7.1 🎓 醫學生版

給醫學系 M3-M6：這一章不教你怎麼治病，而是教你「醫療這個系統為什麼會傷人、又怎麼把傷害降下來」。Harrison 把它放在「醫業的本質」這一篇是有用意的——安全（safety）與品質（quality）已經是現代醫療的核心面向，社會大眾正在合理地要求測量與問責，而給付也越來越綁在這兩者的表現上。讀的時候請把握一個層次感：先理解「人本來就會出錯、所以要修系統而非究責個人」（safety），再理解「就算沒出錯，照護品質也可能遠低於標準」（quality）。安全是品質的第一部分，也是對大眾最「有感」的那一塊。

7.1.0.1 📌 一頁重點

Safety 與 Quality 相關但不完全重疊：safety 是「不傷害病人」（避免 adverse event），quality 是「確實把該給的最佳照護給出去」。IOM 主張安全是品質的第一部分，系統首先必須保證提供「安全」的照護；但長遠來看，改善品質帶來的淨臨床效益可能比改善安全還大。
Swiss Cheese Model（Reason）：意外很少是單一錯誤，而是一連串「潛在失誤（latent failures）」剛好在某一刻對齊，穿過層層防線才釀成。教訓是設計多重防線、且修系統而非罰個人。
Slip vs Mistake：slip 是例行、半自動行為中的疏漏（打算開單卻被打斷而忘記）；mistake 是在陌生／非典型情境下做出的錯誤判斷（對不熟的藥下錯劑量）。兩者的預防策略不同。
Adverse event 流行病學：Harvard Medical Practice Study 住院 adverse event rate 為 3.7%，其中 58% 可預防；近年估計傷害已逼近 每四位住院病人就有一位。ADE 影響 6–10% 住院病人。
CPOE 加上臨床決策支援，可把嚴重用藥錯誤降低 55%；2019 年逾 95% 美國醫院已導入 CPOE。
Donabedian 三層：結構（Structure）／過程（Process）／結果（Outcome）。好的結構與過程不保證好結果。
PDCA（Plan-Do-Check-Act） 是快速循環品質改善的核心工具。
RAND 2006：美國成人只接受到 55% 該有的推薦照護，拿到高品質照護的機率「跟擲銅板差不多」。
Chronic Care Model（Wagner）：團隊照護 + 自我管理支持 + 決策支援 + 資訊系統，是改善慢性病照護的組合策略。

🎯 三件事先記住 1. 大多數醫療錯誤是系統議題，要修系統而非究責個人。 2. Checklist、CPOE/bundle 是有實證的安全工具。 3. 照護的「轉銜（transition / handoff）」是錯誤與傷害的高風險點。

7.1.0.2 一、安全的理論基礎：人會出錯，所以要修系統

安全理論的出發點很反直覺，卻很重要：個體無時無刻都在犯錯。Harrison 用一個生活化的例子——你下班開車回家，本來打算順路買一夸脫牛奶，結果回過神來人已經停在自家車道上，根本忘了買。我們在日常許多活動中都用「低層次、半自動」的行為運作，這類錯誤稱為 slip。照護現場 slip 很常見，例如你打算開一張醫囑，卻因為得先處理另一件事而忘了開。

相對地，mistake 是更高層次的錯誤，發生在新的或非典型的情境裡、需要有意識做決策時——典型例子就是對一個自己不熟悉的藥物下劑量。理解 slip 與 mistake 的差別有實際意義：預防 slip 靠系統與自動化（如電腦化醫囑、強制檢核），預防 mistake 則靠教育、protocol 與決策支援，兩條路徑並不相同。

系統理論進一步指出，大多數意外是「一連串小失誤剛好在某個個案中對齊」才發生的。這就是著名的 「瑞士起司模型」（Swiss Cheese Model，Fig. 7-1，源自 J. Reason）：把每一道防線想成一片有洞的起司，平時某一片的洞會被下一片擋住，但當所有片的洞剛好排成一直線，意外就穿透所有防線發生。Reason 把那些平時潛伏、不易察覺的弱點稱為「潛在失誤（latent failures）」——以跌倒為例，潛在失誤可能是「病房當天異常忙碌」加上「地板剛好是濕的」。這套理論還有兩個關鍵推論：第一，醫療業裡絕大多數人都是想把事情做對的，所以意外多半源自系統缺陷；第二，系統的設計目標有兩個——讓錯誤更不容易發生，以及把那些終究會發生的錯誤辨識出來。這也是為什麼現代病安強調「不究責個人、修補系統」。

7.1.0.2.1 哪些因素讓錯誤更容易發生

Harrison 列出幾個在醫療系統裡無所不在、會推高錯誤率的因素：疲勞（fatigue）、壓力（stress）、打斷（interruptions）、複雜度（complexity）、轉銜（transitions）。

疲勞的效應在其他產業很明確（例如卡車司機一週工時超過某個門檻、班次過長時事故率急遽上升），在醫療界則一度較有爭議，直到近年才有清楚證據：一項針對加護病房住院醫師的研究發現，他們在連續值 24 小時班時的犯錯機率，比前一晚能睡 8 小時的排班約高三分之一。美國畢業後醫學教育委員會（ACGME）因此推出 80 小時工時上限來回應;但 Harrison 也提醒，這只是一步，並未解決疲勞相關錯誤最重要的成因——過長的單一連續值班（extended-duty shifts）。

壓力與高工作負荷同樣會推高錯誤率，因此在心跳停止急救這類極高壓情境下更容易出錯;此時使用 protocol、以及單純地「意識到自己正處於高壓情境」本身就有幫助。打斷（被一通 page 打斷後忘了把手上動作做完）在臨床很常見，對策包括減少不必要的打斷、以及建立能標示打斷「緊急程度」的工具。複雜度指的是醫療人員被大量資料淹沒（檢驗、生命徵象），其中多數沒什麼資訊量、但少數很關鍵且需要行動,能凸顯特定異常或異常組合的工具會有幫助。轉銜——病人在不同照護者與不同單位之間交接——在 80 小時工時上路後變得更頻繁，而且通常是脆弱點;提供結構化交班資訊的工具（後述的交班工具）能降低風險。

7.1.0.3 二、傷害有多常見：adverse events 的流行病學

絕大多數探討 adverse event 頻率與後果的大型研究都是在「住院」場景做的，安養機構有一些資料，門診則所知甚少。其中規模最大的之一是 Harvard Medical Practice Study，在紐約州的住院病人中進行。它把主要結果定義為 adverse event：由醫療處置（而非病人本身疾病）造成的傷害，且該事件要不導致出院時死亡或失能、要不使住院延長至少 2 天。關鍵發現是：adverse event rate 為 3.7%，其中 58% 被認為可預防。雖然紐約不能代表全美，但這項研究後來在科羅拉多與猶他重做，比率大致相當。

而幾項近年研究指出，與醫療相關的傷害頻率現在已逼近「每四位住院病人就有一位」。比率看起來變高有幾個原因：發現事件的技術進步了（例如用「unexpected ICU transfer」這類觸發訊號去抓）；病歷電子化、更容易搜尋;照護的複雜度持續上升。值得警惕的是，即使某些類型的傷害（如院內感染）看起來在下降，整體比率仍居高不下。

在 Harvard 研究中，傷害類型以 ADE（adverse drug event，藥物不良事件）最常見，佔所有 adverse event 的 19%，其次是傷口感染（14%）與技術性併發症（13%）;將近一半的 adverse event 與手術相關。在非手術事件中，ADE 佔 37%、診斷失誤佔 15%、治療失誤佔 14%、處置相關佔 13%、跌倒佔 5%。

ADE 是被研究得最透徹的一類錯誤。專門針對 ADE 的研究發現它其實比 Harvard 研究所暗示的更常見（多數研究採用較寬鬆的判定標準）。研究端用病歷回顧與電腦化 ADE 監測（掃資料庫找出可能發生 ADE 的訊號）等多種方法,同時使用多種方法抓到的 ADE 比任何單一方法都多,這暗示族群真實比率還更高。整體而言，約 6–10% 的美國住院病人會經歷一次 ADE。

藥物傷害在門診也很常見：一項研究用電話追蹤病人是否曾因用藥出問題，得出 每 100 名病人每年 21 次 ADE;雖然嚴重度低於住院場景，但約三分之一仍是可預防的。出院後的那段時間風險特別高：一項針對內科病人的研究發現出院後 adverse event rate 達 19%，其中約三分之一可預防、另約三分之一可減輕（ameliorable），而 ADE 仍是最大宗——這正呼應了前面說的「轉銜是高風險點」。

7.1.0.4 三、預防策略：checklist、CPOE 與資訊科技

多數預防工作鎖定住院場景的特定事件類型，其中院內感染與 ADE 最受重視。

Checklist（檢核表） 對兩種最嚴重的加護病房併發症——導管相關血流感染（catheter-associated bloodstream infection）與呼吸器相關肺炎（ventilator-associated pneumonia）——的發生率有重大影響。其核心理念是：有幾個明確動作能降低這些問題的頻率，當這些動作對每一位病人都確實執行時，相關併發症會大幅下降。這套做法已在密西根州大範圍推廣（即 Pronovost 等人的工作）。

電腦化醫師醫囑輸入（CPOE）搭配臨床決策支援 能降低嚴重用藥錯誤（指那些已造成或有潛在造成傷害的錯誤）。一項研究顯示，即使只有有限的決策支援，CPOE 也讓嚴重用藥錯誤率下降 55%。CPOE 預防錯誤的方式包括：建議預設劑量、確保醫囑完整（含劑量、途徑、頻率）、檢查過敏、藥物交互作用與藥物-檢驗值問題。決策支援還能依腎功能與年齡建議正確劑量——研究顯示，腎功能不全病人在沒有決策支援時只有約三分之一拿到適當劑量，有支援後升到約三分之二，而且這些病人還早半天出院。2019 年，超過 95% 的美國醫院已導入 CPOE，只是決策支援往往仍有限。

其他用藥安全科技還有：條碼（bar coding）結合電子給藥紀錄（eMAR），幫助確保「對的病人在對的時間拿到對的藥」，早期結果看好;以及 「智慧型輸液幫浦（smart pumps）」，可依藥物與劑量設定，若快給到過高劑量會發出警示。

在國家層面，National Quality Forum 與 The Joint Commission 等組織都提出了改善安全的建議，且所有醫院都被期待落實。許多建議其實是日常照護裡常見的事，例如 「readback（回讀）」——把所有口頭醫囑記下並立即讀回給醫師確認;以及一致使用標準縮寫與劑量寫法（有些寫法特別易錯，例如「7U」可能被誤讀成「70」）。

安全的「測量」本身很困難又昂貴，因為 adverse event 還好是罕見的。多數醫院靠自發通報（spontaneous reporting）來找錯誤，但靈敏度極低——大約每 20 件 ADE 只有 1 件被通報。有前景的研究方法是搜尋電子病歷裡暗示事件發生的訊號，雖尚未廣泛使用,理賠資料（claims data）也被用來估計，但對外科照護的效果遠好於內科。結論是，除了少數特定事件（如跌倒、院內感染），醫院對於安全問題的真實頻率其實所知有限——但這不改變一個責任：所有醫療人員都有義務在發現安全問題時通報，讓事件能成為後續改善的教材。

7.1.0.5 四、品質的理論架構：Donabedian 三層與 PDCA

品質的評估一直有點難以捉摸，但工具持續在進步。

Donabedian 把照護品質依測量類型分成三層（必背）：

層級	定義	例子
結構（Structure）	某特性在該場域是否具備（資源/設施）	醫院有沒有心導管室、診所有沒有用電子病歷（EHR）
過程（Process）	照護如何被遞送	有沒有依建議間隔做抹片、疑似心肌梗塞病人有沒有給 aspirin
結果（Outcome）	實際發生了什麼	心肌梗塞的死亡率

關鍵提醒：好的結構與過程不一定帶來好的結果。 一位疑似心肌梗塞的病人，到了一家有心導管室的醫院、也接受了包含 aspirin 的建議照護，仍可能因為梗塞而死亡。

品質理論還有一個重要主張：整體品質的提升，靠「把所有醫療人員的水準都拉高」比「揪出少數表現差的人並懲罰」更有效。這也是為什麼系統性的改變對提升品質特別有用——能同時影響大量醫療人員。

在工具面，最重要的之一是 Plan-Do-Check-Act（PDCA）循環（Fig. 7-2），適合用來「快速循環（rapid cycle）」改善某個流程（例如從診斷肺炎到病人接受抗生素之間的時間）：

Plan：規劃，找出幾個可能的改善策略
   ↓
Do：在小範圍做「tests of change」測試這些策略
   ↓
Check：量測這些策略是否真的造成差異
   ↓
Act：依結果採取行動（擴大或調整）
   ↓
（持續循環）

常與 PDCA 搭配的還有管制圖（control charts）等統計工具，用來判斷是否真的有進展。由於幾乎所有醫療都包含一個或多個流程，這個工具對改善格外重要——這也呼應「持續品質改善（continuous quality improvement）」的精神：組織應持續評估自己提供的照護、不斷做小幅修正。

哪些因素會拉低品質？ 包括醫療人員的壓力、過高或過低的產出壓力、以及糟糕的系統。壓力與過高的產出壓力會讓人省略重要步驟;但過低的產出壓力有時也讓品質變差（因為人會無聊，或對某問題缺乏經驗）。而糟糕的系統影響最大——即使是極度盡責的醫療人員，在糟糕的系統裡通常也無法達到高水準的表現。

7.1.0.6 五、品質的現況與改善策略

RAND 2006 提供了當時最完整的美國照護品質圖像，結果令人警醒：跨多種品質指標，美國病人整體只接受到 55% 的推薦照護，且各次類差異不大——預防照護 54%、急性照護 54%、慢性病照護 56%。作者的結論是：在美國拿到高品質照護的機率，「跟贏一次擲銅板差不多」。另外，Dartmouth Atlas 的資料顯示，儘管各地區使用量差異很大，使用量與品質在區域層級並無正相關;不過對特定疾病（尤其外科）而言，處置量較大的醫療提供者確實有較好的結果。

改善品質的策略，在「個人層級」上包括：配額限制（rationing）、教育、回饋、誘因、懲罰。配額在某些領域有效（例如說服醫師在處方集內開藥），但普遍受抗拒;教育短期有效、且是改變觀念所必需，但效果隨時間衰退得相當快;回饋可給團體或個人，而最有效的回饋是個人化、且在原事件發生後不久就給的;誘因可能有效，許多人相信只要有足夠誘因的「按表現付費」能廣泛推行，它就是改善品質的關鍵;懲罰會引起醫療人員反感，在醫療界很少使用。

在「系統層級」上，策略包括：在看診時提供「該做哪些特定動作」的提醒（已證實能改善如預防服務的遞送）;發展可高忠誠度一起執行的 「組合包（bundles）」——許多醫院在加護病房對呼吸器相關肺炎導入含五項措施（例如確保床頭抬高）的 bundle，使表現大幅改善;以及 SCAMPs（Standardized Clinical Assessment and Management Plans，標準化臨床評估與管理計畫），由臨床醫師找出工作流程與決策的關鍵步驟所制定的照護指引。

最迫切的需求或許是改善慢性病照護的品質。Wagner 等人發展的 慢性照護模式（Chronic Care Model，Fig. 7-3） 主張，必須結合多種策略——自我管理支持、照護遞送系統設計的改變、決策支援、資訊系統——而且這些策略必須由「一個由多種醫療人員組成的照護團隊」來執行，不只靠一位醫師。糖尿病門診降低糖化血色素（HbA1c）的證據支持這個前提：值得注意的是這裡的結果指標是 HbA1c「結果值」本身（一向比「過程指標」如有沒有測 HbA1c 更難改善）,在一篇統合分析中多種策略都有效，但最有效的是「團隊照護的改變」與「使用 case manager」;不過較昂貴的策略（如 case manager）大概只有在「按表現付費」站穩腳步後才會被廣泛採用。

最後要記得：品質指標與「過程/結果」表現的連結，因疾病而異。例如做抹片（Pap smear）能改善子宮頸癌病人結果的證據很強，但對許多其他疾病的證據就薄弱得多。

7.1.0.7 六、品質的測量、公開揭露與按表現付費

在住院場景，品質測量現已由非常高比例的醫院執行，涵蓋心肌梗塞、鬱血性心衰竭、肺炎、外科感染預防等，總共 20 項指標。這源自「醫院品質倡議（Hospital Quality Initiative）」，由 Hospital Quality Alliance、The Joint Commission、National Quality Forum、AHRQ 等多方協作;資料存放在 CMS（Centers for Medicare and Medicaid Services），並透過 Hospital Compare 網站公開揭露。分析顯示品質有顯著區域差異;而 The Joint Commission 的分析顯示醫院表現隨時間改善，且如所期望地，表現較差者改善幅度比表現較好者更大。近期最大的變化是 Medicare 正轉向 電子臨床品質指標（ECQMs）——過去主要靠理賠資料測量，現在改從電子病歷萃取資料（這些新指標仍待驗證）。

公開揭露（public reporting）品質資料越來越普遍。目前已有商業網站提供全美多數地區的品質資料（付費可查），國家層級的醫院資料也可取得。但證據顯示，病人至今並未怎麼使用這些資料，反而是這些資料對醫療提供者與組織的行為產生了重要影響;病人多半仍靠「醫師名聲」做選擇，部分是因為直到很近期才有資料、且呈現方式不見得易於取用。品質指標仍有問題：許多可被「操弄（gamed）」，而且即使醫療人員幾乎都用 EHR 了，多數指標仍來自含許多不準確之處的理賠資料——急需更多善用 EHR 的指標。但許多權威認為，隨著品質資訊越來越多，它在病人選擇就醫地點時會越來越關鍵。

按表現付費（pay-for-performance, P4P）：目前美國醫療提供者對特定服務拿到的給付是固定的，與品質無關。P4P 理論認為，若高品質照護能拿到更高給付，醫療提供者就會投資於能提供該照護的策略。當前辯論聚焦三點：它有多有效、需要多大的誘因、會產生哪些反效果。有效性的證據仍有限（多項研究進行中）。在誘因規模上，美國至今以品質為基礎的誘因只佔總給付的約 1–2%;而英國則把全科醫師（GP）約 40% 的薪資綁在跨多項指標的表現上，伴隨報告的品質表現大幅改善（但有多少是「真的變好」、有多少只是「報告變好」仍不清楚）。任何誘因機制都有反效果的可能：若誘因綁在結果上，可能傾向把最重的病人轉給別人;另一個疑慮是醫療人員會過度關注「有誘因的指標」、忽略品質的其餘面向。這些疑慮是否成立尚待確認，但在醫療改革下，各種 P4P 機制很可能會增加。

7.1.0.8 🎯 醫學生最該記住的 6 件事

安全是品質的第一部分：safety 是「不傷害病人」、quality 是「把該給的最佳照護確實給出去」;IOM 主張系統首先必須保證安全，但長遠看改善品質的淨效益可能更大。
人本來就會出錯，要修系統而非究責個人——這是 Swiss Cheese Model 的核心：意外是多道防線的潛在失誤剛好對齊才發生。分清 slip（例行疏漏）與 mistake（陌生情境的判斷錯誤），因為兩者的預防策略不同。
記住傷害的流行病學數字：Harvard 研究 adverse event rate 3.7%、58% 可預防;近年逼近四分之一住院病人受到傷害;ADE 影響 6–10% 住院病人且是最常見的傷害類型。
有實證的安全工具：CPOE + 決策支援降 55% 嚴重用藥錯誤、加護病房 checklist 大幅降低導管相關血流感染與呼吸器相關肺炎、bundle / readback / 交班工具。注意轉銜（出院後、交班）是高風險點。
Donabedian 三層（結構/過程/結果）+ PDCA 循環是品質的核心架構;切記好的結構與過程不保證好結果。
品質現況令人警醒：RAND 2006 顯示美國成人只接受到 55% 的推薦照護;改善靠系統性改變、慢性照護模式（團隊照護）、按表現付費——但 P4P 也有 cherry-picking 與「為指標而做」等反效果。

來源：Harrison 22e Ch.007。（台灣臨床：病人安全與品質改善已是醫院評鑑與醫策會 TPR 病安通報的核心，臨床上請熟悉所屬醫院的「異常事件通報系統」與不究責通報文化。）