运用数据分析的方法预测预知伤医事件的思考

罗稚珺 林澜溪 潘 宇 李礼安 曾晓静 詹中兴 肖良成 刘秋生

中山大学附属第一医院 广东广州 510080

近年来，尽管国家持续严厉打击各类伤医违法活动，不断提升医院安保措施，但伤医事件仍然时有发生。2021年最高人民检察院工作报告指出[1]：坚决严惩任何一起伤医扰医犯罪。报告中提到2020年检察机关共计起诉涉嫌伤医嫌疑人496人，实现连续第三年数字大幅下降(见图1)。显示事态正在逐步好转。但一年中仍有近500人被起诉，说明要有效防范伤医犯罪还要经过长时间的努力，而且任重而道远。

注：数据来源最高人民检察院官方账号2021.3.8

1 现状

回顾过去，根据国内媒体统计报道[2-3]，2009—2018年十年间，国内发生295起伤医事件(不包括港澳台地区)，362名医护人员受伤，其中99名医护人员是被患者持刀具袭击，至少有50位医务工作者因为暴力伤医事件而失去生命。在中国，有62%的医师发生过不同程度的医疗纠纷，66%的医师经历过不同程度的医患冲突。就在2020年发生新冠疫情，防控最紧要的1—3月间，在各种社交媒体上充满对医务人员赞美和感谢之时，全国多地居然还发生至少7起暴力伤医事件，见表1。国家卫生健康委、最高人民法院、最高人民检察院和公安部于2020年联合印发《关于做好新型冠状病毒肺炎疫情防控期间保障医务人员安全维护良好医疗秩序的通知》(以下简称《通知》)[4]，强调要继续全面提升医院安防措施，提高快速反应，加大依法打击伤医扰医犯罪活动。但今年1—5月，全国仅媒体公开报道的就有5起暴力伤医事件！见表2。

表1 2020年1至3月伤医事件统计

表2 2021年1—5月伤医事件统计

2 分析

习近平总书记强调，防范社会领域风险，要下好“先手棋”，防患于未然，提倡“治未病”[5]。要“务必高度重视对医务人员的保护关心爱护”“加大对暴力伤害医护人员的违法行为打击力度”[6]，相当部分的医疗纠纷并不是基于“患因”的客观理解，而是出于“不治不愈”的情绪宣泄。医者和患者双方正在不断垒砌“刚性防护”之墙：患者执于“医到就能病除”，在“未如理想”的焦虑中积淀着对医者的不满，包含诸如医者唯利是图、缺乏同情心等偏见；同时，医者慑于“防备医疗纠纷”，在“自我保护”的顾虑中消耗着对仁义的追求。双方如同“囚徒困境”般，得不到均衡而都成为了受害者。一些别有用心人员更借机搞“小事大闹”，企图从中渔利，又进一步恶化了医患关系。

每一起伤医事件背后，诱因确实首在“医”，但成因则未必在“医”。如何在伤医预知预测上“防范在苗头，化解在事前”，愈发显得重要。毕竟伤医事件一旦发生，危害的后果已经造成，怎样减损止损都是损。

在信息化时代，通过数据分析，运用预测预知的方法预防伤医事件切实可行。人民日报官方账号显示[7]，截止2020年12月中国网民规模达9.89亿，互联网普及率达70.4%，“防疫健康码”申领累计近达9亿人，使用次数超过400亿人次，畅销书《爆发:大数据时代预见未来的新思维》作者[8]，美国东北大学教授艾伯特·拉斯洛·巴拉巴拉西指出：因为有了网络，数据指纹使得人类93%的行为可以预测。本文就尝试从医疗数据的采集分析入手，作相关思考探索。

3 医疗数据预知预测的应用

本文所指的医疗数据专指患者的病情、心理、行为三类。我们的思考是：①运用病案数据分析确定其中高敏人员，做大做强数据池，因为医疗纠纷高敏人员往往是由病情、病症决定的。②运用心理数据对患者的意识流进行标签化管理，捕抓思维变化“弱信号”，因为意识决定行动。 ③运用行为数据对患者在院的轨迹进行合理性和规律分析，发现“趋向”，因为行动总有升级的过程。

3.1 病案数据

据暴力伤医事件大数据研究——基于2000—2015年媒体报道一文[9]，对2000—2015年间伤医事件统计，暴力伤医事件多发生于急诊和门诊，共132例，占比45.5%，见表3。

表3 暴力伤医事件的发生科室

发生暴力伤医事件的主要病种为：①损伤、中毒和外因作用的某些其他结果(如身体部位损伤、烧伤等)38例(占13.1%)；②发病和死亡的外因(如交通事故、故意的自我伤害、医疗和手术护理的并发症等)31例(占10.7%)；③呼吸系统疾病(如急性上呼吸道感染、哮喘等)27例(占9.3%)；④肿瘤(如白血病、淋巴瘤、食道癌等)19例(占6.6%)；⑤神经系统疾病(如中风、脑炎等)17例(占5.9%)；⑥妊娠、分娩和产褥期(如产后即时出血等)17例(占5.9%)；⑦骨胳肌肉系统和结缔组织疾病(如强直性脊柱炎、类风湿性关节炎等)15例(占5.2%)；⑧消化系统疾病(如腹膜炎、胆囊炎、肠梗阻等) 14例(占4.8%)。

据此说明，作为首诊环节的医院门急诊是伤医事件发生的重点区域，而伤残、神经性、肢体性疾病，尤其是不可逆、慢性甚至是绝症患者是伤医高发人群，而记录相关人群诊治的病案可以成为医疗纠纷的预警工具。目前，多数医院均已相继完善疾病诊断告知、医治过程解释，尤其手术风险提示等制度。这都是基于病案而建立起的预防性措施。当然要发挥预警作用，依托病案作进一步的分析，尤其是数据扩容，比如在病患的首诊中，进一步完善基础病史、过敏史、就医史等基础数据，相关数据越规范，越丰富，越全面，就越有预警参考价值。

3.2 心理数据

世界上并不存在完全没有心理压力的人类疾病，有病就会产生心理压力，世界上也不存在承受能力完全相同的患者，经济条件、生活环境、家庭情况、社会经历、工作状况、情绪特质、价值认同、药物反应、酒精浓度等都会对患者的认知、情绪带来意识影响；而其中多重因素的组合恰恰是医疗质量之外，引发医疗纠纷的根源，甚至是伤医事件的“起意”因素。除了神经病科等以外，其他科室要获取病患的心理流数据确实有一定难度。另一方面而言，神经病科的数据主要服务于治疗，而不是伤医事件防控，因此相关病案也未必能够实现“心理可见”。而运用大数据分析，却可以从数据的“关联”中形成心理的可见画像。

3.2.1 建立和完善心理状态评估制度 在门诊预约、急诊救治前可通过预约和求助式医疗APP，设置不同问卷内容，对患者的心理状态进行摸底。相关的测试其实就是心理数据的采集过程，特别是在APP中创建智能感知模块，将心理数据与病案数据关联起来，针对性调整问卷内容，可以形成心理状态分析预判的结果。某省会大型三甲医院过去使用人工填制的方法，回溯力不强，也无法使用数据分析的办法，只能体现为静态模式。建立《护理信息系统》后(见图2)，将患者心理要素纳入摸底评估范围，各护理环节均同步进行在线心理调查，形成评估意见，并初步实现了闭环式动态更新功能，对患者的心理变化趋势能做到了可监测、可视化，以及提前介入，取得了良好的临床应用效果。

图2 《护理信息系统》操作界面

3.2.2 建立和完善伤医事件的推断模型 可以来自业已发生的伤医事件，通过结构化分析，从“已知”关联当中，从共性中推导形成数据化模型。实施犯罪行为，是行为人对被害人关闭共情而做出残酷行为的一种极端的表现形式[10]。国外研究机构对医院暴力极端事件作过风险评估[11]：患者表现激动或不安、患者出现抵制建议的行为、患者存在威胁或暴力行为史、患者的朋友或者家属出现暴力行为、有药物或酒精滥用史等等。上海中山医院杨震对近些年恶性伤医事件犯罪嫌疑人的身份特征作了一个概括：慢性(重大)疾病无法治愈、经济拮据、家庭矛盾、社会支持不足、信仰缺失、性格缺陷、不同程度的心理障碍等。这些特征完全可以成为可供比对的结构化的模型来源。某省会大型三甲医院开发使用的《不良事件报告系统》，已经实现与病案的关联整合，自投入使用以来，自2017—2020年分别上报不良事件330、313、301、206起。而该医院及时采取了有效应对措施，确保了没有一起不良事件升级成为伤医事件。要知道，该医院是日均门急诊量过万的大型三甲医院(见图3)。

图3 《不良事件报告系统》操作界面

3.2.3 建立和完善与互联网公司的数据交换制度 “社交网络不局限于某些特别人群”“只要能在成员之间提供交流机会，最终就会将具有相似目标的人们联系到一起”。这是美国斯坦福大学顾问教授伯纳多·A·胡伯曼的名言[12]。复盘众多伤害事故，不难发现即使属于“临时起意”，也还是有一定的心理预备过程。施害者在个人软件的使用上，在网页的浏览上是有迹象显现的，尤其是社交媒体的关注趋向。依托多重标签组合构型的方式，获得同类数据的推送，并非侵犯公民隐私，它紧紧局限于思想流的表达与共享，毕竟出于治疗为目的的患者的心理状况不应属于“未经许可而不能入内”范畴。“早发现、早介入、早化解”绝对能够“早预防”。

3.3 行为数据

现在许多市二级以上医院普遍已经设立了公安警务工作室，不少医院还配齐配强了“入侵报警”“人脸识别”“金属探测”等安全防护设施，一些条件好的医院还升级了“毒、麻、精、放”药(物)品、易燃易爆物品存放库房，在急诊、重点诊疗科室、医生办公室、护士站、安检口等设置了一键报警和微量元素检测设备。这些安防措施，能够形成对特定目标行为分析的数据“托底”，搭建智慧安防区分析后台，进行多类数据的综合分析研判。①疫情防控常态化下，大部分医院就医已实现完全提前预约、实名预约。医院在接受预约时，可以后台调取比对患者病案资料，进行预测评判。②患者进入医院要扫描“穗康码”，在此过程，实际可以同步与“人像识别”进行关联，确定人员真实身份，如果医院的“人像识别”设备与公安机关的视频形成对接共联，在对既有事件心理状况结构化模型的比对支撑下，能够形成可能性空间更小的二次预测评判。③医院院区普遍已实现视频监控组网，患者在院内的活动(包括住院治疗)，尤其是多次就医的患者的活动是有其习惯性、常规性轨迹特点的，即相对固定的科室、相对固定的路线，一旦发生偏离，就要加大轨迹监测，前置式启动一定地域一定等级的人、技、防措施，甚至可向一线医务人员发出关注或者警示信息，起到更精准预判并同步启动防控的作用。当然，并不是说出现异常就要“一刀切”预警，在判明目的， 排除风险后，相关的“异常轨迹”可以作为该患者的合理新轨迹纳入常态，防止发生重复“误判”。另一方面，作为数据的补充利用，院内人员的轨迹监测在判别“医托”“闹托”，甚至是医院内各类盗、抢、诈骗行为人上均有参考价值，毕竟非就医人员长期在门诊、病区、公共休息区等地“闲逛”是不正常的，通过多家医院的数据共享，甚至可以为公安机关侦察破案提供线索支持，这也是维护医院正常秩序的必要。

某省会大型三甲医院在全院范围内实现视频覆盖改造，特别针对院内门急诊、心血管、神经、妇产、耳鼻喉等重点临床专科，以及医务科、服务管理科等重点行政科室，改造高清视频监控设备。人员入院端(当前还有更大的便利是扫健康码进入)开始即进行监控分析：①对有无理医闹史的人员进院，即专人重点盯控，确保第一时间能够介入控制；②对未按预约科室就医，而是多个科室“串门”，或者在园区内长期停留，多处蹲点的，即安排人员盘查。通过对行为的分析，不仅偷窃诈骗案件能破能防(该院治安案件呈现逐年趋势递减)，同样也有能力发挥伤医事件的预警作用，见图4。

图4 视频破获院内偷窃诈骗案件

4 预测的进阶方法思考

以上通过病案、心理、行为的数据分析中预测预警伤医事件的理论探讨和部分实践均已证明预测的可行性，但也存在一定程度的问题。①还缺少整体统筹，三类数据往往没有能够归口单一部门、单一系统做统筹分析，医院的病案、护理、保卫各部门都有各自的资源优势，但数据采集标准不一致，共享也不充分。②智能化程度还有上升空间，往往统计和查询功能强大，但预警能力偏弱。笔者认为，既然病案、心理、行为数据对伤医事件的预警确实能够预测，则完全可以通过数据化的公式，进一步挖掘数据功能，实现预测预知更精准、更科学、更有时效。毕竟运用数据分析的方法，仅需要医院信息部门整合。根据思考，笔者研究提出可引入以下四种分析方法。

4.1 德尔菲法

德尔菲法最初是为了军事策略问题的预测而产生的，后来逐渐应用各个领域的预测中，适用于缺少数据而又较多受人为因素影响的风险评估、安全评价、影响因素研究[13]。应用于伤医预测上，这种方法可以是基于病案对应心理的标准化筛查就能应用。将正常人对特定病情的共性反应建立为中位数值，将个案的特性建立为预警阀值，超过预警阀的特定个案即行预警。这种方法对于同类患者的思想和行为差异有较大的评估价值。关键在确定中值数值和预警阀值时，要设置多轮次的匿名式专家评判环节，求得对同一主题的最大平均赋分，形成标准化。这种数据预测方法可以使用线形图或契型图进行预测结果表达。

4.2 模型构造法

模型是借助于类化(同源)或其他物质系统和立项系统中对这些类化(同源)的运用来认识主体，是对可能和现实的过程、关系和功能的关联解释产物。可以是定量，也可以是定性。不论是否具备足够数据，都可以通过创设模型的方法进行预测。著名控制论创始人诺伯特·维纳曾经指出：“科学知识是由一系列抽象模型所组成的”[14],在各种科学研究活动中，几乎处处都可以看到模型的作用。①它舍去了某些东西，对现实的实体系统的结构、功能、联系等加以简化，因而不同于实在的原型；②又在本质上竭力与现实的实体系统的结构、功能、联系保持一致，从模型出发不至于引申出与原型不一致的结论来[15]。正因为如此，模型一直是科学发现和思维逻辑工具，模型方法已成现代科学方法的核心。模型的构建既可以是“物质模型”也可以是“心理模型”，既可以是“个案模型”也可以是“群像模型”。应用于伤医预测上，这种方法是基于尽可能接近每一起伤医事件的“原型”解构形成，即基于回溯既已发生的伤医事件，解构病案、心理、行为指标的各要素后形成参照“影像”。“原型”的解构越严谨科学，其“影像”趋向将更吻合。而且多个类似形态的原型不断重叠累积，还可以形成人工智能自主调适记忆。而原型的解构其实就是标签化，以及标签赋值的过程。我们可以将伤医事件理解为是不同诱因的“集合体现”。我们进一步可以将患者就医过程的病案流数据、心理流数据、行为流数据理解为不同标签的诱因。这样我们就能够理解，伤医事件的预测，实际上就是“标签叠加”或者“标签关联”的结果。模型构造法可以通过蛛网重叠图或象限分析图进行预测结果表达。

4.3 层次分析法

层次分析法简称AHP(analytic hierarchy process),是由美国运筹学家、匹茨堡大学教授托马斯·L·萨蒂于20世纪70年代初提出的一种系统方法，属于定量与定性相结合的方法。在今天，利用层次分析法进行决策已经成为阐释创造力以及问题解决的一种新颖而普遍的方法[16]。基本步骤是：①将问题层次化、构造递阶层次结构；②构造判断矩阵；③单一层次的相对权重及一致性检验；④层次总排序和一致性检验。应用于伤医事件预测上，可以理解为通过准则层的鉴别导出算法预定结果。即A的第一个表达通过准则层鉴别后推导N个结果，A的第二个表达通过准则层后标记为重叠结果M和新结果O，当出现多个表达时，重叠结果将在权重作用下或者进阶，或者解散，或者回流，由此体现为进阶和降阶表现，一旦A的多个表达突破准则层就视为需要预警。这种分析方法关键是要对准则层进行公式设计，尤其是权重设置。当然在公式设计和权重设置上，不能按照“有罪推断”的主观既定思维，要按照“由此及彼”的逻辑推断和“照此必彼”的规律特点。因此层次分析法应用于伤医事件预测，其实也可以理解为命中概率方法，病案流、心理流、行为流一旦出现两种或以上数据流突破准则层，就可以推断为大概率命中，从而形成预警。这种方法可以使用矩阵图或树状图进行预测结果表达。

4.4 灰色系统法

灰色理论的主要任务是研究灰色系统如何“白化”，就是将已知的有限信息，做合理加工处理，以生成更多信息，使有限的信息得到尽可能充分的利用。即通过分析现有时间序列与未来时间序列相互转化、相互依存，将不确定值的灰数变为确定值的白数。我们知道伤医事件的背后往往因素复杂，这种预测方法应用于伤医事件预测上，就是基于对病案、心理、行为三个序列的演进分析，运用“肇因系数”进行预测，以过去和现在的情势为事实资料，数化表述趋势，运算推断未来，将未来事件的聚集性或可能性空间缩小到足够精准[17]。比如一旦其他地区接连发生伤医事件，就形成系数堆量。原来处于低风险的病案、心理、行为状态在“系数堆量”的作用下，可能趋向中高风险因素。此方法不仅仅是单一序列、单一系数的分析，病变、病因、生活质量等都可参与肇因的设置，都可对应病案、心理、行为序列进行状态分析。设置越丰富，映射赋值越科学，对灰色系统的白化程度就越高，预测就越清晰，即形成“白化结论”。这种预测方法可以通过时空趋势图或者积分柱状图进行预测结果表达。

5 结论

伤医事件的发生完全符合马克思主义关于从量变到质变的基本原理，如果忽视事前的征兆,只将注意力盯在有事应对，必然会极大地增加一线医护者的工作压力。源头化解替代末端治理，是十四五规划当中的发展要义。在大量的研究和实践活动基础上产生众多预测型情报分析方法是可行的[18]。我们应该注重从“下好先手棋”的角度建立情报先导，预测先行的意识，通过各种预测方法的运用，支撑医院的智慧安防，扭转事中处置和事后补救的被动工作态势，努力实现伤医事件从“零容忍”变为“零发生”。