數據監測驅動下醫院護理不良事件鏈的回顧性分析

2024-11-11 00:00:00王靜黃有紅方萍萍劉曉

護理研究 2024年21期

Retrospective analysis of nursing adverse event chain in hospital driven by data monitoring

WANG Jing¹， HUANG Youhong²， FANG Pingping³， LIU Xiao^1*

1.Jiangxi Maternal and Child Health Hospital， Jiangxi 330006 China；2.School of Nursing， Nanchang University；3.The First Affiliated Hospital of Nanchang University

*Corresponding Author LIU Xiao， E?mail： 13979159907@qq.com

Keywordsnursing adverse events；data monitoring；information management；nursing management

摘要目的：分析數據監測驅動下護理不良事件鏈發生現狀，提出對策。方法：回顧性分析江西省某三級甲等醫院上報的783例護理不良事件的發生特點，以數據監測為基礎，總結護理不良事件鏈發生過程中存在的管理問題，持續改進。結果：護理不良事件鏈發生率較高的3種類型分別為跌倒（241例，占30.8%）、非計劃性拔管（213例，占27.2%）、壓力性損傷（76例，占9.7%）；護理不良事件鏈發生的主要科室為內科（354例，占45.2%）、外科（307例，占39.2%）、監護室（86例，占11.0%）；護理不良事件鏈發生的人員職稱構成為規培護生（47例，占6.0%）、護士（232例，占29.6%）、護師（355例，45.3%）、主管護師（144例，占18.4%）、副主任護師（5例，占0.6%）；護理不良事件鏈發生的時間段主要聚焦在早交接班（08：01～09：00）和中午（12：01～13：00）。結論：護理不良事件鏈的信息化管理有待進一步完善，醫院應聯動多部門、多學科團隊建設，加強護理不良事件鏈的監督，真dtLYYD1ay+TGfWEYqS2n1w==正實現數據監測驅動下的護理不良事件高效、精準預警、預控。

關鍵詞護理不良事件；數據監測；信息化管理；護理管理

doi：10.12102/j.issn.1009-6493.2024.21.030

新時代背景下，護理管理者應具備新型質量監控與管理能力，由傳統的經驗、事后、模糊型管理變革為科學、前瞻、精準型管理。如何以循證為基礎改善病人照護結局，以數據監測為引導，科學開展質量管理的最終目標，值得管理者思考。如今，醫療大數據呈爆發式增長，人工智能領域已經同醫療大健康相融合^[1]，在此賦能下的護理質量評價也邁進客觀指標、數據表達質量水平的新階段。數據源自于監測，能為臨床實踐提供評估線索與警示教育，從而激發系統思維流程的改善以提升質量。要立足病人所得到的護理服務，就要發現做得不夠好的細節及其數字背后的故事。護理不良事件是指由于醫療流程或醫護措施導致的具有高風險或非預期的病人傷害，主要包括壓力性損傷、非計劃性拔管、跌倒、用藥錯誤等^[2]。將不良事件作為一個整體進行防治，形成一個重要的概念，即不良事件鏈，研究顯示，臨床約50% 的護理不良事件的發生是可以預防的^[3]。然而臨床護理質量又是一個動態變化的目標，如何幫助同類別科室盡早識別潛在的系統和流程缺陷，促進護理質量持續改進^[4?6]，亟待開發者深入臨床實踐探究。因此，質量管理中十分有必要引入電子信息人工智能系統，以增強臨床護理實踐的預警預控，提高數據處理能力，提升護理效率，減少不良事件發生，保障病人安全。

1 資料與方法

1.1 一般資料

選取江西省某三級甲等醫院一院多區上報的783例護理不良事件作為資料來源。納入標準：發生在醫院內的護理不良事件；事件發生的當事人知情。排除標準：醫患、護患、醫護糾紛事件。

1.2 干預方法

1.2.1 建立院內護理不良事件報告與學習平臺

以護理部為主導聯合信息、醫務、藥學、檢驗、總務多部門共同建立質控管理電子信息平臺，形成數據的自動提取、存儲、整理、分析、共享。鼓勵全員非懲罰性上報不良事件，培訓臨床科室進行不良事件規范標準醫學術語、事件分類、病人結局、定性、時間、地點、人物等內容同質化上報，對事件發生過程中風險點設置預警預控，病區對全院不良事件參與討論，形成護理安全月報進行通報、警示、分析、整改，警鐘長鳴，并作為每次護士長例會主題之一，定期發行臨床護理質量安全季刊。

1.2.2 成立不良事件鏈管理專項督導小組

由分管質量安全的護理部副主任、總護士長、資深護士長、質控干事組成4級質量監督專項小組。每個月組織全院不良事件案例專項討論，進行同期縱向橫向對比、定性、整改、追蹤，建立重點警示案例庫，督查各科室學習落實改進情況。同時，針對不良事件鏈開展相關護理安全質量提升專項活動，醫、護、患多方聯動共同營造護理安全文化氛圍，每季度進行“我是質控人”案例巡講，挖掘科室優秀管理員并進行經驗交流。

1.2.3 開展危險預知訓練模式預警

危險預知訓練項目開展期間以大科護理為單元，梳理區域內嚴重護理不良事件，按照“事件回顧—原因分析—借鑒與反思”格式設計標準案例^[7]，根據不良事件造成的危害等級主動復盤風險因素，進行綜合評判，確認科室不良事件管理潛在缺陷，結合危險預知風險控制點，制定休哈特質量控制圖，設置預警指標。針對發生頻率高的時間段，采取動態監測和針對性的護理措施固化標準操作流程，幫助護理人員盡早識別容易忽略的危險因素，預測二次事件發生，從而進行有效的不良事件鏈的分類分層管理^[8]。

1.2.4 基于關鍵控制點的經典案例復盤

對不良事件鏈發生過程中的關鍵控制點進行預控，以預防、消除潛在危害或者將危害降低至可接受水平。關鍵控制點的確定在顯著風險評估基礎上，結合關鍵控制點的判斷樹，篩選發生可能性/嚴重程度被判定為高/高、中/高的危害，結合判斷樹中提出的4個問題，最終確定3個關鍵控制點：風險評估、預防措施、初期處理。對區域內2個月連續發生同種同源的護理不良事件進行經典案例復盤^[9]。

1.3 資料收集

通過數據監測收集整理不良事件，再依據專項督導小組深層次討論分析及反饋資料記錄，提取所有案例事件資料，包括護理不良事件鏈發生的分類情況、占比較高的3種類型的事件名稱、護理不良事件鏈發生的科室、護理不良事件鏈發生的人員職稱構成比、護理不良事件鏈發生的時間段風險點分析結果。

1.4 統計學方法

數據采用雙人錄入監測，利用Microsoft Excel 軟件錄入數據整理，采用SPSS 20.0 統計軟件進行數據分析。定性資料以頻數及百分比（%）表示。

2 結果

2.1 護理不良事件鏈發生分類情況

數據分析顯示，護理不良事件占比較高的前3類分別為：跌倒（241例，占30.8%）、非計劃性拔管（213例，占27.2%）、壓力性損傷（76例，占9.7%）。跌倒發生的年齡段主要集中于41～60歲和61～80歲，其中意識障礙病人占10.28%，身體障礙病人占14.9%。病人跌倒發生時狀態排在前4位的分別為如廁、床旁活動、其他、行走中。非計劃性拔管類型從高到低排序分別為腹腔引流管、胃管、深靜脈置管、留置尿管，拔管的時間段主要集中于晚上，以01：01～02：00為峰值，臨近時間段大體呈下降趨勢，11：01～12：00為低值。原因分析主要為病人煩躁（25.74%），病人及家屬依從性差（31.62%），約束不到位（13.24%），管路固定欠缺（2.94%）。壓力性損傷事件中Ⅱ期以上較多（56例，占73.7%），壓力性損傷發生率居前3位的科室為外科（16例，占21.1%）、監護室（15例，占19.7%）、內科（11例，占14.5%）；Ⅱ期以上壓力性損傷發生率為1.6%，較2022年同期水平的發生率（1.7%）有所下降，其中手術室、急診科的皮膚壓力性損傷上報例數明顯減少。見表1、表2。

2.2 護理不良事件鏈發生的科室分布

結果顯示，科室分布中，內科354例（45.2%），外科307例（39.2%），監護室86例（11.0%），急診12例（1.5%），手術室17例（2.2%），門診/醫技7例（0.9%）。具體見表3。

2.3 護理不良事件鏈發生的人員職稱構成

數據監測顯示，護理不良事件發生當事人以低年資職稱護士居多，其中規培生（47例，占6.0%），護士（232例，占29.6%），護師（355例，占45.3%），主管護師（144例，占18.4%），副主任護師（5例，占0.6%）。具體見表4。

2.4 護理不良事件鏈發生的時間段風險點

數據顯示，不良事件風險制高點主要聚焦在早交接班時段（08：01～09：00）和中午（12：01～13：00）薄弱時段。而不良事件發生占比中最高的跌倒事件，發生于上午治療高峰時段，非計劃性拔管事件則集中發生在凌晨時分。具體見表5。

3 討論

3.1 護理不良事件鏈發生現狀

不同醫院集團化服務模式、醫療技術水平、醫療服務提供能力不盡相同，給醫院管理帶來了更高的挑戰。護理領域需要進一步從護理體系、服務、技術、管理、人才等多維度統籌推動護理高質量發展，提升護理同質化水平。本次回顧性分析發現2023年護理不良事件發生率較2022年同期水平下降，不良事件以跌倒事件最為常見。不良事件發生的時間分布多見于早交接班和中午薄弱時段，作為管理者需加強臨床護士彈性排班，合理調配人力資源。規培生及護士職業生涯的成長具有實踐性和晚熟性的特點^[10]，數據分析顯示，不良事件發生的當值人員職稱分布以低年資的護士、護師居多。因此，質量管理的新趨勢為以病人為中心，數據驅動信息整合，在注重預防和干預同時要更多關注年輕護士的繼續教育與分層、分類培訓。

3.2 跌倒事件發生的原因與對策

跌倒是最常見的護理不良事件，臨床監測的護理敏感指標之一，也是多數老年人傷害死亡事件的原因。臨床上多數住院病人的跌倒可以預防，但欠缺跌倒風險評估、個性化措施、有效防范跌倒和跌倒后管理的全程閉環管理。本研究顯示，跌倒發生的年齡段主要集中于41～60歲和61～80歲，其中意識障礙病人占10.28%，身體障礙病人占14.9%。病人跌倒發生時狀態排在前4位的分別為如廁、床旁活動、其他、行走中，多數病人獨自如廁過程中由于下肢肌力發軟、功能減退不慎摔倒，還有部分為床旁自行活動時，對自身能力評估不足或家屬陪護缺失導致跌倒。因此，仍需進一步加強晚夜間重點病人及家屬防跌倒措施的有效落實，通過自查和督查結合排除隱患。近年來，利用人工智能技術預防跌倒已逐步成為現實，機器學習則可用于跌倒前的預測模型構建^[11]，如完善床欄、呼叫器、主干道路面等電子信息警報系統，增加衛生間輔助設備，優化跌倒自動預控流程。

3.3 非計劃性拔管發生原因與對策

以往臨床護理不良事件分析，重視病例數據上報、問題分析及制度流程的整改，質量管理較為被動^[2]。本研究顯示，臨床非計劃性拔管在于部分時間段的護理人力資源配置相對不足、保護性約束宣教欠缺，出現約束不到位所致。建議責任護士加強保護性約束的宣教，促進病人舒適，加強晚夜間重點人群的巡視和評估。結果顯示不同類型非計劃性拔管發生率從高到低排序分別為腹腔引流管、胃管、深靜脈置管、留置尿管，拔管的時間段主要集中于晚上，以01：00～02：00為峰值，臨近時間段大體呈下降趨勢，11：00～12：00為低值。原因分析主要為病人煩躁（25.74%），病人及家屬依從性差（31.62%），約束不到位（13.24%），管路固定欠規范（2.94%）。因此，要反復強化病人及家屬預防措施的落實執行，形成管道質控督查表，納入每個月護理質量檢查并全院通報結果，形成科室自發針對重點人群管道問題的主動復盤。同時加大與信息部門聯動，有效引導護士精準評估規范固定，成立以護理部為主導的全院管道小組，以及醫護一體化干預策略，多維度、全流程預防非計劃性拔管，包括護理評估盡早拔管、動態調整鎮靜藥物劑量與有效的醫護健康教育^[12]。

3.4 壓力性損傷發生原因與對策

通過數據監測分析院內壓力性損傷發生的現狀、趨勢、特征的影響因素，為臨床發生不良事件的預防、控制和管理提供科學依據，同時將數據與國家、區域水平進行橫向比較，與歷史性、階段性自身數據比較，可以有效避免類似事件發生。本研究顯示，全年共上報76例壓力性損傷事件，其中Ⅱ期以上（56例，占73.7%），壓力性損傷發生率居前3位科室為外科（16例，占21.1%）、監護室（15例，占19.7%）、內科（11例，占14.5%）；Ⅱ期以上壓力性損傷發生率為1.6%，較2022年同期水平的發生率（1.7%）有所下降，其中手術室、急診科的皮膚壓力性損傷上報例數明顯減少，仍然需要進一步積極倡導安全文化氛圍，加強病人安全管理，針對臨床一線護士調研，分析重點科室存在的問題，進行目標性改善，持續追蹤。有文獻報道，可通過護理敏感指標監測分析，強化護士工作責任心和慎獨精神指導護理工作，以防范不良事件發生，促進護理質量持續改進^[13?15]。在壓力性損傷專項督導過程中，將臨床護理實踐、壓力性損傷小組、護理質控三者有機結合，以教育指導和發現問題并重，充分提供足跟零壓力、翻身枕等防護器具設施。同時進一步加強新入職、低年資護士和重點科室的壓力性損傷管理同質化培訓，涵蓋評估、預防、處理、記錄、上報等各個環節。聯合營養、運動康復做好皮膚壓力性損傷事件的預警及流程優化，減少不良事件發生，促進精準護理內涵的不斷完善。

4 小結

《“十四五”護理事業發展規劃綱要》指出，護士培養與考核評價體系已基本形成，要進一步加強護理管理水平，推動信息、智能管理手段和方法在臨床護、教、研、管等全方位的應用。護理信息是數據的內涵，而數據則是信息的表現形式和載體，可以通過符號、文字、數字、圖像、影像加載于數據之上，對數據作具有含義的內容解釋。護理質量管理是保證護理工作達到規定的標準和滿足服務對象需要活動過程的規律，人工智能是通過數據獲取感知環境，解釋收集的結構化或非結構化數據，對知識進行推理，或處理從數據中獲得的信息，為實現既定目標而采取的最佳行動，實施臨床干預進行護理不良事件鏈的監測分析。信息化技術的快速發展為護理事業發展創造了新條件，要把提高護理服務質量和水平作為核心任務執行，充分借助大數據、云計算、物聯網等新一代信息技術，結合發展“互聯網+醫療健康”等要求，加速推動護理信息化建設。因此，數據監測驅動下不良事件鏈發生的回顧性分析，有望為不良事件管理提供思路，實現不良事件的自動預警預控，提高護理工作效率，也為探索打破醫院數據和信息資源的“孤島”提供一定參考。

參考文獻：

[1] RAJPURKAR P，CHEN E，BANERJEE O，.AI in health and medicine[J].Nature Medicine，2022，28：31-38.

[2] 婁方麗，田輝.護理不良事件研究進展[J].護理研究，2019，33（10）：1726-1730.

[3] ZANETTI A C B，DIAS B M，BERNARDES A，.Incidence and preventability of adverse events in adult patients admitted to a Brazilian teaching hospital[J].PLoS One，2021，16（4）：e0249531.

[4] 溫賢秀，敬潔，蔣文春，等.四川省醫院護理安全管理現狀調研及對策研究[J].中國護理管理，2017，17（9）：1240-1244.

[5] 董云紅，魏晶，李曉玲，等.醫療安全不良事件報告管理系統的設計與臨床應用[J].護理管理雜志，2016，16（5）：369-371.

[6] 張珍香.護理不良事件分級分類的管理分析及對策[J].中國醫藥指南，2015，13（34）：282.

[7] 王靜，楊陽，曹英.基于HACCP 經典案例復盤在護理不良事件管理中的應用[J].護理研究，2022，36（11）：3937-3940.

[8] 宋佳雪，吳英，彭程，等.機器學習法在護理不良事件管理中的應用研究進展[J].護理研究，2023，37（23）：4251-4256.

[9] 王靜，顏瓊，方萍萍.基于危險預知訓練模式的護理不良事件風險管理成效[J].護理學雜志，2023，38（10）：44-47.

[10] 葉鈺芳.低年資護士應急能力培訓方法研究進展[J].護理研究，2019，33（3）：469-473.

[11] 付榮娟，丁福.信息技術在跌倒管理中的應用現狀[J].中華護理教育，2022，19（8）：761-764.

[12] 王靜，徐琴.醫護一體化干預策略對主動脈內球囊反搏置管非計劃性拔管的預防[J].實用臨床醫學，2018，19（10）：76-78.

[13] 王靜，黃站梅.PCI術后延續護理質量指標的構建[J].護理學雜志，2020，35（8）：104-106.

[14] 徐冬梅，顧則娟，張新月，等.基于護理信息系統的接近失誤事件及護理不良事件發生現狀的縱向研究[J].護理研究，2021，35（13）：2295-2298.

[15] 陳春麗，張建鳳，任俊翠，等.護理敏感質量指標在不良事件管理持續改進中應用的效果評價[J].護理研究，2019，33（14）：2503-2506.