Med anledning av studiens frågeställning och dess känsliga karaktär är det viktigt att ta särskild hänsyn till de forskningsetiska principerna. Samtliga data som används i denna studie är statistik från offentliga register och handlingar från öppna databaser (Denscombe, 2016, s. 424). Inget av materialet som används går att associera med enskilda individer, vilket gör att Vetenskapsrådets etiska forskningsprinciper som berör individskyddskravet inte är lika styrande i studien. Däremot är principerna för datasäkerhet centrala under studiens gång. Med anledning av studiens karaktär betraktas allt
datamaterial som känsligt, vilket gör att samtliga data behandlas med största försiktighet. Datamaterialet som används i denna studie är enbart insamlat med utgångspunkt i projektets behov och används enbart till studiens syfte. Allt insamlat datamaterial förvaras på ett säkert sätt, samt att det inte lagras längre än vad som är nödvändigt för studien (Denscombe, 2016, s. 440).
12 Tolkningsprogram
12.1 Jämföra medelvärdet
För att skapa en deskriptiv översikt av samtliga variabler har vi genom statistikdataprogrammet SPSS jämfört samtliga observerade enheters medelvärdet. För att göra detta har vi sammanställts samtlig data i SPSS, fördelat på årtal och regioner. Därefter har vi använt verktyget analyze > compare means > means-funktionen för att undersöka mellan-regionala
skillnader i självmord (beroende variabel) över alla perioder. Därefter har vi
utfört samma funktion för att analysera samtliga oberoende variabler (arbetslöshet, depression och antidepressiva läkemedel).
Varje variabel är fördelade bland män, kvinnor och totalt. Varje variabel består av 294 stycken observerade enheter (N), med 0 stycken exkluderade enheter. Detta innebär att vi har en 100% inkluderande enheter och 0% bortfall i samtliga jämförelser av medelvärdet. Denna metod har gjort det möjligt att urskilja eventuella skillnader på regional nivå, som vi sedan ämnat att studera vidare genom en linjär regressionsanalys.
12.2 Linjär regressionsanalys
För att studera eventuella korrelationer mellan beroende variabel och oberoende variabler används statistikdataprogrammet SPSS Statistics. Den metoden som används för att mäta statistisk samband är linjär regressionsanalys, både av bivariat och multivariat modell. Eftersom en linjär regressionsanalys ämnar undersöka oberoende variablers effekt på den
beroende variabeln skapar detta möjlighet att studera huruvida regioners självmordstal kan ha ett samband med sociologiska faktorer (Djurfeldt & Stjärnhagen 2016, s.157-158). För att utföra en linjära regressionsanalys i SPSS har samtlig data omvandlats till differentierade värden. Detta innebär att samtliga variabelvärdena i datasetet består av de årliga skillnaderna, exempelvis skillnaden mellan självmordstalet i Region Västernorrland mellan 2007 - 2008 istället för de faktiska självmordstalet 2007 och 2008. Detta resulterar i att tidsserien består av 13 värden istället för 14. Denna metod förhindrar en korrelationsproblematik som innebär att uppkomsten av signifikanta samband sker felaktigt. Då syftet med studien är att undersöka regionala skillnader används även en omkodad regionsvariabel, detta genom att utforma en dummy-variabel. Genom att göra detta namnger vi varje region en siffra mellan 1 - 21.
13 Bortfallsanalys
I följande avsnitt redovisas vilka bortfall som bör tas i hänsyn i studiens resultat, samt vilka reservationer som har tagits i samband med insamlandet och granskning av datamaterial. Inledningsvis redogörs data som berör depression och självmord. Därefter beskrivs de aspekter som bör tas i hänsyn kring läkemedelsstatistik och vilka reservationer som bör uppmärksammas för studiens legitimitet och transparens.
13.1 Depression
Inrapportering och kvalitén av Socialstyrelsens databas för sjukdomar och symptom har förbättrats genom åren, vilket kan påverka inhämtad statistik. Det existerar ett bortfall bland diagnoserna inom den specialiserade öppenvården, vilket kan påverka antalet diagnoser inom varje diagnoskategori. Detta betyder att samtlig statistik om är hämtad från Socialstyrelsens databas
för sjukdomar och symptom bör tolkas med försiktighet (Socialstyrelsen, 2019).
13.2 Självmord
Att inkludera osäkra självmord i bearbetning av självmordsstatistik är högst relevant för att få en rättvis uppfattning om antalet självmord. Dock innebär detta att en del av självmordsstatistiken inte är självmord, vilket skapar en felmarginal i datamaterial. Dessutom finns det ett mörkertal bland självmord. Detta kan exempelvis vara trafikolyckor, där individen medvetet bidragit till en olycka med dödsfall som utkomst. Denna typ av dödsfall rubriceras som trafikolycksfall, trots individen medvetet skapat en olycka med syfte att ta sitt eget liv (KI, 2020).
13.3 Antidepressiva läkemedel
Antidepressiva läkemedel ordineras i huvudsak vid symtom på depressiva episoder, dock har samma kategori läkemedel (ATC N06A) påvisat effektivitet vid posttraumatiskt stressyndrom, tvångssyndrom, ångestsyndrom, neuropatisk smärta och narkolepsi (Läkemedelsverket, 2020). Detta innebär att det finns utrymme för att en del av data för antidepressiva läkemedel som hämtats ut mot recept i Sverige mellan åren 2006 - 2019 inte enbart har ordinerats mot depressiva episoder och recidiverande episoder, utan kan även ha ordinerats till patienten med anledning av andra huvuddiagnoser. Selektiva serotoninåterupptagshämmare (SSRI) är ett antidepressivt läkemedel som främst används för att lindra depressiva episoder. Läkemedelsverket (2020) redovisar att det finns en ökad risk för självmord bland de patienter som medicineras med SSRI, om än liten. Däremot existerar det biverkningar i samband med medicinering med SSRI. Dessa är bland annat ångeststegring, sömnstörningar och ökad risk för impulsiva handlingar. Det finns däremot inga godkända studier som menar på att detta kan kopplas till ökad självmordsrisk (Läkemedelsverket, 2020)
14 Resultat
Detta avsnitt inleds med en beskrivande del av studiens beroende variabel. Utifrån en tabell förklaras självmordstal och dess medelvärde i Sveriges 21 regioner under den observerade tidsserien. Vidare återges en beskrivande översikt av arbetslöshet, depression och antidepressiva läkemedel på regional nivå, samt vilka mönster som går att urskilja i tabellerna. För att skapa en bättre deskriptiv bild av statistiken redogörs tabeller över samtliga variabler. Senare återges resultatet av den linjära regressionsanalysen, både bland samtliga regioner och enskilda regioner. De regioner vars resultat lyfts mer ingående är också de regioner som visar särskilda utstående resultat i den deskriptiva analysen. Resultaten av den linjära regressionsanalysen återges i klassiska regressionstabeller.
14.1 Deskriptiv översikt
Bilaga 2 visar en översikt av samtliga variabler i Sveriges regioner mellan år 2006 - 2019, samt dess observerade medelvärde, standardavvikelse, högsta och lägsta självmordstal under det observerade året. Medelvärdet bland de observerade enheterna under denna tidsperiod varierar mellan 19.67 - 22.64 självmord per 100.000 invånare. Under 2016 ser vi att självmordstalet var som lägst, då en observerad region uppvisade ett självmordstal på 9.89, medan det högsta observerade självmordstal var 42,31 år 2012. Med anledning av att samtliga observerade enheter visar ett medelvärde som inte skiljer sig mycket åt, är standardavvikelsen relativt låg. Tabellen visar en standardavvikelse som varierar mellan 3,82 och 6,51, vilket betyder att variationen på standardavvikelsen visar en variation på 2,7< under den observerade tidsserien.
Genom tidsserieanalys har varje enskilt år och region studerats för att med hjälp av SPSS skapa ett stapeldiagram, vilket senare har sammanställts i överskådliga tabeller. Samtliga tabeller demonstrerar resultatet av den
observerade tidsserien och vilken region som uppvisar lägst, respektive högst självmordstal på årlig basis. De fetmarkerade regionerna åskådliggör de regioner som uppvisar högsta självmordstal upprepade gånger under observerad tidsserie, respektive de regionerna vars självmordstal är återkommande lägst bland observerade enheter. Bilaga 3 uppvisar tidsserien för självmord och vidare i Bilaga 4 redogörs de regioner som uppvisar högst och lägst antal arbetslöshet (%). Bilaga 5 och 6 visar de regioner som har högst antal depressiva diagnoser (antal/100.000 invånare) och flest receptbelagda antidepressiva läkemedel (antal/100.000 invånare) under den observerade perioden.
I Bilaga 3 går det inte att urskilja några relativt avvikande förändringar.
Medelvärdet (m) bland de observerade enheterna under denna tidsperiod varierar mellan 19.67 (2006) - 22.64 (2009) självmord per 100.000 invånare. Under 2016 ser vi att självmordstalet var som lägst, då en observerad region uppvisade ett självmordstal på 9.89, medan det högsta observerade självmordstal var 42,31 år 2012.
Vidare visar Bilaga 3 att Region Gotland, tillsammans med Region Gävleborg uppvisar de högsta observerade självmordstalen. Region Gotland har som högst ett självmordstal på 42,31 under år 2012. De regioner som uppvisar lägst självmordstal är Region Västerbotten, Region Blekinge och Region Halland. Av dessa är Region Västerbotten absolut lägst med ett självmordstal på 9,89 självmord per 100.000 invånare under år 2016. Region Gotland som under 2012 uppvisat högst självmordstal av samtlig observerad data, har under 2007 lägst självmordstal på 13.51. Även i Region Kalmar existerar det en relativ differens mellan högst observerat självmordstal och lägst observerats självmordstal, med 35,68 under år 2011, respektive 15,40 år 2017. Region Gävleborg är återkommande bland de regioner som uppvisar högst
självmordstal. År 2007, 2008, 2015 och 2016 har Region Gävleborg det högsta observerade självmordsantalet.
Även i Bilaga 4 kan vi se att Region Gävleborg är återkommande bland de regioners som har högst arbetslöshet (%) under den observerade tidsperioden. Mellan 2008 - 2017 och även 2019 har Region Gävleborg den högsta arbetslösheten. Som högst är arbetslösheten i Region Gävleborg på 10,31% under 2017 och som lägst 6,23% år 2008. Samma år kan vi se att Region Jönköping är den region som har lägst arbetslöshet på 2,9%, vilket innebär en differens på 3,33% mellan regionen som har högst arbetslöshet (Region Gävleborg) och Region Jönköping som uppvisar lägst arbetslöshet. Region Uppsala har återkommande lägst arbetslöshet bland de observerade enheterna under denna tidsperiod. Mellan 2009 - 2018 har Region Uppsala lägst arbetslöshet som varierar mellan 4,33% - 6,1%. Övriga regioner som uppvisar en låg arbetslöshet är Region Kronoberg och Region Västerbotten, medan Region Norrbotten och Region Sörmland är, tillsammans med Region Gävleborg, de regioner som uppvisar högst arbetslöshet.
I Bilaga 5 är Region Sörmland, Region Dalarna, Region Gotland, Region Jönköping och Region Stockholm de regioner som uppvisat högsta antal av depressiva diagnoser under observerad tidsperiod. Av dessa regioner är Region Stockholm den region som under en återkommande period har haft högst antal depressiva diagnoser per 100.000 invånare. Som högst hade Region Stockholm 1597 stycken diagnoser per 100.000 invånare, vilket är betydligt högre än övriga regioner som under observerad tidsperiod haft högst antal depressiva diagnoser (Bilaga 5). Bland de regioner som uppvisar lägst antal depressiva diagnoser är variationen stor, dock kan vi se att Region Norrbotten har återkommande lägst antal depressiva diagnoser under perioden 2009 och 2011 - 2014. I dessa fall har regionerna närmare 1000 färre diagnoser per 100.000 invånare än de regioner som uppvisat högst antal diagnoser. Även
Region Jämtland/Härjedalen har under perioden 2015 - 2017 lägst antal depressiva diagnoser under observerad tidsperiod.
Vidare i Bilaga 6 ser vi att Region Värmland har den absolut högsta antalet receptbelagda antidepressiva läkemedel. Under en 11 årsperiod (2009 - 2019) har Region Värmland högst antal receptbelagda antidepressiva läkemedel per 100.000 invånare. Trots detta återfinns inte Region Värmland bland de regioner som har flest depressiva diagnoser (Bilaga 5). Bland de regioner som har lägst antal receptbelagda antidepressiva läkemedel per 100.000 invånare finns Region Gotland, Region Västernorrland, Region Norrbotten och Region Stockholm. De tre sistnämnda regionerna har flertalet gånger återkommande lägst antal receptbelagda antidepressiva läkemedel, framförallt Region Stockholm.
14.2 Fördelning mellan män och kvinnor
Självmordstalen tenderar variera mellan män och kvinnor, både på nationell- och regional nivå. Av de totala antalet observerade enheterna kan vi se att medelvärdet för självmord bland män nationellt är 29,45, medan medelvärdet på självmord bland kvinnor är 13,17 per 100.000 invånare. Skillnaden mellan dessa är 16,27, vilket innebär att självmordstalet bland män är mer än dubbelt så hög än för kvinnor (Bilaga 2).
Region Gävleborg och Region Värmland det högsta medelvärdet för självmord bland män under den observerade tidsperioden med ett självmordstal på 35,67, respektive 35,39 av 100.000 invånare. I Region Västerbotten och Region Stockholm är självmordstalet bland män lägst under observerad tidsperiod med ett medelvärde på 24,93 i Region Stockholm och 21,28 i Region Västerbotten. Region Västerbotten har även lägst observerat medeltal för självmord bland kvinnor (9,28/100.000 invånare). De regioner som har högst registrerat självmordstal bland kvinnor under observerad
tidsperiod är Region Gotland och Region Jämtland Härjedalen. Medeltalet i region Gotland är 18,19 och 17,14 i Region Jämtland Härjedalen. Standardavvikelsen bland självmord för män och för kvinnor är 7,75, respektive 6,40. Detta innebär att variationen mellan regionernas självmordstal för män och kvinnor tenderar att inte skilja sig mycket åt. Den regionala standardavvikelsen för självmord totalt är 4,89 (Bilaga 2).
Arbetslösheten bland män och kvinnor på regional nivå är inte av samma signifikanta variation som självmordstalen. Medelvärdet för den totala arbetslösheten bland män är 7,37 och 6,83 för kvinnor, medan medelvärdet för den nationella arbetslösheten totalt under observerad tidsperiod är 7,13. med en standardavvikelse på 1,57. Av statistiken att döma kan vi se en något lägre arbetslöshet bland kvinnor, dock inte signifikant. Medelvärdet bland män är 7,37 och 6,83 för kvinnor. Standardavvikelsen är 1,67 och 1,53 för män, respektive kvinnor.
Antalet depressiva diagnoser skiljer sig åt i antal bland män och kvinnor. Det går att urskilja ett högre antal kvinnor som diagnostiserats med depression än män som har samma diagnos. Det totala medelvärdet bland kvinnor som diagnostiserats med depression är 1076,43, medan medelvärdet bland män är 715,76. Standardavvikelsen för män bland regionernas medelvärde är 176,45, medan standardavvikelsen bland den kvinnliga andelen som diagnostiserats med depression är 278,63. Den regionen som har absolut lägst antal depressiva diagnoser bland män är Region Norrbotten med ett medelvärde på 495,51, medelvärdet för kvinnor i samma region är 800,75. Vilket även är lägst observerat medelvärde bland regionerna för kvinnor som diagnostiserats med depression. Högst medelvärde för kvinnor har Region Stockholm och Region Jönköping med ett medelvärde på 1603,03 respektive 1432,72. Dessa två regioner uppvisar även högst andel män som diagnostiserats med depression under samma tidsperiod. Region Stockholm har ett medelvärde på 933,87,
medan Region Jönköping har ett medelvärde på 967,35 för män som diagnostiserats med depression (Bilaga 2). Medelvärdet för individer som har receptbelagda antidepressiva läkemedel är 103,35/100.000 invånare för den totala populationen. Män tenderar att medicineras med antidepressiva läkemedel i lägre utsträckning än kvinnor. Det totala medelvärdet är 71,39 för män, med en standardavvikelse bland regionerna som ligger på 9,24. Medelvärdet för kvinnor är 136,58 med ett medelvärde på 16,61. Den regionala variationen för kvinnor som tar antidepressiva läkemedel är alltså större än för män. Västra Götalandsregionen och Region Värmland är de två regioner som uppvisar högst andel män som medicineras med antidepressiva läkemedel. I dessa regioner är medelvärdet 80,57, respektive 79,50. Den region som har högst medelvärde bland kvinnor som medicineras med antidepressiva läkemedel är Västra Götalandsregionen (146,38) och Region Västmanland (144,81). Region Norrbotten (63,54) och Region Västernorrland (63,59) har lägst andel män som medicineras med antidepressiva läkemedel. Medelvärdet bland de regioner som har lägst andel kvinnor som medicineras med antidepressiva läkemedel är Region Norrbotten (125,73) och Region Stockholm (122,07) (Bilaga 2).
14.3 Sambandsanalys
Innan den linjära regressionsanalysen påbörjades utfördes en sambandsanalys av studiens ordinarie datamaterial, för att studera huruvida det fanns ett samband mellan studiens beroende variabel, samt de oberoende variablerna. Till detta skapades ett spridningsdiagram (Bilaga 8, 9). I första hand skapades en sambandsanalys av datamaterialets ordinarie värden, det vill säga inte de differentierade värden som den senare linjära regressionsanalysen görs utifrån. Resultatet var att regressionslinjen för arbetslöshet visade en svagt uppåtgående riktning, vilket indikerar på att det finns ett positivt samband mellan arbetslöshet och den beroende variabeln. För att undersöka hur starkt detta samband är används sambandsmåttet Pearson r, vilket är det mest
lämpade måttet där två kvantitativa variabler används. Pearsons r utgår från en skala mellan -1 och 1, där ett värde nära 0 innebär svagt samband. Ett negativt värde innebär negativt samband och ett positivt värde innebär ett positivt samband. I Bilaga 9 går det att utläsa att resultatet av Pearson r var 0.162, vilket innebär ett svagt samband. För att ett samband ska anses vara högt bör värdet överstiga 0.5, vilket tenderar att vara ovanligt i denna typ av samband. Ytterligare visar sambandsanalyser att p-värdet är 0.005, vilket innebär att vi utifrån dessa värden kan vara 95 procent säker på att det finns ett samband mellan arbetslöshet och självmord. Studiens oberoende variabel depression visar även ett svagt positivt samband på 0.023 och resultatet av p-värdet visar 0.696, vilket indikerar på att det inte finns något verkligt samband bland studiens population (Barmark, Djurfeldt, 2016, s. 156-157).
För att studera detta eventuella samband ytterligare skapades även en sambandsanalys av variablernas differentierade värden (Bilaga 8), vilket även är de värden som den linjära regressionsanalysen sedan görs på. Till skillnad från den tidigare sambandsanalyser ser vi inte något samband i variablernas differentierade värden. Tidigare indikerade Pearsons r på ett svagt samband mellan självmord och den oberoende variabeln arbetslöshet. I Bilaga 8 visar resultatet -0.044, vilket däremot inte påvisar något samband. P-värdet mellan samma variabler visar 0.471, vilket även detta indikerar på att det inte existerar något samband (Barmark, Djurfeldt, 2016, s. 156-157).
14.4 Linjär regressionsanalys över samtliga regioner
Resultaten av den linjära regressionsanalysen visar att en mycket liten del av den beroende variabelns variation kan förklaras av den oberoende variabeln. I Tabell 6, modell 1 jämförs självmord i relation till arbetslöshet, vilket visar ett justerat R2 resultat på -0.002, vilket kan jämföras med 0. Detta innebär att variationen i variabeln självmord inte påverkas av arbetslöshet. Samma resultat visar sig i modell 2, där självmord har jämförts i relation till
arbetslöshet, inklusive depression som kontrollvariabler. Det justerade R2-värdet är även i denna modell låg, om än inte fullt lika låg som i modell 1 (se Tabell 6).
Ytterligare går det att urskilja att B-koefficienten i modell 1 är -0.262 med ett standardfel på 0.363. Detta resultat visar att för varje steg den oberoende variabeln höjs minskar den beroende variabeln med 0.262. Detta innebär att det inte finns något signifikant samband mellan självmord och arbetslöshet. Även i modell 2 går det inte att urskilja ett signifikant samband. Resultatet av intercepten i modell 1 och 2 är båda cirka 0.05, vilket är mycket låg (se Tabell 6). I modell 3 analyseras självmord i relation till antidepressiva läkemedel. Som i de två tidigare modellerna kan vi inte heller i denna modell urskilja ett signifikant samband mellan självmord och användandet av antidepressiva läkemedel. Det vi ser är att om vi höjer den oberoende variabeln ett steg, det vill säga antidepressiva läkemedel, minskar självmordsantalet med -0.223. Dock är felmarginalen för detta resultat 0.163, vilket innebär att det är möjligt att B-koefficienten är även lägre (se Tabell 3).
1 2 3 Arbetslöshet -0.262 (0.363) -0.295 (0.380) Depression -0.001 (0.003) Antidepressiva läkemedel -0.223 (0.163) Intercept 0.047 (0.350) 0.056 (0.351) 0.570 (0.513) N 273 273 273 R2 (Adj) -0.002 0.002 0.007 * p < 0.05
Tabell 6, Samtliga regioners självmordstal i relation till arbetslöshet, depression och antidepressiva läkemedel. Ostandardiserade B-koefficient, standardfel inom parentes. Beroende variabel är självmord.
14.5 Linjär regressionsanalys bland regioner med signifikant arbetslöshet
I Bilaga 3 går det att urskilja att Region Gävleborg och Region Gotland är de två regioner som återkommande uppvisar högst självmordstal under observerad tidsperiod. I Bilaga 10 kan vi se resultaten av en linjär regressionsanalys på Region Gävleborg. I modell 1 syns resultatet av självmord i relation till arbetslöshet. Det justerade R2-värdet (-0.050) indikerar att den beroende variabelns variation inte kan förklaras av den oberoende variabeln. Liknande resultat av det justerade R2-värdet kan vi även urskilja i modell 2 och 3. B-koefficienten i modell 1 visar -1.389 med ett standardfel på 2.122. Resultatet innebär att vi kan se ett minskat värde på den beroende variabeln om vi höjer den oberoende variabeln med ett steg. I modell 2 där depression är inkluderad i analysen som en kontrollvariabel ser vi ett resultat som är närmare 0, om än något över, vilket innebär att det sker en liten ökning av den beroende variabeln om den oberoende variabeln höjs med ett steg. Även i modell 3 kan vi se att B-koefficienten indikerar på en liten ökning i samband med att den oberoende variabeln höjs med ett steg.
Den linjära regressionsanalysen av Region Gotland uppvisar inga signifikanta samband. Variationen av den beroende variabeln går inte att förklaras av den oberoende variabeln i modell 1 och 2. Däremot är resultatet av det justerade R2-värdet i modell 3 0.117, vilket innebär att 11,7 procent går att förklaras av den oberoende variabeln. Studerar vi även B-koefficienten i modell 3 visar resultatet att en höjning av den oberoende variabeln innebär en att den beroende variabeln minskar med 2.185. Detta innebär att en ökning av antidepressiva läkemedel kan indikera på ett lägre självmordstal. Även intercepten uppvisar högt resultat, vilket innebär att när den oberoende variabelns värde är 0, är den beroende variabelns värde 8.835. Dock går det inte att urskilja några signifikanta samband i någon av modellerna i Bilaga 10.
14.6 Linjär regressionsanalys bland regioner med signifikant depression och användande av antidepressiva läkemedel
Som vi kan se i Bilaga 6 är Region Värmland den region vars användande av antidepressiva läkemedel är högst, medan Region Stockholm, Region Västernorrland och Region Norrbotten återkommande uppvisar lägst antal antidepressiva läkemedel. Trots detta är Region Stockholm en av de regioner vars individer diagnostiseras mest med depression. Med denna information som underlag har det utförts ytterligare linjär regressionsanalys på Region Stockholm och Region Värmland. Resultatet av den linjära regressionsanalysen över Region Stockholms självmordstal i relation till studiens oberoende variabler går det inte att se några signifikanta samband.
I Bilaga 11, modell 1 och 2 ser vi att det justerade R2-värdet är negativt, vilket innebär att vi kan anta att dessa värden är lika 0 och att den beroende variabelns