□ 顏楷 YAN Kai 邱亨嘉 QIU Heng-jia

門診分診是護士根據(jù)患者主訴和主要癥狀描述，對患者疾病嚴重程度以及所屬專科進行分類，為患者提供?？仆扑]的工作[1-2]。分診失效是指分診科室、醫(yī)生專長不滿足患者疾病需求的情況。分診失效降低醫(yī)師工作效率，增加醫(yī)院管理運營成本，并且降低患者就醫(yī)體驗[3]、延誤治療。既往研究探討分診失效因素中，將影響因素分為分診人員因素、患者及家屬因素、管理等因素[4-6]，卻僅通過問卷調(diào)研方式得出各因素出現(xiàn)頻次占比，對多種因素間相互作用考慮不充分。既往研究中提出的模板式問診與提升分診護士能力等解決方案[7-8]，不適應(yīng)當(dāng)前門診護士短缺、工作量大的現(xiàn)狀。本研究探索造成分診失效的原因，并提出以智能技術(shù)為基礎(chǔ)的解決方案。

資料與方法

1．資料來源。收集湖南省株洲市某三級綜合醫(yī)院門診2017年9 月每周三上午掛號及退、換號總量。從醫(yī)院管理信息系統(tǒng)中獲取患者性別、年齡、患者登記號、掛號方式、取號時間、分診護士編號，結(jié)合回訪資料進行分析。

2．方法。根據(jù)每日患者退、換號的患者登記號，追蹤退、換號原因，在資料中標(biāo)注分診失效與分診有效，并將樣本分為失效組與有效組。取樣本中患者門診病歷診斷數(shù)據(jù)，請專科醫(yī)生判斷患者診斷類型是否屬于易混淆的疾病范疇，進行標(biāo)記，區(qū)分疾病類型。變量調(diào)整中，預(yù)約掛號不同于現(xiàn)場掛號，未經(jīng)過分診環(huán)節(jié)直接進入診室取號，標(biāo)記為新變量編入資料。小于18 歲就診患者年齡折算為其父母年齡計入資料。樣本篩檢中，將診間預(yù)約號、取藥便民號、復(fù)診患者、同日內(nèi)重復(fù)同科室醫(yī)生掛號、等候時間過長而同科室內(nèi)換號的數(shù)據(jù)篩出樣本。獲得總分診人次2892 次，其中出現(xiàn)分診失效274 人次。使用SPSS13．0 軟件進行分析，研究其失誤因素，提出改進策略。

結(jié)果

本研究中，分診失效率為9．47%，平均每半天(上午)出現(xiàn)68．5 人次的分診失效?；救丝趯W(xué)信息如表1、表2 所示。

表1 中顯示，性別因素不顯著(p＞0．05)，取號時間段、年齡段、掛號方式、疾病類型因素顯著(p＜0．05)。

根據(jù)護士相關(guān)因素對護士進行簡單描述。從學(xué)歷上，護士B為中專學(xué)歷，護士D 為本科及以上學(xué)歷，護士A、C、E 為大專學(xué)歷。在從事分診工作時長上，護士A、D 為2 ～3 個月分診經(jīng)驗護士，護士B、C 從事分診時間少于2 個月，護士E 從事分診超過3 個月。表2 中顯示，護士學(xué)歷、分診護士個人差異因素間不顯著（p＞0．05)。

表1 分診失效患者因素

表2 分診失效護士因素

根據(jù)樣本數(shù)據(jù)，進行Logistic 回歸分析，對年齡層次、分診時間段、掛號方式、分診護士等七個維度進行啞變量處理，進行回歸檢驗，結(jié)果見表3?；颊吣挲g中，年齡以18 ～27 歲為參照，48 ～57 歲年齡段分診準(zhǔn)確性差異顯著(p=0．002)，面臨比18 ～27歲患者2．009 倍分診失效的風(fēng)險；分診時段中，以11：00 ～12：00為參照，8：00 ～8：59 與9：00 ～9：59 兩個時間段分診準(zhǔn)確性差異顯著(p=0．015 與p＜0．001)，面臨的分診失效危險分別為2．231倍與4．102 倍；掛號方式上，預(yù)約掛號相對于現(xiàn)場掛號顯著(p=0．013)面臨5．74 倍分診失效威脅；從分診護士的學(xué)歷上看，并不影響分診結(jié)果；護士從事分診工作時長上看，工作時間較長護士分診失效較少，且存在顯著差異；分診護士間也存在一定程度分診失效風(fēng)險，相對于A 護士，B、C 護士更易犯錯。

討論

從分診時間段角度看，工作量越大的時段更容易出現(xiàn)分診失誤?，F(xiàn)場掛號時間段內(nèi)，分診量壓力影響分診工作質(zhì)量，工作量由9：00 ～9：59、8：00 ～8：59、10：00 ～10：59、11：00 ～12：00遞減。研究中以11：00 ～12：00 為參考發(fā)現(xiàn)，工作量最高時間段9：00 ～9：59 出錯的相對危險度是最少工作量時間11：00 ～12：00的4．1 倍。分診護士在工作負荷高時，有效分診時間被壓縮，難以規(guī)范使用推薦的分診流程?；颊吲c護士也容易受到嘈雜環(huán)境影響而溝通不充分。

從掛號方式角度來看，預(yù)約掛號患者面臨更高掛號錯誤。預(yù)約掛號的患者在網(wǎng)絡(luò)掛號端直接選擇科室，不經(jīng)過分診操作，分診的環(huán)節(jié)缺失?；颊叨鄶?shù)不具備專業(yè)醫(yī)學(xué)知識，在相同癥狀不同病種或不同癥狀相同病種等較為復(fù)雜的情況下，難以分辨?；颊邞{經(jīng)驗掛號難找到準(zhǔn)確的科室和專業(yè)擅長的醫(yī)生。解決網(wǎng)絡(luò)預(yù)約掛號分診問題同樣是提高醫(yī)院運營效率的關(guān)鍵。而現(xiàn)場掛號造成的分診失效來源于工作量，工作量大導(dǎo)致分診工作時間不足，對病情與癥狀的溝通不完整。

從疾病診斷上看，部分病種的癥狀相似仍是導(dǎo)致分診錯誤中最主要、影響最大的因素。在數(shù)據(jù)整理階段發(fā)現(xiàn)，易混淆的病種數(shù)據(jù)存在較強的偏向性，主要發(fā)生在較為固定的專科與疾病間，這樣具有關(guān)聯(lián)性的特征能為分診指導(dǎo)規(guī)范建立起到幫助作用，也為建立智能化指引的技術(shù)應(yīng)用提供了基礎(chǔ)。

從分診護士角度看，不同分診護士能力存在差異。不同學(xué)歷分診護士之間不存在顯著差異。從工作經(jīng)驗對護士分診表現(xiàn)影響上看，小于2 個月與大于3 個月護士之間差異顯著，而2-3個月與3 個月經(jīng)驗的護士間則差異變得不明顯。分診對護士專業(yè)技術(shù)與經(jīng)驗要求非常高，對溝通能力與服務(wù)耐心要求也很高。表3 結(jié)果中，B 護士為新入職低年資護士，C 護士為病房科室輪轉(zhuǎn)護士，B、C 兩位護士從事分診工作時間短，而D、E 護士則是具有較長時間分診經(jīng)驗的門診護士。結(jié)果一定程度反映出分診正確性受到護士經(jīng)驗的影響。分診工作是經(jīng)驗積累的過程，經(jīng)由1個月的適應(yīng)后，其工作準(zhǔn)確率基本趨于穩(wěn)定?，F(xiàn)醫(yī)院狀況下，護理人力嚴重不足，在臨床一線工作的護士很難抽出身支援分診工作。分診護士流轉(zhuǎn)快，崗位人力不固定，導(dǎo)致分診工作質(zhì)量因人員變動影響較大。

綜合分析，從醫(yī)療質(zhì)量評估三角模型出發(fā)，流程層面上，預(yù)約掛號的方式存在分診工作中預(yù)檢環(huán)節(jié)的缺失。結(jié)構(gòu)層面上，護理資源數(shù)量與能力不足難以支撐高強度工作。在護理培養(yǎng)不足、人才流失嚴重的現(xiàn)狀下，發(fā)掘和引進替代產(chǎn)品，逐漸減少人工操作，是改善和發(fā)展的趨勢。

智能分診技術(shù)應(yīng)用

根據(jù)分析和討論發(fā)現(xiàn)，增加專職管理人員和提升人員素質(zhì)實施較困難，而新型智能分析技術(shù)在醫(yī)院存在較大應(yīng)用空間[9]。美國家庭醫(yī)生制與歐洲已經(jīng)有較成熟的轉(zhuǎn)診與分診規(guī)范，結(jié)構(gòu)化的數(shù)據(jù)為簡單的分診技術(shù)應(yīng)用提供條件。此外，各種智能技術(shù)的成熟和逐步應(yīng)用，亦能配合分診成為高效準(zhǔn)確的技術(shù)解決方案。

表3 分診準(zhǔn)確影響因素的Logistic 分析

圖1 技術(shù)應(yīng)用框架圖

使用深度學(xué)習(xí)模型(Deep Learning)對患者來源、患者人口學(xué)信息以及既往因素進行畫像，并根據(jù)抽象診斷與疾病的周期性變化進行模型自優(yōu)化[10]，形成基于患者與人群的信息提取能力。

運用最簡決策樹(Simplest Decision Tree)在醫(yī)院病案數(shù)據(jù)的基礎(chǔ)上，建立用于分診的知識庫與詞匯庫，通過對診斷名、病種分類、復(fù)診等信息的截取，建立數(shù)據(jù)模型，計算各屬性對病種與科室、診斷等屬性的影響系數(shù)，通過模型評估確定最佳模型，以此模型進行患者掛號分診[11]。

針對分診失效高危病種與科室，基于既往數(shù)據(jù)建立關(guān)聯(lián)分析(Keyword Association Rule Mining)模型?；诨颊咧髟V內(nèi)容、病案關(guān)鍵詞、主診斷形成的詞匯庫，計算分診失效的關(guān)聯(lián)情況統(tǒng)計概率，以校正常規(guī)分診中可能出現(xiàn)的錯誤。

前景與趨勢

1．提高分診準(zhǔn)確率，提升效率與滿意度。人工分診掛號與自助掛號方式的準(zhǔn)確率低，國內(nèi)低醫(yī)患比的狀況對高質(zhì)量執(zhí)行分診規(guī)范的可行性不強。智能分診技術(shù)能在提高分診準(zhǔn)確率的同時精簡掛號與就診流程，提高醫(yī)院運營效率，緩解患者由于分診失效帶來的情緒焦慮與體力支出。

2．優(yōu)化醫(yī)院人力分配。采用智能技術(shù)進行分診導(dǎo)診工作，能夠緩解門診護士緊缺的情況，讓護士能夠?qū)Ｐ脑陂T診一線工作。此外，導(dǎo)診和指引工作不需要專業(yè)醫(yī)護人員，能在人力配置和成本管理上更好控制。

3．幫助構(gòu)建分級醫(yī)療服務(wù)體系。未來成熟的分診智能技術(shù)不僅能解決醫(yī)院分診失效的問題，還能成為醫(yī)院間轉(zhuǎn)診分診的區(qū)域級平臺。中國醫(yī)療體系由于缺少看門人的角色，病人因不能判斷去醫(yī)院的必要性而尋求昂貴的診治[12]。分診技術(shù)成熟運用后，與家庭醫(yī)生和全科醫(yī)生轉(zhuǎn)診制結(jié)合，推進分級診療體系落地。引導(dǎo)普通疾病患者向全科轉(zhuǎn)移，解放緊缺的專家與?？瀑Y源，促進醫(yī)療資源配置的優(yōu)化，加快醫(yī)療需求和資源向基層沉淀，調(diào)整倒三角醫(yī)療體系狀況，控制醫(yī)療費用增長[13]。

總結(jié)

分診失效是影響患者就醫(yī)體驗、醫(yī)院運營效率與醫(yī)師工作效率多方面的醫(yī)院管理問題。門診分診工作的智能計算，為醫(yī)院解決分診正確性問題、優(yōu)化流程、提升效率提供值得借鑒和發(fā)展的方向。醫(yī)院信息化過程已經(jīng)極大地顛覆了傳統(tǒng)醫(yī)院管理模式[14]，智能化的深入將讓醫(yī)院信息化從數(shù)據(jù)對接與傳遞，提升到智能分析與決策支持的層面。