门诊分诊失效与智能技术改善的探讨

□ 颜楷 YAN Kai 邱亨嘉 QIU Heng-jia

门诊分诊是护士根据患者主诉和主要症状描述，对患者疾病严重程度以及所属专科进行分类，为患者提供专科推荐的工作[1-2]。分诊失效是指分诊科室、医生专长不满足患者疾病需求的情况。分诊失效降低医师工作效率，增加医院管理运营成本，并且降低患者就医体验[3]、延误治疗。既往研究探讨分诊失效因素中，将影响因素分为分诊人员因素、患者及家属因素、管理等因素[4-6]，却仅通过问卷调研方式得出各因素出现频次占比，对多种因素间相互作用考虑不充分。既往研究中提出的模板式问诊与提升分诊护士能力等解决方案[7-8]，不适应当前门诊护士短缺、工作量大的现状。本研究探索造成分诊失效的原因，并提出以智能技术为基础的解决方案。

资料与方法

1．资料来源。收集湖南省株洲市某三级综合医院门诊2017年9 月每周三上午挂号及退、换号总量。从医院管理信息系统中获取患者性别、年龄、患者登记号、挂号方式、取号时间、分诊护士编号，结合回访资料进行分析。

2．方法。根据每日患者退、换号的患者登记号，追踪退、换号原因，在资料中标注分诊失效与分诊有效，并将样本分为失效组与有效组。取样本中患者门诊病历诊断数据，请专科医生判断患者诊断类型是否属于易混淆的疾病范畴，进行标记，区分疾病类型。变量调整中，预约挂号不同于现场挂号，未经过分诊环节直接进入诊室取号，标记为新变量编入资料。小于18 岁就诊患者年龄折算为其父母年龄计入资料。样本筛检中，将诊间预约号、取药便民号、复诊患者、同日内重复同科室医生挂号、等候时间过长而同科室内换号的数据筛出样本。获得总分诊人次2892 次，其中出现分诊失效274 人次。使用SPSS13．0 软件进行分析，研究其失误因素，提出改进策略。

结果

本研究中，分诊失效率为9．47%，平均每半天(上午)出现68．5 人次的分诊失效。基本人口学信息如表1、表2 所示。

表1 中显示，性别因素不显著(p＞0．05)，取号时间段、年龄段、挂号方式、疾病类型因素显著(p＜0．05)。

根据护士相关因素对护士进行简单描述。从学历上，护士B为中专学历，护士D 为本科及以上学历，护士A、C、E 为大专学历。在从事分诊工作时长上，护士A、D 为2 ～3 个月分诊经验护士，护士B、C 从事分诊时间少于2 个月，护士E 从事分诊超过3 个月。表2 中显示，护士学历、分诊护士个人差异因素间不显著（p＞0．05)。

表1 分诊失效患者因素

表2 分诊失效护士因素

根据样本数据，进行Logistic 回归分析，对年龄层次、分诊时间段、挂号方式、分诊护士等七个维度进行哑变量处理，进行回归检验，结果见表3。患者年龄中，年龄以18 ～27 岁为参照，48 ～57 岁年龄段分诊准确性差异显著(p=0．002)，面临比18 ～27岁患者2．009 倍分诊失效的风险；分诊时段中，以11：00 ～12：00为参照，8：00 ～8：59 与9：00 ～9：59 两个时间段分诊准确性差异显著(p=0．015 与p＜0．001)，面临的分诊失效危险分别为2．231倍与4．102 倍；挂号方式上，预约挂号相对于现场挂号显著(p=0．013)面临5．74 倍分诊失效威胁；从分诊护士的学历上看，并不影响分诊结果；护士从事分诊工作时长上看，工作时间较长护士分诊失效较少，且存在显著差异；分诊护士间也存在一定程度分诊失效风险，相对于A 护士，B、C 护士更易犯错。

讨论

从分诊时间段角度看，工作量越大的时段更容易出现分诊失误。现场挂号时间段内，分诊量压力影响分诊工作质量，工作量由9：00 ～9：59、8：00 ～8：59、10：00 ～10：59、11：00 ～12：00递减。研究中以11：00 ～12：00 为参考发现，工作量最高时间段9：00 ～9：59 出错的相对危险度是最少工作量时间11：00 ～12：00的4．1 倍。分诊护士在工作负荷高时，有效分诊时间被压缩，难以规范使用推荐的分诊流程。患者与护士也容易受到嘈杂环境影响而沟通不充分。

从挂号方式角度来看，预约挂号患者面临更高挂号错误。预约挂号的患者在网络挂号端直接选择科室，不经过分诊操作，分诊的环节缺失。患者多数不具备专业医学知识，在相同症状不同病种或不同症状相同病种等较为复杂的情况下，难以分辨。患者凭经验挂号难找到准确的科室和专业擅长的医生。解决网络预约挂号分诊问题同样是提高医院运营效率的关键。而现场挂号造成的分诊失效来源于工作量，工作量大导致分诊工作时间不足，对病情与症状的沟通不完整。

从疾病诊断上看，部分病种的症状相似仍是导致分诊错误中最主要、影响最大的因素。在数据整理阶段发现，易混淆的病种数据存在较强的偏向性，主要发生在较为固定的专科与疾病间，这样具有关联性的特征能为分诊指导规范建立起到帮助作用，也为建立智能化指引的技术应用提供了基础。

从分诊护士角度看，不同分诊护士能力存在差异。不同学历分诊护士之间不存在显著差异。从工作经验对护士分诊表现影响上看，小于2 个月与大于3 个月护士之间差异显著，而2-3个月与3 个月经验的护士间则差异变得不明显。分诊对护士专业技术与经验要求非常高，对沟通能力与服务耐心要求也很高。表3 结果中，B 护士为新入职低年资护士，C 护士为病房科室轮转护士，B、C 两位护士从事分诊工作时间短，而D、E 护士则是具有较长时间分诊经验的门诊护士。结果一定程度反映出分诊正确性受到护士经验的影响。分诊工作是经验积累的过程，经由1个月的适应后，其工作准确率基本趋于稳定。现医院状况下，护理人力严重不足，在临床一线工作的护士很难抽出身支援分诊工作。分诊护士流转快，岗位人力不固定，导致分诊工作质量因人员变动影响较大。

综合分析，从医疗质量评估三角模型出发，流程层面上，预约挂号的方式存在分诊工作中预检环节的缺失。结构层面上，护理资源数量与能力不足难以支撑高强度工作。在护理培养不足、人才流失严重的现状下，发掘和引进替代产品，逐渐减少人工操作，是改善和发展的趋势。

智能分诊技术应用

根据分析和讨论发现，增加专职管理人员和提升人员素质实施较困难，而新型智能分析技术在医院存在较大应用空间[9]。美国家庭医生制与欧洲已经有较成熟的转诊与分诊规范，结构化的数据为简单的分诊技术应用提供条件。此外，各种智能技术的成熟和逐步应用，亦能配合分诊成为高效准确的技术解决方案。

表3 分诊准确影响因素的Logistic 分析

图1 技术应用框架图

使用深度学习模型(Deep Learning)对患者来源、患者人口学信息以及既往因素进行画像，并根据抽象诊断与疾病的周期性变化进行模型自优化[10]，形成基于患者与人群的信息提取能力。

运用最简决策树(Simplest Decision Tree)在医院病案数据的基础上，建立用于分诊的知识库与词汇库，通过对诊断名、病种分类、复诊等信息的截取，建立数据模型，计算各属性对病种与科室、诊断等属性的影响系数，通过模型评估确定最佳模型，以此模型进行患者挂号分诊[11]。

针对分诊失效高危病种与科室，基于既往数据建立关联分析(Keyword Association Rule Mining)模型。基于患者主诉内容、病案关键词、主诊断形成的词汇库，计算分诊失效的关联情况统计概率，以校正常规分诊中可能出现的错误。

前景与趋势

1．提高分诊准确率，提升效率与满意度。人工分诊挂号与自助挂号方式的准确率低，国内低医患比的状况对高质量执行分诊规范的可行性不强。智能分诊技术能在提高分诊准确率的同时精简挂号与就诊流程，提高医院运营效率，缓解患者由于分诊失效带来的情绪焦虑与体力支出。

2．优化医院人力分配。采用智能技术进行分诊导诊工作，能够缓解门诊护士紧缺的情况，让护士能够专心在门诊一线工作。此外，导诊和指引工作不需要专业医护人员，能在人力配置和成本管理上更好控制。

3．帮助构建分级医疗服务体系。未来成熟的分诊智能技术不仅能解决医院分诊失效的问题，还能成为医院间转诊分诊的区域级平台。中国医疗体系由于缺少看门人的角色，病人因不能判断去医院的必要性而寻求昂贵的诊治[12]。分诊技术成熟运用后，与家庭医生和全科医生转诊制结合，推进分级诊疗体系落地。引导普通疾病患者向全科转移，解放紧缺的专家与专科资源，促进医疗资源配置的优化，加快医疗需求和资源向基层沉淀，调整倒三角医疗体系状况，控制医疗费用增长[13]。

总结

分诊失效是影响患者就医体验、医院运营效率与医师工作效率多方面的医院管理问题。门诊分诊工作的智能计算，为医院解决分诊正确性问题、优化流程、提升效率提供值得借鉴和发展的方向。医院信息化过程已经极大地颠覆了传统医院管理模式[14]，智能化的深入将让医院信息化从数据对接与传递，提升到智能分析与决策支持的层面。