大数据加持下的护理质量管理 有点强

护理工作是医疗的重要组成部分，其质量直接影响患者的治疗康复效果。质量管理作为护理管理的重要组成部分，是撬动护理管理走向科学化、规范化的重要力量。

目前，国内应用数据测量护理质量主要围绕国家卫生健康委员会医院管理研究所护理中心发布的护理质量敏感性指标展开，“结构—过程—结果” 指标的应用为综合而深入研究临床护理质量明确了路径。与此同时，对护士每日的常规工作质量控制多以查看工作流程的正确性、操作的规范性为主，质量标准因人而异，版本众多，不具备标准化与同质性特征，难以比较。

如何利用这些数据实现标准化质量管理，进一步提升护理质量？首都医科大学宣武医院（下称“宣武医院”）从未停止过探索。

Step1：建立医疗信息数据库

护理行为在信息系统中生成的数据能够帮助管理者了解护士工作质量的现状，实现数据反应护理质量、提升质量的科学管理。

在护理工作过程中，医嘱执行、护理操作、病历记录等行为过程被HIS系统、LIS系统、移动护理系统、输血系统、手术麻醉系统、消毒供应系统等多个系统记录下来形成活动轨迹。这些结构化数据存储在数据库，可以进一步采集用于后期护理质量分析与管理。

近年来，医院信息化建设飞速发展，众多医院都建立了自己的数据库。宣武医院在参与医院评审的过程中，医疗信息数据库也得到不断完善。

Step2：挖掘数据的质量内涵

有了医疗信息数据库，对其进行二次分析是常规操作。大数据的助力，让宣武医院的数据挖掘与利用经历了从手工分析向决策平台应用的转化。

首先，从医院信息系统提取数据用于护理质量控制，确保数据来源唯一。护理部提交数据使用申请，经批准后由信息部门完成数据采集并发回，避免来源不同所致的数据差异进而对后期分析造成影响。数据应用需要明确统计口径，这决定着数据范围与数据量，是数据提取的关键环节。每个项目所需的数据集合会明确每条数据包含的内容，如医嘱项目、病案号、各个执行时间节点、操作者等。

之后是实施标准化的数据分析过程。先完成数据清洗、匹配、去重等数据整理，生成优质数据，再按照预先设定的筛选步骤分类，进而按照统一公式进行计算、分析、整理与反馈。

下面以医嘱执行前双人核对的信息数据应用为例加以说明：

查对制度是医疗工作的核心制度之一，直接关系患者安全。护理部质量管理团队选取医嘱执行前的双人核对为切入点，无论是静脉用药、注射用药、口服用药的执行，还是输注血制品、标本采集等医嘱执行过程，以医嘱处理人与执行核对人是否为同一人来了解医嘱查对制度的落实。医嘱执行前的双人核对质量从肌肉注射的数据分析开始，第二期增加药物过敏试验数据，第三期增加标本采集数据，累计数据量达456951条。双人核对率依次由98.77%升至99.98%、98.77%升至100%、85.69%升至94.69%。护士对用药安全较标本采集安全更为重视，为后期不良事件预防与安全管理提供了依据。

Step3：标准分析路径模型化

在不断对数据的进行分析处理后，宣武医院护理质量管理团队用于临床质量控制的数据量逐年增加，由最初年1.3万条增加到后期的年50万条，同时建立了标准化分析路径，每次数据分析的用时由5个工作日缩短至2个工作日，并形成可靠的数据分析模型，数据分析进入到决策平台应用阶段。

目前，护理质量监控涉及的多个项目维度已实现在决策平台实时分析，数据整合形式灵活多样。进入决策平台护理质量模块，选择任意所需项、病区范围、时间段等关键点，即可进行质量结果查询，同时完成绘制图形，节省数据分析时间，大大缩短了管理路径。

Step4：多项措施辅助改善

质量测量是质量改善的基础。通过大数据掌握部分护理工作现状后，护理质量管理团队需要辅以多项措施与管理方法进行深入质量改善。

比如，进行质量标准定期分层培训，一线护士进行质量标准专题培训，护士长在季度分析时持续展示质量标准；实行每月质量反馈，标明单元质量与总体质量数据，护士长比较自身质量与总体质量的变化与质量偏差；实行护理部、科室、病区三级管理，科室与单元找寻具体改进突破点等。

在宣武医院，护理部经过学习与查阅权威资料，确定质量标准与指标；再经大数据对护理质量进行实际测量与监控；而后通过多途径的综合质量管理与改善的系列实践，证明所选用的标准与指标能够体现护士护理过程的质量，应用整组指标借助大数据可实现客观、公平、实时的质量比较，形成具有可采集、可复制的专业化、科学化的精准质量控制过程，最终形成了聚焦准时性、准确性、及时性的护理质量客观评价指标体系。这个体系可广泛用于国内外包括任意规模的医疗机构。

在未来，以客观数据为基础的精准质量控制已成为护理质量管理的必然趋势。但特别需要指出和值得注意的是，大数据应用于护理质量的前提条件是必须先有良好的质量控制思路与设计。质量标准的找寻与挖掘是关键的基础工作，质量指标的生成并非一蹴而就。没有衡量质量的标准与指标，拥有再多的数据也是枉然。