Kirjoittaneet Marie Johnston ja Derek Johnston, Aberdeenin yliopisto, Skotlanti

Terveydenhuollon ammattilaiset etsivät usein ratkaisuja ongelmiin, jotka koskevat esimerkiksi yksittäistä henkilöä, tiettyä terveydenhuollon tiimiä, sairaalaa tai aluetta. Voi esimerkiksi olla tärkeää tietää, kuinka usein, missä ja milloin ylipainoinen mies syö välipaloja ja syökö hän niitä stressaantuneena tavallista enemmän. Tai saatetaan haluta tietää, kuinka usein terveydenhuoltotiimin jäsenet pesevät käsiään, harveneeko käsienpesu henkilöstöpulan aikana ja voiko tilannetta parantaa muistutusten avulla. Tai voidaan etsiä hoitovirheiden syitä ja tarkistaa, ovatko ne yleisempiä joillakin osastoilla tai joissakin henkilöstöryhmissä. Voi myös olla hyödyllistä tutkia säännösten vaikutuksia, esimerkiksi väheneekö tupakointi, kun se kielletään julkisilla paikoilla. 

Näihin kysymyksiin voisi etsiä vastauksia kysymällä ihmisiltä, mitä mieltä he ovat tai mitä he muistavat. Parempi tapa kuitenkin olisi esittää kysymyksiä tai havainnoida ilmiötä jo tilanteen aikana, jotta unohtaminen tai ajattelun vinoumat eivät vääristäisi tuloksia. Teknologiset uudistukset, kuten sähköistä seurantaa toteuttavat älypuhelimet, helpottavat reaaliaikaista seurantaa, ja n-of-1 -tutkimus saattaisi vastata kysymykseesi.

N-of-1 -tutkimus voidaan tehdä, kun pystytään tarkastelemaan ongelmaa toistuvasti ja seuraamaan muutosta ajassa. Näin voidaan kuvailla ongelma ja tutkia, onko sen tilanne parempi tai huonompi joissakin olosuhteissa. Voidaan myös toteuttaa uusi interventio tai hoito ja tutkia, onko sillä odotettu vaikutus.

Yksinkertaisin tapa tarkastella kerättyä aineistoa on havainnoida trendejä kuvaajien avulla, kuten alla olevassa kuvassa. Tämä on aina tärkeä n-of-1 -tutkimuksen vaihe ja voi jo yksinään riittää. Lisäksi voidaan käyttää n-of-1 -tutkimuksiin sopivia tilastollisia analyysimenetelmiä. Monimutkaisempia menetelmiä kehitetään yhä (esimerkiksi dynaamisen muutoksen tarkasteluun).

N-of-1 -asetelman käyttö ongelman tarkastelussa

Tutkimuksella voidaan pyrkiä selvittämään ongelman vakavuutta, yleisyyttä tai etenemistä ajan kuluessa. Kuvassa 1 ahdistusarviot vaihtelevat eri aikoina, mutta niissä voidaan nähdä tietty kuvio. Kun myös työssäkäynti kirjataan, kuviosta näkyy ero viikonloppujen ja viiden työpäivän välillä. Tämä saattaisi tarkoittaa, että henkilö on ahdistunut töissä muttei kotona. Tästä tiedosta voi olla hyötyä, kun valitaan sopivinta hoitomenetelmää potilaalle. Esimerkiksi seuraamalla erään kuolemaa tekevän naisen mielialaa eri vuorokaudenaikoina havaittiin kuvioita, joiden avulla voitiin helpottaa hänen masentunutta mielialaansa.

N-of-1 -tutkimuksissa kerätty tieto voi paitsi kuvailla ongelmaa myös auttaa selittämään havaittua. Joskus ammattilaisella voi olla teoria siitä, mikä ongelmaan vaikuttaa, ja voi olla mahdollista testata, kuinka hyvin tämä teoria selittää havaittua ilmiötä. Kuolemaa tekevän naisen tapauksessa hänen ajatustensa ja tekemistensä seuraaminen vahvisti teorian, että hänen mielialaansa vaikuttivat hänen ajatuksensa, ja että kriittiset ajatukset liittyivät aikaisen aamun toimiin.

Kuva 1. N-of-1 -asetelman käyttö ongelman kuvaamisessa: ahdistusarviot sinisellä ja työpäivät punaisella 24 päivän ajan.

N-of-1 -asetelmalla voi tutkia, onko jokin tapahtuma helpottanut tai pahentanut ongelmaa

Luonnolliset tai suunnitellut tapahtumat voivat helpottaa tai pahentaa ongelmia, esimerkiksi jos perheessä on kuolemantapaus tai häät, tai jos mediassa tiedotetaan terveydestä, tai tehdas suljetaan. Jopa sää voi vaikuttaa. Hypoteettisessa kuviossa kuvassa 2 terveyteen (esim. flunssaan) liittyvät tiedustelut lisääntyivät selvästi, kun edeltävällä viikolla televisiossa oli ollut aiheeseen liittyvä lähetys. Tiedustelujen lisääntymisen syynä ei siis todennäköisesti ollut alkava epidemia. Näin ollen terveyspalveluissa voidaan jatkossa varautua vastaavaan, kun terveyskysymykset nousevat otsikkoihin. N-of-1 -analyysi Englannin sairaalakäyntitilastoista osoitti urheilutapahtuman vaikutuksen: sairaalahoitoa vaativat sydäntapahtumat lisääntyivät tärkeän jalkapallo-ottelun yhteydessä vuoden 1998 MM-kisojen aikana.

Kuva 2: N-of-1 -asetelmalla voi tutkia tapahtuman vaikutusta: flunssaan liittyviä tiedusteluja on noin 40 päivässä, kunnes televisiolähetys (sinisen nuolen kohdalla) näyttää lisäävän tiedusteluja.

N-of-1 -asetelmalla voi tutkia, onko interventiolla tai hoidolla toivottu vaikutus

N-of-1 -menetelmiä voidaan käyttää uusien interventioiden kehittämisessä, mukaan lukien kliinisissä ja poliittisissa interventioissa. Hypoteettisessa esimerkissä kuvassa 3 ylipainoinen potilas syö välipaloja keskimäärin seitsemän kertaa päivässä, mutta punaisen nuolen osoittaman intervention (esimerkiksi välipalojen omaseuranta) jälkeen välipalojen syönti vähenee nopeasti kahteen kertaan päivässä.

Samanlaisia menetelmiä voidaan käyttää tutkittaessa, kuinka säännösten muutokset – kuten tupakointikielto julkisilla paikoilla – vaikuttavat väestön tupakointiin.

Hyvä käytännön esimerkki N-of-1 -menetelmien käytöstä interventioiden vaikutusten arvioinnissa tuli erään sairaanhoitopiirin ammattilaisilta, jotka tarkastelivat haittatapahtumien raportointiin liittyvää viivettä vuosina 2001–2006. He havaitsivat, että viiveessä oli vaihtelua ja se haittasi potilasturvallisuutta, eikä tilanne näyttänyt paranevan ajan myötä. Vuosina 2007–2008 toteutettiin hyvän suorituksen tunnistamisen ohjelma, jonka myötä viive väheni seuraavina vuosina. Haittatapahtumat raportoitiin siis nopeammin, kun siitä sai myönteistä tunnustusta.

Kuva 3: N-of-1 -asetelman käyttö intervention vaikutusten tutkimuksessa: ensimmäiset 15 päivää kuvaavat välipalojen syöntiä, omaseuranta alkaa 16. päivänä (punaisen nuolen kohdalla) ja johtaa välipalojen vähenemiseen.

Haasteita

Aineiston keruu voi olla haastavaa. Useasti toistetut mittaukset voivat kuormittaa, joten seurauksena voi olla puuttuvia tietoja. Nykyinen edullisen digitaalisen ja mobiiliteknologian nopea kehitys helpottaa aineistonkeruuta ja tekee siitä luotettavampaa, kun voidaan käyttää esimerkiksi älypuhelimia sekä kehoon kiinnitettäviä mittareita ja sensoreita.

Suosituksia käytäntöön

• Käytä n-of-1 -asetelmaa käytännön tilanteissa, kun
  • haluat kuvailla ja tutkia ongelmaa
  • haluat tutkia intervention tai tapahtuman vaikutuksia.
• Tutki ongelmaa tai jotakin tärkeää ilmiötä, jota voidaan tarkastella toistuvasti.
• Tulkitse aineistoa kuvailevien menetelmien avulla, käytä esimerkiksi kuvaajia tai tilastollisia menetelmiä.
• Itseraportoinnissa voi käyttää ilmaisia älypuhelinsovelluksia.

Suomennos: Marleena Vornanen