人因失误分类理论及其在医疗领域中的应用

冯庆敏，刘胜林，张强，严毅，程鹏

华中科技大学同济医学院附属协和医院 生物医学工程研究室，湖北 武汉 430022

1 人因失误概述

1.1 人因失误的定义

人因失误（Human Error）又称为人为差错、人因差错、人为失误等。从认知科学领域到应用科学领域，人因失误已得到广泛的关注和研究。人因失误的定义有很多种，不同的学者对其有不同的解释。Rigby将人因失误定义为未能满足系统对人的“质量标准”要求的人的行为。Swain[1]认为“任何超过系统正常工作所规定的接受标准或容许范围的人的行为”即可称为人因失误。而英国心理学家Reason[2]将人因失误定义为背离意向计划、规程的人的行为或是遵循意向计划却未达到预期目标的人的行为。综上，人因失误可定义为人的行为结果偏离了规定的目标，并产生了不良的影响。

1.2 医疗中的人因失误

医疗中的人因失误，即医疗失误（Medical Errors）。美国医学研究所（Institute of Medicine，IOM）在1999年以“To Err Is Human： Building A Safer Health System”为题，报道了医疗保健中的人因失误[3]，由于人自身心理和生理上的局限性，人因失误不可避免。在普通事故和与医疗设备/装置有关的事故中，多达90%是由人因失误引起。如今在美国，医疗失误已成为第八大致死原因，据估计，每年可导致44000～98000名患者死亡，而且每年因医疗事故带来了巨大的花费。根据定义[2]，人因失误即人的行为失误，人的行为主要是人的认知活动。认知任务中不适当的信息处理可导致人因失误的出现[2,4]。因此，防止或减少医疗失误的关键在于理解医疗失误的根本认知机制。医疗保健中的人因失误种类繁多，医疗失误常出现在药物治疗、麻醉、医疗器械维修与使用、护理、急诊等复杂医疗活动中。

2 人因失误分类理论

人因失误研究包括预测分析和回顾分析。人因失误分类系统是人因失误研究中的一种定性研究方法，通过回顾性分类分析可以得到更详细和更有针对性的人因失误处理和规避措施。国外开展人因失误分类研究较早，已有很多人因失误分类系统被提出，并在航空航天[5]、核电站[6]、化工厂[7]、交通运输[8]等复杂工业领域中得到了广泛的应用。下文是对几个重要的人因失误分类方法的简要总结。

2.1 Norman分类方法

Norman[9]将人机交互过程中人的行为分为7个阶段：①建立目标；② 形成意向；③ 动作描述；④ 执行动作；⑤ 理解系统状态；⑥ 解释系统状态；⑦ 根据目标和意向评估系统状态，见图1。从理论上讲，认知或动作失误可能在任何一个阶段中出现。Norman[4]较偏重于研究失误行为产生的心理因素，并将言语失误按照其产生的心理因素分为3类：①意向形成失误；② 图式结构被错误地激活；③ 对已处于激活状态下的图式结构产生不适时的错误触发、混淆。Norman以图式心理学模型为基础，通过激活-触发-图式系统（Activation Trigger Schema System, ATS）模型解释言语失误，并指出可以将该分类理论应用于其他领域。

图1 Norman行为阶段模型

2.2 Rasmussen分类法

SRK模型是Rasmussen提出的[10]，用于描述人的认知行为过程，该模型将人的行为分为3个水平的认知行为模式，即技能型（Skill）、规则型（Rule）和知识型（Knowledge），见图2。技能型认知行为模式是指作业者几乎无需进行思考所采取的一种近似于本能反应的行为模式。规则型认知行为模式是指作业者需要选择一定的规则并按照规则要求执行任务的行为模式。知识型认知行为模式是指作业者需要依赖自身知识经验进行分析、决策和执行所采取的行为模式。人因失误受到作业者技术水平、经验以及对作业环境熟悉程度的影响，在每个认知行为水平上所产生的人因失误种类不同，Rasmussen深入讨论了人为失误，并形成了基于SRK模型的失误分类学方法[11]，还探讨了如何利用这些信息制定纠正失误的方案。

图2 Rasmussen行为分类和认知过程

2.3 Reason模型

Reason模型[2]，又称事故致因“瑞士奶酪”模型，是由曼彻斯特大学心理学教授James Reason提出的概念模型。Reason认为，事故发生遵循“组织影响，不安全的监督，不安全行为的前提条件，不安全行为”的规律，在系统中的每个层面上都有代表显性失误（Active Errors）和隐性失误（Latent Errors）的“洞”，显性失误是指生产前线个人的具有直接负面影响的失误或违规行为，隐性失误通常产生于决策者、组织或管理层，是指远在事故前所采取的措施或所做的决定而导致的结果。这些洞会使系统易受到操作危险因素的攻击，并最终导致生产过程的失效或崩溃[12]。Reason模型，见图3。

图3 Reason的事故致因“瑞士奶酪”模型

根据“瑞士奶酪”模型，事故调查人员必须分析系统的各个层面，首先要研究的是不安全行为（Unsafe Acts）。人的不安全行为是人因失误的特例[13]，Reason将人的不安全行为分为两类：一类是无意向做出的不安全行为，包括疏忽和遗忘；一类是有意向做出的不安全行为，包括错误和违规。疏忽（slips）、遗忘（lapses）、错误（mistake）和违规（violations）的失误分类方法强调人的行为及其意向之间的关系。疏忽和遗忘是在意向形成之后的决策执行阶段产生的失误。错误是在意向形成过程中产生的失误，即人对当前形势的判断或推理产生失误。违规可以定义为偏离安全操作程序、标准或规则，组织和个人因素都可能促成违规的出现[14]。

2.4 Eindhoven分类法

Eindhoven分类法最初由Van der Schaaf提出[15]，并应用于化工厂的人因失误分类，只需要在特定的时间或出现故障时进行人为干预。Eindhoven分类法经过改进和提炼后被应用于医疗领域，该分类法在4个层面进行人误分类：技术问题（机器失效）、组织问题、人的行为失效、病人相关因素。

Eindhoven分类法第一个要考虑的是技术问题，消除技术问题可防止本质相似的事件再次发生，可能包括设计、结构、材料方面的问题。接下来考虑组织因素，包括培训、协议、管理优先级和安全文化等方面的问题，组织问题是导致事件发生的隐性因素，包括很多复杂因素，对医疗工作的开展具有深刻影响。技术和组织失效通常被认为是系统失误。排除技术和组织问题后，第三个层面需要考虑人的行为失效，根据Rasmussen提出的SRK模型，人的行为可以分为基于知识的、基于规则的和基于技术的3个种类。最后一个层面是病人相关因素，定义为非医护工作人员或治疗影响可控制的与病人特性相关的失效，无法对此层面进行评价。

3 人因失误分类在医疗中的应用

为防止或较大程度上减少医疗失误，理解医疗失误的根本原因是非常有必要的。进行医疗事故调查的一个主要目的是从较深层面上理解事故的背后起因，即隐性因素，从而防止相似事故的再次发生，提高医院患者安全水平。人因失误分类法可以用来找出和量化这些事故的隐性因素。第2节中所述的人因失误分类模型和理论，多数已经被用于医疗失误的分类分析中，如Reason模型已被用作调查医疗事故的基本方案[16]；Norman的行为阶段模型已成为医疗失误分类的推荐方法[17]；Eindhoven分类模型已被采纳为输血系统失误的因果分类和分析方法[18]。这些模型和分类理论能使我们更好地了解失误，从而实施一定的补救规避进一步促进患者安全。

Zhang等[17]认为，最适用于医疗失误分类的人的行为认知理论是Norman的七阶段行为模型，已成为医疗失误分类的推荐方法。然而，Norman失误分类方法仅仅能处理小部分的行为失误。

Rasmussen主要关注于操作失败的机制，并没有深入研究作业者未能正确执行操作的原因。Rasmussen分类法较适用于核电厂环境， 即操作环境高度自动化和规范化。在变化多端、非结构化的医疗环境中，几乎所有的工作人员行动都更为自由，选择规则时也较少有指导，故Rasmussen分类法仅适用于小部分的医疗失误分析[19]。

Reason的瑞士奶酪模型最初为复杂工业系统所设计，现已被应用于医疗环境中，成为分析和调查医疗失误的基础理论框架[20]。Reason提出了进行人的行为失误分类和评估其原因的综合分类框架，对分析人误的深层原因及内在机制具有重要意义。但是Reason模型并没有明确指出奶酪中“洞”的确切含义，较难找出系统中的隐性失误，同时对不安全行为的描述也太过抽象。Vincent C等[16]将瑞士奶酪理论运用于临床医疗失误的分析和调查中，以显性失误和隐性失误进行医疗失误分类，着重研究了隐性医疗失误中的组织影响，并建立了基于奶酪模型的医疗失误分析框架，包括机构环境、组织与管理因素、工作环境、团队因素、个人因素、任务因素及病人因素，该分析框架涵盖了医疗体系中的各种相关的层面。Stanhope等[21]将Reason的组织事故模型应用于产科的临床风险管理中，用于产科医疗失误分析和预测。

Eindhoven分类法已被应用于放疗、麻醉和血库等医疗场所中的失误研究。 Kaplan等[18]根据输血医疗事件报告系统（Medical Event Reporting System for Transfusion Medicine，MERS-TM）的特点，对Eindhoven分类法稍加改进并应用于输血医疗失误的分类和分析中，通过统计分析血液中心报告的503例事件，得出在输血医疗失误中各种因素所占比例，其中技术问题占27%，组织问题占26%，人的行为原因占46%，其他未分类原因占1%，由此可见，技术和组织等隐性因素在医疗失误中占有重要比例，各个层面的失误比例与其他工业领域相似。Henneman等[22]将Eindhoven分类法模型运用于临床环境，说明护士在识别、干预和纠正医疗失误中起着重要作用。Eindhoven分类模型可以帮助研究人员、管理人员和临床医生对护士在管理临床失误和发展干预措施中起的作用进行概念化。文中还列举了几个临床场景以说明如何将Eindhoven分类模型运用于其中。Nast等[23]报道了157例心胸特护病房（CICU）和胸外科术后监护室（CPCU）的患者安全事件，并运用Eindhoven分类法对157例事件的205个致因进行了分类，得出人的因素占48%，组织因素占33% ，技术13%，其他6%，数据分析表明，患者安全事件是多层面的，而且1例事件的致因通常有多种。将Eindhoven分类法作为重症监护中患者安全事件编码的标准化系统是可行的，并能提高患者安全和促进质量改进。

4 小结和展望

复杂度较高的动态医疗环境中，随时可能发生医疗事故。为防止相似事故的重复出现，应分析医疗失误的潜在因素，理解失误发生的认知机制，运用人因失误分类法找出和量化潜在因素。

对医疗失误进行分类时，需要注意以下几点[19]：

（1）分类方法应有助于分析事件本质；

（2）分类方法必须能够从多个角度分析失误，如失误发生点定位、影响因素、本质和行为形成因子的贡献因素；

（3）分类方法应具有潜在的组织架构，以便于理解被调查的失误；

（4）失误分类方法应有助于补救计划的设计；

（5）分类方法应对补救行为工具的选择提供指导；

（6）险兆事件的分类须为恢复机制提供有价值的信息。

目前存在的基于认知心理学的人误分类方法基本能够分析人误的产生原因和深层机理，但其理论程度较高，在具体实现方面还存在一定的困难，而且多数分类方法的应用背景较强，难以直接用于医疗失误的分类分析。因此，发展较为全面的、符合医疗保健特点的人因失误分类框架对减少医疗失误、提高患者安全具有重要意义，也是保障医疗系统安全运作的重要途径。

[1] Swain AD,Guttmann HE.Handbook of human reliability analysis with emphasis on nuclear power plant applications(NUREG/CR-1278)[R].Washington DC:US Nuclear Regulatory Commission,1983.

[2] Reason J.Human error[Z].Cambridge,MA:Cambridge University Press,1990.

[3] Kohn LT,Corrigan J,Donaldson MS.To err is human: building a safer health system[M].Natl Academy Pr,2000.

[4] Norman DA.Categorization of action slips[J].Psychological Review,1981,88(1):1.

[5] Amalberti R,Wioland L.Human error in aviation[A].Proceedings of the International Aviation Safety Conference:Human Factors,System Engineering,Flight Operations,Economics,and Strategies Management[C].1997:91-108.

[6] Bell BJ,Swain AD.A procedure for conducting a human reliability analysis for nuclear power plants: final report [R].Washington DC:US Nuclear Regulatory Commission,1983.

[7] Van der Schaaf TW.Near-miss reporting in the chemical process industry:an overview[J].Microelectronics and Reliability,1995,35(5):1233-1243.

[8] Stanton NA,Salmon PM.Human error taxonomies applied to driving:a generic driver error taxonomy and its implications for intelligent transport systems[J].Safety Science,2009,47(2):227-237.

[9] Donald AN,Stephen WD.User centered system design:new perspectives on Human-Computer interaction[M].Hillsdale:L Erlbaum Assoc,1986.

[10] Rasmussen J.Outlines of a hybrid model of the process operator[M].New York: Plenum Press,1976,371-383.

[11] Rasmussen J.Human errors:a taxonomy for describing human malfunction in industrial installations[J].J Occup Accidents,1982,(4):311-315.

[12] Wiegmann DA,Shappell SA.A human error approach to aviation accident analysis: the human factors analysis and classification system[M].Aldershot:Ashgate,2003.

[13] 李晔.核电站人因失误分析及控制[A].中国核科学技术进展报告——中国核学会2009年学术年会论文集(1)[C].2009.

[14] Reason J,Parker D,Free R.Bending the rules: the varieties origins and management of safety violations[D].Leiden,the Netherlands:Faculty of Social Science, University of Leiden,1994.

[15] Van der Schaaf TW.Near miss reporting in the chemical process industry[D].Eindhoven,the Netherlands: Eindhoven University of Technology,1992.

[16] Vincent C,Taylor-Adams S,Stanhope N.Framework for analysing risk and safety in clinical medicine[J].BMJ,1998,316(7138):1154-1157.

[17] Zhang J,Patel VL,Johnson TR,et al.Toward an actionbased taxonomy of human errors in medicine[A].Twenty-Fourth Annual Conference of the Cognitive Science Society[C].2002:970-975.

[18] Kaplan HS,Battles JB,Van der Schaaf TW, et al.Identification and classification of the causes of events in transfusion medicine[J].Transfusion,1998,38(11-12):1071-1081.

[19] Carayon P.Handbook of human factors and ergonomics in health care and patient safety[M].Boca Raton,Florida:CRC Press,2011.

[20] Thomas P.The swiss cheese model of safety incidents:are there holes in the metaphor?[J].BMC Health Serv Res,2005,(5):71.

[21] Stanhope N,Vincent C,Taylor-Adams SE,et al.Applying human factors methods to clinical risk management in obstetrics[J].BJOG,1997,(104):1225-1232.

[22] Henneman EA,Gawlinski A.A"near-miss"model for describing the nurse,s role in the recovery of medical errors[J].Journal of Professional Nursing,2004,20(3):196-201.

[23] Nast PA,Avidan M,Harris CB,et al.Reporting and classification of patient safety events in a cardiothoracic intensive care unit and cardiothoracic postoperative care unit[J].The Journal of Thoracic and Cardiovascular Surgery,2005,130(4):1137.