《Healthcare》：Identifying Key Predictors of Nursing Workload in Emergency Infusion Rooms: A Decision Tree Approach
编辑推荐：
准确评估护理工作量对于急诊输液室的人员配置与运营管理至关重要。然而，工作量的产生受到患者数量、治疗时长和护理活动之间复杂且潜在的非线性交互作用的影响，传统统计方法可能无法充分捕捉这些关系。本研究旨在识别与护理工作负荷强度相关的关键预测因子，并利用分类回归树（C
准确评估护理工作量对于急诊输液室的人员配置与运营管理至关重要。然而，工作量的产生受到患者数量、治疗时长和护理活动之间复杂且潜在的非线性交互作用的影响，传统统计方法可能无法充分捕捉这些关系。本研究旨在识别与护理工作负荷强度相关的关键预测因子，并利用分类回归树（Classification and Regression Tree, CRT）模型构建可解释的工作量分层框架。研究人员收集了2023年7月至2025年8月期间某急诊输液室的日常运营数据，以每日椅子利用率（chair utilization rate）作为工作负荷强度的替代指标。候选预测因子包括总输液时长、直接护理接触次数、接受输液的患者数量、药物配发时间、严重依赖患者数、跌倒风险患者数以及分诊级别患者数量。研究人员构建CRT模型以识别层次化预测因子关系和基于阈值的工作量分类规则，并通过10折交叉验证、与多元线性回归、随机森林和梯度提升模型的比较分析，以及排除总输液时长的敏感性分析来评估模型稳健性。分析纳入了761个有效观察日。结果显示，总输液时长是最具影响力的预测因子，其次是直接护理接触次数和接受输液的患者数量。CRT模型识别了具有临床可解释性的工作量阈值，并生成了简洁的工作量分层决策结构。重代入风险和交叉验证风险估计值分别为0.045（标准误=0.005）和0.046（标准误=0.005），表明模型性能稳定。 rain forest和梯度提升虽实现了更高的预测准确度，但CRT模型通过透明的决策规则提供了更强的可解释性。敏感性分析显示，排除总输液时长后，整体工作量分层模式基本保持不变。研究结论认为，CRT模型识别出总输液时长、直接护理接触次数和患者数量是急诊输液室工作负荷强度的关键预测因子。尽管替代模型具有更高的预测性能，但CRT方法提供了可解释的工作量分层规则，有助于支持人员配置和运营决策。该研究发现为输液护理环境中的工作量评估提供了一个实用的数据驱动框架。
**研究背景与问题提出**
护理工作量（nursing workload）是指护理活动所需的时间、体力劳动和认知需求，包括技术复杂性及相关风险，是一个涵盖直接患者护理、间接护理活动、文书职责和组织任务的多维构念。急诊输液室作为关键的门诊服务单元，由于其工作流程与住院病房存在显著差异，使得基于传统病房的工作量评估方法难以直接适用。现有的护理工作量评估方法，包括基于任务的测量系统和技术辅助监测工具，仍可能无法充分捕捉临床护理需求的复杂性和动态变异性。尽管近年来研究日益强调整合护理时间、护理复杂性和技术辅助工作量评估以提高评估系统的准确性和响应性，但这些方法缺乏对输液室等动态临床环境的适应性。
急诊输液室是高强度临床场所，护理工作量受患者危重程度、输液类型、患者周转率和间接护理活动等多重因素的复杂交互影响。准确、实时地评估这一工作量对于有效配置护理人员、降低职业倦怠和维持护理质量至关重要。尽管护理工作量是多维构念，但在动态输液环境中直接测量整体工作量仍具挑战性。因此，本研究采用每日椅子利用率作为工作负荷强度的替代指标。椅子利用率是评估输液中心容量和生产力的常用运营指标，反映占用椅子时间相对于可用椅子容量的比例，既往研究已证实其与患者流动、治疗时长、人员需求和工作流程效率密切相关。
既往护理工作量研究主要依赖相关性分析和线性回归等传统统计方法，但工作量的产生常受非线性关系、运营因素间复杂交互作用以及层次化决策模式的影响，传统线性模型难以充分表征这些特征。近年来，机器学习方法被认为更能捕捉医疗工作量和运营需求的多维动态特性，特别是在患者群体异质性高、服务需求波动的复杂临床环境中。决策树算法因其建模非线性关系、处理多维数据和生成可直接应用于临床的直观分类规则的能力而备受关注。尽管可解释人工智能领域的新进展进一步强调了可解释预测模型在急诊护理环境中的重要性，但专门针对急诊输液室护理工作量评估的可解释机器学习方法证据仍然有限。
本研究旨在开发和验证CRT模型，以识别与急诊输液室护理工作负荷强度（以每日椅子利用率表示）相关的关键预测因子，并建立可解释的工作量分层规则，为临床实践中的人员配置和运营决策提供支持。
**关键技术方法**
本研究为回顾性分析，数据来源于江苏省某三级甲等医院急诊输液室2023年7月1日至2025年8月31日的日常运营数据，共761个有效观察日。医院信息系统（Hospital Information System, HIS）自动记录输液患者数、直接护理次数和配药时间等指标，高风险和高依赖病例由护士长手工记录。因变量为每日椅子利用率，计算公式为：（总椅子占用时间/总可用椅子时间）×100%。自变量包括总输液时长、直接护理接触次数、接受输液患者数、患者转运次数、抢救次数、死亡数、高跌倒风险患者数、各级别分诊患者数（Ⅱ级、Ⅲ级、Ⅳ级）、严重依赖患者数、药物配发时间等10项指标。
CRT模型采用SPSS 29.0实现，通过二元递归分区构建决策树。树结构控制参数包括：最大深度3层、父节点最小样本量100、子节点最小样本量50。分裂准则基于方差缩减（variance reduction），即父节点分裂为两个子节点后内部方差的减少量。模型稳健性通过10折交叉验证评估，并与多元线性回归、随机森林和梯度提升模型进行预测性能比较，比较指标包括决定系数（R2）、均方根误差（Root Mean Square Error, RMSE）、平均绝对误差（Mean Absolute Error, MAE）和均方误差（Mean Square Error, MSE）。此外，通过排除总输液时长进行敏感性分析，以评估特征泄漏的潜在影响。
**研究结果**
**决策树模型输出**：CRT算法生成了一棵最大深度为3的简洁树结构，包含6个终端节点，将工作负荷分为低、中、高三个层级。根节点分裂以"总输液时长"为最重要预测因子建立初始分区。总输液时长≤305小时的班次直接进入低工作负荷层级；介于305至408小时之间的班次需借助额外预测因子进一步分层；>408小时的班次则直接归类为高工作负荷。在中间区间（305–408小时），"直接护理接触次数"成为决定性因素：>513次的班次判定为高工作负荷；≤513次者进入下一层级，再由"接受输液患者数"进行最终区分：>310人为高工作负荷，≤310人为中等工作负荷。
**节点增益与风险评估**：终端节点中，节点1增益百分比最高（22.5%），平均工作负荷强度值为1.251，表明该子组对模型识别的整体工作量负担贡献相对较大；节点9增益百分比最低（11.0%），均值0.947，贡献较小。重代入风险估计为0.045（标准误=0.005），交叉验证风险估计为0.046（标准误=0.005），两者高度一致，表明模型性能稳定，泛化能力良好，过拟合证据有限。CRT模型的R2为0.939，MAE为0.035，MSE为0.045，RMSE为0.212，显示良好的预测性能。
**变量重要性**：总输液时长重要性得分最高（0.922），直接护理接触次数（0.804）和接受输液患者数（0.773）紧随其后。药物配发时间（0.634）、严重依赖（0.622）和患者输液量（0.621）具有中等预测重要性。Ⅲ级患者（0.446）、高跌倒风险（0.300）和Ⅱ级患者（0.202）影响较小。
**模型比较与敏感性分析**：随机森林和梯度提升模型实现了更高的预测准确度，但CRT模型因提供透明的基于阈值的决策规则而被保留。敏感性分析显示，排除总输液时长后，交叉验证R2从0.927降至0.850，RMSE从0.212降至0.073，模型仍保持可接受的预测性能；直接护理接触次数仍为最具影响力预测因子，整体层次结构基本保持一致，表明工作量分层模式并非仅依赖于总输液时长。
**讨论与结论总结**
**关键预测因子的解释**：总输液时长反映累积椅子占用和持续护理监督需求；直接护理接触次数代表护患互动频率，与护理劳动投入密切相关；接受输液患者数反映整体服务量和运营需求。三者分别捕捉了工作量产生的时间维度、活动维度和容量维度。与以往研究报道的患者数量、护理强度和护理活动水平是工作量需求主要贡献者的发现一致，但CRT模型进一步识别了区分工作负荷强度的可操作阈值，提供了更具解释性的管理决策框架。
**护理管理启示**：CRT模型生成的透明工作量分层规则可直接转化为管理行动。当工作量指标接近或超过预设阈值时，护理管理者可预判高需求时期并考虑临时人员调整、任务再分配或人力增援；低需求时期则可更高效地配置资源。该框架还可为评估人员绩效和资源利用时的工作负荷差异提供客观参考。但需注意，本研究未直接评估患者结局、护理倦怠、人员配置效率或基于工作量的干预效果，上述管理效益应理解为该框架的潜在应用而非本研究已证明的结局。
**与既往研究及替代模型的比较**：本研究发现与既往急诊运营、护理工作量测量和医疗资源利用研究一致。尽管随机森林和梯度提升等集成学习方法预测准确度更高，但预测误差的差异相对适度，未实质性改变整体工作量分层模式。从护理管理角度，CRT模型提供的可解释性和显性阈值决策规则可能优于适度降低的预测准确度。
**优势与局限性**：本研究优势在于采用可解释机器学习方法识别了真实急诊输液环境中的工作量模式，生成了透明的分层规则，并通过比较分析和敏感性分析验证了发现稳健性。局限性包括：单中心研究限制外推性；椅子利用率作为替代指标可能无法完全捕捉护理活动所有方面；模型变量集有限，未纳入人员构成、护士经验、患者危重特征、工作流程中断和组织因素等；仅进行内部验证，缺乏多中心外部验证。
**研究结论**：本研究开发和评估了基于CRT模型的急诊输液室工作负荷强度评估方法，利用常规收集的运营指标识别出总输液时长、直接护理接触次数和接受输液患者数为关键预测因子，并建立了透明的工作量分层模式。尽管替代模型预测准确度更高，但CRT模型提供了更易转化为护理管理实践的显性决策规则。敏感性分析支持主要发现的稳健性。该框架为急诊输液环境中的工作量评估提供了实用且可解释的方法，有助于支持基于数据的人员配置和运营决策。未来研究应在多机构验证该模型，并探索替代工作量结局指标以增强泛化性和适用性。
