CN108288130A - 基于数据挖掘分析平台的临床护理绩效评价系统及方法 - Google Patents

Abstract

本发明属于医学护理评价技术领域，公开了一种基于数据挖掘分析平台的临床护理绩效评价系统及方法，应用决策树分析方法对护理单元护理工作数量、质量、效率、业绩进行分类分析，为医院护理单元护理绩效评价与绩效奖金分配提供科学的分类依据与评价方法。本发明从护理绩效决策树分析的客观性、适用性、公平性、接受性、效率性、总满意度6个方面对其应用的满意度进行调查分析，满意率均逐步提高，总满意度由72.41％提升到98.28％；本发明提供的护理绩效的决策树分析方法能有效提高护士对护理绩效评价的满意率，是护理单元护理绩效管理与绩效奖金分配行之有效的科学的评价方法。

Description

基于数据挖掘分析平台的临床护理绩效评价系统及方法

技术领域

本发明属于医学护理评价技术领域，尤其涉及一种基于数据挖掘分析平台 的临床护理绩效评价系统及方法。

背景技术

目前，业内常用的现有技术是这样的：

目前未发现有将决策树分析应用于护理绩效的评价中，只有决策树应用于 护理质量评价的研究报道。

绩效评价是组织采取各种科学的定量和定性的方法对工作单元或员工的实 际工作数量、效果、价值进行考核和评价的过程。护理绩效评价不仅是现代护 理中不可或缺的管理工具，更是有效提高工作效率、激励工作士气、实现组织 目标的重要方法。

但是，由于护理专科性质不同，各病区具体涉及的护理项目种类、数量、 技术风险等方面均存在差异，在进行护理绩效评价时，不充分考虑这些因素的 差异而笼统进行评定，势必将影响到绩效评价的公平性和公正性。

这就需要依靠一种强大而精准的数据分析与挖掘技术，从众多的数据中找 出主要因素，以此来建立护理单元间的工作数据、质量、效率与业绩的分类方 法，从而为护理绩效分类提供客观而科学的分类依据。

决策树是一种综合评价与分类分析工具，它主要是通过多因素回归等一系 列复杂的计算，迅速地从众多存在复杂交互作用的影响因素中筛选出主要影响 因素，并有效进行分层分析，从而完成对研究对象精确预测或分类的作用。护 理绩效的决策树评价，就是发挥决策树强大的数据挖掘与分类分析功能，在依 托医院信息系统数据的基础上，应用决策树分析综合护理数据、质量、效率与 业绩等因素，从而为护理绩效评价提供即时而精确的等级分类依据，为提升绩 效评价的公平性与公正性提供坚实的保证。

我国临床护理工作正逐步走向规范化、科学化。不断采用新方法，凭借信 息化平台和现代数量统计方法等支持手段，积极完善护理绩效评估是管理者所 面临的重要课题。

综上所述，现有技术存在的问题是：

国外现况：绩效管理是现代企业和医疗卫生行业管理热衷研究和努力完善 的内容。因为，建立一种科学的绩效评价与考核方法，对调动工作积极性，增 强企业核心竞争力等起到重要的推动与促进作用。在美国，管理学家 Harrington指出，绩效管理中量化管理是第一步，量化管理能促使控制并最终 实现改进。所以，根据美国2006年的卫生保健绩效标准，医院应使用量化的 指标来考核护理绩效。在美国加州，建有护理成果数据库，它是一个全国性的 护理绩效评价项目。该项目始于1996年，是美国护理协会(American NursingAssociation,ANA)的一个合作项目。这个数据库能够反映全州护理成果，还能 进行研究来提供循证干预以提高护理质量。另外，为增加绩效管理的透明度和 客观性，美国国家质量论坛(national quality forum,NQF)也提供了一套绩 效评估标准，它加速了护理相关绩效的评价和公开报道。在新西兰，护理绩效 评价则仅仅从职业责任、护理管理和行业间的卫生保健质量等几个方面进行考 量。在澳大利亚，护理绩效也只需考量职业实践、评判性思维、护理的提供与 协调以及治疗性实践4个维度。综上所述，国外护理绩效评价主要是针对个人 绩效评价而言，而且即使在护理绩效评估方面的重视度在不断增加,但是越来越多的研究表明,从某种程度上来说,国外护理绩效的透明度仍不如医院和医生 绩效的透明度。

国内现况：我国许多医院和护理管理人员针对护理绩效的评价，也做出了 诸多的探索和改进。目前国内尚缺乏统一的护理绩效评价指标与方法。早期护 理绩效评价多采用交替排序法、配对比较法、强制分布法、描述法、绩效评价 表、关键事件法、360度绩效评价法等方法来实现对护理成绩和贡献的评判。但 是这些评价方法总体而言容易受到对指标理解不足、个人偏见、光环效应等因 素的影响而产生误差。为减少主观评价误差对绩效评价的影响，目前，许多医 院更偏向基于客观指标和数据来进行的绩效评价。比如：一些医院按护理单元 的规模、工作量、护理风险将全院各护理单元分为3类6级，在护理单元分级 的基础之上进行医疗、护理绩效的评价，并以此为依据实施绩效分配。这种评 价方法在一定程度上具备其公平性和公正性，但是，其方法过于复杂。首先， 医院要对各护理单元的年度工作任务完成指标进行系统分析，然后在全院医务 人员范围内进行问卷调查，最后结合年度指标分析、医务人员调查结果和专业 发展特点等因素对各科室进行级别划分和绩效分配。所以，这种基于护理单元 人工调查与年度分析基础之上的绩效评价体系，在进行绩效评价时费力费工费 时，其即时性和准确性也不够。另外，随着信息技术的发展，目前部分医院依 靠软件公司或医院的信息中心，开发绩效测评与考核系统，但也存在开发周期 长，投入成本高的问题。

现有护理绩效评价存在的不足：

护理工作是医院工作的重要部分。自护理学荣升一级学科以来，护理工作 也愈来愈受到医院重视。目前，许多医院将护理绩效奖金直接调拨护理部，由 护理部依据各护理单元护理工作情况，给予发放护理绩效奖金，旨在让护理工 作量大、风险高的护理单元能获得相对较高的绩效奖励，以体现多劳多得，优 劳优得。如何做好护理绩效评价，使绩效奖金真正流向那些工作量大、风险大、 业绩好、效率高的护理单元，发挥好调动工作积极性的激励作用，也成为护理 管理人员努力探索的重要内容。

但是，目前国内缺乏统一的护理绩效评价方法,而且就已用的几种护理绩效 评价方法而言，也存在一些不足，

一是早期传统的绩效评价表法、平衡计分法等，但较主观，容易产生评价 误差；

二是基于医院经管部门年度结算的，按护理单元规模、工作量、护理风险 将全院各护理单元分为3类6级的专科分类分级法，并以此为依据实施绩效分 配。但此法存在测评周期长、分析量大、费时耗力等问题。

三是基于信息系统的绩效考核系统，虽操作简单，但需要依靠软件公司或 医院的信息中心进行开发，也存在开发周期长，投入成本高的问题。

发明内容

针对现有技术存在的问题，本发明提供了一种基于数据挖掘分析平台的临 床护理绩效评价系统及方法。本发明运用数据挖掘技术中的分类工具——决策 树分析法(Decision Tree)，实现按工作质量和数量对各护理单元进行即时、 快速的等级分类，为护理单元护理绩效奖金等级系数的确定提供科学、客观的 评价依据。本发明有效减少目前某些医院基于护理单元人工调查与年度分析基 础之上的绩效评价误差，建立起科学、便捷、准确、公平、公正的护理绩效评 价体系与方法。本发明在无需购置专门绩效测评软件或系统的情况下，仅基于 信息数据中心决策支持平台构建护理绩效评价体系，达到节约资金与资源的目 的。

本发明是这样实现的，一种基于数据挖掘分析平台的临床护理绩效评价方 法，为：

应用决策树分析方法对病区护理单元护理绩效进行分类分析；

分类分析的数据对象为全院所有病区护理单元各病区护理单元工作数量、 质量、效率、业绩四个维度90项指标数据按系数赋值后的最终数据。分类分析 方法为：从以上众多指标数据中，应用决策树CHAID分类方法，通过显著性差 异分析，辨别出其中的主要差异数据和次优差异数据，分别确定为首优变量和 次优变量，并以此为依据对全院病区护理单元进行等级分群，从而完成对全院 病区护理单元的绩效分类。CHAID是一种基于调整后的显著性检验 (Bonferroni's correction检验)决策树技术。CHAID可用于预测，同时具备回归分析和分类功能，能用于检测变量之间的相互作用。决策树分类的功能优 点在它能兼顾回归分类功能，功能类似logistic回归分析，但相较于logistic 回归，决策树分类结果更直观，可读性更强。

确定护理绩效评价工作数量、质量、效率、业绩四个维度的对应系数；并 按系数进行赋值计算；

系数确定方法是应用Dephi专家咨询的方法，按其重要程度进行1-5分的 赋值，1分表示重要程度最低，5分表示重要程度最高。并按系数进行赋值计算； 具体赋值计算方法为90项指标各指标的具体数据与其对应系数的乘积。

将四个维度护理数据全部输入决策树分析，进行对护理绩效的等级划分； 按决策树对护理等级划分结果，发放不同等级的护理绩效奖金。

具体包括：

1)护理绩效决策树评价的构想：应用决策树分析方法对病区护理单元护理 绩效进行分类分析；为护理绩效奖励的发放提供科学的依据。通过实践，此构 想成功应用于护理绩效管理的实践，转化为具休的、切实可行的管理方法，为 护理绩效评价提供了科学、合理的分类依据。此次构想最终能成功转化为现实 管理方法，其重点就在于决策树这种数理方法的特点，作为一种分类器，它能 从变量类别多、数据繁杂、看似无章的庞大数据中快速辨别首要差异变量，并 按其完成对研究对象的分类。发明人也正是良好的应用这一优点，有效地应用 于护理绩效的评价，从护理数量、质量、效率、业绩众多指标数据中，快速辨 别出首优差异，以此作为病区护理绩效的等级分类的依据，从而为护理绩效等 级奖励的发放提供科学的循证依据。

2)、护理绩效决策树评价流程的建立首次确立了护理绩效决策树评价的 流程。首先确定护理绩效评价工作数量、质量、效率、业绩四个维度共90个项 目和对应系数，每月按护理绩效评价各维度中的具体项目提取具体数据，并按 系数完成赋值计算。其次，护理部将每个病区单元这四个维度的90项护理数据 全部输入决策树分析。如果仅仅依靠肉眼的人工分析，则很难比较出病区之间 这批数据的差异，然而决策树则可以快速地从全部病区各病区90项护理数据之 中辨识出主要差别，并将其认定为首优变量，将全部病区划分到不同的集群， 从而完成对全院护理单元护理绩效的等级划分。最后，按决策树对全院护理单元等级划分结果，发放不同等级的护理绩效奖金。

3)、护理绩效决策树评价维度的确立首次确立了护理绩效决策树评价的 维度和各维度的项目和对应系数，包括工作数量、质量、效率、业绩4个维度 90个项目。

3.1)护理绩效评价中的护理数量指标

护理工作数量指标共11类62项，具体为：①急救类。②气道护理类。③引 流护理技术更换切口引流类。④营养与排泄护理类。⑤标本采集类。⑥铺床类。 ⑦给药治疗类。⑧生命体征监测类。⑨患者清洁护理类。⑩安全护理类。⑾护 理级别类。具体项目与权重系数详见表1。

3.2)护理绩效评价中的护理质量指标

护理绩效评价质量指标共11类,是根据湖北省护理质量控制中心编印的《湖 北省护理质量管理手册》中有关的护理质量指标确定，具体项目和权重系数见 表1。其检查标准按湖北省护理质量控制中心下发的《湖北省护理质量管理手册》 中相关标准执行。护理质量指标的提取方式为，每月以现场检查的方式进行质 量检查，每项护理质量考核满分为100分，各项护理质量考核得分的平均分为 该病区最后的综合护理质量。

3.3护理绩效评价中的护理效率指标

效率指标共6项：包括床护比、床位使用率、入院24小时跌倒风险评估率、 入院24小时压疮风险评估率、入院24小时ADL评估率、住院病人疼痛评估率， 具体权重系数见表1。

3.4)护理绩效评价中的护理业绩指标

业绩指标共11项：包括：病人满意度、护士满意度、医生满意度等。具体 项目和权重系数

进一步，确立护理绩效的决策树分类评价步骤包括：

步骤一：提取四个维度指标数据。四个维度的全部指标，均经过两轮Dephi 专家咨询，确定权重系数。四个维度中护理数量指标、质量指标、效率指标的 体具数据由医院THIS信息系统提供，业绩指标数据由相关职能部门月度报表提 供。具体数据提取后，按权重系数完成赋值计算。

步骤二：护理绩效的决策树分类分析。将赋值后的各指标数据输入SPSS， 运用SPSS18.0中决策树卡方自动交互检测法(Chi-squared Automatic InteractionDetector，CHAID)对四个维度的数据进行综合评价和分类分析。 计算时CHAID水平最大树深结构设定为3，显著性水平设为0.05。经CHAID分 类计算，完成对全院护理单元绩效的评价，至此全院护理单元将按其四个维度 绩效分析划归到不同层级。

步骤三：确定护理单元绩效等级奖金。基于以上的护理绩效决策树分类分 析，护理单元在护理工作数量、质量、业绩、效率四方面相对最优的单元，给 予甲等绩效奖金系数，并发放相应的绩效等级奖金。

进一步，护理绩效决策树评价维度包括：工作数量、质量、效率、业绩四 个维度。

进一步，护理绩效的决策树计算包括：

提取四个维度指标数据：四个维度的全部指标，均经过两轮Dephi专家咨 询，确定权重系数；按权重系数完成赋值计算；

赋值计算的方法为，各指标的具体数据与其对应权重系数的乘积。比如， 某病区特级护理天数为100天，系数为5.00，则该病区特级护理天数指标赋值 后数据为100X5.00＝500，则输入决策树分析的最后数据为500.，而不是先前的 100。

护理绩效的决策树分类分析，包括：

将赋值后的各指标数据输入SPSS，运用SPSS18.0中决策树卡方自动交互检 测法对四个维度的数据进行综合评价和分类分析；经CHAID分类计算，对全院 病区护理单元绩效的评价，将护理单元将按四个维度绩效分析划归到不同层级。

本发明的另一目的在于提供一种实现所述基于数据挖掘分析平台的临床护 理绩效评价方法的计算机程序。

本发明的另一目的在于提供一种实现所述基于数据挖掘分析平台的临床护 理绩效评价方法的信息数据处理终端。

本发明的另一目的在于提供一种计算机可读存储介质，包括指令，当其在 计算机上运行时，使得计算机执行所述的基于数据挖掘分析平台的临床护理绩 效评价方法。

本发明的另一目的在于提供一种基于数据挖掘分析平台的临床护理绩效评 价系统包括：

绩效指标权重确定模块，用于确定绩效评价中护理质量评价指标数据集与 质性绩效指标权重；

绩效指标权重系数确定模块，用于确定绩效评价中量性绩效指标权重系数；

等级集群分类模块，用于运用数据挖掘技术中的决策树分析法，按工作质 量和数量对各护理单元进行等级集群分类；完成护理单元绩效评价。

本发明的另一目的在于提供一种搭载所述基于数据挖掘分析平台的临床护 理绩效评价系统的信息数据处理终端。

综上所述，本发明的优点及积极效果为：

本发明运用数据挖掘技术中的分类工具——决策树分析法(Decision Tree)，实现按工作质量和数量对各护理单元进行即时、快速的等级分类，为护 理单元护理绩效奖金等级系数的确定提供科学、客观的评价依据。

本发明有效减少目前某些医院基于护理单元人工调查与年度分析基础之上 的绩效评价误差，建立起科学、便捷、准确、公平、公正的护理绩效评价体系 与方法。

本发明在无需购置专门绩效测评软件或系统的情况下，仅基于信息数据中 心决策支持平台构建护理绩效评价体系，达到节约资金与资源的目的。

本发明在起步阶段，各临床科室和护理管理人员对决策树评价方法还很陌 生，对其应用原理和步骤也不了解。所以，在初期，其应用满意度仅有72.41％。 经过一段时间的理论培训和临床应用，大家逐渐了解到护理绩效决策树分析的 便捷性和优越性，总满意度由72.41％提升到98.28％。运用决策树，可以时时按 各护理单元护理工作数据、质量、效率、业绩为基础，完成对护理单元的等级 分类，从而为护理绩效分层评价提供依据。

这与以往多家医院采取的评调式护理单元分级分类方式不同。运用决策树 分析完成护理单元等级分类，方法更简单、便捷，无需大范围内的问卷调查， 有效减少了护理单元分级过程中人力、时间与物力的耗费，能显著提高工作效 率。决策树分析数据能自动取值于医院信息系统和PDA护理终端系统，数据准 确、客观。其即时分类，更贴近临床工作实际，更具应用优势，适合广大医院 使用。

分析结果直观，可读性强

决策树是一种数据挖掘技术，它具备精准预测与分类功能。某种程度上， 它的功能与logistic回归分析类似^[23]，可以从众多因素中快速找出主要因素而 完成对研究对象的分析。但相较于logistic回归，决策树分析的结果可读性更 强，更易于理解。以2017年某月我院护理绩效评价为例，当月护理部将23个 病区单元的90项护理数据全部输入决策树分析，如果仅仅依靠肉眼的人工分析， 则很难比较出病区之间这批数据的差异，然而决策树则可以快速地从23个病区 各病区90项护理数据之中辨识出主要差别，并将其认定为首优变量，将23个 病区划分到不同的集群。如3结果中所示，2017年某月23个病区各病区90项数据分析中特级护理天数存在显著差异，被认定为首优变量，CHAID按其为首优 变量将23个病区归为了两个不同的集群，节点1为集群1，其中包括11个病区； 节点2为集群2，其中包括12个病区。集群2中特级护理天数负荷大于集群1。 与此同时，集群1中又由次优变量“静脉输液人次数”将其分为三个子群，即 节点3、4、5，分别代表集群3、4、5，集群3有个病区，集群4有个病区，集 群5有个病区，其静脉输液人次数依次递增。因此，按当月决策树分析的终末 结点结果为依据，将全院23个病区归为四个终末集群，即节点2获得1.5的绩 效奖励系数、节点5获得1.3的系数、节点4获得1.1系数、节点3获得1的 绩效系数，并系数发放相应的绩效奖金。如此实现对各病区快速的绩效测评与 等级分类，从而为护理绩效奖金的发放提供了科学的分类依据。

2017年某月病区单元护理绩效决策树分析表

使用效果评价

全院58名正副护士长和护理管理人员从客观性、适用性、公平性、接受性、 效率性、总满意度6个方面对护理绩效的决策树分析进行应用效果评价，每个 项目分为很满意、满意、一般、不满意、很不满意，分别赋值5-1分，4分及以 上为满意。2017年1-4季度组织调查4次，每次发放问卷58份，共发放问卷 232分，回收232份，有效回收率100％。经统计分析，总满意度由72.41％提升 到98.28％，各个项目满意度详见表3.

表3 2017年护理管理人员对护理单元绩效决策树评价的满意度

附图说明

图1是本发明实施例提供的基于数据挖掘分析平台的临床护理绩效评价方 法流程图。

图2是本发明实施例提供的基于数据挖掘分析平台的临床护理绩效评价系 统原理图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例， 对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以 解释本发明，并不用于限定本发明。

目前国内缺乏统一的护理绩效评价方法,而且就已用的几种护理绩效评价 方法而言，也存在一些不足，比如：基于绩效评价表、平衡计分法等早期传统 的绩效评价方法，较主观，容易产生评价误差等问题；基于医院经管部门年度 结算的绩效分配法，存在测评周期长、分析量大、费时耗力等问题；而基于信 息系统的绩效考核系统，虽然操作简单，但需要依靠软件公司或医院的信息中 心进行开发，也存在开发周期长，投入成本高的问题。鉴于以上不足，建立统 一、准确、快捷的护理单元护理绩效评价方法十分必要。

本发明探索护理绩效决策树分析流程的建立和实践，为护理绩效管理构建 科学、便捷、公平、公正的评价方法。

本发明应用决策树分析方法对护理单元护理工作数量、质量、效率、业绩 进行分类分析，为医院护理单元护理绩效评价与绩效奖金分配提供科学的分类 依据与评价方法。

本发明从护理绩效决策树分析的客观性、适用性、公平性、接受性、效率 性、总满意度6个方面对其应用的满意度进行调查分析，满意率均逐步提高， 总满意度由72.41％提升到96.55％。

本发明实施例提供的护理绩效的决策树分析方法能有效提高护士对护理绩 效评价的满意率，是护理单元护理绩效管理与绩效奖金分配行之有效的科学的 评价方法。

本发明实施例提供的基于数据挖掘分析平台的临床护理绩效评价方法为：

确定绩效评价中护理质量评价指标数据集与质性绩效指标权重；

确定绩效评价中量性绩效指标权重系数；

运用数据挖掘技术中的决策树分析法，按工作质量和数量对各护理单元进 行等级集群分类；完成护理单元绩效评价。

本发明实施例提供的基于数据挖掘分析平台的临床护理绩效评价系统包 括：

绩效指标权重确定模块，用于确定绩效评价中护理质量评价指标数据集与 质性绩效指标权重；

绩效指标权重系数确定模块，用于确定绩效评价中量性绩效指标权重系数；

等级集群分类模块，用于运用数据挖掘技术中的决策树分析法，按工作质 量和数量对各护理单元进行等级集群分类；完成护理单元绩效评价。

下面结合具体实施例对本发明作进一步描述。

本发明实施例提供的基于数据挖掘分析平台的临床护理绩效评价方法，包 括：

1)、护理绩效决策树评价的构想首次应用决策树这种数理分析方法对病区 护理单元护理绩效进行分类分析，为护理绩效奖励的发放提供科学的依据。通 过实践，此构想成功应用于护理绩效管理的实践，转化为具休的、切实可行的 管理方法，为护理绩效评价提供了科学、合理的分类依据。此次构想最终能成 功转化为现实管理方法，其重点就在于决策树这种数理方法的特点，作为一种 分类器，它能从变量类别多、数据繁杂、看似无章的庞大数据中快速辨别首要 差异变量，并按其完成对研究对象的分类。发明人也正是良好的应用这一优点， 有效地应用于护理绩效的评价，从护理数量、质量、效率、业绩众多指标数据 中，快速辨别出首优差异，以此作为病区护理绩效的等级分类的依据，从而为 护理绩效等级奖励的发放提供科学的循证依据。

2)、护理绩效决策树评价流程的建立首次确立了护理绩效决策树评价的 流程。首先确定护理绩效评价工作数量、质量、效率、业绩四个维度共90个项 目和对应系数，每月按护理绩效评价各维度中的具体项目提取具体数据，并按 系数完成赋值计算。其次，护理部将每个病区单元这四个维度的90项护理数据 全部输入决策树分析。如果仅仅依靠肉眼的人工分析，则很难比较出病区之间 这批数据的差异，然而决策树则可以快速地从全部病区各病区90项护理数据之 中辨识出主要差别，并将其认定为首优变量，将全部病区划分到不同的集群， 从而完成对全院护理单元护理绩效的等级划分。最后，按决策树对全院护理单元等级划分结果，发放不同等级的护理绩效奖金。

3)、护理绩效决策树评价维度的确立首次确立了护理绩效决策树评价的 维度和各维度的项目和对应系数，包括工作数量、质量、效率、业绩4个维度 90个项目。

3.1)护理绩效评价中的护理数量指标

护理工作数量指标共11类62项，具体为：①急救类。②气道护理类。③引 流护理技术更换切口引流类。④营养与排泄护理类。⑤标本采集类。⑥铺床类。 ⑦给药治疗类。⑧生命体征监测类。⑨患者清洁护理类。⑩安全护理类。⑾护 理级别类。具体项目与权重系数详见表1。

3.2)护理绩效评价中的护理质量指标

护理绩效评价质量指标共11类,是根据湖北省护理质量控制中心编印的《湖 北省护理质量管理手册》中有关的护理质量指标确定，具体项目和权重系数见 表1。其检查标准按湖北省护理质量控制中心下发的《湖北省护理质量管理手册》 中相关标准执行。护理质量指标的提取方式为，每月以现场检查的方式进行质 量检查，每项护理质量考核满分为100分，各项护理质量考核得分的平均分为 该病区最后的综合护理质量。

3.3)护理绩效评价中的护理效率指标

效率指标共6项：包括床护比、床位使用率、入院24小时跌倒风险评估率、 入院24小时压疮风险评估率、入院24小时ADL评估率、住院病人疼痛评估率， 具体权重系数见表1。

3.4)护理绩效评价中的护理业绩指标

业绩指标共11项：包括：病人满意度、护士满意度、医生满意度等。具体 项目和权重系数见表1

表1工作数量、质量、效率、业绩4维度项目权重表

确立护理绩效的决策树分类评价步骤：

步骤一：提取四个维度指标数据。四个维度的全部指标，均经过两轮Dephi 专家咨询，确定权重系数。四个维度中护理数量指标、质量指标、效率指标的 体具数据由医院THIS信息系统提供，业绩指标数据由相关职能部门月度报表提 供。具体数据提取后，按权重系数完成赋值计算。

步骤二：护理绩效的决策树分类分析。将赋值后的各指标数据输入SPSS， 运用SPSS18.0中决策树卡方自动交互检测法(Chi-squared Automatic InteractionDetector，CHAID)对四个维度的数据进行综合评价和分类分析。 计算时CHAID水平最大树深结构设定为3，显著性水平设为0.05。经CHAID分 类计算，完成对全院护理单元绩效的评价，至此全院护理单元将按其四个维度 绩效分析划归到不同层级。

步骤三：确定护理单元绩效等级奖金。基于以上的护理绩效决策树分类分 析，护理单元在护理工作数量、质量、业绩、效率四方面相对最优的单元，给 予甲等绩效奖金系数，并发放相应的绩效等级奖金。

下面结合具体分析对本发明作进一步描述。

如图1所示，本发明实施例提供的基于数据挖掘分析平台的临床护理绩效 评价方法，包括：

1.1建立护理绩效管理组织成立以分管院长为组长的护理绩效管理领导 小组，小组成员由医院护理部、质量管理办公室、经济管理部、财务部、信息 中心相关人员组成。领导小组下设办公室在护理部，具体负责拟定全院病区护 理单元绩效考核及分配方案、组织绩效数据分析和考核，并收集实施过程中的 意见和建议，持续改进护理绩效管理等工作。

1.2护理绩效决策树评价流程首先确定护理绩效评价工作数量、质量、效 率、业绩四个维度的具体项目和对应系数，每月按护理绩效评价各维度中的具 体项目提取具体数据，并按系数完成赋值计算。其次，应用决策树分析赋值后 数据，并完成对全院病区护理单元护理绩效的等级划分。最后，按决策树对全 院病区护理单元等级划分结果，发放不同等级的护理绩效奖金。

1.3护理绩效决策树评价维度包括工作数量、质量、效率、业绩4个维度 90个项目。

1.3.1护理绩效评价中的护理数量指标

护理工作数量指标共11类62项，具体为：①急救类：心肺复苏基本生命体 征技术、除颤技术、自动洗胃机洗胃技术。②气道护理类：经鼻口腔吸痰、经 气管插管/气管切开吸痰、气管切开护理、中心供氧氧气吸入、氧气瓶氧气吸入、 雾化吸入。③引流护理技术更换切口引流类：胃肠减压、脑室引流护理、胸腔 闭式引流护理、T管引流护理、间断性膀胱冲洗。④营养与排泄护理类：鼻饲、 肠内营养、肠外营养输液、导尿、大量不保留灌肠、小量不保留灌肠、保留灌 肠。⑤标本采集类：静脉血标本采集、动脉采血、手指血糖测定、咽拭子标本 采集、痰标本采集。⑥铺床类：铺备用床、铺麻醉床、卧床病人更换床单。⑦ 给药治疗类：口服给药、皮内注射、皮下注射、肌内注射、静脉注射、密闭式 静脉输液、密闭式静脉输血、静脉留置针输液、输液泵/微量输注泵使用、PICC 维护、PICC置管、PORT维护。⑧生命体征监测类：体温脉搏呼吸监测、血压监 测、CVP和ABP监测、血氧饱和度监测、心电监护、物理降温。⑨患者清洁护理 类：压疮预防、床上洗头、口腔护理、会阴消毒、会阴擦洗、换药、造口护理。 ⑩安全护理类：入院护理、出院护理、尸体料理。⑾护理级别类：特级护理病 人数、一级护理病人数、二级护理病人数、三级护理病人数。

1.3.2护理绩效评价中的护理质量指标

护理绩效评价质量指标共11类,是根据湖北省护理质量控制中心编印的《湖 北省护理质量管理手册》中有关的护理质量指标确定，具体包括：基础护理质 量、重危病人护理质量、消毒隔离管理质量、病区综合管理质量、护理安全管 理质量、护理文件书写质量、引流管类护理质量、动静脉置管护理质量、气道 管理护理质量、气道管理护理质量、优质护理服务质量。其检查标准按湖北省 护理质量控制中心下发的《湖北省护理质量管理手册》中相关标准执行。护理 质量指标的提取方式为，每月以现场检查的方式进行质量检查，每项护理质量 考核满分为100分，各项护理质量考核得分的平均分为该病区最后的综合护理质量。

1.3.3护理绩效评价中的护理效率指标

效率指标共6项：包括床护比、床位使用率、入院24小时跌倒风险评估率、 入院24小时压疮风险评估率、入院24小时ADL评估率、住院病人疼痛评估率。

1.3.4护理绩效评价中的护理业绩指标

业绩指标共11项：病人满意度、护士满意度、医生满意度、住院病人跌倒 坠床发生率、住院病人压疮发生率、留置尿管相关泌尿性感染发生率、中心静 脉导管相关血流感染发生率、急救设备应急状态达标率、危险品管理达标率、 呼吸机相关肺炎发生率、人工气道脱出率。

1.4护理绩效的决策树计算与分类评价

1.4.1提取四个维度指标数据。四个维度的全部指标，均经过两轮Dephi专 家咨询，确定权重系数。四个维度中护理数量指标、质量指标、效率指标的体 具数据由医院THIS信息系统提供，业绩指标数据由相关职能部门月度报表提供。 具体数据提取后，按权重系数完成赋值计算。

1.4.2护理绩效的决策树分类分析。将赋值后的各指标数据输入SPSS，运 用SPSS18.0中决策树卡方自动交互检测法(Chi-squared Automatic InteractionDetector，CHAID)对四个维度的数据进行综合评价和分类分析。 计算时CHAID水平最大树深结构设定为3，显著性水平设为0.05。经CHAID分 类计算，完成对全院病区护理单元绩效的评价，至此全院病区护理单元将按其 四个维度绩效分析划归到不同层级(图2所示)。

1.4.3确定护理单元绩效等级奖金。基于以上的护理绩效决策树分类分析， 护理单元集群1为护理工作数量、质量、业绩、效率相对最优的单元，给予甲 等绩效奖金，依次护理部确定出获得乙等、丙等绩效奖金的护理单元，并发放 相应的绩效等级奖金(图2所示)

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组 合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程 序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指 令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可 以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算 机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向 另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、 计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或 无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据 中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用 介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。 所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、 或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发 明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明 的保护范围之内。

Claims (7)

1.一种基于数据挖掘分析平台的临床护理绩效评价方法，其特征在于，所述基于数据挖掘分析平台的临床护理绩效评价方法为：

应用决策树分析方法对病区护理单元护理绩效进行分类分析；从病区护理单元的工作数量、质量、效率、业绩四个维度按系数赋值后的最终数据中，应用决策树CHAID分类方法，通过显著性差异分析，辨别出差异数据和次优差异数据，分别确定为首优变量和次优变量，并以此为依据对病区护理单元进行等级分群，对病区护理单元进行绩效分类；

确定护理绩效评价工作数量、质量、效率、业绩四个维度的对应系数；应用Dephi专家咨询的方法，按重要程度进行1-5分的赋值，1分表示重要程度最低，5分表示重要程度最高；并按系数进行赋值计算；

将四个维度护理数据全部输入决策树分析，进行对护理绩效的等级划分；按决策树对护理等级划分结果，发放不同等级的护理绩效奖金。

2.如权利要求1所述的基于数据挖掘分析平台的临床护理绩效评价方法，其特征在于，按权重系数进行赋值计算的方法包括：

各指标的具体数据与对应权重系数的乘积。

3.一种实现权利要求1～2任意一项所述基于数据挖掘分析平台的临床护理绩效评价方法的计算机程序。

4.一种实现权利要求1～2任意一项所述基于数据挖掘分析平台的临床护理绩效评价方法的信息数据处理终端。

5.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1-2任意一项所述的基于数据挖掘分析平台的临床护理绩效评价方法。

6.一种如权利要求1所述的基于数据挖掘分析平台的临床护理绩效评价方法的基于数据挖掘分析平台的临床护理绩效评价系统，其特征在于，所述基于数据挖掘分析平台的临床护理绩效评价系统包括：

绩效指标权重确定模块，用于确定绩效评价中护理质量评价指标数据集与质性绩效指标权重；

绩效指标权重系数确定模块，用于确定绩效评价中量性绩效指标权重系数；

等级集群分类模块，用于运用数据挖掘技术中的决策树分析法，按工作质量和数量对各护理单元进行等级集群分类；完成护理单元绩效评价。

7.一种搭载权利要求6所述基于数据挖掘分析平台的临床护理绩效评价系统的信息数据处理终端。