Analyzing sickness absence, disability, and withdrawal from the labour market: The need for causal inference

Prosjektet, som har dreid seg om å analysere sykefraværsdata med moderne statistiske metoder for kausal inferens, har ført til flere nye samarbeid og publiserte artikler med statens arbeidsmiljøinstitutt (STAMI) og Universitetet i Bergen/Uni Helse. I samarbeidet med Universitetet i Bergen og Uni Helse brukes data på sykefravær fra Statistisk Sentralbyrå sammen med spørreskjema-data på helseplager for personer i arbeidsrettet rehabilitering. Målet var her å analysere hvordan disse individene beveger seg mellom ulike tilstander av sykefravær og arbeid, og å estimere hvordan ulike tiltak for å redusere sykefravær spiller inn for disse pasientene, ved å bruke mer avanserte modeller enn hva er blitt brukt tidligere på dette feltet. Artikler er publisert i Scandinavian Journal of Work, Environment & Health, og BMC Public health. I arbeidet med STAMI har vi analysert data på sykefravær fra FD-Trygd-databasen koblet med en mengde andre populasjonsregistere, samt data på arbeidsmiljø fra helseundersøkelsen i Nord-Trøndelag (HUNT). Alle analyser har brukt data på individnivå. Sentral spørsmål har blant annet vært knyttet til hvordan faktorer tidligere i livet påvirker sykefravær gjennom arbeidsmiljøfaktorer. Nye metoder for medieringsanalyse, samt såkalte multi-state modeller, har vært sentrale. En artikkel er publisert i BMC Public Health og to andre artikler er per i dag under innsending. Resultater fra prosjektet: Gjennom prosjektet har vi sett hvordan metoder for kausal inferens i multi-state-modeller og medieringsanalyse kan gi et mye mer detaljert bilde av sammenhengen mellom eksponeringer og utfall enn mange tradisjonelle metoder. Introduksjonen av nye og mer effektive statistiske metoder har vært et viktig bidrag i prosjektet. Blant de mest sentrale resultatene har vi funnet en positiv langtidseffekt av det å ha en IA-avtale etter arbeidsrettet rehabilitering, samt at effekten av sosial posisjon på sykefravær er delvis mediert gjennom fysisk arbeidsbelastning. En tidligere vitenskapelig ansatt ved prosjektet, påbegynte 1. januar 2016 doktorgrad, delvis finansiert med midler fra dette prosjektet. Han har, gjennom et nytt samarbeid samarbeid med STAMI, fulgt opp arbeidet med multi-state modeller og kausal inferens for i en store registerkoblete data, og forventer å levere avhandlingen sin i februar 2018.

Causal inference is becoming a major international field in statistics with applications in public health, epidemiology, welfare and many other fields. In these areas an important issue is how statistical data can be used for drawing conclusions about use ful interventions and for understanding mechanisms, that is, for making assessments of causality. This is a notoriously difficult matter, but the new tools of causal inference can be of help in clarifying the questions and coming closer to causal conclusi ons. Norway has large registries in the areas of public health and welfare and the unique personal identification number allows linkage of various registries. This gives unique possibilities for analysis. In order to exploit these possibilities close att ention must be made to using the most efficient methodologies. The emphasis on methods should match the amount, the richness and the complexity of the data. Detailed individual follow up data are available from Statistics Norway, The Norwegian Labour and Welfare Administration (NAV) and other sources. We shall assume a life-course perspective in our analysis because detailed follow-up of indviduals may throw a clearer light on causal issues than and allow insight into underlying mechanisms. We shall appl y methods from event history and survival analysis to analyze dynamics and mediation (direct and indirect effects) and methods like propensity scores and marginal structural models to study effects of interventions. Sensitivity analysis of unmeasured conf ounders will be an important supplementary tool. Examples of issues which we shall focus on: - We shall study detailed transitions between sick-listed, return to work or disability pension in order to understand the dynamics in these processes. The aim is evaluate possible interventions. - Analyzing how parental family background could be mediated through individual factors such as health, intellectual ability, education and skill. - Analyzing resilience.