摘要：［目的］探讨护理质量指标数据的收集与整理方法，提高护理指标数据质量。［方法］分析我院2016年第1季度—2018年第1季度全院上报护理部的护理指标数据质量，总结指标数据收集与整理过程中出现的问题及采取的措施，通过指标数据的缺失率、错报率、录入错误率、多源不一致率的变化验证措施效果。［结果］经持续改进护理质量指标数据收集与整理措施，数据缺失率、错报率、录入错误率、多源不一致率随时间变化均呈现逐渐降低趋势（P<0.05）。［结论］护理质量指标数据的收集与整理需要多部门合作、健全的机制、科学的设计和规范的路径。
关键词：护理管理；护理质量；指标；数据收集；数据整理；数据质量
伴随国家卫生计生委医院管理研究所护理中心（简称护理中心）对我国护理敏感质量指标的研发[1]，开发和应用指标辅助护理质量管理在全国各级医院遍地开花，其相关研究已经受到关注[2]。2016年1月—2018年1月笔者作为山西省护理质控中心成员对我省各级医院护理中心开发的13项指标进行解读和指导，实施过程中对被培训对象6200人进行问卷调研，76.8%不知如何得到数据，43.9%认为数据收集成本极高，效率较低。2018年第1季度笔者协助护理中心修正2017年度山西省部分医院上报的错误数据，我省46所上报单位中年度数据错误率达2.62%，年度上报数据错误率最高的单位其值达3.14%。数据的可信度会被不完整和错误的数据破坏[3]，所以保证数据全面、准确、客观显得尤为重要。如何便捷化收集数据，降低数据收集成本,提高数据质量，已成为现阶段运用护理质量指标进行质量管理急需突破的瓶颈问题。
1资料与方法
1.1一般资料
选取2016年第1季度—2018年第1季度山西省人民医院护理部每季度收集到的51个护理单元及其他10个科室提供的860个数据作为研究对象。纳入标准：2016年第1季度起连续9个季度参与上报的护理单元和相关科室提供的数据。排除标准：未按9个季度连续性上报的护理单元提供的数据。
1.2方法
护理部每季度向临床护理单元及相关科室收集护理质量指标数据，进行数据汇总分析和整理，对数据的缺失、错报、录入错误、多源不一致（即同项目数据多口径出现，但数值不同）等现象进行分类总结，分析原因，针对性制定改进措施，先后出台了护理质量指标数据管理方案、数据收集多部门合作制度、数据收集与整理规范、数据收集与整理培训大纲等。
1.3统计学分析
采用SPSS23.0软件进行统计学分析。计算每季度的数据缺失率、错报率、录入错误率及多源不一致率。采用趋势χ2检验分析随时间变化各个指标是否存在线性变化趋势。以P<0.05为差异有统计学意义。
2结果
3讨论
3.1建立多部门合作机制
护理质量指标数据具有内容多、分布点多、不同专业共享交汇的特点[4]。本研究中每季度来自非临床护理单元的数据达44个，占季度数据总数的5.12%。所以数据的收集和整理必须考虑多部门合作、目标明确、方法统一。为此，我院成立了护理质量指标数据管理组，护理部负责人任组长，其成员包括病案室、医院感染科、血库、计算机室等14个部门人员；出台了护理质量指标数据管理方案，各部门专人专管，部门负责人是部门数据管理的责任人，并对数据的准确性、客观性、及时性负责；护理部每季度组织召开组内会议，向各部门反馈数据收集、分析和使用情况，一方面便于从多专业领域确定数据收集和解决问题的最优方案；另一方面便于大家审视自己所提供的数据质量，实现持续改进。如2016年病案室工作人员根据病人入院时间人工统计护士白班、夜班时间段内对应的住院病人数，每个月数据波动较大，出错较多，为解决这一问题，护理部与病案室负责人合作分析，联合计算机技术人员对病案首页软件系统进行改版，增加了按时间节点采集住院病人人数的功能，既便捷又准确。多部门合作机制是提高护理质量指标数据采集效率、保障数据质量的必然手段。
3.2顶层设计整合指标项目和路径管理
每所医院都有自己的护理质量指标，等级医院评审和优质护理服务评价等活动中均有关于医院护理质量指标的要求。评价主题不同,对于指标的设置不同，于是出现了指标日渐增多、工作负荷逐步增加的现象，如何高效管理指标项目，推动指标体系化建设是现阶段急需解决的问题。本研究中我院原有指标32项，结合目前国家护理质量数据平台上报的13项指标[1]，进行全面梳理，将指标融合在一起后按结构指标、过程指标、结果指标分类[5⁃11]，这样全院指标归为结构指标10项、过程指标8项、结果指标20项。既便于去繁存简，删除重复，更便于后期数据收集、分析和利用。同时全面梳理数据上报路径，对指标数据来源、采集流程进行优化整合，明确指标项目、数据来源、采集人、采集方法等，做到匹配设置、一一对应。
3.3规范数据收集路径
数据收集内容包括数据收集范围、收集口径、医嘱字典、数据记录等。①规范数据收集范围。数据采集范围涉及时间、空间、人间3方面。指标数据采集时间范围根据质量管理对数据分析的需求而定，以日、周、月、季度、年作为1个周期均可。本研究中，护理部以季度为周期收集各项目数据，需要注意的是，对同一个指标不同部门数据收集时间周期不同，如护理部每季度收集1次非计划性拔管率，但科室对非计划性拔管例数应每天进行数据收集。人间指每个指标变量数据须有明确的对象，须说明纳入人群和排除人群的标准。空间指数据采集的地域，尤其一个专业多楼层、多区域时要明确采集空间范围，最好监护室与普通病房分别采集各区域数据，因为管理模式不同，数据结果代表的意义和反映的质量问题不同。②规范数据收集口径。数据收集口径由医院信息化程度决定，信息化程度越低口径越复杂，目前多数医院尚不具备实现护理管理信息化的条件和资源，具备护理管理信息化资源的医院亦无法实现或无法完全实现依托信息化平台收集和共享护理质量指标数据[12]。本研究中，与护理质量数据有关的信息系统主要包括办公系统（OA）、医院信息管理系统（HIS）、检验信息系统（LIS）、护理信息系统（NIS），医学影像信息系统（PACS）、感染管理系统、病案管理系统、输血管理系统、不良事件上报系统；大部分护理实施过程和结局信息由现场手工录入，护理部对全部护理指标数据收集口径进行一一规范，其原则为在全院范围内一个指标变量对应一个数据收集口径[13]；优先选择信息化系统。如各种置管总例数、约束人次数等由HIS系统收集，跌倒、拔管来自不良事件上报系统；压疮发生例数从手工录入的护理质控报表中收集。③规范医嘱字典。我院HIS系统里检索医嘱关键词可以获取部分指标数据，如拟获取统计周期内导尿管置管总人日数，只要把检索时间范围和关键词“留置导尿管”输入即可，但因医嘱语言不规范、不统一等情况，导致所获数据失真。如本研究2017年第2季度前我院关于留置导尿管的长期医嘱有留置导尿管、留置导尿、留置尿管、导尿管导尿等，变异较多的医嘱语言致数据不能代表客观现象，直接影响到数据质量和护理质量管理的决策。所以拟从HIS系统收集数据，必须首先规范医嘱字典，医嘱语言一致是保障数据收集完整性、准确性的基础。④规范数据记录。多部门众多个体都是数据贡献者和记录者，所以统一记录方式、表单、代码等是实现有效数据收集的前提。本研究针对指标数据记录设计了3种表单，一种供病区记录用；一种供各相关部门记录用；一种供护理部向各部门收集数据用。每种表单附有记录要求，三种表单同一变量名称，记录代码一致。
3.4规范数据整理路径
可利用Excel、Epidate等软件进行数据整理，数据整理包括正确转录、行或列的重置、净化数据、数据审核、小数点后保留位数的规范等[14]。本研究利用Excel进行每季度860个数据整理，转录环节由专人专录，因科室通过问卷星填报，可直接导出Excel格式，所以护理部手工转录数据很少，这样可控制转录环节的质量。行或列的重置主要考虑同属性数据设计在一起，为方便数据利用将需加减乘除运算的变量排列在一起。净化数据主要去除人为失误导致的连续性重复、偏离实际极大、极小等数值。数据审核主要判断数据的可靠性、逻辑性。数据的可靠性有多种方法判断，如建立数据上下限范围对其进行模糊判断；与既往值比较，偏离较大其可靠性值得怀疑；重点审核变量间的逻辑性，如各种感染率若出现分子大于分母，说明分子或分母变量数据值有误。值得注意的是，对护理质量指标数据的判断与个人工作或管理经验有直接关系，经验丰富的护理管理者可通过简单的数据间关联结果判断出数据是否可信。本研究中，2016年第1季度、第2季度某科室连续出现白天护患比1∶0.46，而该科室实际40张床位，白天3~4个责护，数据与实际完全不符，但科室负责上报的护士并没意识到。另外，对于缺失值能追回的尽量补齐，便于后期进行整体分析，同时做好数据的备份。
3.5注重人员培训
护理质量指标数据具有类型多、内容多、分布点多、录入人员多的特点，且收集和整理过程涉及护理、统计、数学、信息等多方面专业知识，所以统一人员认识，规范实施数据收集和整理标准是保障数据准确、完整的关键[15⁃16]。本研究对全院护士骨干开展相关知识培训，周期为半年1次，培训内容包括指标的目标、定义、意义、数据收集方法、纳入及排除标准、记录及整理方法等，培训老师包括统计学、病案管理、信息系统、护理质量管理等领域专家。
4小结
数据收集与整理是实现指标科学有效利用的基础，是应用指标进行护理质量分析的关键，虽然各医院护理运营模式、信息化程度不同，但对指标应用的基本理念和原则是不变的，希望我院护理数据收集方法能对护理同仁研究护理质量指标收集有所帮助和借鉴。
作者:申丽 李艳屏 王晓成 徐建萍 牛佳
