Miten väestön ikääntyminen vaikuttaa sote-menoihin?

T&Y 3/2024 Artikkeli Ismo Linnosmaa, Terhi Auvinen

Eurooppa vanhenee tulevina vuosikymmeninä nopeasti. Työikäisten osuus laskee ja eläkeikäisten kasvaa. Tämä aiheuttaa kasvupainetta valtioiden sosiaali- ja terveysmenoihin, mutta näiden menojen ennustaminen on vaikeaa. Ikääntyminen ei ole ainoa menoihin vaikuttava tekijä. Huomioon on otettava myös se, miten paljon elinvuosia ihmisillä on jäljellä ja miten paljon he sairastavat.

Miten väestön ikääntyminen vaikuttaa sote-menoihin?
Kuva: Hans Eiskonen.

Suomen terveydenhuollon käyttömenot ovat kasvaneet reaalisesti keskimäärin 2,6 prosenttia vuodessa ajanjaksolla 2000–2020. Kiinteähintaisten menojen kasvuvauhti on vaihdellut vuositasolla 5,1 prosentista 0,2 prosenttiin kyseisellä ajanjaksolla.1

Väestön ikääntymistä on pidetty yhtenä terveydenhuollon menojen kasvua selittävistä tekijöistä tulojen kasvun, tuottavuudessa tapahtuvien muutosten, uusien terveydenhuollon teknologioiden käyttöönoton sekä terveyspoliittisten toimien ohella2. Yli 65-vuotiaiden osuus Suomen koko väestöstä on kasvanut 2000-luvulla tasaisesti 15 prosentista 23 prosenttiin (vuosi 2023)3, ja väestön ikääntymisen odotetaan jatkuvan tulevina vuosina ja vuosikymmeninä.

Ennustelaskelmat ikääntymisen vaikutuksista sosiaali- ja terveydenhuollon menoihin perustuvat lukuisiin oletuksiin siitä, miten menokehitykseen vaikuttavat muuttujat vaihtelevat tulevaisuudessa. Tähän liittyy monenlaista epävarmuutta. Siksi terveystaloustieteessä on tutkittu iän lisäksi myös jäljellä olevan eliniän ja sairastavuuden yhteyttä menoihin. Tutkimustulokset kertovat, että ikääntymisen vaikutukset terveydenhuollon ja ikääntyneiden pitkäaikaishoidon menoihin ovat monimutkaiset ja moniselitteiset.

Euroopan väestö vähenee ja vanhenee

Suomalaisten odotetun elinajan ennustetaan nousevan ajanjaksolla 2022–2070. Miehillä elinaika pitenisi ennusteiden mukaan 79 vuodesta 86 vuoteen ja naisilla 84 vuodesta 90 vuoteen. Tästä huolimatta, kun huomioidaan myös syntyvyydessä ja siirtolaisuudessa tapahtuvat muutokset, Suomen väkiluvun ennustetaan laskevan vuoden 2022 5,6 miljoonasta 5,2 miljoonaan vuoteen 2070 mennessä4. Samainen raportti ennustaa, että EU-maiden väkiluku laskee 449,1 miljoonasta 431,9 miljoonaan. Maakohtaisissa ennusteissa esiintyy vaihtelua –6,2 miljoonan laskusta (Puola) 2,4 miljoonan kasvuun (Ruotsi).

Samaan aikaan EU:n väestön odotetaan ikääntyvän merkittävästi. Suhteessa koko Euroopan väestöön yli 65-vuotiaiden osuuden odotetaan kasvavan 21,6 prosentista vuonna 2022 30,5 prosenttiin vuonna 2070. Yli 80-vuotiaiden osuuden odotetaan nousevan 6,1 prosentista 13,0 prosenttiin samaisella ajanjaksolla.

Ennusteiden toteutuminen tarkoittaisi merkittäviä muutoksia huoltosuhteisiin. Vanhusväestön huoltosuhdetta (yli 65-vuotias väestö/20–64-vuotiaat) kuvaava luku kasvaisi vuoden 2022 36,1 prosentista 59,1 prosenttiin vuonna 2070. Tämä tarkoittaa sitä, että kun EU-maissa oli vuonna 2022 jokaista ikääntynyttä kohden 2,8 työikäistä henkilöä, vuonna 2070 tämä suhdeluku olisi 1,7.

Suomessa ikääntyneitä on hieman enemmän kuin EU-maissa keskimäärin. Suomessa vanhusväestön huoltosuhde oli 41,2 prosenttia vuonna 2022. Ennusteiden mukaan luku tulisi nousemaan 62,4 prosenttiin vuonna 2070.5 Suomessa yli 65-vuotiaiden osuuden ennustetaan kasvavan vuoden 2022 23,1 prosentista 32,1 prosenttiin vuonna 2070 ja vastaavasti yli 80-vuotiaiden osuuden 5,9 prosentista 13,1 prosenttiin.

Hoitomenojen osuus BKT:sta kasvaa

EU:n ennustelaskelmat ikääntymisen vaikutuksista terveydenhuollon ja ikääntyneiden pitkäaikaishoidon menoihin perustuvat kahdenlaisiin tietoihin:

  1. arvioihin ikä- ja sukupuoliryhmittäisistä menoista henkeä kohden laskettuna ja
  2. väestöennusteisiin yksilöiden lukumääristä näissä väestöryhmissä.

Kertomalla nämä muuttujat keskenään voidaan arvioida terveydenhuollon ja ikääntyneiden pitkäaikaishoidon menoja ikä- ja sukupuoliryhmittäin. Kokonaismenot saadaan laskemalla ryhmäkohtaiset luvut yhteen. Ennustelaskelmissa huomioidaan mahdolliset kustannusten ja tulojen muutokset tulevaisuudessa sekä näiden muutosten vaikutukset terveydenhuollon menoihin. Terveydentilassa ja toimintarajoitteissa tapahtuvien muutosten vaikutuksia menoihin pyritään huomioimaan erilaisten skenaariolaskelmien avulla.6

Uusimpien ennustelaskelmien mukaan terveydenhuollon bruttokansantuoteosuus kasvaisi Suomessa perusuralla 6,2 prosentista 6,8 prosenttiin (Taulukko 1). Perusura (baseline scenario) olettaa, että eliniän pidentymisestä aiheutuvista lisäelinvuosista puolet vietetään hyvässä terveydessä ja että terveyspalvelujen tulojousto alenee tasolta 1,1 vuonna 2022 tasolle 1 vuonna 2070. Tulojousto mittaa terveyspalveluiden kysynnässä tapahtuvaa suhteellista muutosta suhteessa tulotason suhteelliseen muutokseen. Mitä korkeampi tulojousto on, sitä herkemmin kysyntä muuttuu tulojen muuttuessa.

Taulukko 1. Terveydenhuollon ja ikääntyneiden pitkäaikaishoidon menot vuosina 2022, 2030 ja 2070 osuuksina BKT:sta (%) perusuran mukaan

Taulukko 1. Terveydenhuollon ja ikääntyneiden pitkäaikaishoidon menot vuosina 2022, 2030 ja 2070 osuuksina BKT:sta (%) perusuran mukaan

Suomessa terveydenhuollon menojen BKT-osuuden ennustetaan nousevan hieman enemmän kuin keskimäärin EU-maissa, joissa menojen BKT-osuuden ennustetaan nousevan 6,9 prosentista 7,3 prosenttiin.7

Suomessa ikääntyneiden pitkäaikaishoidon menojen BKT-osuuden ennustetaan kasvavan enemmän kuin terveydenhuollon menojen. Kun ikääntyneiden pitkäaikaishoidon menojen BKT-osuus oli 2,1 prosenttia vuonna 2022, sen ennustetaan nousevan 3,9 prosenttiin vuoteen 2070 mennessä. Tämä tarkoittaa, että ikääntyneiden pitkäaikaishoidon menojen BKT-osuus kasvaisi 86 prosenttia tarkasteluajanjaksolla. EU-maissa pitkäaikaishoidon BKT-osuuden ennustetaan kasvavan tarkastelujaksolla 1,7 prosentista 2,6 prosenttiin. Pitkäaikaishoidon menojen BKT-osuus on EU-maissa Suomea alhaisempi, ja myös ennustettu menojen kasvu suhteessa BKT:n kasvuun on hieman maltillisempaa kuin Suomessa.

Mitä paremmin ihminen pärjää omassa kodissaan omillaan, sitä vähemmän hän tarvitsee terveydenhuollon palveluita. 90-vuotias ei automaattisesti ole huonommassa kunnossa kuin 70-vuotias.

Menoihin liittyviä ennustelaskelmia on kritisoitu siitä, että perusmuodossaan laskelmat eivät huomioi muiden tekijöiden kuin iän ja sukupuolen vaikutuksia terveyspalvelujen käyttöön ja menoihin. Erityisesti terveydessä ja toimintakyvyssä tapahtuvat muutokset ovat tässä suhteessa kriittisiä, sillä ne vaikuttavat terveyspalvelujen ja pitkäaikaishoidon kysynnän muutosten välityksellä menoihin8. Mitä paremmin ihminen pärjää omassa kodissaan omillaan, sitä vähemmän hän tarvitsee terveydenhuollon palveluita. 90-vuotias ei automaattisesti ole huonommassa kunnossa kuin 70-vuotias.

Ennusteissa terveydentilan ja toimintakyvyn vaikutuksia terveydenhuollon menoihin tulevaisuudessa huomioidaan skenaariolaskelmilla, jotka tosin perustuvat oletuksiin terveydentilassa tai toimintakyvyssä tapahtuvista muutoksista eliniän pidentyessä.

Jotta ikääntymisen menovaikutuksia voidaan ennustaa, on tärkeää saada tietoa henkeä kohden lasketuista sosiaali- ja terveydenhuollon menoista kussakin ikäluokassa. Kertomalla henkeä kohden lasketut menot ikäluokkien väestömäärillä ja laskemalla näin saadut luvut yhteen voidaan arvioida sosiaali- ja terveydenhuollon menoja koko väestössä. Yksilötason aineistoja hyödyntävä tutkimuskirjallisuus on keskittynyt pitkälti henkeä kohden laskettujen ikäryhmittäisten menojen mittaamiseen, mallintamiseen ja käyttämiseen ennustelaskelmien tekemisessä.

Vaikuttaako ikääntyminen menoihin sittenkään?

Zürichin yliopiston terveystaloustieteilijä Peter Zweifel kollegoineen9 haastoi vuonna 1999 ajatuksen siitä, että ikääntyminen kasvattaa henkeä kohden laskettuja menoja terveydenhuollossa. He kehittivät Red Herring -hypoteesin (RH-hypoteesi), jonka mukaan terveydenhuollon menoja selittää iän sijasta jäljellä oleva elinikä tai kuoleman läheisyys10.

Hypoteesi pitää paikkaansa, jos iän vaikutus yksilötason menoihin häviää tilastollisissa malleissa kontrolloitaessa kuoleman läheisyyttä. Zweifel ym.11 väittivät, että empiirisesti havaittu iän ja terveydenhuollon menojen positiivinen yhteys väestössä johtuu siitä, että ikääntyvässä väestössä on paljon henkilöitä, joiden jäljellä oleva elinikä on lyhyt. He tutkivat iän vaikutusta terveydenhuollon menoihin käyttäen sveitsiläistä yksilötason rekisteriaineistoa terveydenhuollon menoista, iästä ja kuoleman läheisyydestä. Tulosten mukaan potilaan iän vaikutus terveydenhuollon menoihin hävisi, kun kuoleman läheisyys vakioitiin. Lisäksi menot olivat sitä suuremmat, mitä lähempänä kuolemaa potilas oli.

Werblow ym.12 kysyivät vuonna 2007, pätevätkö Zweifelin ym. (1999) tulokset yhtäläisesti kaikkiin terveydenhuollon menolajeihin (esimerkiksi menoihin avo- ja laitospalveluihin sairaaloissa) ja ikääntyneiden pitkäaikaishoidon menoihin. He tutkivat asiaa käyttämällä sveitsiläistä rekisteriaineistoa yli 30-vuotiaiden henkilöiden terveyspalvelujen ja pitkäaikaishoidon menoista vuodelta 1999 Zürichin ja Geneven piirikunnissa. Yksilöitä seurattiin aina vuoden 2004 loppuun saakka, jolloin saatiin tietoa tutkittavien henkilöiden kuoleman läheisyydestä seuraavan viiden vuoden ajalta ja myös siitä, elääkö yksilö pidempään kuin seuraavat viisi vuotta. Terveydenhuollon kokonaismenot muodostuivat sairaaloiden laitos- ja avohoidon, poliklinikkakäyntien, lääkkeiden käytön, ikääntyneiden koti- ja laitoshoidon ja muiden palvelujen menoista.

Tulosten mukaan RH-hypoteesi piti paikkaansa terveyspalvelujen osalta, eli menot sairaaloiden avo- ja laitoshoitoon, poliklinikkakäynteihin, lääkkeisiin ja muihin palveluihin riippuivat ihmisen iän sijasta tämän jäljellä olevasta eliniästä.

Ikääntyneiden koti- ja laitoshoidon menot kuitenkin lisääntyivät iän myötä myös kuoleman läheisyyden kontrolloinnin jälkeen yli 70-vuotiaiden ryhmässä.

Ikääntyneiden koti- ja laitoshoidon menot kuitenkin lisääntyivät iän myötä myös kuoleman läheisyyden kontrolloinnin jälkeen yli 70-vuotiaiden ryhmässä. Erityisen selvä tämä ikäriippuvuus oli seuraavan viiden vuoden sisällä kuolevien henkilöiden laitoshoidon osalta. 90-vuotias tarvitsee siis todennäköisesti apua esimerkiksi asumiseen ja siivoamiseen siinäkin tapauksessa, että hänellä on useita elinvuosia elettävänä.

Menetelmällisiä kysymyksiä

Zweifelin ym. (1999) tulokset synnyttivät julkaisemisensa jälkeen kiinnostusta, mutta myös kritiikkiä. Salas ja Raftery (2001) nostivat esille kaksi mahdollista puutetta Zweifelin ryhmän käyttämissä tutkimusmenetelmissä.

Ensinnäkin tutkijoiden käyttämässä kaksivaiheisessa mallissa (twostep model13) selittävät muuttujat voivat olla korreloituneita, mikä tekee mallin parametreista (esim. selittävien muuttujien vaikutukset menoihin) epätarkkoja ja voi selittää sen, miksi iän vaikutus terveydenhuollon menoihin häviää tilastollisessa mallissa.

Käytetty malli voi lisäksi kärsiä ns. käänteisen kausaliteetin (reverse causality) ongelmasta, jos terveydenhuollon menojen kasvu kasvattaa elinikää ja viivästää kuolemaa. Käänteisen kausaliteetin ongelma syntyy, kun ei voida olla varmoja aiheuttaako tekijä X tuloksen Y, vai aiheuttaako Y itse asiassa X:n. Käänteinen kausaliteetti puolestaan synnyttää tilastollisiin malleihin liittyvän ns. endogeenisuusongelman, joka aiheuttaa systemaattista harhaa käytetyn mallin parametriestimaatteihin14. Endogeenisuusongelma viittaa tilanteeseen, missä joku usein havaitsematon tekijä vaikuttaa malliin lisättyihin muuttujiin, jolloin jää epäselväksi, mitkä näistä muuttujista lopulta selittävät tulosta.

Meena Seshamani ja Alistair Grey esittivät vuonna 2004 terveystaloustieteessä kehitetyn kaksiosaisen mallin (two-part model15) käyttöä ratkaisuna Zweifelin ym. (1999) käyttämän mallin selittävien muuttujien korrelaatiosta aiheutuvaan ongelmaan.

Kaksiosaisessa mallissa on erilliset yhtälöt palvelujen käytön todennäköisyydelle ja kustannuksille, jolloin selittävien muuttujien välisen korrelaation aiheuttamilta ongelmilta voidaan välttyä. Seshamani ja Grey käyttivät mallia tutkiakseen iän ja kuoleman läheisyyden vaikutuksia terveydenhuollon menoihin hyödyntämällä pitkittäisaineistoa Oxfordista, Englannista. Tutkimusaineisto koostui yli 65-vuotiaista potilaista, joiden terveyspalvelujen (pääosin sairaalapalveluita) käyttöä ja kustannuksia seurattiin vuodesta 1970 vuoteen 1999.

Aineiston vahvuus on pitkä seuranta-aika, mikä mahdollisti kuoleman läheisyyden mittaamisen kaikille aineistossa mukana oleville potilaille. Seshamanin ja Greyn tutkimustulokset tukivat osittain RH-hypoteesia. Niiden mukaan terveydenhuollon kustannukset olivat sitä korkeammat, mitä lyhempi on potilaan jäljellä oleva elinaika.

Koska endogeenisuusongelma voi synnyttää harhaa mallin parametriestimaatteihin, tutkijat ovat pyrkineet ratkaisemaan tätä ongelmaa käyttämällä instrumenttimuuttujamenetelmää. Tässä tutkimusmenetelmässä otetaan käyttöön lisämuuttuja, jonka avulla kuoleman läheisyydestä voidaan erottaa terveydenhuollon menoja selittävä vaihtelu, joka ei ole yhteydessä muihin tekijöihin.

Felder ym. (2010) käyttivät sveitsiläistä aineistoa ja aikaisempia terveydenhuollon menoja instrumenttimuuttujina eli instrumentteina. Kolodziejczyk (2020) hyödynsi aineistoa tanskalaisista kaksosista ja instrumentteina vanhempien ja kaksosten kuolinikiä. Teorian mukaan instrumenttimuuttujille on kaksi vaatimusta:

  1. Niiden tulee olla vahvoja, eli instrumenttien ja endogeenisen muuttujan välillä tulee olla riittävän suuri korrelaatio.
  2. Niiden tulee olla eksogeenisia, eli instrumentit eivät voi korreloida mallin virhetermin kanssa.

Felderin ym. käyttämät instrumentit olivat vahvoja mutta eivät osoittautuneet eksogeenisiksi, sen sijaan Kolodziejczykin käyttämät instrumentit toteuttivat molemmat vaatimukset. Kolodziejczykin tulosten mukaan iällä ei ollut vaikutuksia menoihin, kun taas kuoleman läheisyys kasvatti tervey­denhuollon menoja. Huomattavaa on, että kuoleman läheisyyden vaikutus menoihin oli pienempi kuin tilanteessa, jossa endogeenisuusharhaa ei kontrolloitu. Tämä ero tuloksissa voi syntyä käänteisestä kausaliteetista mutta myös puuttuvien muuttuvien harhasta (omitted variable bias).

Vielä yksi selittäjä: sairastavuus

Luonteva selitys sille, miksi kuoleman läheisyys selittää terveydenhuollon menoja, on sairastavuuden tai toimintakyvyn puutteiden lisääntyminen viimeisinä elinvuosina16.

Terveystaloustieteilijät Daniel Howdon ja Nigel Rice tutkivat vuonna 2018 iän ja kuoleman läheisyyden vaikutuksia sairaalapalvelujen menoihin käyttäen laajaa englantilaista rekisteriaineistoa sairaalapalvelujen käytöstä ja kustannuksista vuosilta 2005−2012. He lisäsivät tilastollisiin malleihin iän ja kuoleman läheisyyden ohella myös yksilötason sairastavuuden ja havaitsivat, että sairastavuuden kontrollointi vähentää kuoleman läheisyyden vaikutusta sairaalapalveluiden menoihin. Tulosten mukaan kuoleman läheisyyden vaikutus on noin kolmasosa verrattuna malleihin, joissa sairastavuutta ei kontrolloida.

Howdon ja Rice päättelivät, että kuoleman läheisyyden vaikutus menoihin mittaa osittain ikääntyvien yksilöiden sairastavuudessa tapahtuvien muutosten vaikutuksia terveydenhuollon menoihin. De Meier ym. (2011) tutkivat ikääntymisen ja kuolemanläheisyyden vaikutuksia ikääntyneiden laitos- ja kotihoidon kustannuksiin kontrolloimalla iän ja kuoleman läheisyyden ohella toimintakyvyn puutteita. Samoin kuin Howdon ja Rice, de Meier ym. osoittavat, että sairastavuuden ja toimintakyvyn puutteiden kontrollointi vähentää kuoleman läheisyyden vaikutusta ikääntyneiden pitkäaikaishoidon menoihin.

Tutkimuskirjallisuus osoittaa, että kun jäljellä olevaa elinikää kontrolloidaan, iän vaikutus menoihin joko pienenee tai jopa häviää kokonaan.

Miten väestön ikääntymisen menovaikutuksia tulisi ennustaa, kun huomioidaan useaan kertaan empiirisesti todennettu tosiasia viimeisten elinvuosien korkeista kustannuksista17? Tutkimuskirjallisuus osoittaa, että kun jäljellä olevaa elinikää kontrolloidaan, iän vaikutus menoihin joko pienenee tai jopa häviää kokonaan. Kun ennustetaan väestön ikääntymisen vaikutuksia menoihin koko maassa tai hyvinvointialueilla, olisi tarpeen kontrolloida odotettavissa olevaa elinikää väestössä muiden vaikuttavien tekijöiden ohella. Lisäksi, koska kuoleman läheisyyden vaikutus heijastelee osittain sairastavuutta18, myös väestön sairastavuuden vaikutus menoihin on syytä huomioida ennustemalleissa.

Terveitä vai sairaita lisävuosia?

Väestön ikääntymistä pidetään yhtenä tärkeimpänä sosiaali- ja terveydenhuollon menojen selittäjänä.

Tutkimuskirjallisuuden mukaan kuoleman läheisyyden (tai odotettavissa olevan elinajan) vaikutus terveydenhuollon menoihin on syytä huomioida, kun tehdään ennustelaskelmia ikääntymisen vaikutuksista terveydenhuollon ja vanhusten pitkäaikaishoidon menoihin. Mutta muuttaako odotettavissa olevan eliniän huomioiminen merkittävästi päätelmiämme ikääntymisen vaikutuksesta terveydenhuollon menoihin väestötasolla?

Vastaus tähän voi lopulta olla ei, koska väestön ikääntyminen lisää kalliiden, lähellä kuolemaa elettyjen elinvuosien määrää juuri iäkkäässä väestönosassa. Sosiaali- ja terveydenhuollon menokehitystä tulevaisuudessa määrittänee enemmänkin se, johtaako väestön ikääntyminen terveenä vietettyjen elinvuosien lisääntymiseen vai vähenemiseen – ja vastaavasti palvelutarpeen vähenemiseen tai lisääntymiseen.

ISMO LINNOSMAA

Ismo Linnosmaa

Ismo Linnosmaa on sosiaali- ja terveystaloustieteen professori Itä-Suomen yliopistossa ja vieraileva tutkija THL:ssä. Hänen tutkimuksensa kohdentuu ikääntyneiden pitkäaikaishoivan kustannuksiin ja vaikuttavuuteen sekä ikääntymisen taloustieteen teemoihin terveystaloustieteen kentässä. Sust­Ageable-hankkeessa Linnosmaa vastaa työpaketista, joka keskittyy tutkimaan väestön ikääntymisen ja sosiaali- ja terveydenhuollon menojen välisiä yhteyksiä. Hän johtaa myös SHARE-FI konsortiota, joka vastaa kansainvälisen SHARE (Survey of Ageing, Health and Retirement) -väestöaineiston keruun järjestämisestä Suomessa aallosta 11 eteenpäin.

TERHI AUVINEN

Terhi Auvinen

Terhi Auvinen on väitöskirjatutkija Itä-Suomen yliopistossa, sosiaali- ja terveysjohtamisen laitoksella. Auvinen tutkii väitöskirjassaan ikääntyneiden subjektiivista hyvinvointia Euroopassa SHARE-aineistolla, painottaen erityisesti resurssien, kuten terveyden ja sosiaalisten suhteiden merkitystä. Tutkimus kiinnittyy terveyshallintotieteen kentällä sosiaali- ja terveyspalvelujärjestelmien kehittämiseen sekä ikäystävällisen yhteyskunnan rakentamiseen. Auvinen on mukana SustAgeable -tutkimusryhmässä.

Viitteet

1 THL 2024.
2 Marino ym. 2017.
3 Tilastokeskus 2024.
4 European Commission 2024.
5 European Commission 2024.
6 European Commission 2024.
7 European Commission 2024.
8 Gray 2005.
9 Zweifel ym. 1999.
10 Zweifel 2022; Costa-i-Font ja Vienpilana-Prieto 2020.
11 Zweifel ym. 1999.
12 Werblow ym. 2007.
13 Heckman 1976.
14 Esim. Cameron ja Trivedi 2005.
15 Duan ym. 1983.
16 Zweifel 2022.
17 esim. Zweifel ym. 2004; Werblow ym. 2007; Sashamani ja Gray 2004; Kolodziejzcyk 2020.
18 Howdon ja Rice 2018; de Meier ym. 2011; Kolodziejzcyk 2020.

Kirjallisuus

Cameron, C. A. & Trivedi, P. K. (2005), Microeconometrics. Methods and Applications, Cambridge University Press, Cambridge, UK.

Costa-Font, J. & Vilaplana-Prieto, C. (2020), ”More than one red herring’? Heterogeneous effects of ageing on health care utilization, Health Economics 29(S1): 8–29.

de Meier, C., Koopmanschap, M., Bago d’Uva, T. & van Doorslaer, E. (2011), Determinants of long-term care spending: Age, time to death or disability?, Journal of Health Economics 30: 425–438.

Duan N., Manning, W. G., Norris, C. N. & Newhouse, J. P. (1983), A Comparison of Alternative Models for the Demand for Medical Care, Journal of Business & Economics Statistics 1: 115–126.

European Commission (2024), Ageing report – Economic & budgetary projections for the EU Member States (2022–2070), Publications Office of the European Union, 2024.

Felder, S., Werblow, A. & Zweifel, P. (2010), Do red herrings swim in circles? Controlling for the endogeneity of time to death, Journal of Health Economics 29: 205–212.

Gray, A. (2005), Population ageing and health care expenditure, Ageing Horizon 2: 15–20.

Heckman, J. (1976), The common structure of statistical models of truncation, sample selection, and limited dependent variables and a simple estimator of such models, Annals of Economic and Social Measurement 5: 475–492.

Howdon, D. & Rice, N. (2018), Health care expenditures, age, proximity to death and morbidity: Implications for an ageing population, Journal of Health Economics 57: 60–74.

Kolodziejczyk, C. (2020), The effect of time to death on health care expenditures: taking into account the endogeneity and right censoring of time to death, The European Journal of Health Economics, 21: 945–962.

Marino A., James C., Morgan D. & Lorenzoni L. (2017), Future trends in health care expenditure: A modelling framework for cross-country forecasts, OECD Health Working Papers No. 95.

Salas, C. & Raftery, J.P. (2001), Econometric issues in testing the age neutrality of health care expenditure, Health Economics 10: 669–671.

Seshamani, M. & Gray, A. (2004), Ageing and health-care expenditure: the red herring argument revisited, Health Economics 13: 303–314.

Tilastokeskus (2024), Väestörakenne 2023, Helsinki: Tilastokeskus (Viitattu: 13.8.2024).

THL (2024), Terveydenhuollon menot ja rahoitus, Liitetaulukot (Viitattu 13.8.2024).

Werblow, A., Felder, S. & Zweifel, P. (2007) , Population ageing and health care expenditure: A school of ‘red herrings’? Health Economics 16: 1109–1126.

Zweifel, P., Felder, S. & Meiers, M. (1999), Ageing of population and health care expenditure: A red herring? Health Economics 8: 485–496.

Zweifel, P., Felder, S. & Werblow, S. (2004), Population ageing and health care expenditure: New Evidence on the “Red Herring”, The Geneva Papers on Risk and Insurance 29(4): 652–666.

Zweifel, P. (2022), The ‘Red Herring’ Hypothesis: Some Theory and New Evidence, Healthcare 10, 211.