-Suomessa ja Venäjän Karjalassa samankaltainen. Näin ollen kyseisellä alueella
astmaan vaikuttaa jokin muu tekijä kuin ilmasto. Tämä tulos ei kuitenkaan täysin
mitätöi ilmaston vaikutusta, vaan sillä voi edelleen olla suuri vaikutus astman
esiintyvyyteen. On myös mahdollista, että jos ilmiötä tutkittaisiin Venäjän sisällä,
ilmastolla voisi edelleen olla merkittävä vaikutus, aivan kuten Suomessa. Käytetyn
aineiston ja siitä saatujen tulosten puitteissa voidaan todeta, että ilmastolla on
merkittävä vaikutus astman esiintyvyyteen Suomessa. On kuitenkin todennäköistä, että
astmaan vaikuttavat lisäksi muut tekijät, joita ei saatu selville tässä tutkielmassa.
Mallien lopputuloksissa tulee huomioida, ettei niiden laadinta ollut täysin
objektiivista. Alkuperäisissä malleissa subjektiivisuus oli minimoitu siten, että malliin
valikoituivat vain ne muuttujat, joiden p-arvot olivat ≤ 0,05. Mallin laadinta muuttui
osittain subjektiiviseksi, kun mallin ja siihen valikoituneiden muuttujien realistisuutta
alettiin arvioida. Tällöin katsottiin silmämääräisesti, onko valikoituneilla muuttujilla
vaikutusta tutkittavaan sairauteen. Jos muuttujalla ei ollut vaikutusta vastekäyrän
perusteella, muuttuja poistettiin mallista. Jokaisessa tilanteessa (kaikki sairausryhmät ja
molemmat mallit) poistettavia muuttujia oli useampi. Poistaminen tehtiin p-arvon
mukaisesti, jolloin mallista poistettiin ensimmäiseksi se muuttuja, jolla oli huonoin p-
arvo ja huono vastekäyrä. Tämän jälkeen malliin jäljelle jääneiden muuttujien
vastekäyrät katsottiin uudelleen ja tarkistettiin, olivatko ne säilyttäneet saman muodon
vai olivatko ne mahdollisesti muuttuneet. Osin subjektiivinen muuttujien valinta
pyrittiin kuitenkin tekemään mahdollisimman objektiivisesti. Tähän ratkaisuun
päädyttiin sen vuoksi, etteivät alkuperäisiin malleihin valikoituneet muuttujat
vaikuttaneet tutkittavaan sairauteen. Tämän vuoksi on oleellista ymmärtää
valikoituneiden muuttujien realistisuus koko tutkielman kannalta. Tutkimuskysymyksiin
ei voida vastata, jos tulokset ovat epäluotettavat.
67
Tutkittaviin sairauksiin valikoituneiden tekijöiden kohdalla oli tarkoitus tehdä
hierarkkinen ositus, jonka perusteella olisi saatu selville jokaisen selittävän muuttujan
itsenäiset selitysasteet. Sen pohjalta olisi voitu saada tukea yleistetyn additiivisen mallin
tuloksiin ja saada selville, kuinka merkittäviä tietyt muuttujat ovat. Astman kohdalla
tammikuun keskilämpötila on ainut valikoitunut muuttuja, joten sen pohjalta ei voida
tehdä hierarkkista ositusta. Muiden tutkittavien sairauksien kohdalla tuloksia ei saatu
lainkaan, joten hierarkkisen osituksen tekeminenkään ei ollut mahdollista.
10.4 Virhelähteet
Tutkielman tarkoituksena oli selvittää, voidaanko koko Suomea kuvaavan
kuntapohjaisen aineiston avulla havaita kroonisten tulehdussairauksien ja
ympäristömuuttujien välillä yhteyttä. Tutkielmassa käytetty aineisto perustui siis
kuntapohjaiseen tietoon, jolloin jokaista sairautta ja sen ryhmää (yht/pojat/tytöt) tai
selittävää muuttujaa kuvaa yksi kuntakohtainen arvo. Suomalaisten saamia
lääkekorvaustietoja ei voitu esittää sijaintitietona yksityisyydensuojan vuoksi. Tästä
johtuen kunnan sisäistä vaihtelua sairastuvuuden suhteen ei voitu tuoda esille. Samalla
tapaa selittävien muuttujien kohdalla ei voitu havaita, onko kunnan sisällä alueellista
vaihtelua kyseisen muuttujan suhteen.
Kuntarajoihin perustuva aineisto tuotti selviä ongelmia. Suomessa on esimerkiksi
kuntia, joiden pinta-alat ovat suuria, mutta joissa asutus on voinut keskittyä
voimakkaasti yhteen keskukseen (esimerkiksi Rovaniemi). Tällaisissa kunnissa muu osa
kuntaa voi olla harvaanasuttua, jossa luonto voi olla yhtenäisempää ja
koskemattomampaa. Kuntapohjainen tarkastelutapa johtaa väistämättä tilanteeseen,
jossa aineistoa yleistetään. Kuntien sisällä voi todellisuudessa olla alueita, joissa jokin
tutkittavista sairauksista on yleisempää kuin muualla kunnassa ja samalla tällaisella
alueella voi myös ympäristön tila olla heikompi kuin muualla. DeFries ym. (2005: 53)
ovatkin tuoneet esille, että on oleellista valita oikea mittakaava, koska oikeiden
vaikuttavien tekijöiden ja korrelaatioiden selvittäminen on helpointa pienemmällä
alueella, paikallisella tasolla.
Jos aineisto pohjautuisi tarkempaan sijaintitietoon, voisi ympäristön ja sairauksien
välisiä yhteyksiä mahdollisesti havaita paremmin. Kroonisten tulehdussairauksien ja
68
ympäristön välisiä yhteyksiä ei tulisi tutkia kuntarajojen puitteissa, vaan jonkin muun
aluejaon perusteella. Luonnon ilmiöt tai ihmisen terveys eivät pohjaudu kuntarajoihin,
joskin toki kunnilla ja päättäjillä on osittainen vaikutus siihen, miten luonto ja
kuntalaiset voivat. Tutkittavien sairauksien ja ympäristömuuttujien välisiä yhteyksiä on
haastavaa tutkia koko Suomen osalta ja kunnittain. Olisi mielekkäämpää tutkia tätä
aihetta esimerkiksi jollakin seudulla, tarkempien ja paikkaan sidottujen tietojen avulla,
jolloin voitaisiin mahdollisesti havaita eri alueiden väliset erot ympäristön tilan ja
ihmisen terveyden suhteen. Toisaalta eri mittakaavan tutkimukset voivat olla myös
hyödyllisiä ja siksi samaa ilmiötä kannattaa tutkia eri mittakaavoissa. Ilmiöihin
vaikuttavista tekijöistä on hyvä saada tietoa sekä pienemmiltä että suuremmilta alueilta.
Tämä voi mahdollistaa kattavamman tiedonsaannin. Tämän vuoksi ympäristön tilan ja
terveyden välisten yhteyksien tarkastelu oli perusteltua tutkia myös koko Suomen
kannalta.
Aineistomuodon lisäksi muilla tekijöillä voi luonnollisesti olla vaikutusta
aineiston toimivuuteen ja luotettavuuteen. Aineiston kerääjän ja muokkaajan tekemät
mahdolliset virheet ovat mahdollisia. Osa aineistosta on koottu tutkielman tekijän
osalta, mutta osa on saatu valmiina ja muiden tekemät virheet ovat mahdollisia.
Kelastosta saadut lääkekorvausmäärät on ilmoitettu ainoastaan, jos määrä oli yli neljä
korvausta tutkittavaa vuotta kohti. Jos määrä oli yhden ja neljän välillä, raportissa tämä
arvo ilmoitettiin harmaalla värillä. Aineiston kerääjä on korvannut tämän kohdan
arvolla kaksi. Tämä muutos on voinut osaltaan vaikuttaa tuloksiin, sillä arvo on voinut
olla myös yksi tai kolme. Virhemahdollisuus on kuitenkin todennäköisesti vähäinen.
Toisaalta lääkekorvaustiedot toimivat ainoastaan epäsuorana tiedon lähteenä.
Voidaan kuitenkin olettaa, että 1 tyypin diabeteksen ja astman kohdalla tiedot
sairastuneiden määristä ovat melko luotettavia, koska kyseessä on suhteellisen helposti
diagnosoitavat sairaudet. Tulehduksellisten suolistosairauksien diagnosointi on varmasti
helpottunut viime vuosikymmenien aikana, mutta todellisuudessa suolistosairauksista
kärsiviä voi olla enemmän kuin tilastot esittävät. Suoliston oireilu on hyvin yleistä, eikä
heikosti oireilevat tai sairauden alku-tilassa olevat henkilöt saata tarvita lääkekorvauksia
tai mennä lääkärin vastaanotolle. Tutkielmassa toimitaan kuitenkin aineiston
saatavuuden mukaan. Tässä tapauksessa Kelaston tietokannan antama informaatio on
69
koettu riittävän hyväksi ja se mahdollistaa kohtuullisen hyvän kuvan kyseisiä sairauksia
sairastavien määristä.
Tutkittaviin sairauksiin vaikuttavien ympäristötekijöiden selvittämisessä täytyy
huomioida selittävien muuttujien multikollinearisuus. Tutkielmassa päädyttiin 0,7
korrelaation rajaan, jossa sen ylittävien arvojen mukaan muuttujat korreloivat
keskenään. Multikollinearisuuden raja on kuitenkin häilyvä, eikä 0,7 raja ole välttämättä
riittävä. Multikollinearisuudella voi olla merkittävät vaikutukset esimerkiksi GAM-
mallinnuksen lopputulokseen, jossa tärkeät muuttujat voivat jäädä mallin ulkopuolelle
mahdollisen multikollinearisuuden vuoksi. Multikollinearisuus pyrittiin kuitenkin
huomioimaan ja se on tuotu esille jo aiemmin.
Myös selittävien muuttujien valinnalla on tärkeä merkitys. Valittujen muuttujien
sisältämä informaatio ympäristön tilasta ei saata olla riittävää ja siksi
ympäristömuuttujien joukkoon olisi voinut valita esimerkiksi tiedot kasvilajimääristä.
Kasvilajimääriin perustuvat tiedot eivät kuitenkaan ole kuntapohjaisia ja tämän vuoksi
niiden käyttö ei ollut mahdollista. Pienhiukkasten määrä olisi voinut olla hyvä lisä
aineistoon, mutta niiden määristä ei ole saatavavilla tietoa jokaisesta Suomen kunnasta.
Tosin tutkielmassa mukana oleva tiestön tiheysmuuttuja kuvaa omalta osaltaan osittain
samaa asiaa.
Sosioekonomisten muuttujien valinta on myös voinut sattua väärien muuttujien
kohdalle. Valinnassa tärkein kriteeri oli kuntapohjainen tieto, jossa jokaisesta Suomen
kunnasta on saatava tietoa mahdollisesta muuttujasta. Suomessa tutkitaan ja tilastoidaan
hyvin monia sosioekonomisia ilmiöitä, mutta usean ilmiön kohdalla tietoa ei ollut
saatavilla kaikista kunnista. Tämän vuoksi saatavilla olevista vaihtoehdoista valittiin
mielekkäimmät ja päädyttiin muuttujiin, jotka joltakin osin pystyvät kuvaamaan
ihmisen hyvinvointia sekä henkisesti että taloudellisesti. Kuten on jo aiemmin tuotu
esille, alkoholin myynti kuvaa vain osittain kuntalaisten hyvinvointia. Kyseinen
muuttuja toimisi paremmin, jos tutkimusalueena olisi jokin suurempi alue. Terveys on
kuitenkin hyvin laaja kokonaisuus, johon vaikuttavat useat eri tekijät ja muuttujien
valinta tulee kohdentaa saatavilla oleviin ja tutkielman kannalta tarkoituksen mukaisiin
muuttujiin.
70
11. Yhteenveto ja johtopäätökset
Kroonisten tulehdussairauksien yleistymisen ja ympäristön välinen yhteys on
suhteellisen uusi tutkimusaihe, jota ei ole tiettävästi tutkittu koko Suomen osalta.
Päämääränä oli saada selville, voidaanko kuntapohjaisen aineiston avulla saada viitteitä
siitä, että ympäristöllä olisi vaikutusta kroonisiin tulehdussairauksiin. Tutkimuksissa ja
kirjallisuudessa on tuotu esille, että ympäristön muuttumisella ja ihmisen ja luonnon
välisen kontaktin vähenemisellä on selvä vaikutus ihmisen terveyteen ja erityisesti
kroonisiin tulehdussairauksiin ja allergisoitumiseen.
Terveys on hyvin laaja kokonaisuus, johon vaikuttavat useat eri tekijät. Tämän
vuoksi ympäristön ja terveyden välisen yhteyden todistaminen on haasteellista. Oman
haasteensa tuo myös käytetty kuntapohjainen aineisto, joka väistämättä luo yleistettyä
tietoa tutkittavasta aiheesta niin sairauksien kuin myös ympäristömuuttujien suhteen.
Aineiston laatu heijastuu väistämättä saatuihin tuloksiin. Alle 15-vuotiaiden 1
tyypin diabeteksen ja 15–29-vuotiaiden tulehduksellisten suolistosairauksien
esiintymisissä ei ollut havaittavissa selkeitä eroja Suomen eri alueiden välillä. Tämän
pohjalta voidaan todeta, ettei 1 tyypin diabeteksen ja tulehduksellisten
suolistosairauksien kohdalla ole havaittavissa mitään selkeää alueellista tekijää, joka
mahdollisesti vaikuttaisi niiden esiintyvyyksiin. Niiden kohdalla ei havaittu merkittäviä
korrelaatioita ympäristön tai edes sosioekonomisten tekijöiden kanssa. Myöskään
yleistetty additiivinen mallinnus ei onnistunut, joten kyseisiin sairauksiin vaikuttavia
tekijöitä ei saatu sen avulla selville.
Alle 15-vuotiaiden astman kohdalla tilanne on kuitenkin eri. Tutkimusajankohdan
aikana astma oli huomattavasti yleisempää kuin muut tutkittavat sairaudet, sen
esiintyvyydessä oli havaittavissa ero Itä- ja Pohjois-Suomen ja muun Suomen välillä, se
korreloi suhteellisen paljon ympäristömuuttujien kanssa ja astmaan vaikuttavien
tekijöiden mallinnus onnistui GAM-mallinnuksen avulla, joskin sen tulos ei ole täysin
kiistaton. Kaikki tulokset kuitenkin tukevat sitä, että alle 15-vuotiaiden lasten astmaan
vaikuttaa talven ilmasto, erityisesti tammikuun keskilämpötila. Keskilämpötilan
laskiessa astman esiintyvyys kasvaa. On kuitenkin mahdollista, että astmaan vaikuttavat
myös muut tekijät, ne eivät vain tulleet esille tässä tutkielmassa. Astman kohdalla
71
sukupuolten väliset erot esiintyvyydessä olivat tilastollisesti merkitseviä, mutta niihin ei
löytynyt mitään alueellista syytä. Tämä voi tarkoittaa sitä, että astmaan voivat vaikuttaa
eri tekijät eri sukupuolten kohdalla. Näitä ei kuitenkaan saatu selville GAM-
mallinnuksen avulla.
Tulosten pohjalta voidaan vastata tutkielman tutkimuskysymyksiin seuraavan
laisesti: 1) Onko sukupuolten välillä tilastollisesti merkitseviä eroja sairauksien
esiintyvyyksien suhteen? Alle 15-vuotiaiden astman ja 1 tyypin diabeteksen
esiintyvyyksissä eri sukupuolten välillä on tilastollisesti merkitsevä ero, mutta Suomen
sisällä ei ole havaittavissa alueellisia eroja niiden suhteen. 2) Onko kroonisten
tulehdussairauksien ja selittävien muuttujien välillä nähtävissä riippuvuutta? Alle 15-
vuotiaiden astman esiintyvyydet korreloivat suhteellisen hyvin tammikuun
keskilämpötilan, tiestön tiheys-muuttujien ja Shannon indeksin kanssa. Alle 15-
vuotiaiden 1 tyypin diabetes ja 15–29-vuotiaiden tulehdukselliset suolistosairaudet eivät
korreloineet riittävästi ympäristö- tai sosioekonomisten muuttujien kanssa. 3) Mitkä
selittävät muuttujat vaikuttavat astman, 1 tyypin diabeteksen ja tulehduksellisten
suolistosairauksien esiintymiseen? Alle 15-vuotiaiden poikien ja tyttöjen astman
esiintyvyyteen vaikuttaa tammikuun keskilämpötila, jolloin tammikuun keskilämpötilan
laskiessa astma yleistyy. 1 tyypin diabetekseen ja tulehduksellisiin suolistosairauksiin
vaikuttavia tekijöitä ei saatu selville. 4) Kuinka paljon valikoituneet muuttujat
vaikuttavat itsenäisesti tutkittaviin kroonisiin tulehdussairauksiin? Tutkittaviin
sairauksiin vaikuttavien tekijöiden itsenäisiä selitysasteita ei voitu selvittää, sillä astman
kohdalla valikoitui ainoastaan yksi muuttuja ja muiden tutkittavien sairauksien kohdalla
muuttujia ei saatu selville.
Saatujen tuloksien kohdalla on tärkeää huomioida, että terveys on yksilöllistä.
Tutkittaviin sairauksiin vaikuttavat todennäköisesti useat eri tekijät, joista ympäristö
muodostaa vain yhden kokonaisuuden. On haasteellista löytää tiettyjä selviä tekijöitä,
jotka täysin varmasti vaikuttaisivat terveyteemme. Tutkielman aiheena oli kuitenkin
selvittää mahdollisia ympäristötekijöitä, joiden oletetaan vaikuttavan viime
vuosikymmenien aikana voimakkaasti yleistyneisiin kroonisiin tulehdussairauksiin.
Nämä kaikki eri tekijät huomioiden pienetkin viitteet ympäristön ja kroonisten
tulehdussairauksien yhteydestä voivat olla merkittäviä. Käytetyn aineiston avulla ei
kuitenkaan saatu viitteitä ympäristön tilaa kuvaavien muuttujien ja kroonisten
72
tulehdussairauksien välisestä yhteydestä. Huolimatta siitä, ettei ympäristön ja
tutkittavien sairauksien välistä yhteyttä saatu selville, niiden yhteyttä ei voida myöskään
poissulkea. Tulevaisuudessa aihetta kannattaa lähestyä erilaisen aineiston kautta.
Näiden ilmiöiden välistä yhteyttä olisi huomattavasti mielekkäämpää tutkia
pienemmällä alueella, esimeriksi jollakin seudulla, ja paikkatietoon perustuvan
aineiston avulla. Maantieteellinen näkökulma ja erityisesti tarkemman paikkatiedon
hyödyntäminen olisivat erittäin hyödyllisiä. Sen avulla voidaan käsitellä monialaisia
ilmiöitä, joista terveys on erinomainen esimerkki.
Huoli ympäristön tilasta, ihmisen terveydestä ja niiden välisestä yhteydestä on
edelleen aiheellinen. Tarvitsemme lisää luotettavaa tietoa siitä, onko ympäristön
laadulla ja kroonisilla tulehdussairauksilla yhteys ja, kuinka tämä mahdollinen yhteys
voidaan havaita ja todistaa luotettavasti. Luonnon hyvinvointiin täytyy panostaa sekä
ihmisen terveyden että muun luonnon vuoksi. On syytä muistaa, että terveys on tulos
ekosysteemipalveluiden mahdollistamista hyödyistä ja siten ihmisen terveys ja luonnon
hyvinvointi ovat tiiviisti yhteydessä toisiinsa.
73
12. Lähteet
Alalammi, P. (1993). Suomen kartasto, maisemat, asuinympäristöt. 234 s. Maanmittauslaitos/ Suomen maantieteellinen seura. Maanmittaushallitus.
Alenius H., J. Pakarinen, O. Saris, M.A. Andersson, M. Leino, K. Sirola, M.-L. Majuri, J.
Niemelä, S. Matikainen, H. Wolff, L. von Hertzen, M. Mäkelä, T. Haahtela & M. Salkinoja-Salonen (2008). Contrasting Immunological Effects of Two Disparate Dusts –
Preliminary Observations. International Archives of Allergy Immunology 149, 81–90.
Almqvist, C., M. Worm & B. Leynaert (2007). Impact of gender on asthma in childhood and
adolescence, A GA²LEN review. Allergy 63, 47–57.
Anders, P.G. & Friedman L.S. (1999). Epidemiology and the natural course of inflammatory bowel disease. Gastroenterology Clinics of North America 28, 255–281.
Bach, J.F. (2002). The effect of infections on susceptibility to autoimmune and allergic diseases.
New England Journal of Medicine, 347: 12, 911–919. Bacharier, L.B., A. Boner, K.-H. Carlsen, P. A. Eigenmann, T. Frischer, M. Gçtz, P. J. Helms, J.
Hunt, A. Liu, N. Papadopoulos, T. Platts-Mills, P. Pohunek, F. E. R. Simons, E.
Valovirta, U. Wahn & J. Wildhaber (2008). Diagnosis and treatment of asthma in childhood: a Practical consensus report. Allergy 63, 5–34.
Bateman, E.D., S.S. Hurd, P.J. Barnes, J. Bousquet, J.M. Drazen, M. Fitzgerald, P. Gibson, K.
Ohta, P. O’Byrne, S.E. Pederson, E. Pizzichini, S.D. Sullivan, S.E. Wenzel & H.J. Zar
(2008). Global strategy for asthma management and prevention. European Respiratory Journal 31: 1, 143–178.
Bawa, K., J. Rose, K.N. Ganeshaiah, N. Barve, M.C. Kiran & R. Umashaanker (2002).
Assessing Biodiversity from Space: an Example from the Western Ghats, India. Conservation Ecology 6: 2, 1–5.
Benton, T.G., J.A. Vickery & J.D. Wilson (2003). Farmland biodiversity: is habitat
heterogeneity the key? Trends in Ecology & Evolution, 18: 4, 182–188. Bernstein, C.N., A. Wajda, L.W. Svenson, A. MacKenzie, M. Koehoorn, M. Jackson, R.
Fedorak, D. Israel & J.F. Blanchard (2006). The epidemiology of inflammatory bowel
disease in Canada: a population-based study. The American Journal of Gastroenterology
101: 7, 1559–1568. Brauer, M., G. Hoek, P. Van Vliet, K. Meliefste, P. H. Fischer, A.Wijga, L.P. Koopman, H.J.
Neijens, J. Gerritsen, M. Kerkhof, J.Heinrich, & B. Brunekreef (2002). Air Pollution
from traffic and the development of respiratory infections and asthmatic and allergic symptoms in children. American Journal of Respiratory and Critical Care Medicine 166:
8, 1092–1098.
Butchart ym. (2010). Global Biodiversity: Indicators of Recent Declines. Science 328, 1164–
1168. Chapin, F.S., E.S. Zavaleta, V.T. Eviner, R.L. Naylor, P. M. Vitousek, H. L. Reynolds, D.U.
Hooper, S. Lavorel, O.E. Salal, S. E. Hobbie, M.C. Mack & S. Díaz (2000).
Consequences of changing biodiversity. Nature 405, 234–242. Chapman, A.D. (2009). Numbers of living species in Australia and the world. Austalian
government, Department of the environment, water, heritage and the arts. 2. p. 84 s.
Cherubini V, C. F. Gesuita, R. Iannilli , A. Tuomilehto, J. Prisco , F. Iafusco, D. Altobelli, E. Chiarelli, F. De Giorgi & G. Falorni (1999). Large incidence variation of Type I
diabetes in central-southern Italy 1990–1995: lower risk in rural areas. Diabetologia 42,
789–792.
Chivian E. & A. Bernstein (2008). How is biodiversity threatened by human activity. Teoksessa Chivian E. & A. Bernstein (toim.). Sustaining life. How human health depends on
biodiversity. 542 s. Oxford university press.
74
CICES (2011). Haines-Young, R. &Potschin, M. (2013). Common International Classification of Ecosystem Services (CICES): Consultation on Version 4, August-December 2012.
EEA Framework Contract 09/003.
Convention on biological diversity, Artikla 2 (1992). Convention on biological diversity. 56 s. United Nations environment programme.
Corvalan, C., S. Hales, A. McMichael (toim.) (2005a). Ecosystems and human well-being:
health synthesis : a report of the Millennium Ecosystem Assessment. 53 s. Corvalan, C., S. Hales & A. Woodward (2005b). Consequences and Options for Human Health.
Teoksessa Chopra, K., R. Leemans, P. Kumar & H. Simons (toim.): Ecosystems and
Human Well-being: Policy Responses . 621 s. Island press, Washington DC.
Crawley, M. J. (2007). The R book. 942 s. John Wiley & Sons, England. Daily, G. (1997). Nature's services: Societal dependence on natural ecosystems. 392 s. Island Press, Washington D.C.
Danese S., M.Sans & C. Fiocchi (2004). Inflammatory bowel disease: the role of environmental
factors. Autoimmunity Reviews. 3: 394– 400. DeFries, R. & S. Pagiola (2005). Analytical Approaches for Assessing Ecosystem Condition
and Human Well-being. Teoksessa Hassan, R., R. Scholes & N. Ash (toim.): Ecosystems
and Human Well-being: Current State and Trends, Volume 1. 899 s. Island press,
Washington DC. de Groot R. (2010). Integrating the ecological and economic dimensions in biodiversity and
ecosystem service valuation. Teoksessa Kumar P. (toim.): The economics of ecosystems
and biodiversity, Ecological and economic foundations. 410 s. Earthscan, London. Diaz,S., D.Tilman & J. Fargione (2005). Biodiversity regulation of ecosystem services.
Teoksessa Hassan, R., R. Scholes & N. Ash (toim.): Ecosystems and Human Well-being:
Current State and Trends, Volume 1. 899 s. Island press, Washington DC.
DigiRoad – Suomen tiestö digitaalisessa muodossa < http://www.digiroad.fi/dokumentit/fi_
FI/dokumentit/_files/83707517343437917/default/Digiroad_suomi_2010.pdf>. 3.5.2014. Eggleston, P., T.J. Buckley, P.N. Breysse, M. Will-Karp, S.R. Kleeberger & J.K. Jaakkola
(1999). The environment and asthma in U.S. inner cities. Environmental health
perspectives, 107:3, 439–450.
Elith, J., C. H. Graham, R. P. Anderson, M. Dudı´k, S. Ferrier, A. Guisan, R. J. Hijmans, F. Huettmann, J. R. Leathwick, A. Lehmann, J. Li, L. G Loh- mann, B. A. Loiselle, G.
Manion, Z. Moritz, M. Nakamura, Y. Nakazawa, J. McC. Overton, A. T. Peterson, S. J.
Phillips, K. S. Richardson, R. Sca chetti-Pereira, R. E. Schapire, J. Sobero´n, S. Williams, M. S. Wisz & N. E. Zimmermann (2006). Novel methods improve prediction of species’
distributions from occurrence data. Ecography 29, 129–151.
Fahrig, L. (2003). Effects of habitat fragmentation on biodiversity. Annual review of ecology.
evolution and systematics 34, 487–515. Forget, G. & J. Lebel (2001). An ecosystem approach to human health. International Journal of
occupational environmental health 7: 2, S1–S38.
Fiocchi C. (1998). Inflammatory Bowel Disease: Etiology and Pathogenesis. Gastroenterology. 115, 182– 205.
Forman R., T. (1995). Land mosaics. The ecology of landscapes and regions. 5. p. 632 s.
Cambridge university press. Ege M. ym. (2011). Exposure to environmental microorganisms and childhood asthma. The
New England journal of medicine 364: 8, 701–709.
Elmqvist T. & E. Maltby (2010). Biodiversity, ecosystems and ecosystem services. Teoksessa
Kumar P. (toim). The economics of ecosystems and biodiversity, Ecological and economic foundations. 410 s. Earthscan, London.
Erwin T.L. (1982), Tropical Forests: Their richness in Coleoptera and other arthropod species.
The Coleopterists Bulletin 36: 1, 74–75.
75
Gale, E.A. & K.M. Gillespie (2001) Diabetes and gender. Diabetologia 44: 3–15. Gauderman, W.J., E. Avol, F. Lurmann, N.Kuenzli, F. Gilliland, J. Peters & R. McConnell
(2005). Childhood asthma and exposure to traffic and nitrogen dioxide. Epidemiology 16:
6, 737–743. Gillespie, T.W., G.M. Foody, D. Rocchini, A.P. Giorgi & S. Saatchi (2008). Measuring and
modelling biodiversity from space. Progress in physical geography 32: 2, 203–221.
GINA (Global Initiative for Asthma ) (2012).Global Strategy for Asthma Management and Prevention. 109 s.
Gould, W. (2000). Remote sensing of vegetation, plant species richness and regional
biodiversity hotspots. Ecological applications 10, 1861–1870.
Gottschalk, T.K., F. Huettmann & M. Ehlers (2005). Thirty years of analyzing and modelling avian habitat relationships using satellite imagery data: a review. International Journal of
Remote Sensing, 26: 12, 2631–2656.
Graham-Rowe, D. (2011). When allergies goes west. Nature 479, S2–S4. Haahtela T., H. Lindholm, F. Bjorksten, K. Koskenvuo & L.A. Laitinen (1990). Prevalence of
asthma in Finnish young men. British Medical Journal 301, 266–268.
Haahtela, T., L.E. Tuomisto, A. Pietinalho, T. Klaukka, M. Erhola, M. Kaila, M. M. Nieminen,
E. Kontula & L. A .Laitinen (2006). A 10 year asthma programme in Finland: major change for the better. Thorax 61, 663–670.
Haahtela ym. (2013). The biodiversity hypothesis and allergic disease: worlds allergy
organization position statement. World allergy organization journal 6: 3, 1–18. Haglund B, K. Ryckenberg, O. Selinus & G. Dahlquist (1996). Evidence of a relationship
between childhood-onset type I diabetes and low groundwater concentration of zinc.
Diabetes Care 19, 873–875. Haines-Young, R. (2009). Land use and biodiversity relationships. Land use policy 26S, S178–
A186.
Haines-Young, R. and Potschin, M. (2013). Common International Classification of Ecosystem
Services (CICES): Consultation on Version 4, August-December 2012. EEA Framework Contract No EEA/IEA/09/003.
Hanauer S. B. (2006). Inflammatory bowel disease: Epidemology, pathogenesis, and therapeutic
opportunities. Inflammtory Bowel Diseases 12, S3–S9. Hanna, S.P. (2010). Maps and diagrams. Teoksessa Gomez, B. & J.P. Jones (toim.): Research
methods in geography. 459 s. Wiley-Blackwell.
Hanski I., J. Clobert & W. Reid (1995). Loss of habitat. Teoksessa Heywood V.H & R. T. Watson (toim.): Global biodiversity assessment. 1140 s. Cambridge university press.
Hanski, I. (2005a). The shrinking world: ecological consequences of habitat loss. 307 s.
Excellence in ecology 14.
Hanski, I. (2005b). Landscape fragmentation, biodiversity loss and the societal response. EMBO reports 6: 5, 388–392.
Hanski, I., L. von Herzen, N. Fyhquist, K. Koskinen, K. Torppa, T. Laatikainen, P. Karisola, P.
Auvinen, L. Paulin, M.J. Mäkelä, E. Vartiainen, T.U. Kosunen, H. Alenius & T. Haahtela (2012). Environmental biodiversity, human microbiota, and allergy are interrelated. PNAS
109: 21, 8334–8339.
Harjutsalo, V., L. Sjöberg & J. Tuomilehto (2008). Time trends in the incidence of type 1
diabetes in Finnish children: a cohort study. Lancet 371, 1777–82. Hastie T. & R. Tibshirani (1984). Generalized additive models. 39 s.Technical Report No 2.
Department of Statistics Stanford University.
Hastie, T. & R. Tibshirani (1986). Generalized additive models. Statistical science, 1: 3, 297–318.
Hastie, T. & R. Tibshirani (1990). Generalized additive models. 335 s. Chapman and Hall, s.
76
Hiedanpää, J., L. Suvanto & A. Naskali (toim.) (2010). Hyödyllinen luonto, ekosysteemipalvelut hyvinvointimme perusta. 283 s. Vastapaino, Tampere
Hilden, M., A.P. Auvinen & E. Primmer (2005). Suomen biodiversiteettiohjelman arviointi.
Suomen ympäristö 770, s. 251. Hilty, M., C.Burke, H. Pedro, P. Cardenas, A. Bush, C. Bossley, J. Davies, A. Ervine, L.
Poulter, L. Pachter, M. F. Moffatt & W.O. C. Cookson (2010). Disordered Microbial
Communities in Asthmatic Airways. PlOs One, 5: 1. 1–9. Hjort, J., & Luoto, M. (2006). Modelling patterned ground distribution in Finnish Lapland: an
integration of topographical, ground and remote sensing information. Geografiska
Annaler: Series A, Physical Geography 88: 1, 19–29.
Holgate S. T. (1999). Genetic and environmental interaction in allergy and asthma. Journal of Allergy and Clinical Immunology 104, 1139–46.
Holopainen, M. & P. Pulkkinen (2008). Tilastolliset menetelmät. 5. p. 360 s. WSOY, Helsinki.
Honkasalo A. (2011). Esipuhe. Teoksessa Ratamäki O., P. Vihervaara, E. Furman & J. Tuomisaari (toim.): Ekosysteemipalveluiden tutkimus osaksi ympäristö- ja
luonnonvarojen hallintaa. Suomen ympäristökeskuksen raportteja 7. 66 s. Helsinki.
Honnay, O., K. Piessens, W. Van Landuyt, M. Hermy, H. Gulinck (2002). Satellite based land
use and landscape complexity indices as predictors for regional plant species diversity. Landscape and Urban Planning 63, 241–250.
Hough, R.L. (2014). Biodiversity and human health: evidence for casualty? Biodiversity
conservation 23: 267–288. Huynen M., P. Martens & R.S. de Groot (2004). Linkages between biodiversity loss and human
health: a global indicator analysis. International Journal of Environmental Health
Research 14: 1, 13–30. Hölttä, V. (2012). Mucosal IL-17 immunity in disease – with special reference to inflammatory
bowel disease. National Institute for Health and Welfare (THL) 94. 135 s. Helsinki.
ISAAC (The International Study of Asthma and Allergies in Childhood) (1998). Worldwide
variation in prevalence of symptoms of asthma, allergic rhinoconjunctivitis, and atopic eczema: ISAAC . The Lancet, 351, 1225–1232.
Ivanov, I., R. de Llanos Fruots, N. Manel, K. Yoshinaga, D. Rifkin, R. B. Sartor, B. Finlay & D.
Littman (2008). Specific Microbiota Direct the Differentiation of IL-17-Producing T-Helper Cells in the Mucosa of the Small Intestine. Cell Host & Microbe 4: 4, 337–349.
Jaakkola, J.K., M. Paunio, M. Virtanen & O.P. Heinonen (1991). Low-level air pollution and
upper respiratory infection in children. American Journal of Public Health, 81: 8, 1060–1063.
Kansallinen terveyserojen kaventamisen toimintaohjelma 2008–2011 (2008). Sosiaali- ja
terveysministeriö. Julkaisuja 16. 168 s. Kansainvälinen luonnonsuojeluliitto (IUCN) (2013). Finland’s biodiversity at risk. A call for
action. 9 s. Brysseli.
Karvonen M., M. Viik-Kajander, E. Moltcganova, I. Libman, R. LaPorte & J. Tuomilehto (2000). Incidence of childhood type 1 diabetes worldwide. Diabetes Care, 23: 1516–
1526.
Kaupunkien ja kuntien lukumäärät 1917–2013 (2013).<http://www.kunnat.net/fi/tieto
pankit/tilastot/aluejaot/kuntien-lukumaara/Sivut/default.aspx>. 19.3.2014. Kondrashova, A., T. Seiskari, J. Ilonen, M. Knip & H. Hyöty (2005). The ‘Hygiene hypothesis’
and the sharp gradient in the incidence of autoimmune and allergic diseases between
Russian Karelia and Finland. APMIS 121, 478–493. Koskinen, S., A. Aromaa, J. Huttunen & J. Teperi (toim.) (2006). Health in Finand. 176 s.
National Puplic health institute. National Research and Development Centre for Welfare
and Health Stakes : Ministry of Social Affairs and Health.
77
Kotaniemi, J.T., P. Pallasaho, A.R. Sovijärvi, L.A. Laitinen & B. Lundbäck (2002). Respiratory symptoms and asthma in relation to cold climate, inhaled allergens and irritants: A
comparison between Northern and Southern Finland. Journal on Asthma 39: 7, 649–658.
Kotaniemi, J.T., J. Latvala, B. Lundbäck, A. Sovijärvi, J. Hassi & Kjell Larsson (2003). Doeas living in a cold climate or recreational skiing increase the risk for obstructive respiratory
diseases or symptoms? International Journal of Circumpolar Health 62: 2, 142–157.
Kraine M.R. & R.M. Tisch (1999) The role of environmental factors in insulin-dependent diabetes mellitus: an unresolved issue. Environ Health Perspect 107: 5, 777–781.
Krauss, J., R. Bommarco, M. Guardiola, R. Heikkinen, A. Helm, M. Kuusisaari, R. Lindborg, E.
Öckinger, M. Pärtel, J. Pino, J. Pöyry, K.M. Raatikainen, A. Sang, C. Stefanescu, T.
Teder, M Zobel & I. Steffan-Dewenter (2010). Habitat fragmentation causes immediate and time-delayed biodiversity loss at different trophic leves. Ecology letters 13, 597–605.
Kyvik K., Anders Green, Henning Beck-Nielsen (1995). Concordance rates of insulin
dependent diabetes mellitus: a population based study of young Danish twins. BMJ 311: 913-917.
LaDou J. (2001). Preface. Teoksessa Forget, G. & J. Lebel (2001). An ecosystem approach to
human health. International Journal of occupational environmental health 7: 2, S1–S38.
Latvala J., L. von Herzen, H. Lindholm & T. Haahtela (2005). Trends in prelevance of asthma and allergy in Finnish young men: nationwide study, 1966–2003. British Medical Journal
330, 1186–87.
Lehtinen P., M. Ashorn, S. Iltanen, R. Jauhola, P. Jauhonen, K.L Kolho & A. Auvinen (2011). Incidence Trends of Pediatric Inflammatory Bowel Disease in Finland, 1987–2003, a
Nationwide Study. Inflammatory Bowel Diseases 17: 8, 1778–1783.
Lindenmayer, D.B & Fischer J. (2006). Habitat fragmentation and landscape change. An ecological and conservation synthesis. 317 s. Island press, Washington D.C.
Lloyd, C.D. ( 2010). Spatial data analysis. An introduction for GIS users. 206 s.Oxford
university press,
Luonnon puolesta- Ihmisen hyväksi (2007). Suomen luonnon monimuotisuuden suojelun ja kestävän käytön strategia ja toimintaohjelma 2006–2016. Suomen ympäristö 35. 162 s. 6
MA (Millennium Ecosystem Assessment) (2005). Ecosystems and Human Well-being:
Synthesis. Island Press, Washington, DC, S. 155. Mace, G., H. Masundire & J. Baillie (2005). Biodiversity. Teoksessa Hassan, R., R. Scholes &
N. Ash (toim.): Ecosystems and Human Well-being: Current State and Trends. 899 s.
Volume 1. Island press, Washington DC. McConnell, R., K. Berhane, L.Yao, M.Jerrett, F.Lurmann, F.Gilliland, N. Künzli, J.
Gauderman, E. Avol, D. Thomas & J. Peters (2006). Traffic, susceptibility and childhood
asthma. Environmental Health Perspectives 114: 5, 766–772.
McKinney M.L. (2002). Urbanization, biodiversity and conservation. BioScience 52: 10, 883–890.
McKinney, M.L. (2006). Urbanization as a major cause of biotic homogenization. Biological
conservation 127, 247–260. McKinney, M.L. (2008). Effects of urbanization on species richness: A review of plants and
animals. Urban Ecosystems 11:161–176.
MacNally, R. 2000 Regression and model-building in conservation biology, biogeography and
ecology: The distinction between—and reconciliation of—‘predictive’ and explanatory models. Biodiversity Conservation 9, 655–671.
MacNally, R. (2002). Multiple regression and inference in ecology and conservation biology:
further comments on identifying important predictor variables. Biodiversity and Conservation 11, 1397–1401.
Marzluff JM. 2001.Worldwide urbanization and its effects on birds. Teoksessa in Marzluff
J.M., R. Bowman, R. Donnelly (toim.). Avian Ecology in an Urbanizing World ,19–47.
78
Marttila, O., J.J.K. Jaakkola, V. Vilkka, P. Jappinen & T. Haahtela (1994). The South Karelia Air Pollution Study: The Effects of Malodorous Sulfur Compounds from Pulp Mills on
Respiratory and Other Symptoms in Children. Environmental research 66: 2, 152–159.
Masoli M., D. Fabian, S. Holt & R. Beasley (2004). The global burden of asthma: executive summary of the GINA Dissemination Committee Report. Allergy 59, 469–478.
Melillo J. & O. Sala (2008). Ecosystem services. Teoksessa Chivian E. & A. Bernstein (toim.).
Sustaining life. How human health depends on biodiversity. 542 s. Oxford university press.
Mestecky, J., Lamm, M.E., McGhee, J.R., Bienenstock, J., Mayer, L. & Strober, W. (toim.)
(2005). Mucosal immunology, 3. p. Elsevier Academic Press, United States of America
Metsämuuronen, J. (2006). Tutkimuksen tekemisen perusteet ihmistieteissä. 2. p. 1324 s. International Methelp Ky, Helsinki.
Mooney H. A., R.N. Mack, J.A McNeely, L.E. Neville, P.J. Schei & J.K. Waage (2005).
Invasive alien species. A new synthesis. 368 s. Island Press, Washington DC. Moisio, P., S. Karvonen, J. Simpura & M. Heikkilä (2008). Suomalaisten hyvinvointi. 2. p. 328
s. Sosiaali- ja terveysalan tutkimus- ja kehittämiskeskus, Vammala.
Molodecky, N.A., Soon, I.S., Rabi, D.M., Ghali, W.A., Ferris, M., Chernoff, G., Benchimol,
E.I., Panaccione, R., Ghosh, S., Barkema, H.W. & Kaplan, G.G. 2012, "Increasing incidence and prevalence of the inflammatory bowel diseases with time, based on
systematic review". Gastroenterology 142: 1, 46–54.
Nagendra, H. (2001). Using remote sensing to assess biodiversity. Internationa l Journal of Remote Sensing 22: 12, 2377–2400.
Nagendra, H. (2002). Opposite trends in response for the Shannon and Simpson indices od
landscape diversity. Applied Geography 22, 175–186. Nejentsev S, S. Koskinen S, M.Sjöroos, H. Reijonen, E. Schwartz & L. Kovalchuk (1998).
Distribution of insulindependent diabetes mellitus (IDDM)-related HLA alleles correlates
with the difference in IDDM incidence in four populations of the Eastern Baltic region.
Tissue Antigens 52, 473–7. Newman D.J., J. Kilama, A. Bernstein & E. Chivian (2008). Medicines from nature. Teoksessa
Chivian E. & A. Bernstein (toim.) (2008). Sustaining life. How human health depends on
biodiversity.542 s. Oxford university press. Novotny, V., Y. Basset, S.E. Miller, G.D. Weiblen, B. Bremer, L. Cizek, & P. Drozd (2002).
Low host specificity of herbivorous insects in a tropical forest. Nature 416, 841–844.
Ober C. (2205). Perspectives on the past decade of asthma genetics. Journal of Allergy and Clinical Immunology 116, 274–8.
Oikarinen, S. ym. (2014). Virus Antibody Survey in Different European Populations
Indicates Risk Association Between Coxsackievirus B1 and Type 1 Diabetes. Diabetes
63, 655–662. Okada H., C. Kuhn, H. Feillet & J. Bach (2010). The ”hygiene hypothesis” for autoimmune and
allergic diseases: an update. Clinical and Experimental Immunology 160, 1–9.
Onkamo, P. S. Väänänen, M. Karvonen, J. Tuomilehto (1999). Worldwide increase in incidence of Type I diabetes -the analysis of the data on published incidence trends. Diabetologia
42, 139–1403.
Orholm M., V. Binder, T. I. A. Sørensen, L. P. Rasmussen & K. O. Kyvik (2000). Concordance
of Inflammatory Bowel Disease among Danish Twins, Results of a Nationwide Study. Scandinavian Journal of Gastroenterology, 1075–1081.
Palmer, M.W., P. Earls, B.W. Hoagland, P.S. White & T. Wohlgemuth (2002). Quantitative
tools for perfecting species lists. Environmetrics 13, 121–137. Parmar, A.S. (2013). Interplay of genetic and environmental triggers in intestinal inflammation:
Genetics and transcriptomics in celiac disease and inflammatory bowel disease. 132 s.
Research Programs Unit, Immunobiology University of Helsinki.
79
Parviainen M., M. Luoto, R. K. Heikkinen (2009). The role of local and landscape level
measures of greenness in modeling boreal plat species richness. Ecological Modelling
220, 2690–2701. Patterson, C.C., G. Dalqhuist, G. Soltesz & A. Green (2001). Is childhood-onset type 1 diabetes
a wealth-related disease? An ecological analysis of European incidence rates. Diabetologia 44: 3, B9–B16.
Patz, J.A., U. E.C. Confalonieri (2005). Human Health: Ecosystem Regulation of Infectious
Diseases. Teoksessa Hassan, R., R. Scholes & N. Ash (toim.) (2005). Ecosystems and Human Well-being: Current State and Trends, Volume 1. 899 s . Island press,
Washington DC.
Pearson, R.W. (2010). Statistical persuasion. How to collect, analyze and present data accurately, honestly and persuasively. 405 s. SAGE puplications, Los Angeles.
Pettorelli, N., J.O. Vik, A. Mysterud, J.M. Gaillard, C.J. Tucker & N.C. Stenseth (2005). Using
the satellite-derived NDVI to assess ecological responses to environmental change.
Trends in Ecology and Evolution 20: 9, 503–510. Pimm, S.T., M.A. Alves, E. Chivian & A. Bernstein (2008). What is biodiversity? Teoksessa
Chivian E. & A. Bernstein (toim.) (2008). Sustaining life. How human health depends on
biodiversity. 542 s. Oxford university press. Podolsky D. K. (1991). Medical progress. Inflammatory bowel disease. The New England
Journal of Medicine 325: 13, 928–937.
Potschin, M.B. & R.H. Haines-Young (2011). Ecosystem services: Exploring a geographical
perspective. Progress in physical geography 35, 575–594. Quinn, G.P & M.J. Keough (2002). Experimental design and data analysis for biologists. 537 s.
Cambridge.
Ranta, P. & V. Viljanen (2011). Vascular plants along an urban-rural gradient in the city of Tampere, Finland. Urban Ecosystems 14, 361–376.
Rassi, P., E. Hyvärinen, A. Julsen & I. Mannerkoski (2010). Suomen lajien uhanalisuus.
Punainen kirja 2010. 180 s. Ympäristöministeriö, Helsinki. Ratamäki O., P. Vihervaara, E. Furman & J. Tuomisaari (2011). Ekosysteemipalveluiden
tutkimus osaksi ympäristö- ja luonnonvarojen hallintaa. Suomen ympäristö-keskuksen
raportteja 7. 66 s. Helsinki.
Raunio, A., A. Schulman & T. Kontula (2008). Suomen luontotyyppien uhanalaisuus- Osa 1. Suomen ympäristö 8, 264 s.
Reed, B., J. Brown, D. VanderZee, T.R. Loveland, J. Merchant & D.O. Ohlen (1994).
Measuring phenological variability from satellite imagery. Journal of Vegetation Science 5: 703–714.
Richardson, D.B., N.D. Volkow, M.P. Kwan, R.M. Kaplan, M.F. Goodchild & R.T. Croyle
(2010). Spatial turn in health research. Science 339, 1390–1391. Rogerson, P.A. (2010). Statistical methods for geography. A student’s guide. 3. p. 348 s. SAGE
Puplications,
Rook G. A. (2008). Review series on helminthes, immune modulation and the hygiene
hypothesis: The broader implications of the hygiene hypothesis. Immunology 126, 3–11. Rook G. A. (2010). 99
th Dahlem Conference on infection, inflammation and chronic
inflammatory disorders: Darwinian medicine and the “hygiene” or “old friends”
hypothesis. Clinical and experimental immunology 160, 79–79. Rook G.A.W., C.A. Lowry & C.L. Raison (2013). Microbial ‘Old friends’, immunoregulation
and stress resilience. Evolution, Medicine and Public Health, 46–64.
Rytkönen, M. (2004). Geographical study on childhood type 1 diabetes mellitus (TIDM) in
Finland. Department of Geography. 74 s. University of Oulu. Univerisity press.
80
Sala O.E, F. S. Chapin III, J. Armesto, E. Berlow, J. BloomÞeld, R. Dirzo, E. Huber-Sanwald, L.F. Huenneke, R. B. Jackson, A. Kinzig, R. Leemans, D. M. Lodge, H. A. Mooney, M.
Oesterheld, N. LeRoy Poff, M. T. Sykes, B. H. Walker, M.Walker, D. H. Wall
(2000).Global biodiversity scenarios for the year 2000. Science 287, 1770–1774. Sala, O.E., L.A. Meyerson & C. Parmesan (2009). Biodiversity change and human health :
from ecosystem services to spread of disease. 320 s. Washington, DC : Island Press.
Schwarz, M.W., C.A Brigham, J.D. Hoeksema, K.G. Lyons, M.H. Mills & P.J. vanMantgem (2000). Linking biodiversity to ecosystem function: implication for conservation ecology.
Oecologia 122, 297–305.
Secretariat of the Convention on Biological Diversity (2006). Global Biodiversity Outlook 2. 81
s. Montreal. Shivananda S., J. Lennard-Jones, R. Logan, N. Fear, A. Price, L. Carpenter & M. van
Blankenstein (1996). Incidence of inflammatory bowel disease across Europe: is there a
difference between north and south? Results of the European collaborative study on inflammatory bowel disease (EC-IBD). Gut 39, 690–697.
Sinha A., M. T. Lopez, H. O. McDevitt (1990). Autoimmune diseases: The failure of self-
tolerance. Science 248, 1380–1388.
Sieswerda L. E., C. L. Soskolne, S. C. Newman, D. Schopflocher & K. E. Smoyer (2001). Toward Measuring the impact of ecological disintegrity on human health. Epidemology
12: , 28– 32.
Sjögren Y. M., M. C. Jernmalm, M. F Böttcher, B. Björksten & E. Sverremar-Ekström (2009). Altered early infant gut microbiota in children developing allergy under 5 years of age.
Clinical and Experimental Allergy 39, 518–526.
Soon, I.S., N.A. Molodecky, D.M. Rabi, W.A. Ghali, H.W. Barkema & G.G. Kaplan (2012). The relationship between urban environment and the inflammatory bowel diseases: a
systematic review and meta- analysis. BMC gastroenterology 12: 1, 51–230X–12–51.
Steward ym. (2001). The relationship of per capita gross national product to the prevalence of
symptoms of asthma and other atopic diseases in children (ISAAC). International Journal of Epidemiology 30, 173–179.
Spellerber, I.F. & P.J. Fedor (2003). A tribute to Claude Shannon (1916–2001) and a plea for
more rigorous use of species richness, species diversity and the ‘Shannon–Wiener’ Index. Global Ecology & Biogeography 12, 177–179.
Strachan, D.P. (1989). Hay fever, hygiene and household size. British medical journal 299,
1259–1260. Suomen kartasto (1988). Elävä luonto, luonnonsuojelu (141–143). Maanmittauslaitos.
Suomen kartasto (1993). Johdanto, hakemisto (111). Maanmittauslaitos.
SYKE (2013). Maanpeite kunnittain 4. luokittelutasolla.(xlsx).< http://www.syke.fi/fi-
FI/Palvelut/Ymparistotietojarjestelmat/Paikkatietoanalyysien_tuloksia%282231%29> 20.11.2013. TARVIIKO TÄLLAISTA VIITETTÄ SILLE, MISTÄ AINEISTO SAATU?
TEEB (2010). Kumar, P. (2010). The economics of ecosystems and biodiversity. Ecological
and economic foundations. 401 s. Earthscan Tedeschi A & L. Airaghi (2006). Is affluence a risk factor for bronchial asthma and type 1
diabetes. Pediatric Allergy and Immunology 17, 533–537.
THL (2014a). <http://www.thl.fi/fi_FI/web/fi/aiheet/tietopaketit/diabetes> 8.1.2014
THL (2014b). <http://uusi.sotkanet.fi/portal/page/portal/etusivu/hakusivu/metadata?type=I& indicator=3126>22.1.2014
THL (2014c). <http://uusi.sotkanet.fi/portal/page/portal/etusivu/hakusivu/metadata?type=I& indicator=181>22.1.2014
THL (2014d). <http://uusi.sotkanet.fi/portal/page/portal/etusivu/hakusivu/metadata?type=I&
indicator=714> 22.1.2014
81
THL (2014e). <http://uusi.sotkanet.fi/portal/page/portal/etusivu/hakusivu/metadata?type=I& indicator=184> 22.1.2014
Tilastokeskus (2010). <https://www.stat.fi/tup/vl2010/art_2011-12-16_001.html> 9.3.2014.
Tilastokeskus (2013a). <http://www.stat.fi/meta/luokitukset/kunta/001-2013/kuvaus.html> 19.3.2014.
Tilastokeskus (2013b). <http://pxweb2.stat.fi/Dialog/varval.asp?ma=050_vaerak_tau_104&ti=
V%E4est%F6+i%E4n+%281%2Dv%2E%29+ja+sukupuolen+mukaan+alueittain+1980+%2D+2012&path=../Database/StatFin/vrm/vaerak/&lang=3&multilang=fi>
15.12.2013
Tilastokeskus (2014a). < http://tilastokeskus.fi/meta/kas/bktmarkkina.html>. 3.5.2014. Tilastokeskus (2014b). http://www.stat.fi/tup/suoluk/suoluk_vaesto.html#vaestorakenne.
9.3.2014.
Tilastokeskus (2014c). <http://www.stat.fi/meta/kas/gini_kerroin.html> 1.3.2014. Tirri, R., J. Lehtonen, R. Lemmetyinen, S. Pihakaski & P. Portin. (2001). Biologian sanakirja. 2
p. 888 s. Otava, Keuruu.
Todd JA (1991) A protective role of the environment in the development of type 1 diabetes?
Diabetic Medicine 8, 906–910. Tuomilehto, J. M. Karvonen, J. Pitkäniemi, E. Virtala, K. Kohtamäki, L. Toivanen, E.
Tuomilehto-Wolf (1999). Record-high incidence of Type I (insulin-dependent) diabetes
mellitus in Finnish children. Diabetologia 42, 655–660. Waltraud E., M. J. Ege & E. von Mutius (2006). The asthma epidemic. The New England
Journal of Medicine 355, 2226–2235.
Weiland, S.K., A Husing, D.P. Strachan, P. Rzehak & N. Pearce (2004). Climate and the
prevalence of symptoms of asthma, allergic rhinitis, and atopic eczema in children. Occupational and Environmental Medicine 61, 609–615.
Wen, L., R.E. Ley, P. Yu. Volchkov, P. B. Stranges, L. Avanesyan, A. C. Stonebraker, C.Hu,
F. S. Wong, G. L. Szot, J. A. Bluestone, J.I. Gordon & A.V. Chervonsky (2008). Innate immunity and intestinal microbiota in the development of Type 1 diabetes. Nature 445,
1109–1114.
Verlato G, Calabrese R, De Marco R. Correlation between asthma and climate in the European Community Respiratory Health Survey. Archives of Environmental Health 57, 48–52.
Westernholm, J. & P. Raento (1999). Suomen kartasto. 6. laitos. 207 s. Suomen
maantieteellinen seura ry. WSOY. Porvoo.
WHO (2006). Constitution of the world health organization. 18 s. Basic Documents, Forty-fifth edition, Supplement.
Vié, J.-C., C. Hilton-Taylor & S.N. Stuart (2008). Wildlife in a Changing World – An Analysis
of the 2008 IUCN Red List of Threatened Species Gland. 180 s. Switzerland. Visser, S. & J.P. Jones (2010). Descriptive Statistics. Teoksessa Gomez, B. & J.P. Jones (toim.)
(2010). Research methods in geography. 459 s. Wiley-Blackwell.
Vitousek, P.M. (1994). Beyond Global Warming: Ecology and Global Change. Ecology 75: 7, 1861–1876.
Vitousek, P., M. H. A. Mooney, J. Lubchenco & J.M. Melillo (1997). Human domination of
earth’s ecosystems. Science 177: 15, 494–499.
Wong, D.W.S. & J. Lee (2005). Statistical analysis of geographic information, with ArcView GIS and ArcGIS. 439 s. Wiley, John Wiley & Sons, Inc.
von Herzen ym. (2005). Growing disparaties in atopy between the Finns and the Russains: A
comparison of 2 generations. Journal of Allergy and Clinical Immunology 117: 1, 151–157.
von Herzen, L. & T. Haahtela (2006). Disconnection of man and the soil: Reason for the asthma
and atopy epidemic? Journal of Allergy and Clinical Immunology 117: 2, 334–344.
82
von Herzen L., I. Hanski & T. Haahtela (2011). Biodiversity loss and inflammatory diseases are two global megatrends that might be related. EMBo reports 12: 11, 1089–1093.
Wood, S.N. & N.H. Augustin (2002). GAMs with integrated model selection using penalized
regression splines and applications to environmental modelling. Ecological Modelling 157, 157–177.
Wuolijoki, A. (2005). Aino: suuri Suomen kartasto. s. 377.
WWF (2010). Reinventing the City: Three Perquisites for Greening Urban Infrastructures. 12s. WWF International, Gland, Switzerland.
WWF (2012). Living planet report. Biodiversity, biocapacity and better choises. 80s.
Xie, Y., Z. Sha & M. Yu (2008). Remote sensing imaginary in vegetation mapping: a reviw.
Journal of plant ecology, 1:1, 9–20. Yee, T.W. & M.D. Mitchell (1991). Generalized additive models in plant ecology. Journal of
vegetation science 2, 587–602.
YK (2011). World urbanization prospects, the 2011revision. 302 s. Department of Economic and Social Affairs Population Division. United Nations New York.
Zanolin M.E., C. Pattaro, A. Corsico, M. Bugiani, L. Carrozzi, L. Casali, R. Dallari, M. Ferrari,
A. Marinoni, E. Migliore, M. Olivieri, P. Pirina, G. Verlato, S. Villani, R. deMarc (2004).
The role of climate on the geographic variability of asthma, allergic rhinitis and respiratory symptoms: results from the Italian study of asthma in young adults. Allergy
59, 306–314
83
13. Liitteet
Liite 1. Ekosysteemipalveluiden jaottelu CICES:in mukaan. Muokattu (Haines-Young &
Potschin 2013: 17) pohjalta.
Ekosysteemipalvelu Jaottelu Ryhmä
Tuotantopalvelut - Ravinteet
- Materiaalit
- Energia
Biomassa, vesi
Biomassa, kuidut, vesi
Bioenergia, mekaaninen energia
Säätely- ja
ylläpitopalvelut
- Jätteiden, myrkkyjen jne.
poisto
- Virtausten säätely
- Fysikaalisten, kemiallisten,
biologisten olosuhteiden
ylläpito
- Poisto eliöiden, ekosysteemien avulla
- Massaliikunnot, vesien ja ilman virtaukset
- Habitaattien, geenien ylläpito, tuhoeläinten
ja tautien kontrollointi, maaperän
muodostuminen, veden laatu, ilmaston
säätely
Kulttuurilliset
palvelut
- Fyysiset, henkiset vuoro-
vaikutukset ympäristön kanssa
- Hengelliset, symboliset
vuoro- vaikutukset ympäristön
kanssa
Fyysiset ja kokemukselliset, henkiset
vuorovaikutukset
Hengelliset ja muut kulttuurilliset tuotteet
84
Liite 2. Corine 2006 luokat ja niiden pohjalta tehdyt jaottelut.
Corine 2006-aineiston maankäyttöluokkien kuvaukset
value luokka Yhdistetty luokka
Urban-luokka
1 Tiiviisti rakennetut asuinalueet
2 Väljästi rakennetut asuinalueet
3 Teollisuuden ja palveluiden alueet
4 Liikennealueet 5 Satama-alueet
6 Lentokenttäalueet
7 Maa-aineisten ottoalueet
8 Kaatopaikat
9 Rakennustyöalueet
10 Kesämökit
11 Muut urheilu- ja vapaa-ajan toiminta –alueet
12 Golfkentät
13 Raviradat
Maatalous-luokka
14 Käytössä olevat pellot
15 Käytöstä poistuneet pellot
16 Hedelmäpuu- ja marjapensasviljelmät 17 Laidunmaat
Metsämaa-luokka 18 Lehtimetsät kivennäismaalla
19 Lehtimetsät turvemaalla
20 Havumetsät kivennäismaalla
21 Havumetsät turvemaalla
22 Havumetsät kalliomaalla
23 Sekametsät kivennäismaalla
24 Sekametsät turvemaalla
25 Sekametsät kalliomaalla
26 Luonnonniityt
27 Varvikot ja nummet
Metsämaa-luokka
28 Harvapuustoiset alueet, cc <10%
29 Harvapuustoiset alueet, cc 10-30%, kivennäismaalla
30 Harvapuustoiset alueet, cc 10-30%, turvemaalla
31 Harvapuustoiset alueet, cc 10-30%, kalliomaalla
32 Harvapuustoiset alueet havumetsärajan yläpuolella
33 Harvapuustoiset alueet, käytöstä poistuneet maatalousmaat
34 Rantahietikot ja dyynialueet
35 Kalliomaat
36 Sisämaan kosteikot maalla
37 Sisämaan kosteikot vedessä
38 Avosuot
39 Turvetuotantoalueet
40 Merenrantakosteikot maalla
41 Merenrantakosteikot vedessä
42 Joet
43 Järvet
44 Meri
85
Liite 3. Perustunnusluvut selittävistä muuttujista. Taulukossa ei ole mukana Digi_min ja
Digi_range, koska ensimmäisenä mainitun arvot ovat 0,00 ja viimeisenä mainitun arvot
ovat samoja kuin Digi_max:in arvot.
Keskiarvo Mediaani Minimi Maksimi Keskihajonta
Urban
(%)
6,4 4,2 0,2 65 0,083
Maatalous
(%)
14,5 12,7 0,04 51 0,011
Metsämaa
(%)
52 54 11 73 0,0101
Shannon 1,8 1,9 0,18 2,46 0,39
NDVImin – 0,91 – 0,94 – 1,0 – 0,54 0,084
NDVImax 0,95 0,96 0,76 0,98 0,034
NDVIrange 1,87 1,89 1,48 1,98 0,093
NDVImean 0,22 0,33 - 0,63 0,55 0,27
NDVIstd 0,33 0,31 0,17 0,57 0,09
DIGImax
(%)
0,0006930 0,00029106 0,0000136 0,029975 0,0021887
DIGImean
(%)
0,00001231 0,00002947 0,00000013 0,01303 0,0007915
DIGIstd
(%)
0,00001109 0,0000369 0,00000052 0,006837 0,0004832
Class 35,7 36 28 39 2,28
Temp_mean
(°C)
– 7,6 – 7,5 – 14,7 – 1,2 2,72
Gini 27,7 27,3 22,2 48,4 2,55
Työttömät
(%)
11,8 11,7 0,0 27,2 4,75
Alkoholi
(l)
7,3 7,4 0,68 47,4 4,56
Sairastuvuus
-indeksi
117,3 115 58 176 17,7
86
Liite 4. Korrelaatiot tutkittavien sairauksien ja selittävien muuttujien välillä. Jatkuu
seuraavalle sivulle.
Spearma
n's rho
Urban Maa-
talous
Metsä-
maa
Shan-
non
Ndvi_mi
n
Ndvi_ma
x
Ndvi_
range
Ndvi_me
an
Ndvi_
std
Astma-
YHT
-,257** -,213** ,106 ,321** ,033 -,062 -,032 ,038 -,116*
Astma
pojat
-,234** -,188** ,098 ,326** ,045 -,056 -,040 ,009 -,101
Astmatyt
öt
-,133* -,106 ,076 ,314** ,050 -,054 -,046 ,061 -,112*
Diab-
YHT
-,068 -,033 ,054 -,116* -,044 ,088 ,073 -,049 ,063
Diab-
pojat
-,148** -,078 ,106 -,042 -,038 ,056 ,044 ,015 ,014
Diab-
tytöt
-,071 -,047 ,033 -,033 -,151** ,027 ,102 -,118* ,152**
IBD
yht
-,044 -,100 ,130* ,070 -,049 -,050 ,001 -,093 -,011
IBD
naiset
-,082 -,102 ,096 ,069 -,010 ,005 ,017 ,022 -,032
IBD
miehet
-,009 -,024 ,083 ,101 -,134* -,109 ,052 -,141* ,007
Urban 1,000 ,674** -,543** -,313** ,050 ,047 ,016 ,026 ,070
Maa-
talous
,674** 1,000 -,508** -,401** ,009 ,112* ,060 ,031 ,087
Metsä-
maa
-,543** -,508** 1,000 ,241** ,020 -,057 -,039 ,011 -,102
Shan-
non
-,313** -,401** ,241** 1,000 ,018 -,066 -,048 -,035 -,056
NDVI
min
,050 ,009 ,020 ,018 1,000 -,106 -,798** ,467** -,559**
NDVI
max
,047 ,112* -,057 -,066 -,106 1,000 ,590** ,328** ,203**
NDVI
range
,016 ,060 -,039 -,048 -,798** ,590** 1,000 -,146** ,481**
NDVI
mean
,026 ,031 ,011 -,035 ,467** ,328** -,146** 1,000 -,569**
NDVI
std
,070 ,087 -,102 -,056 -,559** ,203** ,481** -,569** 1,000
DIGI
max
,687** ,507** -,476** -,412** -,012 ,010 ,012 -,050 ,108
DIGI
mean
,679** ,531** -,499** -,229** -,028 ,045 ,034 -,043 ,089
DIGI
std
,698** ,532** -,514** -,377** -,019 ,019 ,016 -,056 ,108
Class ,125* -,093 ,098 ,105 ,043 ,053 -,001 ,049 ,025
Gini ,229** ,148** -,272** -,182** ,021 ,074 ,008 ,046 ,028
Työt-
tömät
-,534** -,621** ,378** ,478** -,007 -,057 -,031 ,000 -,111*
Alko-
holi
-,004 -,307** ,002 ,248** ,054 -,010 -,017 ,102 -,126*
Kela
sairast
-,680** -,519** ,447** ,467** -,051 ,010 ,036 -,017 -,083
TEMPm
ean
,700** ,621** -,412** -,594** -,034 ,102 ,085 ,027 ,124*
87
Spearma
n's rho DIGI
max
DIGI
mean
DIGI
std
Class Gini Työt-
tömät
Alko-
holi
Kela
sairast.
TEMPm
ean
Astma
YHT
-,420** -,317** -,403** ,140* -,190** ,294** ,215** ,400** -,464**
Astma
pojat
-,416** -,331** -,407** ,152** -,168** ,271** ,216** ,355** -,440**
Astma
tytöt
-,364** -,244** -,339** ,207** -,186** ,241** ,205** ,319** -,388**
Diab
YHT
,066 ,031 ,048 -,093 ,009 ,053 -,073 ,048 ,059
Diab
pojat
-,019 ,009 -,017 -,121* -,010 ,160** -,041 ,146** -,067
Diab
tytöt
,018 ,015 ,015 ,000 ,012 ,025 -,087 ,064 ,044
IBD
yht
-,036 -,023 -,035 ,018 -,013 ,052 -,019 ,086 -,082
IBD
naiset
-,106 -,058 -,100 ,031 ,001 ,083 ,069 ,143* -,128*
IBD
miehet
-,023 ,004 -,013 ,012 -,089 ,043 -,043 ,061 -,063
Urban ,687** ,679** ,698** ,125* ,229** -,534** -,004 -,680** ,700**
Maa-
talous
,507** ,531** ,532** -,093 ,148** -,621** -,307** -,519** ,621**
Metsä-
maa
-,476** -,499** ,098 -,272** ,378** ,002 ,447**
Shan-
non
-,412** -,229** -,377** ,105 -,182** ,478** ,248** ,467** -,594**
NDVI
min
-,012 -,028 -,019 ,043 ,021 -,007 ,054 -,051 -,034
NDVI
max
,010 ,045 ,019 ,053 ,074 -,057 -,010 ,010 ,102
NDVI
range
,012 ,034 ,016 -,001 ,008 -,031 -,017 ,036 ,085
NDVI
mean
-,050 -,043 -,056 ,049 ,046 ,000 ,102 -,017 ,027
NDVI
std
,108 ,089 ,108 ,025 ,028 -,111* -,126* -,083 ,124*
DIGI
max
1,000 ,860** ,978** -,258** ,183** -,568** -,250** -,561** ,694**
DIGI
mean
,860** 1,000 ,931** -,320** ,181** -,448** -,193** -,418** ,585**
DIGI
std
,978** ,931** 1,000 -,293** ,184** -,562** -,257** -,542** ,686**
Class -,258** -,320** -,293** 1,000 ,028 ,132* ,221** -,101 -,068
Gini ,183** ,181** ,184** ,028 1,000 -,212** ,119* -,291** ,390**
Työt-
tömät
-,568** -,448** -,562** ,132* -,212** 1,000 ,363** ,722** -,758**
Alko-
holi
-,250** -,193** -,257** ,221** ,119* ,363** 1,000 ,142* -,191**
Kela
sairast.
-,561** -,418** -,542** -,101 -,291** ,722** ,142* 1,000 -,801**
TEMPm
ean
,694** ,585** ,686** -,068 ,390** -,758** -,191** -,801** 1,000
88
Liite 5. Alle 15-vuotiaiden poikien ja tyttöjen (yhdessä) astman hajontakuviot selittävien
muuttujien kanssa.
89
Liite 6. Alle 15-vuotiaiden poikien astman hajontakuviot selittävien muuttujien kanssa.
90
Liite 7. Alle 15-vuotiaiden tyttöjen astman hajontakuviot selittävien muuttujien kanssa.
91
Liite 8. Alle 15-vuotiaiden poikien ja tyttöjen 1 tyypin diabeteksen ja selittävien
muuttujien väliset hajontakuviot
92
93
Liite 9. Alle 15-vuotiaiden poikien 1 tyypin diabeteksen ja selittävien muuttujien väliset
hajontakuviot.
94
Liite 10. Alle 15-vuotiaiden tyttöjen 1 tyypin diabeteksen ja selittävien muuttujien väliset
hajontakuviot.
95
Liite 11. 15–29-vuotiaiden miesten ja naisten tulehduksellisten suolistosairauksien
hajontakuviot selittävien muuttujien kanssa. IBD-lyhenne tulee sanoista inflammatory
bowel diseases (tulehdukselliset suolistosairaudet).
96
Liite 12. 15–29-vuotiaiden miesten tulehduksellisten suolistosairauksien hajontakuviot
selittävien muuttujien kanssa. IBD-lyhenne tulee sanoista inflammatory bowel diseases
(tulehdukselliset suolistosairaudet).
97
98
Liite 13. . 15–29-vuotiaiden naisten tulehduksellisten suolistosairauksien hajontakuviot
selittävien muuttujien kanssa. IBD-lyhenne tulee sanoista inflammatory bowel diseases
(tulehdukselliset suolistosairaudet).
99
Liite 14. Alle 15-vuotiaiden poikien astmaa kuvaavien mallien 1 ja 2 residuaalit ja
ennusteista tehdyt hajontakuviot, kalibrointiaineistossa (a), evaluointiaineistossa (b).
Molemmissa malleissa kuvat ja residuaalit olivat täysin samat.
a) b)
100
Liite 15. Alle 15-vuotiaiden tyttöjen astmaa kuvaavien mallien 1 ja 2 residuaalit ja
ennusteista tehdyt hajontakuviot, kalibrointiaineistossa (a), evaluointiaineistossa (b).
Molemmissa malleissa kuvat ja residuaalit olivat täysin samat.
a) b)