基于不良事件管理的醫療糾紛列線圖預測模型構建及評價

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

醫療質量安全不良事件是指在醫療機構內被工作人員主動發現的，或患者在接受診療服務過程中出現的，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]。醫療機構倡導臨床及醫技科室人員積極上報不良事件，并由醫務管理部門進行統一協調與處理，旨在有效預防醫《中國衛生質量管理第32卷第4期（總第209期）2025年4月療糾紛的發生。若未能及時對不良事件進行評估與預判，可能會加劇對患者的傷害，進而對醫療機構的診療流程和社會形象造成重大負面影響[2]。目前，國內尚無基于可視化預測模型對醫療糾紛進行預測的研究。本研究將通過logistic回歸模型探討醫療糾紛發生的危險因素，并以此構建列線圖預測模型，對預測模型中各變量間關系進行可視化研究，以期更有效地預測醫療糾紛風險，為醫院管理提供參考。

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院不良事件管理系統及HIS系統。研究對象為該院各臨床醫技科室上報的醫療、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，三甲醫院基于不良事件的醫療糾紛發生率約為 ，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雙人獨立錄入并交叉核對，剔除信息缺失嚴重或關鍵信息不詳的樣本，最終實際納入503例。

1.2.2變量確定

結合醫院實際和相關文獻[2]，將醫療糾紛的可能影響因素分為醫方因素、患方因素和聯合因素。醫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、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，以不良事件發生前患者所在科室是否對患者下達病危或病重的醫囑為界定，若未下達病危或病重醫囑則疾病程度為非危重；聯合因素包括不良事件分級、糾紛發生環節、糾紛原因和發生時段，其中糾紛原因分為技術原因和非技術原因，技術原因是指因手術操作、漏診及誤診等問題造成的不良事件，非技術原因包括病歷書寫、病情告知以及患方個人因素等。結局變量為“糾紛是否發生”，以醫院接到患者或家屬口頭、書面或電話投訴為準。

1.3 統計分析方法

利用Excel軟件匯總數據，采用R4.3.0軟件進行統計分析和繪圖。計數資料采用 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計學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 。基于R軟件建立列線圖預測模型，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（ConcordanceIndex，C-Index）;利用Bootstrap 方法，通過Brier值和平均絕對誤差值（MeanAbsoluteError，MAE）對模型的區分度和校準度進行內部驗證，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 結果

2.1 醫療糾紛影響因素的單因素分析

納入的503例不良事件中，未發生醫療糾紛424例，發生醫療糾紛79例。單因素結果顯示，醫務人員性別、年齡、職稱、崗位和患者職業、性別、年齡、患病程度、既往病史，以及不良事件分級、糾紛發生環節和發生時段因素間醫療糾紛發生率比較，差異均具有統計學意義（ P 均 ），見表1。

2.2 醫療糾紛影響因素的多因素分析

以是否發生醫療糾紛為因變量，將單因素分析中有統計學意義的因素納入二分類logistic逐步回歸分析，結果顯示，醫務人員性別男性、患者年齡段 ? 4 0 歲、患者職業為農民、患病程度非危重、一～三級不良事件是醫療糾紛的獨立危險因素（ P 均 lt; 0 . 0 5 ，見表2。

2.3 醫療糾紛列線圖預測模型的建立

根據logistic回歸模型中各影響因素對結局變量的貢獻程度（回歸系數 β ， ，對各影響因素的取值水平進行賦分，通過總評分與結局事件發生概率間的函數轉換關系計算個體事件結局發生的預測值[4]。本研究中，醫務人員性別女性 = 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；患者職業非農民 ε= 0 分，患者職業農民 = 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；發生環節為流程操作 = 0 分，醫患溝通 = 2 3 . 7 5 分，根據各因素得分相加的總分計算模型對應概率。如某例二級醫療不良事件中，醫務人員性別為男，患者 ?4 0 歲，職業非農民，患病程度非危重，糾紛發生于醫患溝通環節，根據列線圖模型計算得出總分為135分，其發生醫療糾紛對應的概率約為0.80。見圖1。

2.4 醫療糾紛列線圖預測模型的

3 討論

3.1 醫療糾紛影響因素分析

本研究結果顯示，與非危重患者相比，病危或病重患者在遭遇不良事件后發生醫療糾紛的風險相對較低。該結論與度琳等[5的研究結果一致，原因可能與醫護人員對一般風險的常規病種自我風險意識較弱有關，部分醫護人員因此壓縮與患者的診療風險溝通時間，尤其是年輕患者對知情權和參與感的需求較高，若溝通不到位易引發誤解。而針對診治難度較高的病例，醫務人員往往采取更為謹慎和詳盡的風險告知方式，對診療全流程都給予高度關注，這種做法降低了醫療不良后果和醫療糾紛的發生率。此外，醫學發展的先進性和局限性以及個體疾病所展現的獨特性，共同導致了患者在預期治療成效與疾病實際轉歸之間產生認知上的差異[2.7-8]。對于原本評估為低風險的患者，尤其是年輕患者處于事業與家庭壓力高峰期，對于健康問題更為敏感，一旦遇到未預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心的不滿情緒。這也提示，醫療糾紛與患者心理狀態、年齡群體以及對醫療服務特殊性的認識不足間存在緊密聯系[9-10]]

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

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生醫療糾紛，這與相關研究[2-3，16]結果一致，原因可能與在發生四級不良事件時，醫務人員及時發現錯誤或隱患，未造成不良后果有關。因此，醫《中國衛生質量管理第32卷第4期（總第209期）2025年4月院需強化醫務人員溝通技巧培訓，規范服務用語，提升服務質量與水平，塑造醫院人文關懷文化，同時，針對影響患者就醫體驗的關鍵環節，如患者等候時間、掛號、檢查和繳費等，采取相應改善措施，優化診療環境與布局，打造便捷舒適的就醫體驗，以減少醫療糾紛的發生[17]

3.2 醫療糾紛列線圖預測模型應用建議

目前，國內關于醫療不良事件預警的研究較少，多數僅利用logistic回歸和ROC曲線對醫療糾紛的發生進行識別和預測[2，18]。本研究構建的列線圖模型具有可視化預測的優點，通過整合多變量實現個性化預測，提高了預測的準確性和實用性，為醫院不良事件管理提供了新方法。在實際應用中，可據此開展患者的個性化風險評估，有助于醫院識別高風險患者，從而采取更加謹慎和精細化的醫療服務。此外，結合模型可建立醫療糾紛預警機制，當預測到醫療糾紛風險較高時，醫院可及時啟動預警流程，包括加強醫患溝通、優化診療方案、提供心理支持等，以降低醫療糾紛的發生概率。同時，醫院還可結合模型DCA分析，進行資源優化配置，DCA分析綜合考慮了不同閾值概率下的干預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，證明了其在預防醫療糾紛方面的潛力。但在實際應用中需根據具體情況，如醫療機構的資源、患者的風險承受能力等選擇適宜的閾值概率，過低的閾值可能導致過度干預和醫療成本的增加。

在列線圖預測模型應用于實際管理時，應確保數據的準確性，保證不良事件上報數據的完整性、真實性和有效性，從而提高模型的預測精度。同時，隨著醫療技術和診療環境的不斷變化，醫療糾紛的風險因素也可能發生相應變化，因此需對模型動態調整和持續改進，確保其能夠適應醫療環境和患者需求的變化。此外，隨著人工智能技術的不斷發展，醫院可將列線圖模型嵌人不良事件上報系統，利用機器學習算法對列線圖預測模型進行訓練和優化，提高模型的預測精度和泛化能力，構建基于列線圖預測模型的智能化輔助決策模塊，為醫院管理層和醫務人員提供實時的風險預警和決策支持。

4 本研究局限

數據來源于單中心，且為腫瘤專科醫院，患者群體存在年齡大、病情重和治療周期長等特點，所構建的醫療糾紛預測模型外推至其他患者群體時應謹慎。下一步，將擴大樣本量范圍，納入不同類型醫療機構的不良事件和醫療糾紛案例進行研究，進一步提升模型預測精度和適用性。

參考文獻

[1].國家衛生健康委辦公廳.關于印發2024年國家醫療質量安全改進目標的通知：國衛辦醫政函〔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.成都市某兩家醫院醫療糾紛預測模型構建及評價研究[J].醫學與社會，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療糾紛的影響因素及防控策略[J].中國衛生質量管理，2023，30（10）：46-50.

[4]曾江忠，吳秀秀，林 麗.順產初產婦發生產后性功能障礙的危險因素分析及風險預測列線圖模型構建[J].中國婦幼保健，2024，39（1）：96—100.

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

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

[7]郭邈，李棟，郭穎婕.生命哲學視域下和諧醫患關系構建的倫理思考［J].現代醫院，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.醫患雙方對醫患關系認知評價的調查研究[J].中國衛生質量管理，2020，27（1）：70-73，98.

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

[12]蔡梓薇，辛怡，馬蔚姝，等.外科醫療損害事件影響因素研究［J].中國衛生質量管理，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.三甲醫院醫療糾紛發生現狀及影響因素分析：基于醫、患、家屬三方視角［J].衛生經濟研究，2019，36（12）：67—70，74.

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

[16]卑其歡，徐勇.某市人民醫院醫療糾紛現狀分析與對策研究[D].蘇州：蘇州大學，2017.

[17]段雙妮，鄧超，文晴，等.基于患者視角的醫學人文關懷管理與患者就醫滿意度現況調查及研究［J].湘南學院學報（醫學版），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療糾紛的預測效能研究[J].中國社會醫學雜志，2023，40（2）：220—224.

通信作者：

謝印庫：江蘇省腫瘤醫院（南京醫科大學附屬

腫瘤醫院/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責任編輯：黃海鳳