深圳市公立医院医疗安全风险评估

黄伟, 陈蕾

降低医疗风险是当前医药卫生体制改革的重要目标之一,也是医疗服务机构和患者最关心的问题。医疗风险存在于医疗服务的全过程,包括医疗活动的各环节和一些涉及就医环境等边缘性行为,既有医源性的风险,也有非医源性的风险[1]。医疗风险具有客观性、不定性、危害性和永恒性等特征,若风险处理不及时,极容易引起医疗纠纷[2]。本研究通过灰度分析法,对深圳市公立医院医疗风险现状进行分析与评估,通过比较各影响因子(指标)数据间的关联度(灰度关联系数),分析各影响因子间的强弱关系,找出医疗安全风险的各影响因素间的关系,为修改和完善医疗安全风险相关政策与规章制度提供参考依据。

1 资料与方法

1.1 资料来源

本研究主要通过中国知网、万方数据、APS(A-merican Physical Society)、Elsevier Science Direct等数据库进行文献分析,共查阅1997年1月-2017年6月期间医疗安全风险评估与防范相关文献179篇。

1.2 研究方法

1.2.1 文献分析 对现有的文献进行归类分析得知,医疗安全风险的影响因子主要有医方因素、患方因素、医患沟通因素、疾病因素和社会因素5个维度。从医疗风险来源分析,主要包括医疗事故、医疗差错、过度医疗、防御性医疗、医疗意外等方面；从医疗风险的形成来看,主要包括医疗技术因素(医疗发展的客观性和技术的局限性,尤其是部分新药使用和医疗器械领域)、道德因素(趋利避害)和外界因素(社会、文化、就医理念)等方面。

1.2.2 灰度关联分析 灰度关联分析是灰色系统理论中的一个分支,其数学理论依据是由序列曲线几何形状的相似程度来判定其相关性[3]。一般情况下,曲线越接近,其关联度越大,反之亦然。由于该分析方法对采集的数据要求不严,不要求数据分布具有特殊规律,且因为医疗安全风险伴随着医疗服务的全过程,影响医疗安全风险的各要素间存在不同程度的相互作用,很难用简单或者特定的函数关系来描述,因此,应用灰色关联分析能有效分析医疗安全风险各要素间的非线性关系。本研究采用普查法,选择2013年1月—2016年12月在深圳市48家公立医院内发生的8 947例医疗事故和医疗风险排查案例作为研究对象,从深圳市三甲综合性医院选取11名从事医疗纠纷处置相关工作5年以上的医疗和法学专家对所有案例的主要原因进行分类分析,其中医方因素1 794例、患方因素2 084例、医患沟通因素3 573例、疾病因素571例、社会因素925例。

2 结果

2.1 医疗安全风险评价指标体系

通过文献分析和实证研究(主要通过分析深圳市年度医疗纠纷报表及相关案例)得出深圳市医疗安全风险的主要影响因素,并归纳出医疗安全风险评价指标体系,即医方因素、患方因素、医患沟通因素、疾病因素和社会因素5个维度、18个二级指标和36个三级指标。其中,医方因素包括医疗相关法律规章制度、医疗体制和运营机制、医院管理(是否设置医疗风险管理机构、是否制定和严格执行医疗风险管理制度、是否制定和执行风险报告制度、是否设置医疗服务质量管理机构、是否设置医学伦理委员会、是否有专职医疗风险控制人员、是否聘请法律顾问或律师等)和医护人员自身能力(是否严格制定查房、处方、首诊、病案讨论、值班交接、会诊、医学文书书写、三查七对等风险防控制度、是否设置医疗纠错小组、是否参加专业技术培训、是否严守医德规范、是否有医疗风险意识等)；患方因素包括疾病认知能力、医疗费用承担能力、医疗机构信任程度、医护人员信任程度、法律维权意识等；医患沟通因素包括医方沟通能力(医院是否制定医疗纠纷应急处置机制、是否设置医疗纠纷处置专职人员、是否定期举办医患沟通培训、医护人员是否积极参与医患沟通等),患方沟通能力(患者及其家属是否熟悉诊疗规程、是否配合诊疗规范、是否知晓病情进展、是否遵守相关法律法规等)；疾病因素包括疾病类型、疾病病程、疾病危险程度、未知类疾病风险等；社会因素包括新闻报道、就医观念、思维惯势等。见表1。

2.2 基于灰度关联的医疗安全风险影响因素分析

将深圳市48家公立医院8 947例医疗事故和医疗风险排查案例作为母序列,将与医疗安全风险有关的36个指标作为关联序的子序列,计算关联系数及关联序。深圳市当前医疗安全风险关联度前10位的依次是对医疗机构信任度(0.872)、家庭经济水平(0.859)、是否有专职医疗风险控制人员(0.851)、媒体炒作(0.837)、是否配合诊疗规范(0.826)、医护人员是否积极参与医患沟通(0.821)、是否制定和执行风险报告制度(0.817)、患者及其家属是否熟悉诊疗规程(0.817)、对医护人员信任度(0.813)和社会观念(0.805)；其中,患方因素3个、医患沟通因素3个、医方因素2个、社会因素2个。可见,患方因素、社会因素和医院管理因素是主要因素,这提示患者及其家属的健康知识普及、医患间的有效沟通以及医疗质量的提升是未来降低医疗安全事故和风险排查的重点。见表1。

关联度位于后10位的依次是医院运营机制(0.338)、法律(0.347)、是否严守医德规范(0.413)、现行规章制度(0.452)、是否参加专业技术培训(0.502)、是否设置医学伦理委员会(0.518)、医疗体制(0.529)、是否设置医疗纠错小组(0.519)、是否有医疗风险意识(0.568)、法律知识(0.627)。其中,医方因素9个,患方因素1个,这提示深圳市医疗机构重视医疗服务质量和医疗安全风险管理,疾病因素已不是医疗风险高发的主要原因。见表1。

2.3 医疗安全风险的人工神经网络模型

选取表1中影响医疗安全风险的10个主要指标,用2013年1月—2016年12月深圳市48家公立医院8 947例医疗风险排查案例作为实验样本数据,即模型的输入向量个数为10个,输出的向量个数为1个,对这4年的样本数据进行模拟,采用中小型网络的Trainlm算法和交叉检验的方法,构建深圳市公立医院医疗安全风险评估预测模型。其结果显示,内部验证均方差(RMSECV)为0.839 2,预测平均相对误差(RME)为0.047 8。

3 讨论与建议

3.1 从多重角度找准医疗服务供需双方利益的平衡点

从灰度关联分析的结果来看,影响当前医疗安全风险关联度的主要因素包括患方因素、医方因素和社会因素等。提示政府在制定医疗卫生政策、建立和完善相关制度时,应该从社会、经济、文化和医疗环境等角度综合考虑,要梳理医疗服务供需双方的利益诉求,找准各方利益的平衡点。国内文献研究表明,家庭经济收入与医疗服务费用间的矛盾也是导致医疗安全风险增大不可忽视的因素[4-6]。因此,应加大财政补贴和对卫生服务资源的投入,增强社会对医疗机构和医护人员的信任度,让公立医院的公益性回归的同时,可以综合运用互联网+医疗+家庭的思维和相关技术,科学设计、合理规划就医流程,纠正不良的就医观念,降低医疗安全风险,从而减少医疗事故和医闹事件的发生率[7-8]。

表1 医疗安全风险评价指标体系及关联度

3.2 模型有较好的适用度,泛化能力较强

经过48家公立医院4年的医疗风险排查的数据推算后,该模型的评价指标均相对较好,模型的预测效果较好,说明该模型有较好的适用度,其泛化能力较强。由于医疗安全风险存在于整个医疗服务过程中,其产业链条涉及面广,医疗产品的研发、生产、运输、流通和使用等环节以及医院的各个工作部门、各个工作环节都存在潜在的医疗风险,而医疗服务的供需双方和医疗服务管理方都会优先保护各自利益,一旦矛盾和风险出现则会涉及多个方面[9]。在当前优质医疗资源的稀缺性和疾病的不确定性的条件下,若想实现优质医疗卫生服务的普惠性还存在很大的难度,但可以对工作改进的重点进行梳理和分析,以期提出相应的改进策略[10]。可见,该模型的应用对明确医疗制度和医疗服务质量改进的重点、优化深圳市医疗卫生服务资源、降低医疗安全风险等有重要借鉴作用。