基于失效模式与效应分析（FMEA）的临床遗传学风险评估工具开发与多中心试点研究

《European Journal of Human Genetics》：What is risk in clinical genetics? Designing and piloting tools to evaluate risk in clinical genetics using failure modes and effects analysis

【编辑推荐】为系统评估临床遗传学诊疗流程中的风险，本研究基于失效模式与效应分析（FMEA）方法，开发了包含22个步骤的患者旅程流程图、风险频率审计表和特异性危害评分工具。通过对欧洲6个遗传中心的试点审计发现，3.6%-20.3%的诊疗存在不良事件，主要风险点包括样本处理、报告传输和结果解读。工具可实现风险前瞻性监测，为质量控制提供标准化框架。

　　

在精准医疗时代，遗传检测已成为疾病预防和诊断的重要工具。然而临床遗传学作为预防性专科，其风险具有独特特征：不良事件的后果可能潜伏数年甚至影响数代人，且错误可能波及整个家庭。更严峻的是，随着主流临床（非遗传专科）开展遗传检测的情况增多，由于缺乏专业知识导致的检测误用、结果误读等风险日益凸显。曾有因变异解读错误导致不必要妊娠终止或预防性乳房切除的案例发生，这些严重后果催生了对遗传咨询师进行规范管理的呼声。

尽管遗传实验室已建立完善的质量管理体系（如ISO 15189），但临床遗传学活动——特别是实验室检测前后的临床评估、检测选择、结果解释等环节——缺乏系统性的风险评估工具。现有质量评估多关注服务结构、护理过程和健康结果，而真正意义上的风险（安全护理缺失）评估工具尚属空白。这种缺失使得遗传服务提供者难以主动识别和防控诊疗全流程中的潜在风险点。

为填补这一空白，由爱尔兰儿童健康医院牵头的研究团队开展了一项创新研究，旨在开发临床遗传学特异性风险评估工具。研究团队采用失效模式与效应分析（FMEA）方法论，这是一种前瞻性风险识别方法，通过流程映射和危害分析系统评估可能出错环节。该方法与传统的回顾性不良事件报告不同，能在风险发生前实施干预。

研究首先回顾性分析了115例爱尔兰临床遗传学中的不良事件和近失事件案例，这些案例通过医院临床风险部门、实验室风险报告系统等渠道收集。通过多学科团队（包括临床遗传学家、遗传咨询师、风险专家和患者代表）的共识分析，研究人员梳理出遗传服务全流程中的风险点，并据此绘制了包含22个步骤的临床遗传学患者旅程图。

该流程图涵盖五个关键阶段：患者和家族史评估、遗传检测临床管理、样本处理与分析、结果传输以及结果讨论。每个阶段都标识了可能发生失效的关键控制点。例如，在“患者和家族史评估”阶段，风险点包括不准确的风险评估和表型记录不全；在“样本处理与分析”阶段，风险点涉及样本标识错误、检测项目选择不当等。

基于流程图，团队开发了风险频率审计表，用于前瞻性收集不良事件发生频率。1992-2023年，研究在6个欧洲临床遗传学中心（都柏林、贝尔法斯特、牛津、纽卡斯尔、奥卢和克拉约瓦）进行了为期6周的试点审计。各中心特点各异：有的服务全国人群（如都柏林），有的为区域性中心（如牛津）；有的涵盖所有患者类型（胎儿、儿科、成人、癌症），有的则侧重特定人群。

审计结果显示，各中心3.6%-20.3%的诊疗存在风险事件，其中20%-54%的风险事件涉及流程图中多个步骤的风险点。高风险失效模式因中心而异：都柏林和贝尔法斯特主要风险点为长等待名单和IT系统缺陷；牛津在样本接收环节风险集中，但该中心通过基因组医师团队的质量检查有效控制了后续风险；奥卢因遗传护士在检测前环节的核心协调作用，风险事件显著较少（仅0.8%）。

研究另一重要成果是改编了爱尔兰卫生服务执行局（HSE）的“人员伤害（服务使用者、患者、员工和公众）”严重度评分表，使其更贴合临床遗传学特点。遗传学特异性危害包括：可避免的遗传病复发、本可预防的癌症发生、因诊疗延迟导致的残疾，以及因变异重新分类引发的伦理问题等。

2024年，都柏林和牛津中心的再审计显示了工具的应用价值。牛津通过引入对主流临床医生的主动培训和基因组医师路径，不良事件减少55%；都柏林通过调整分诊优先级和对次要发现（secondary findings）指南的教育，虽风险事件数量稳定，但危害严重度降低。

关键技术与方法

研究采用失效模式与效应分析（FMEA）框架，通过多学科团队合作开发评估工具。方法核心包括：（1）基于115例回顾性病例（来源自爱尔兰儿童健康医院）的定性分析，确定流程风险点；（2）创建22步临床遗传学患者旅程图；（3）设计前瞻性审计表，在6个欧洲中心进行6周试点；（4）改编HSE交通灯风险评估系统，制定遗传学特异性危害严重度表。工具效度通过临床团队反馈和风险专家评估确认。

研究结果

流程图的构建与验证

通过对115例风险案例的分析，研究团队构建了22个步骤的临床遗传学患者旅程图，覆盖从转诊到结果讨论的全过程。案例回顾发现，65例（56.5%）与妊娠相关，41例（35.7%）需紧急遗传检测以促进产前检测。流程图经多中心验证，各中心团队认为其步骤完整、描述清晰，无冗余或缺失环节。

风险频率的跨中心比较

审计结果显示，风险事件发生频率存在中心间差异：克拉约瓦最高（20.3%），奥卢最低（0.8%）。风险分布模式也各异：都柏林风险贯穿全流程，特别是样本处理（步骤9、13、14）和结果讨论（步骤16、17、19）环节；牛津风险集中在流程前端（步骤1、2）；样本处理环节风险在多数中心常见。多风险点事件比例高（都柏林42%，贝尔法斯特52.4%）表明风险常由多环节失效叠加导致。

风险严重度评估工具的适应性调整

研究将HSE风险矩阵的“人员伤害”类别调整为遗传学特异性描述，涵盖可避免的遗传病复发、癌症发生、诊疗延迟等后果。该调整基于案例回顾和罕见病家庭调查，反映了遗传学作为预防性专科和家族性危害的特点。

再审计与干预效果

都柏林和牛津的再审计证明了工具的实用性和干预有效性。牛津通过流程优化使风险事件减少55%；都柏林通过调整分诊和教育活动，降低了危害严重度，尽管事件数量变化不大。

讨论与结论

本研究首次提供了系统评估临床遗传学风险的工具箱，包括流程映射、频率审计和严重度评估。工具的独特价值在于其前瞻性风险识别能力，与传统回顾性不良事件报告形成互补。

研究发现，遗传服务风险不仅来自专业团队内部，更多源于系统性问题：长等待名单、IT系统互操作性差、主流临床医生遗传知识不足等。这些问题的解决需要系统性干预，如专门的遗传支持团队、健全的IT基础设施、检测目录和足够的专业资源。

研究局限性在于工具的欧洲中心开发背景，其在私立机构、非欧洲环境和主流临床中的适用性需进一步验证。然而，工具提供的标准化框架使各中心能识别特定风险区域，实施针对性风险缓解策略，而非被动应对不良事件。

这些工具可多场景应用：前瞻性识别风险区域、严重事件回顾调查、患者投诉管理和临床教学。作为质量管理体系组成部分，工具的滚动应用可使遗传团队主动管理风险，最终提高服务质量，保障患者安全。

该研究由Adelaide Health Foundation资助，发表于《European Journal of Human Genetics》，为临床遗传学的风险管理和质量改进提供了重要方法论支持。