编辑推荐：
为解决医院出院指导质量评估及 NELP 患者相关研究空白问题，新英格兰某医院研究人员开展出院指导质量差异研究。结果发现 NELP 患者语言匹配指导少、部分内容质量低。该研究揭示问题，为改善出院流程、推动公平医疗提供依据，值得一读。
在医院的就医旅程结束后，患者拿到的出院指导对后续康复起着至关重要的作用。书面出院指导能帮助患者更好地理解病情和自我管理，提升临床治疗效果，还能让患者更满意。然而现实却有些 “骨感”，过去三十年的研究发现，很多患者在出院没几天，就对医生的建议稀里糊涂，还常常高估自己的理解，这就导致他们面临用药失误、再次住院的风险。
虽说书面出院指导好处多多，可对那些英语水平有限（Limited English Proficiency，LEP）的患者来说，想得到高质量的出院指导却困难重重。这些患者因为语言不通，在需要自我管理的疾病（像充血性心力衰竭）上，再住院的概率更高，对出院指导也是一头雾水。但奇怪的是，之前竟然没有研究系统地调查过他们书面出院指导的质量。这就好比盖房子，明明知道有些地方有问题，却一直没人去仔细检查。
为了填补这个研究空白，新英格兰一家城市学术三级护理安全网医院的研究人员开展了一项研究，并在《BMC Health Services Research》期刊上发表了名为《Disparities in quality of personalized written discharge instructions by language preference》的论文。他们发现，非英语语言偏好（Non-English Language Preference，NELP）的患者中，只有 8% 能拿到用自己偏好语言写的出院指导，和英语组 100% 的比例相比，差距可不是一星半点。而且除了复诊注意事项这个板块，两组在出院指导内容质量上没有明显差异，但这并不代表其他方面真的没有差距。这个研究结果意义重大，让大家看到了不同语言偏好患者在出院指导上存在的不公平现象，也为后续研究指明了方向。
研究人员为了把这个问题搞清楚，用了不少巧妙的方法。首先在选研究对象的时候，他们从医院 2022 年的运营数据里找出了最常见的四种非英语语言（西班牙语、海地克里奥尔语、佛得角克里奥尔语、越南语），再加上其他所有非英语语言的患者，组成了 NELP 队列；英语队列就是那些表明自己偏好英语的患者。然后，他们通过病例匹配，按照主要诊断和年龄，把 NELP 队列和英语队列的患者一一对应起来。
在分析数据的时候，研究人员也有不少 “小妙招”。他们用在线计算器统计出院指导的单词数量，用 Flesch Reading Ease score（FRES）和 New Dale-Chall Reading Scale（NDCRS）来评估阅读难度。因为没有合适的工具评估出院指导内容的质量，第一作者就自己制定了 Quality of Discharge Instructions-Inpatient（QDI-I）量表，从六个方面给出院指导打分。最后，他们用 t 检验、Fisher 精确检验、Mann-Whitney 检验这些统计学方法，对不同队列的数据进行比较。
下面来看看具体的研究结果：
- 患者基本信息：研究人员发现，英语队列和 NELP 队列患者的平均年龄差不多，性别比例也基本一样。不过 NELP 队列的患者中，拉丁裔的比例明显更高，白人的比例则更低。这就像是两个不同的小群体，有着不一样的 “特征画像”。
- 不同队列比较：在出院指导语言匹配度上，NELP 队列只有 8% 的患者能拿到符合自己语言偏好的出院指导，和英语队列的 100% 相比，简直是天壤之别。而且 NELP 队列的出院指导平均单词数更少。在阅读难度上，两个队列都差不多，都达到了八年级到九年级的阅读水平。在内容质量方面，除了复诊注意事项 NELP 队列比英语队列差一些，其他方面总体得分差不多。这就好比两个班级考试，总成绩差不多，但有一门课的成绩差距明显。
- 不同语言组比较：所有 NELP 语言组和英语组相比，拿到语言匹配出院指导的患者都更少，不过西班牙语组相对好一些，有 20.0% 的患者能拿到。越南语组的出院指导比英语组更容易读懂。在内容质量上，虽然整体 QDI-I 得分没有明显差异，但越南语和其他语言组有质量更高的趋势，而海地克里奥尔语和佛得角克里奥尔语组的复诊注意事项质量比英语组差。这就像不同的小组，各有各的特点和问题。
- 不同自我管理强度比较：在高自我管理强度的疾病诊断中，NELP 队列的出院指导更短；在低自我管理强度的疾病诊断中，NELP 队列的复诊注意事项质量更差。这说明疾病的自我管理强度不同，出院指导也会有差异。
综合来看，这项研究发现了书面出院指导在语言可及性、可读性和内容质量上都有很大的提升空间。NELP 患者在拿到偏好语言的出院指导上存在很大的不公平，这背后是医院在提供翻译服务时遇到的各种难题，像翻译时间长、成本高，而且目前人工智能翻译也还不太靠谱。虽然这次研究在内容质量上只发现复诊注意事项有明显差异，但不能就此认为其他方面没有问题，毕竟还有很多因素可能影响结果，比如样本量、语言匹配对得分的影响等。不同语言组的趋势也给后续研究提了个醒，针对不同语言组的特点来改进出院流程，也许能更好地满足患者的需求。
不过研究也有一些不足的地方，比如能提供翻译服务的医疗系统很少，研究结果可能不太适用于这些特殊情况；疾病分组有点主观，每个诊断和语言组的样本量也比较小，而且 QDI-I 量表也没有征求患者的意见。但不管怎么说，这项研究是第一个关注医院出院个性化书面指导不公平现象的，为后续研究打开了一扇门，希望能有更多研究来解决这些问题，让不同语言偏好的患者都能得到公平、高质量的出院指导，更好地踏上康复之路。
