为什么您的患者安全数据可能并非您所认为的那样：护士领导者标准化安全事件测量的指南

《Nurse Leader》：Why Your Patient Safety Data May Not Mean What You Think: A Nurse Leader’s Guide to Standardizing Safety Event Measurement

　　

摘要

护理领导者依赖严重安全事件发生率（SSER）来评估绩效，但医院使用的分母和分类方法差异巨大，使得有意义的比较变得困难。近期研究表明，相同的伤害案例在不同机构中获得不一致的严重程度评级，这削弱了跨机构的安全干预学习和评估。与伤害指标挂钩的支付政策以及质量部门、护理部门和编码部门在事件统计方式上的差异，进一步给准确报告带来了压力。基于Donabedian的结构-过程-结果框架，本文认为标准化的分类体系和分母方法学是实现真实安全改善的结构先决条件。各级护理领导者可以审查自身的方法，并倡导机构采纳SSER测量的国家标准。

章节摘要

患者安全报告中的隐藏问题

作为护理领导者，我们依赖SSER来衡量组织保护患者免受伤害的能力。这些比率为我们的董事会报告提供信息，推动我们的质量改进议程，并塑造我们如何与同行机构进行基准比较。但如果我们依赖的这一指标从根本上是不可靠的呢？这并非因为数据收集存在缺陷，而是因为全国各地的医院以如此不同的方式计算和分类安全事件，使得有意义的比较几乎不可能实现。

不良事件

理解SSER：一个存在一致性问题指标的

严重安全事件是指偏离公认绩效标准的偏差，这种偏差到达患者并导致中度至重度伤害或死亡。⁴ SSER将患者伤害数据在不同规模的机构之间进行标准化处理，创建了一个本应标准化的比率用于比较安全绩效。其基本计算以严重安全事件的数量作为分子。然而，对已发表研究的回顾揭示了分母使用方法的显著差异。

分类挑战：当"相同"并不意味着"相等"时

除了计算方法之外，研究还揭示了第二个关键问题：医院在确定患者伤害事件是否构成严重安全事件以及如何评估其严重程度方面存在不一致性。Poppy等人³向多家医院发送了标准化的患者伤害案例，并要求每家用其现有的流程对事件进行分类。结果显示存在不一致性，评审者仅在60%的案例中达成了一致，而40%的案例则

护理领导者的框架：结构驱动结果

Donabedian的基础质量框架¹³为护理领导者提供了一个有用的视角，帮助理解标准化为何如此重要。该模型表明，医疗质量可以通过结构、过程和结果的相互作用来评估，其中结构或过程的变化会直接影响结果。应用于患者安全测量，标准化的SSER方法——包括一致的分类体系和伤害等级定义——是一个关键的结构性

文化维度：公正环境中的测量

测量不能与其所处的文化分离。即使设计良好的SSER方法，如果临床医生害怕诚实地报告事件，也可能产生误导性的数据。一项2024年针对医院护理领导者的研究发现，那些认为其组织具有强大公正文化的领导者报告了更高的信任度、更透明的报告以及更大的系统审视意愿，而非指责个人。¹⁴ 变革型领导已被证明能积极影响

标准化的前进之路：HPI分类体系

医疗绩效改进组织（HPI）通过其安全事件分类系统开发了一套标准化的严重安全事件分类体系。⁴ HPI框架将患者伤害组织为不同的层级，包括5个严重安全事件类别、4个前驱事件类别和3个未遂事件类别。该系统为确定事件是否构成严重安全事件以及对其伤害严重程度进行分类提供了结构化标准。

护理领导者现在可以做什么

虽然研究基础仍在发展之中，护理领导者可以采取立即、具体行动来提高组织患者安全数据的可靠性和可比性。这些行动不需要新的资金、不需要新的委员会，也不需要等待全国共识。它们需要的是用全新的眼光审视熟悉流程的意愿。因为在许多组织中，质量、风险和编码职能位于护理部门之外，因此指南还包含了护理人员

证据现状及其应前进的方向

当前文献揭示了几个令人担忧的重要空白，护理领导者应予以关注。使用SSER作为结果指标的纵向研究仍然有限。虽然个别研究已证明了特定干预措施的价值，如高可靠性实践⁵、标准化临床方案包⁶以及改善情境意识¹⁹，但这些研究主要涉及单一医院使用自身数据进行内部研究。这种单一机构的方法引入了

引领测量完整性的变革

患者安全改进无法超越其测量系统的可靠性。作为护理领导者，我们既有组织权威，又有临床信誉，能够倡导使患者安全数据真正具有可比性和可操作性的结构性变革。当前SSER测量的状态——以不一致的分类体系、可变的计算方法和不可靠的跨机构比较为特征——不仅仅是一个学术问题。它直接影响我们的

CRediT作者贡献声明

John Kueven：撰写——初稿。Stuart Downs：撰写——审阅与编辑。

资助

本工作未获得公共、商业或非营利部门资助机构的任何专项拨款。

利益冲突声明

合著者担任美国护理领导组织（AONL）候任主席。Nurse Leader是AONL的官方期刊。作者声明不存在财务利益冲突。鉴于合著者担任Nurse Leader客座编辑的角色，Stuart Downs未参与本文章的同行评审，也无法获取其同行评审的相关信息。本文章的整个编辑流程完全委托给另一位期刊编辑负责。

写作过程中生成式AI和AI辅助技术的声明

在撰写本工作期间，作者使用了Claude进行编辑和审阅。作者根据需要对输出内容进行了审阅和编辑，并对已发表文章的内容承担全部责任。

John Kueven，MBA/MSHA，RN，FACHE，东乔治亚健康系统。可通过 [e-mail] 联系。

John Kueven|Stuart Downs