Historiallinen aika

Siirtymäanalyysi – uuden iänmääritysmenetelmän testausta suomalaisella luuaineistolla

Nina Maaranen

Kuoliniän määritys on osa osteologista perustutkimusta. Yhdessä muun kerätyn aineiston kanssa se muodostaa kokonaisuuden, jonka avulla voidaan tulkita yksilöiden elämänhistorioita ja luoda demografista tietoa populaatioista. Tästä syystä iänmääritysmenetelmiltä vaaditaan tarkkuutta ja luotettavuutta, jotka eivät aina ole helposti saavutettavia. Jesper Boldsenin, George Milnerin, Lyle Konigsbergin ja James Woodin kehittämä Transition Analysis, ’siirtymäanalyysi’, julkaistiin vuonna 2002 teoksessa, joka kokosi Rostockissa iänmääritystä pohtineen työryhmän esitykset yksiin kansiin (Hoppa & Vaupel 2002). Käytän tässä tässä jutussa termejä TA-menetelmä ja siirtymäanalyysi.

Kehittäjien alustavat tulokset siirtymäanalyysista olivat erittäin lupaavia, mutta kuten tieteelliseen tutkimukseen kuuluu, menetelmän tulosten täytyy olla toistettavissa. Tästä syystä iänmääritysmenetelmiä testataan analysoimalla luurankokokoelmia, joiden yksilöiden kuoliniät ovat tiedossa. Sain Luonnontieteelliseltä keskusmuseolta luvan testata menetelmää heidän säilyttämäänsä suomalaiseen ihmisluurankokokoelmaan.

Aikuisten iänmääritys – menetelmät ja haasteet

Ihmisten kasvu noudattaa pääosin geneettisesti määräytyvää aikataulua, mistä syystä kasvuikäisen luuston ja hampaiden muutokset on helpompi sitoa yksilön kronologiseen ikään (Ks. esim. juttu Lasten luustoiän määrityksestä). Sen sijaan aikuisten, joiden kehityskausi on päättynyt (toisin sanoen, kasvulevyt ovat luutuneet), luustomuutoksia kuvataan useimmiten rappeutuvuksi. Moni iänmääritysmenetelmä perustuu visuaalisesti havainnoitaviin muutoksiin yhdessä luukappaleessa, kuten lantioluun ja ristiluun hankaumapinnan muutoksiin. Tämä on ongelmallista juuri yksilöllisyytemme vuoksi, sillä luuston osat saattavat ikääntyä eri tahdissa. Toisin kuin luuston kehitysvaiheessa, rappeutuessaan luuston ulkonäköön vaikuttavat monenlaiset ulkoiset tekijät, kuten henkilön koko, elintavat ja hormonitasapaino. Vaikutus saattavat myös olla luuston eri osissa erilainen, jolloin yksi osa luurangosta saattaa vaikuttaa muuta nuoremmalta tai vanhemmalta. Jos luu kokee mekaanista rasitusta, se saattaa hajota nopeammin. Luuston eri osien hyödyllisyys ikäarvioissa vaihtelee myös elämän aikana. Esimerkiksi keski-ikäisen henkilön iänmääritys onnistuu parhaiten reisiluun pään muutoksista lantioluun sijaan.

Reisiluun pää. Kuva: Wikimedia Commons.

Kaikissa kuolinikää määrittävissä menetelmissä on jonkin verran epävarmuutta johtuen juuri yksilöllisyydestä, ja ikäarviot joutuvat tasapainoilemaan tarkkuuden (kuinka tarkka arvio on) ja luotettavuuden (kuinka usein arvio on oikea) välillä. Ongelman lieventämiseksi osteologit ovat perinteisesti pyrkineet käyttämään ikäarvioon useaa menetelmää eri luuston osista. Tämä kuitenkin luo täysin uuden ongelman, sillä jokaisella menetelmällä on oma epävarmuutensa.

Jos iänmääritysmenetelmä on tehty käyttämällä aineistoa, jossa jokin ikäluokka on muita suurempi, kasautuvat ikäarviot tähän luokkaan (niin sanottu age mimicry -efekti). Jos tätä painotusta ei oteta tilastollisesti huomioon, se vääristää muista aineistoista tehtäviä arvioita painottamalla niidenkin ikäarvioita kohti samaa suurinta luokkaa (Bocquet-Appel & Masset 1982). Jos osteologi käyttää useaa menetelmää, joilla kaikilla on sama ongelma eri ikäluokissa, arviolla ei ole todellista tilastollista merkittävyyttä.

Tämä luo tietynlaisen paradoksin osteologisessa arvioinnissa, sillä sen mukaan tutkijalla täytyisi olla olettamus aineistonsa ikäjakaumasta jo ennen kuin analyysia on tehty. Boldsen et al. (2002) lähestyivät ongelmaa aloittamalla kehittämään uutta menetelmää, joka arvioisi samalla kertaa useampaa eri luukappaletta eikä enää toisi lähdeikäjakauman ongelmia arvioitavaan aineistoon. Menetelmän ensimmäinen versio perustuu yhden luukappaleen sijasta kolmen elementin tarkasteluun ja näiden pohjalta suoritettavaan tilastolliseen analyysiin. Siirtymäanalyysi on yksi ainoista, todellisesti monitekijäisistä menetelmistä, jota voidaan analysoida tilastollisesti.

Suomalainen aineisto testauksessa

Luurankokokoelmat, joissa yksilöiden iät ja sukupuolet ovat tiedossa, ovat melko harvinaisia. Eri kokoelmien ikä- ja sukupuolirakenteet ovat myös hyvin erilaisia. Esimerkiksi yksi Smithsonian-instituutin varastoimista kokoelmista koostuu Korean sodassa (1950–63) kaatuneista nuorista (alle 30-vuotiaista) miespuolisista henkilöistä. Kokoelmien harvinaisuus on usein syynä siihen, miksi iänmääritysmenetelmiä luodessa ryhmiä ei karsita, sillä tämä laskisi näytemääriä liian pieniksi.

Suomalaisen luurankokokoelman varhaisimmat hankinnat ovat vuodelta 1839, mutta kokoelman kerryttäminen lopetettiin toisen maailmansodan alkaessa. Aineisto koostuu useasta eri alakokoelmasta, joiden alkuperä on niin arkeologisissa kaivauksissa kuin lääkäreiden opetuskokoelmissa, ajoittuen 1400–1900-lukujen välille. Sarja A:na tunnettu alakokoelma sisältää lääkäreiden keräämiä luurankonäytteitä 201 suomalaisesta, jotka kuolivat vuosien 1914–1916 ja 1928–1937 aikana. Sarja A:n katalogi sisältää iän ja sukupuolen lisäksi tietoa synnyinpaikoista, ammateista ja kuolinsyistä. Katalogi ei kokoelman nuoren ikänsä takia ole julkinen, vaan luovutettavissa ainoastaan tutkimuskäyttöön. (Söderholm 2002)

Koska suomalainen kokoelma on suhteellisen tuntematon (varsinkin ulkomaalaisille tutkijoille), se on suhteellisen vähän hyödynnetty kokoelma (poikkeuksena kuitenkin muun muassa Niinimäki 2012, Telkkä 1950). Koska luurangot eivät ole kokonaisia, kokoelman käyttömahdollisuudet ovat rajalliset. Iänmääritystutkimusta varten materiaalia oli kuitenkin tarpeeksi, sillä lantioluut olivat usein hyvin säilyneet.

Clevelandin luonnontieteellisen museon Hamann-Todd -kokoelma on yksi tutkituimmista luukokoelmista. Kuva: Clevelandin luonnontieteellinen museo.

Tulokset

Ensimmäinen vaihe, luuelementtien piirteiden arviointi, tapahtuu Boldsenin et al. (2002) luomien kriteerien pohjalta. Tarkasteltavia piirteitä on yhteensä yli 30 kolmesta eri luurangon elementistä; kallosta sekä lantionluun häpyluusta ja aurikulaarisesta pinnasta. Suurin osa piirteistä arvioidaan mittapuulla, jonka tekijät ovat kuvailleet luomassaan ohjekirjassa. Niin ohjekirja (kuvituksien ja kuvauksien kera) kuin analyysiin käytettävä ABDOU-tietokoneohjelma ovat vapaasti ladattavissa tekijöiden nettisivuilta (tällä hetkellä ei saatavilla, sillä ohjelmaa päivitetään, lisätietoa loppukappaleessa).

Piirrearviot käsitellään tietokoneohjelmassa, jossa yksilöille valitaan myös sukupuoli (jos mahdollista) sekä konteksti. Kontekstilla tarkoitetaan aineiston löytöolosuhteita. Boldsen et al. (2002) uskovat, että arkeologisesta kontekstista tuleva aineisto on ikäjakaumaltaan vanhempi, normaalia väestörakennetta vastaava, kun taas oikeustieteelliset yksilöt ovat tilastollisesti nuorempia. Näin ollen molemmille on luotu ohjelmassa oma oletusjakauma (prior), joka tilastollisesti korjaa ikäarviota todennäköisimpään suuntaan.

TAmanualelements

Siirtymäanalyysi (TA-menetelmä) käyttää kallon saumakohtia (neliö) ja lantioluun aurikulaarista pintaa (ympyrä) ja häpyluun liitospintaa (neliö).

Jotta menetelmän käyttökelpoisuutta voi mielekkäästi verrata muihin menetelmiin, aineiston iät määritettiin myös käyttämällä kahta perinteistä iänmääritysmenetelmää; häpyluuhun perustuvaa Suchey-Brooksin (1990) menetelmää ja aurikulaarisen pinnan arviointiin perustuvaa Buckberry-Chamberlainin (2002) menetelmää.

Tulokset osoittivat, että kaikki kolme menetelmää pärjäsivät suhteellisen hyvin (ks. taulukko 1), kun todellista ikää arvioitiin määritettyihin ikärajoihin (kun ikä on esimerkiksi 43 +/- 7 vuotta). TA-arviot vaihtelivat vähiten pistearviosta (aiemman esimerkin 43 vuotta), ja ikäarvioiden rajat olivat pienempiä. Tämä tarkoittaa, että TA kykeni antamaan tarkempia arvioita pienemmillä ikärajoilla. Tarkempi kuvaus analyysista ja tuloksista on luettavissa Maarasen ja Buckberryn vuonna 2018 ilmestyneestä ilmaisesta, englanninkielisestä artikkelista.

Menetelmä Luotettavuus % r Epätarkkuus Vinouma keskiarvosta
TA 80.9 0.799 0.571 8,8 -2,8
Suchey-Brooks 80.9 0.626 0.263 14,4 -1,7
Buckberry-Chamberlain 73.5 0.778 0.575 15,7 13,7

Taulukko 1. Luotettavuus kertoo kuinka usein menetelmät olivat oikeassa. Luvut r ja R² kertovat kuinka hyvin arvio ja oikea ikä korreloivat. Epätarkkuus tarkoittaa kuinka suuri arvioväli oli. Vinouma merkkaa arvion ja oikean iän suhdetta – negatiiviset arvot tarkoittavat, että arvio oli liian alhainen, positiiviset liian korkea.

Yksi syy menetelmällä saatuun hyvään tulokseen on mitä todennäköisimmin aineiston sisältämä nuori ikäluokka, jolloin ikäarviot ovat luontevasti tarkempia. Milner & Boldsen (2012) ovat tehneet saman havainnon testatessaan menetelmää suurempaan amerikkalaiseen aineistoon. He huomasivat myös, että vanhempiin ikäluokkiin siirryttäessä luuston ikääntymisestä kertova informaatio on äärimmäisen vähäistä. Nykyiset menetelmät eivät siis edes kykene arvioimaan kaikista vanhimpia ihmisiä. Varsinkin perinteiset menetelmät ovat ratkaisseet (tai sivuuttaneet) ongelman aloittamalla viimeisen ikäryhmän 50+ iästä, jolloin kaikki tätä vanhemmat yksilöt ovat kasautuneet samaan ryhmään. Tämä on yksi syy, miksi yleinen oletus muinaisihmisten eliniästä on usein niin alhainen. Iänmääritysmenetelmien rajallisuus kätkee vanhat ihmiset muuhun aineistoon, ja menetelmien epävarmuuteen ja ongelmiin liittyvistä yksityiskohdista ei keskustella riittävästi osteologien ja arkeologien välillä.

TA-menetelmän kaltainen lähestyminen iänmääritykseen luo aikaisempaa paremman teoreettisen ja menetelmällisen perustan, joilla on mahdollista saada enemmän tietoa ihmisten iästä muinaisyhteisöissä. TA-menetelmä ei myöskään seiso laakereillaan – alkuperäistä menetelmää kehittäneet tutkijat saivat rahoitusta menetelmän ja ohjelmiston lisäkehitykseen, jossa otetaan huomioon aiempaa enemmän luurangon elementtejä uudessa. Päivitetyn menetelmän ensitulokset esiteltiin maaliskuussa Clevelandissa AAPA-konferenssissa (American Association of Physical Anthropology). Tulokset ovat erittäin lupaavia, ja ABDOU-ohjelman uusin versio tulee vapaasti saataville vuoden 2019 lopussa tai vuoden 2020 alussa. Uutisia kannattaa seurata Odensen antropologian ja forensisen lääketieteen verkkosivulta.

———

Kirjoittaja on Kalmistopiirin toimituskuntaan kuuluva, Bournemouthin yliopistoon väitöskirjaa tekevä luututkija.

Lähteet:

Bocquet-Appel, J.-P., Masset, C. 1982. Farewell to paleodemography. Journal of Human Evolution 11, 321–333.

Boldsen JL, Milner GR, Konigsberg LW, Wood JW. 2002. Transition analysis: a new method for estimating age from skeletons. In: Hoppa RD, Vaupel JW, eds. Paleodemography: age distributions from skeletal samples. Cambridge: Cambridge University Press: 73–106.

Hoppa, R.D., Vaupel, J.W. 2002. The Rostock Manifesto for paleodemography: the way from stage to age. pp. 1-8 in Hoppa, R.W. and Vaupel, J.W. (eds.), Paleodemography: Age distributions from skeletal samples. Cambridge: Cambridge University Press.

Maaranen N. & Buckberry J. 2018. Detecting the elderly: Exploring age using Transition Analysis. In Murphy, E. and Lillehammer, G. (eds.) Giving New Meaning to Cultural Heritage – The Old and the Young in Past Societies. AmS-Skrifter series: 143–154.

Milner, G.R., Boldsen, J.L. 2012. Transition analysis: a validation study with known-age modern American skeletons. American Journal of Physical Anthropology 148(1), 98–110.

Niinimäki, S. 2012. The relationship between musculoskeletal stress markers and biomechanical properties of the humeral diaphysis. American Journal of Physical Anthropology 147, 618–28.

Söderholm, N. 2002. Den anatomiska bensamlingen vid Helsingfors Universitet. Unpublished Master’s thesis, University of Helsinki.

Telkkä, A. 1950. On the prediction of human stature from the long bones. Acta Anatomica 9, 103–107.

Kommentoi

Täytä tietosi alle tai klikkaa kuvaketta kirjautuaksesi sisään:

WordPress.com-logo

Olet kommentoimassa WordPress.com -tilin nimissä. Log Out /  Muuta )

Google photo

Olet kommentoimassa Google -tilin nimissä. Log Out /  Muuta )

Twitter-kuva

Olet kommentoimassa Twitter -tilin nimissä. Log Out /  Muuta )

Facebook-kuva

Olet kommentoimassa Facebook -tilin nimissä. Log Out /  Muuta )

Muodostetaan yhteyttä palveluun %s

This site uses Akismet to reduce spam. Learn how your comment data is processed.