Koronaepidemia Suomen kunnissa ja selittävät taustatekijät

Johtopäätökset

• Koronavirustartuntoja väkilukuun suhteutettuna on enemmän suurissa kunnissa.
• Tartuntoja on vähemmän korkean huoltosuhteen kunnissa, joissa on paljon nuoria ja vanhuksia suhteessa työikäisiin.
• Kesämökkien tai -asukkaiden määrä ei ennakoi suurempia tartuntamääriä.

Tarkempi kuva kuntien tilanteesta koronavirustilastoa rikastamalla

Koronavirus on levinnyt laajasti Suomessa. Tartunnat ovat keskittyneet väkirikkaisiin kuntiin, mutta mitkä muut kuntien piirteet ennakoivat korkeita tartuntalukuja? Olisiko epidemian ensimmäisestä aallosta datan avulla mahdollista ennustaa, minkä tyyppiset kunnat ovat erityisessä vaarassa nyt, kun toinen uhkaa yltyä?

Näihin kysymyksiin etsin vastausta yhdistämällä Terveyden ja hyvinvoinnin laitoksen julkaisemia kuntatason tartuntatietoja ja Tilastokeskuksen kuntatilastoja. Tätä tarkastelua varten kävin läpi kymmeniä erilaisia kuntia kuvaavia tilastoja ja pyrin etsimään tartuntamäärien kanssa korreloituneita muuttujia. Tarkastelin eri muuttujien selitysvoimaa lineaaristen regressiomallien avulla ja raportoin seuraavassa joitain mielenkiintoisimpia havaintoja.

Eniten varmistettuja tartuntoja on raportoinut Helsinki, Vantaa ja Espoo, joiden yhteenlaskettu osuus kaikista tartunnoista on 60,9 prosenttia. Varmennettuja tartuntoja on raportoitu yhteensä 96 kunnassa.

Todellisuudessa koronavirus on levinnyt huomattavasti useampaan kuntaan. Tietoturvasyistä THL on julkaissut kuntatason tartuntatilastoja vain niiden kuntien osalta, joissa varmistettuja tartuntoja on alle 5. Tämä vaikeuttaa tarkastelua, mutta dataa on mahdollista täydentää, jotta kokonaisuudesta saadaan kattavampi kuva. Tartuntamäärät ovat julkaistu sairaanhoitopiireittäin, ja näitä tietoja hyödyntämällä on mahdollista arvioida tartuntamääriä myös muissa kunnissa. Seuraavissa laskelmissa kuntatiedoista puuttuvat 207 havaintoa on jyvitetty laskennallisesti sairaanhoitopiireittäin väkiluvun perustella niille kunnille, joiden tietoa ei ole julkistettu.

Tartuntojen määrää selittäviä taustateijöitä

Tilastokeskus tuottaa laajan joukon erilaisia tilastoja Suomen kunnista, ja näiden tietojen avulla on mahdollista arvioida, mitkä taustatekijät selittävät kuntien tartuntalukuja. Parhaiten tartuntamääriä näyttäisi selittävän kuntien väestörakenteesta kertovat tilastot.

Tartuntamäärät ovat vähäisempiä kunnissa, joissa on paljon nuoria ja vanhuksia suhteessa työikäisiin. Toisin sanoen korkea väestöllinen huoltosuhde näyttää suojanneen tartunnoilta. Havaintoa saattaa selittää työikäisten suurempi liikkuvuus ja sosiaalisten kontaktien laajuus.

Tulosta tukee myös THL:n tartuntatilasto, jonka mukaan tartunnan saaneiden ikäjakauma on keskittynyt työikäiseen väestöön.

Väestörakennetta kuvaavista muuttujista löytyi myös hieman merkillisempi havainto: koronaviruksen ilmaantuvuus näyttäisi olevan korkeampi kunnissa, joissa väestöstä suurempi osuus on naisia. Naisten osuus on suurempi kaupungeissa, mikä osaltaan selittää korrelaatiota. Mutta regressioanalyysi osoittaa, että selitysvoima säilyy heikosti tilastollisesti merkitsevänä, vaikka tarkastelussa huomioidaan kunnan väkiluku ja ikärakenne. Havainto on myös sikäli yllättävä, että THL:n tilastossa tartunnat jakautuvat miesten ja naisten kesken melko tasan.

Tälle havainnolle on vaikea löytää yksinkertaista selitystä. Korrelaatio saattaa selittyä esimerkiksi miesten ja naisten erilaisella sosiaalisella käyttäytymisellä tai ammattijakaumalla. Voi myös olla, että naiset hakeutuvat miehiä herkemmin koronavirustesteihin. Selvää vastausta ei kuitenkaan tämän datan avulla löytynyt.

Koronaviruksen on arvioitu leviävän helpommin sisätiloissa, ja ahdas asuminen näyttäisi selittävän myös kuntien välisiä eroja. Ahtaasti asuvien asuntokuntien isompi osuus ennustaa suurempi tartuntojen määriä, vaikka huomioidaan edellä mainitut väestölliset piirteet. Tilastoissa ahtaalla asumisella tarkoitetaan asunnon pientä huonelukua suhteessa asuntokunnan kokoon. Alla olevasta kuvasta kuitenkin näkyy, että on myös kourallinen kuntia, joissa tartunnat ovat toistaiseksi pysyneet vähäisinä ahtaasta asumisesta huolimatta.

Hieman yllättäen kunnan taajama-aste (eli taajamissa asuvien osuus) tai kerrostaloissa asuvien asuntokuntien osuus eivät samalla tavalla selitä tartuntojen määriä, eikä näiden lisääminen malliin poista ahtaan asumisen selitysvoimaa.

Mökkeily ei näytä lisänneen tartuntoja

Keväällä ja kesällä monet suomalaiset vetäytyivät kesämökeilleen pakoon epidemiaa, ja heräsi huoli, että tämä lisäisi tartuntoja kunnissa, joissa on paljon kesämökkejä. Aineiston perusteella näyttäisi, että kesämökkivaltaisissa kunnissa on verrattain vähän tartuntoja.

Vähäisiä tartuntoja mökkikunnissa selittää se, että kesämökit sijaitsevat pääosin kaukana kaupungeista. Kun lisäksi huomioidaan kunnan väkiluku, kesämökkien suhteellinen määrä ei ennakoi suurempaa tai vähäisempää sairastavuutta. Samaan tulokseen päädytään, jos kesämökkien sijaan tarkastellaan kesäasukkaiden suhdetta vakituisiin asukkaisiin.

Myös pendelöinnillä voisi kuvitella olevan vastaa vaikutus koronaviruksen leviämiseen, mutta tällaista riippuvuutta ei datassa näy. Vaikka suuri osa kunnan työllisistä työskentelisi toisessa kunnassa (ulospendelöinti) tai suuri osa kunnan työllisistä asuisi muualla (sisäänpendelöinti), se ei näytä ennakoivan tartuntoja, kun huomioidaan muut taustatekijät.

10 parhaiten ja huonoiten selvinnyttä kuntaa

Miten eri kunnat ovat selvinnyt koronakriisistä, kun huomioidaan kuntien erilaiset olosuhteet? Suurissa kaupungeissa ja kunnissa, joissa runsaasti työikäistä väestöä, on perusteltua odottaa suurta suhteellista tartuntamäärää, mutta miten hyvin ne ovat käytännössä pärjänneet?

Edellä mainittujen muuttujien avulla on mahdollista muodostaa malli, joka ennustaa kuntien tartuntamääriä. Näin voidaan tuottaa ennuste kullekin kunnalle ja verrata ennustetta toteutuneeseen. Jos tartuntamäärät ylittävät ennusteen, voidaan sanoa, että kunta on olosuhteisiinsa nähden kärsinyt epidemiasta verrattain pahasti. Jos taas tartunnat ovat jääneet alle ennusteen, on kunta säästynyt koronavirukselta paremmin kuin verrokkinsa. Toisaalta alle ennusteensa jääneiden kuntien kohdalla riskit taudin leviämisestä toisen aallon myötä ovat suuremmat.

Arvioissa on syytä huomioida, että viruksen leviämiseen liittyy myös paljon satunnaisuutta, joten yksittäisen kunnan korkea tartuntamäärä saattaa johtua myös huonosta tuurista.