基于不良事件管理的醫(yī)療糾紛列線圖預(yù)測模型構(gòu)建及評價

中圖分類號：R197.323 文獻標識碼：A

Construction and Evaluationof a NomogramPrediction ModelforMedical Disputes BasedonAdverseEventsManagement/WANG Tongzhou，LIN Haitao，ZHOU Jin，et al.//Chinese Health Quality Management，2025，32（4）：74－78

Abstract ObjectiveTo analyze the influencing factors of medical disputes in hospitals based on medical quality and safety adverse events，construct a nomogram prediction model for medical disputes risk，andevaluate its performance. MethodsA total of 5O3 adverse events from a tertiary hospital in Jiangsu Province between January 202O and December 2O23 were selected as the study subjects.Univariate and multivariate logistic regresson analyses were used to identifythe influencing factors of medical disputes.A nomogram prediction model for medical disputes risk was established.The diagnostic performance and calibration of the nomogram model were evaluated using receiver operating characteristic （ROC）curve and calibration curve，while decision curve analysis was employed to assssits utility.Results Male healthcare workers，patient age ? 4 0 years，patient occupation as farmer，non-critical illness severity，and adverse events of levels one to three were independent risk factors for medical disputes （all Plt;0 . 0 5 ）. The area under the ROC curve for the nomogram prediction model was O.888，with an H - L test P -value of 0.059. The Index for internalvalidation of thecalibrationcurve wasO.897，and the meanabsolute error wasO.O21.The net benefitof the decision curve was high when the threshold probability ranged from O.O2 toO.80.ConclusionThe nomogram prediction model for medical disputes risk constructed based on medical adverse events management demonstrates good predictive performance and clinical applicability， providing insights for medical quality and safety management.

Key words Medical Disputes; Adverse Events; Nomogram;Prediction Model First-author's address Jiangsu Cancer Hospital （Jiangsu Province Hospital Afiliated to Nanjing Medical University/Jiangsu Cancer Center） ，Nanjing，Jiangsu，21oooo，China

醫(yī)療質(zhì)量安全不良事件是指在醫(yī)療機構(gòu)內(nèi)被工作人員主動發(fā)現(xiàn)的，或患者在接受診療服務(wù)過程中出現(xiàn)的，除患者自身疾病自然過程外的各種因素所致的不安全隱患或造成后果的負性事件[1]。醫(yī)療機構(gòu)倡導(dǎo)臨床及醫(yī)技科室人員積極上報不良事件，并由醫(yī)務(wù)管理部門進行統(tǒng)一協(xié)調(diào)與處理，旨在有效預(yù)防醫(yī)《中國衛(wèi)生質(zhì)量管理第32卷第4期（總第209期）2025年4月療糾紛的發(fā)生。若未能及時對不良事件進行評估與預(yù)判，可能會加劇對患者的傷害，進而對醫(yī)療機構(gòu)的診療流程和社會形象造成重大負面影響[2]。目前，國內(nèi)尚無基于可視化預(yù)測模型對醫(yī)療糾紛進行預(yù)測的研究。本研究將通過logistic回歸模型探討醫(yī)療糾紛發(fā)生的危險因素，并以此構(gòu)建列線圖預(yù)測模型，對預(yù)測模型中各變量間關(guān)系進行可視化研究，以期更有效地預(yù)測醫(yī)療糾紛風(fēng)險，為醫(yī)院管理提供參考。

1" 資料與方法

1.1 資料來源

資料來源于江蘇省某省屬三甲醫(yī)院不良事件管理系統(tǒng)及HIS系統(tǒng)。研究對象為該院各臨床醫(yī)技科室上報的醫(yī)療、護理不良事件，時間范圍為2020年1月—2023年12月。

1.2 研究方法

1.2.1樣本量計算

通過文獻查閱，三甲醫(yī)院基于不良事件的醫(yī)療糾紛發(fā)生率約為 ，容許誤差 ，檢驗水準 ，運用PASS2021軟件計算得出樣本量為490例。本研究提取資料時經(jīng)雙人獨立錄入并交叉核對，剔除信息缺失嚴重或關(guān)鍵信息不詳?shù)臉颖?，最終實際納入503例。

1.2.2變量確定

結(jié)合醫(yī)院實際和相關(guān)文獻[2]，將醫(yī)療糾紛的可能影響因素分為醫(yī)方因素、患方因素和聯(lián)合因素。醫(yī)方因素包括所在科室、性別、年齡、職稱和崗位；患方因素包括患者職業(yè)、性別、年齡、是否本地、患病程度和既往病史，其中患病程度分為非危重和危重，以不良事件發(fā)生前患者所在科室是否對患者下達病危或病重的醫(yī)囑為界定，若未下達病?；虿≈蒯t(yī)囑則疾病程度為非危重；聯(lián)合因素包括不良事件分級、糾紛發(fā)生環(huán)節(jié)、糾紛原因和發(fā)生時段，其中糾紛原因分為技術(shù)原因和非技術(shù)原因，技術(shù)原因是指因手術(shù)操作、漏診及誤診等問題造成的不良事件，非技術(shù)原因包括病歷書寫、病情告知以及患方個人因素等。結(jié)局變量為“糾紛是否發(fā)生”，以醫(yī)院接到患者或家屬口頭、書面或電話投訴為準。

1.3 統(tǒng)計分析方法

利用Excel軟件匯總數(shù)據(jù)，采用R4.3.0軟件進行統(tǒng)計分析和繪圖。計數(shù)資料采用 n （ % ） 描述，單因素分析中組間比較采用 檢驗，對于單因素分析有統(tǒng)計學(xué)意義的變量納入多因素Logistic逐步回歸，以篩選獨立危險因素，檢驗水準 ?；赗軟件建立列線圖預(yù)測模型，繪制受試者工作特征（ReceiverOperatingCharacteristic，ROC）曲線，計算曲線下面積（AreaUnderCurve，AUC）和一致性指數(shù)（ConcordanceIndex，C-Index）;利用Bootstrap 方法，通過Brier值和平均絕對誤差值（MeanAbsoluteError，MAE）對模型的區(qū)分度和校準度進行內(nèi)部驗證，并繪制校準曲線，同時繪制列線圖模型的決策曲線（DecisionCurveAnalysis，DCA）評價模型的收益性。

2 結(jié)果

2.1 醫(yī)療糾紛影響因素的單因素分析

納入的503例不良事件中，未發(fā)生醫(yī)療糾紛424例，發(fā)生醫(yī)療糾紛79例。單因素結(jié)果顯示，醫(yī)務(wù)人員性別、年齡、職稱、崗位和患者職業(yè)、性別、年齡、患病程度、既往病史，以及不良事件分級、糾紛發(fā)生環(huán)節(jié)和發(fā)生時段因素間醫(yī)療糾紛發(fā)生率比較，差異均具有統(tǒng)計學(xué)意義（ P 均 ），見表1。

2.2 醫(yī)療糾紛影響因素的多因素分析

以是否發(fā)生醫(yī)療糾紛為因變量，將單因素分析中有統(tǒng)計學(xué)意義的因素納入二分類logistic逐步回歸分析，結(jié)果顯示，醫(yī)務(wù)人員性別男性、患者年齡段 ? 4 0 歲、患者職業(yè)為農(nóng)民、患病程度非危重、一～三級不良事件是醫(yī)療糾紛的獨立危險因素（ P 均 lt; 0 . 0 5 ，見表2。

2.3 醫(yī)療糾紛列線圖預(yù)測模型的建立

根據(jù)logistic回歸模型中各影響因素對結(jié)局變量的貢獻程度（回歸系數(shù) β ， ，對各影響因素的取值水平進行賦分，通過總評分與結(jié)局事件發(fā)生概率間的函數(shù)轉(zhuǎn)換關(guān)系計算個體事件結(jié)局發(fā)生的預(yù)測值[4]。本研究中，醫(yī)務(wù)人員性別女性 = 0 分，男性 = 1 8 . 7 5 分；患者年齡段 gt; 6 0 歲= 0 分， gt; 5 0 歲 ～ 6 0 歲 = 7 . 5 0 分，gt;4 0 歲 ～ 5 0 歲 = 2 7 . 5 0 分， ? 4 0 歲= 3 3 . 7 5 分；患者職業(yè)非農(nóng)民 ε= 0 分，患者職業(yè)農(nóng)民 = 1 3 . 7 5 分；患病程度危重 ε= 0 分，非危重 分；不良事件分級四級 = 0 分，三級= 1 8 . 7 5 分，二級 = 1 6 . 2 5 分，一級= 1 0 0 分；發(fā)生環(huán)節(jié)為流程操作 = 0 分，醫(yī)患溝通 = 2 3 . 7 5 分，根據(jù)各因素得分相加的總分計算模型對應(yīng)概率。如某例二級醫(yī)療不良事件中，醫(yī)務(wù)人員性別為男，患者 ?4 0 歲，職業(yè)非農(nóng)民，患病程度非危重，糾紛發(fā)生于醫(yī)患溝通環(huán)節(jié)，根據(jù)列線圖模型計算得出總分為135分，其發(fā)生醫(yī)療糾紛對應(yīng)的概率約為0.80。見圖1。

2.4 醫(yī)療糾紛列線圖預(yù)測模型的

3 討論

3.1 醫(yī)療糾紛影響因素分析

本研究結(jié)果顯示，與非危重患者相比，病?；虿≈鼗颊咴谠庥霾涣际录蟀l(fā)生醫(yī)療糾紛的風(fēng)險相對較低。該結(jié)論與度琳等[5的研究結(jié)果一致，原因可能與醫(yī)護人員對一般風(fēng)險的常規(guī)病種自我風(fēng)險意識較弱有關(guān)，部分醫(yī)護人員因此壓縮與患者的診療風(fēng)險溝通時間，尤其是年輕患者對知情權(quán)和參與感的需求較高，若溝通不到位易引發(fā)誤解。而針對診治難度較高的病例，醫(yī)務(wù)人員往往采取更為謹慎和詳盡的風(fēng)險告知方式，對診療全流程都給予高度關(guān)注，這種做法降低了醫(yī)療不良后果和醫(yī)療糾紛的發(fā)生率。此外，醫(yī)學(xué)發(fā)展的先進性和局限性以及個體疾病所展現(xiàn)的獨特性，共同導(dǎo)致了患者在預(yù)期治療成效與疾病實際轉(zhuǎn)歸之間產(chǎn)生認知上的差異[2.7-8]。對于原本評估為低風(fēng)險的患者，尤其是年輕患者處于事業(yè)與家庭壓力高峰期，對于健康問題更為敏感，一旦遇到未預(yù)料到的再次治療需求或病情惡化情況，其心理落差感顯著強于老年患者[6]，這種差異會顯著加劇患者及其家屬內(nèi)心的不滿情緒。這也提示，醫(yī)療糾紛與患者心理狀態(tài)、年齡群體以及對醫(yī)療服務(wù)特殊性的認識不足間存在緊密聯(lián)系[9-10]]

本研究結(jié)果還顯示，不良事件涉及醫(yī)務(wù)人員為男性時發(fā)生醫(yī)療糾紛的風(fēng)險更高。這可能與人們對不同性別的職業(yè)期望及社會角色定位不同有關(guān)[11]。男性醫(yī)生更傾向于選擇技術(shù)操作更強的外科，而外科的診療手段及操作相對更易引起醫(yī)療風(fēng)險和醫(yī)患糾紛[12]。另一方面，在日常診療過程中女性醫(yī)生群體往往表現(xiàn)出更強的共情能力，可以有效減少醫(yī)患溝通過程中產(chǎn)生的糾紛[3，13]。此外，不同職業(yè)患者發(fā)生不良事件后引發(fā)醫(yī)療糾紛的風(fēng)險有所不同，其中農(nóng)民相對風(fēng)險更高。這與相關(guān)研究[14-15]結(jié)果一致，可能與農(nóng)民患者醫(yī)療知識匱乏、社會經(jīng)濟地位及文化水平相對偏低有關(guān)，導(dǎo)致在應(yīng)對不良事件時，更容易采取過激的應(yīng)對措施。

在不良事件級別影響的分析中，一～三級不良事件較四級不良事件更易發(fā)生醫(yī)療糾紛，這與相關(guān)研究[2-3，16]結(jié)果一致，原因可能與在發(fā)生四級不良事件時，醫(yī)務(wù)人員及時發(fā)現(xiàn)錯誤或隱患，未造成不良后果有關(guān)。因此，醫(yī)《中國衛(wèi)生質(zhì)量管理第32卷第4期（總第209期）2025年4月院需強化醫(yī)務(wù)人員溝通技巧培訓(xùn)，規(guī)范服務(wù)用語，提升服務(wù)質(zhì)量與水平，塑造醫(yī)院人文關(guān)懷文化，同時，針對影響患者就醫(yī)體驗的關(guān)鍵環(huán)節(jié)，如患者等候時間、掛號、檢查和繳費等，采取相應(yīng)改善措施，優(yōu)化診療環(huán)境與布局，打造便捷舒適的就醫(yī)體驗，以減少醫(yī)療糾紛的發(fā)生[17]

3.2 醫(yī)療糾紛列線圖預(yù)測模型應(yīng)用建議

目前，國內(nèi)關(guān)于醫(yī)療不良事件預(yù)警的研究較少，多數(shù)僅利用logistic回歸和ROC曲線對醫(yī)療糾紛的發(fā)生進行識別和預(yù)測[2，18]。本研究構(gòu)建的列線圖模型具有可視化預(yù)測的優(yōu)點，通過整合多變量實現(xiàn)個性化預(yù)測，提高了預(yù)測的準確性和實用性，為醫(yī)院不良事件管理提供了新方法。在實際應(yīng)用中，可據(jù)此開展患者的個性化風(fēng)險評估，有助于醫(yī)院識別高風(fēng)險患者，從而采取更加謹慎和精細化的醫(yī)療服務(wù)。此外，結(jié)合模型可建立醫(yī)療糾紛預(yù)警機制，當預(yù)測到醫(yī)療糾紛風(fēng)險較高時，醫(yī)院可及時啟動預(yù)警流程，包括加強醫(yī)患溝通、優(yōu)化診療方案、提供心理支持等，以降低醫(yī)療糾紛的發(fā)生概率。同時，醫(yī)院還可結(jié)合模型DCA分析，進行資源優(yōu)化配置，DCA分析綜合考慮了不同閾值概率下的干預(yù)措施對患者凈收益的影響，閾值概率較低時（如0.02），模型能夠帶來較高的凈收益，證明了其在預(yù)防醫(yī)療糾紛方面的潛力。但在實際應(yīng)用中需根據(jù)具體情況，如醫(yī)療機構(gòu)的資源、患者的風(fēng)險承受能力等選擇適宜的閾值概率，過低的閾值可能導(dǎo)致過度干預(yù)和醫(yī)療成本的增加。

在列線圖預(yù)測模型應(yīng)用于實際管理時，應(yīng)確保數(shù)據(jù)的準確性，保證不良事件上報數(shù)據(jù)的完整性、真實性和有效性，從而提高模型的預(yù)測精度。同時，隨著醫(yī)療技術(shù)和診療環(huán)境的不斷變化，醫(yī)療糾紛的風(fēng)險因素也可能發(fā)生相應(yīng)變化，因此需對模型動態(tài)調(diào)整和持續(xù)改進，確保其能夠適應(yīng)醫(yī)療環(huán)境和患者需求的變化。此外，隨著人工智能技術(shù)的不斷發(fā)展，醫(yī)院可將列線圖模型嵌人不良事件上報系統(tǒng)，利用機器學(xué)習(xí)算法對列線圖預(yù)測模型進行訓(xùn)練和優(yōu)化，提高模型的預(yù)測精度和泛化能力，構(gòu)建基于列線圖預(yù)測模型的智能化輔助決策模塊，為醫(yī)院管理層和醫(yī)務(wù)人員提供實時的風(fēng)險預(yù)警和決策支持。

4 本研究局限

數(shù)據(jù)來源于單中心，且為腫瘤?？漆t(yī)院，患者群體存在年齡大、病情重和治療周期長等特點，所構(gòu)建的醫(yī)療糾紛預(yù)測模型外推至其他患者群體時應(yīng)謹慎。下一步，將擴大樣本量范圍，納入不同類型醫(yī)療機構(gòu)的不良事件和醫(yī)療糾紛案例進行研究，進一步提升模型預(yù)測精度和適用性。

參考文獻

[1].國家衛(wèi)生健康委辦公廳.關(guān)于印發(fā)2024年國家醫(yī)療質(zhì)量安全改進目標的通知：國衛(wèi)辦醫(yī)政函〔2024]40號［EB/OL].（2024—02-01）[2024—07—26].http：//www.nhc.gov.cn/yzygj/s7657/202402/6aea7c6510da48a6b50e84417b4f30a3.shtml.

[2]王曉剛，謝雪，何睿，等.成都市某兩家醫(yī)院醫(yī)療糾紛預(yù)測模型構(gòu)建及評價研究[J].醫(yī)學(xué)與社會，2022，35（7）：68-73，80.

[3]劉長英，王曉剛，王璋，等.從不良事件角度探析醫(yī)療糾紛的影響因素及防控策略[J].中國衛(wèi)生質(zhì)量管理，2023，30（10）：46-50.

[4]曾江忠，吳秀秀，林 麗.順產(chǎn)初產(chǎn)婦發(fā)生產(chǎn)后性功能障礙的危險因素分析及風(fēng)險預(yù)測列線圖模型構(gòu)建[J].中國婦幼保健，2024，39（1）：96—100.

[5]廣琳，李萌，王旖旆，等.基于DRGs死亡風(fēng)險分級的醫(yī)療糾紛分析[J].中華醫(yī)院管理雜志，2018，34（8）：648-651.

[6]程靜.患者信任的多層內(nèi)涵與影響機制探析[J].醫(yī)學(xué)與哲學(xué)，2024，45（17）：44-47.

[7]郭邈，李棟，郭穎婕.生命哲學(xué)視域下和諧醫(yī)患關(guān)系構(gòu)建的倫理思考［J].現(xiàn)代醫(yī)院，2024，24（8）：1171-1174.

[8]YUL，YONGHAIB，PEIW，et al. Study of the factors causing medical disputesin a third-level grade a hospital in Shanghai[J].The International Journal of Health Planningand Management，2O18，33 （4）：el137-e1146.

[9]SCHAFERD.What is death？Definitions and diagnoses from 25oo years of natural philosophyand medicine[J].DeutscheMedizinische Wochenschrift，2Ol3，138 （51—52）：2671—2677.

[10]羅莉婭，羅旭，吳昊.醫(yī)患雙方對醫(yī)患關(guān)系認知評價的調(diào)查研究[J].中國衛(wèi)生質(zhì)量管理，2020，27（1）：70-73，98.

[11]楊艷杰，褚海云，楊秀賢，等.共情能力在醫(yī)生壓力與醫(yī)患關(guān)系間的中介效應(yīng)[J].中國公共衛(wèi)生，2021，37（1）：153-156.

[12]蔡梓薇，辛怡，馬蔚姝，等.外科醫(yī)療損害事件影響因素研究［J].中國衛(wèi)生質(zhì)量管理，2019，26（6）：111—114.

[13]YUL，PEI W，YONGHAI B.The influence factors of medical disputes inShanghai and implications - from the per-spective of doctor，patient and disease[J].BMC Health Services Research，2022，22（1）：1128—1128.

[14]殷璐，曾日紅，高熹，等.三甲醫(yī)院醫(yī)療糾紛發(fā)生現(xiàn)狀及影響因素分析：基于醫(yī)、患、家屬三方視角［J].衛(wèi)生經(jīng)濟研究，2019，36（12）：67—70，74.

[15]王立先，王星星，王斌，等.2015年一2020年甘肅省級醫(yī)院醫(yī)療糾紛影響因素變化趨勢研究[J].江蘇衛(wèi)生事業(yè)管理，2023，34（8）：1055-1059.

[16]卑其歡，徐勇.某市人民醫(yī)院醫(yī)療糾紛現(xiàn)狀分析與對策研究[D].蘇州：蘇州大學(xué)，2017.

[17]段雙妮，鄧超，文晴，等.基于患者視角的醫(yī)學(xué)人文關(guān)懷管理與患者就醫(yī)滿意度現(xiàn)況調(diào)查及研究［J].湘南學(xué)院學(xué)報（醫(yī)學(xué)版），2024，26（3）：51-54.

[18]王曉剛，謝雪，何睿，等.基于聚類分析的不良事件類型對醫(yī)療糾紛的預(yù)測效能研究[J].中國社會醫(yī)學(xué)雜志，2023，40（2）：220—224.

通信作者：

謝印庫：江蘇省腫瘤醫(yī)院（南京醫(yī)科大學(xué)附屬

腫瘤醫(yī)院/江蘇省癌癥中心）助理研究員

E-mail：1084782868@qq.com

收稿日期：2024—11—15修回日期：2025—01—26責(zé)任編輯：黃海鳳