在患者安全管理中，信息技术已逐步成为不可或缺的决策支持工具。大数据时代的来临使大数据技术成为各行业不可规避的研究热点，而大数据技术的核心就是预测。美国、英国、澳大利亚、加拿大等国家在患者安全管理与医疗风险预警监测理论研究与实践探索方面已经取得了诸多成就。近年来我国护理管理者对不良事件管理上报系统的建立越来越重视，并积极开发网络上报系统，护理不良事件报告制度已取得了长足的发展，但风险预警监测体系仍处于起步阶段，相关文献报道非常少见。

聚集性信号预警功能指对某区域在短期内集中出现相似的不良信息时进行提醒，提前获知并及时处理不良事件聚集性信号，减少类似事件的发生和蔓延。目前国内的报道多用于药品不良反应监测领域，在医疗风险尤其是护理不良事件管理方面的相关文献非常少见。我院已于2010年建立了不良事件网络报告系统，可进行数据收集和关联性分析，为智能预警功能打下坚实的基础。自2012年起，我院再次开发护理不良事件聚集性信号预警系统，利用数据进行预警监测。经过两年半的实践与应用，取得了令人满意的效果。

1   对象与方法

1.1 研究对象 在医院开放的1147张床位中，采用目的抽样法，选择护理不良事件管理信息系统中的内科系统、外科系统、妇儿系统、神经内科系统、神经外科系统、急诊系统、门诊系统、手术室系统共8个科室系统上报的护理不良事件为研究对象。

1.2 研究方法

1.2.1 建立预警规则 预警线的设定是该系统的关键环节之一，预警线设定过高，系统甄别预警过于迟钝，预警线设定过低，系统过于灵敏而频繁报警，管理者无法抓住重点。本系统依据近5年医院不良事件数据库的回顾进行风险值测算而设定。

1.2.2.1 理论基础 故障模式影响分析（Failure Mode and Effects Analysis，简称为FMEA）理论是医疗风险管理中应用最为广泛、最为有效的方法之一。它能够为风险管理者提供机会，以使其在风险管理上处于领先位置，并有效改善医疗环境。FMEA的基本原理是利用一定的统计方法估算失效发生时后果的严重度(S) 、发生频率(O) 和失效检验难度(D) 等因素，计算风险顺序数值RPN=SⅹOⅹD。医疗失效模式与效应分析(HFMEA)在FMEA的基础上加以改进，将FMEA三维的风险分析简化为二维，其RPN=SⅹO。因可侦测度（D）在不良事件管理中的难判断性，HFMEA与不良事件管理的基本理念更加契合，成为聚集性信号预警功能实现的基础。同时基于控制图法、使用前三年的历史报告数据建立预警数据库,从候选百分位数中选出预警界值，通过每5个百分位的递增来提升预警程度的界值，最终优选出预警界值。

1.2.2.2 风险值模型形成 研究小组根据不良事件的发生特点进行严重度(S) 和发生频率(O)的分值界定（见表1），以护士长每自然月实施PDCA质量控制为周期，计算各系统不良事件的RPN和各系统单类事件的RPN。计算所得RPN通过与后台设定的预警界值进行对比，产生相应的预警模式。

表1 严重度（S)和发生频率（o)的分值界定

1.2.2.3 预警规则建立 因各科室收治病种、患者的认知程度、自理程度等不一致，不良事件的发生频率不能按照同一水平线进行量化预警，因此研究小组将“科室系统”设定为预警地理范围；并考虑同一事件可能会出现重复报告的情况，故系统设定为经护理部审核通过后进入风险值计算和预警程序；系统设定按照自然月始末累计计算，因上报时间滞后于发生时间，故将发生时间作为计算标准，且符合高级别事件的预警信息时，不再出现低级别预警信息。

1.2.3 预警过程实现 

1.2.3.1 预警标志 用不同颜色来区别风险的严重程度差异，是预警信号的重要特征。一般，红色通常表示最严重的状况，以红色的减弱表示危险的降低，如橙红表示危险严重程度低于红色但高于黄色，蓝色或绿色则根据研究的不同。因此，设定蓝、黄、橙、红四种颜色代表“一般、较重、严重和非常严重”四种预警级别进行预警信息显示。

1.2.3.2 预警实现 操作者进入软件系统输入护理不良事件信息后，数据提取报告单中的严重程度并赋值，自动计算该区域该事件的发生频率并赋值，结果数据直接进入数据库，首先直观显示该不良事件的预警结果，其次自动计算类事件和区域风险值，在登录时根据权限显示相应管理范畴的语境情况（见图1）。

图1 智能预警实现流程

2    预警监测应用及效果

软件设计完成后于2013年1月投入使用，全院8个科室系统、68个护理单元1000余名护士登陆该软件进行上报或浏览。护理部根据近3年的数据库收集，为8个科室系统和护理部层面设定了预警线。两年来，护理人员上报护理不良事件共计400例。经系统信息分析及反馈，发出蓝色预警48次，黄色预警23次，无橙色及红色预警显示。

2.1 预警监测系统实施前后护理不良事件率比较 将预警监测系统实施后两年的数据与实施前两年的数据进行对比分析，2011-2012年两年内全院不良事件发生570例，发生率7.00‰，2013-2014年全院不良事件发生400例，发生率4.22‰，发生率下降显著（见表2）。

2.2 科室层面预警发出后聚集性不良事件得以改善 以我院某系统跌倒事件为例，2014年二季度系统连续两个月发出黄色预警显示该科室系统跌倒事件聚集性发生，需立即采取相关管理手段进行干预，以该科科护士长为首立即对所有跌倒事件进行回顾性分析、原因查找、立即改善，该科室系统的跌倒聚集性发生得到遏制，并持续下降（见表3）。

表3 某科室系统跌倒事件发生例数趋势图（例）

3    讨论

3.1 系统应用有利于患者安全管理 从不良事件发生例数来看，预警监测说明护理管理层能够准确把握运行状态，及时捕获具有警戒防范意义的系统缺陷，利用前馈信息及时采取有效的警戒防范措施，再进行成因和发展态势的描述和分析，避免了缺陷的无限扩大。预警监测系统的应用有助于分清不良事件的轻重缓急，FMEA失效模式由可观测的影响护理风险指标事件等级和频率，计算出风险值指数，评估风险级别，使护理风险具有可测量性和可比性，一方面可进行横向比较分析，对具有高风险区域提供预警信号；另一方面，可进行纵向评估风险水平的趋势，及时传递信息，提供改进依据和奖惩依据。解决原管理模式存在的滞后性问题。

3.2 系统应用促进护理管理科学化 将软件管理引入护理管理工作中是发展的必然趋势，实现了由经验型向科学化、规范化及数据管理的自动化转变。作为护理管理中的重要资源，由于目前在护理不良事件管理方面缺乏有效、可行的量化指标，使得对风险控制的管理重视程度不足，迫切需要理想的解决对策，本文正是着眼于目前尚未受到广泛重视的不良事件量化监控体系，将护理风险控制关口前移，达到过程管理的目的，促进护理不良事件的良性转归。

4    结论

通过宏观体系建设和微观技术保证，我院把风险管理的原理、方法、标准、工具与网络技术结合，构建了统一有效的护理不良事件运作系统，形成了对患者安全与临床风险监测的快速反应和交流机制。但不良事件预警是一项系统工程, 是一个复杂体系，理论涉及非医学学科领域，因此，针对不良事件的特点和预警功能, 理论思想与内涵还有待不断丰富和完善。我院护理不良事件预警体系的建立也是初次尝试，虽收到一定效果，该系统的敏感性和灵活性、预警显示的时机、预警范围等的设定是否科学合理，尚待在实践中进一步探索。

（来源：《中国数字医学》杂志2016年第11卷第6期，作者：董婷婷，韩斌如，杨莘，单位：首都医科大学宣武医院护理部）

《中国数字医学》杂志社在售书籍