主题 10.2 — 质量改进与改进科学

质量改进给一线团队一种有纪律的、数据驱动的方式，通过小规模的变化测试，让照护变得可衡量地更好——当你把它与你的数字工具连接起来时，你就把仪表板和自动化变成了持续学习的引擎，而不是静态的报告。

为什么这在卫生与照护中至关重要#

质量改进（QI）是整个 National Health Service（NHS）和全球大部分卫生与照护领域中占主导地位的改进学科。它在信托机构中被教授，嵌入病房层面的碰头会中，被国家机构所倡导。如果你领导数字交付，你不是在 QI 旁边工作——你是在一个已经用目标、衡量和变化测试来思考的系统内部工作。忽视这种语言会孤立你的团队；流利地讲它会使你的数字工作对已经信任它的临床医生、经理和董事会而言变得清晰易懂。

更深层的原因更为重要。在卫生与照护中，工作方式的变异不是一个表面问题。不合理的变异意味着一些患者等待更长时间，一些患者获得不安全的照护，一些患者被完全排除在外。改进科学的存在，正是因为良好的意图和英勇的努力不能可靠地产出更好的成果——系统可以。一项从临床工作流程中削减了几分钟、缩小了一个安全缺口，或消除了一个不成比例地排斥数字信心低者的步骤的数字服务，正在做着改进工作，无论你是否这样称呼它。

QI 还能保护你免受一种常见的数字化失败：发布一项变化、假设它奏效了。改进科学建立在一个令人谦卑的洞察之上——大多数变化不是改进，如果没有随时间的衡量，你无法判断哪些是。采纳这种纪律使你的团队保持诚实，使你的主张在董事会和监管机构面前站得住脚，使你的用户更安全。本主题向你展示如何妥善运行 QI、它与项目交付和研究有何不同，以及如何将它与你已经拥有的数字工具融合起来。

核心概念#

卫生与照护中的质量管理（Quality management）吸取了一段从制造业延伸到病床边的传承。其思想根源是W. Edwards Deming的工作，这位统计学家教导说，质量来自理解和减少系统中的变异，而不是敦促个人更努力地尝试。戴明的思想，与沃尔特·休哈特的思想一起，产出了 PDCA / 计划-执行-研究-行动（Plan-Do-Study-Act）循环——处于现代医疗保健 QI 核心的迭代计划-执行-研究-行动循环。

大多数 NHS 团队在改进模型（Model for Improvement）内部运行 PDSA，这是一个由 Institute for Healthcare Improvement（IHI）推广的框架，把这个循环与三个问题配对：我们正试图实现什么？我们如何知道一项变化是一项改进？我们能做出什么变化会带来改进？第一个问题用一份目标陈述来回答（具体的、可衡量的、有时限的）。第三个问题常常用一份驱动因素图来映射，它把你的目标与你相信影响它的主要和次要驱动因素联系起来，然后与具体的变化想法联系起来。

QI 是一系列共享持续改进过程（Continual improvement process）哲学的改进方法之一。你会经常遇到的两个近亲是源自丰田生产系统、专注于消除浪费、改善流动的精益（Lean），以及使用统计方法来减少缺陷和变异的六西格玛（Six Sigma）。在医疗保健中，这些常被混合为"精益六西格玛"。

为改进而衡量依赖于随时间观察数据，而不是在快照中观察。两个主力工具是运行图（Run chart）——按时间顺序对照中位数绘制的观察数据——以及控制图（Control chart），一种带有统计推导限制的运行图，它支撑着统计过程控制（Statistical process control）（SPC）。SPC 让你能区分共同原因变异（一个稳定系统的普通噪音）与特殊原因变异（某样东西真正改变了的信号）。在 NHS 中，这被教授为"Making Data Count"方法。

若没有心理安全（Psychological safety），这一切都行不通：即人们能够提出问题、承认一次测试失败，并挑战现状、而不会受到惩罚的共享信念。在员工隐藏缺陷的地方，改进是不可能的，它是本主题其他一切的前提条件。

最佳实践#

1. 从一份目标陈述、而不是一个解决方案开始。 在设计任何东西之前，写下你正试图实现什么、为了谁、多少、以及到什么时候——例如，"到三月前把从转诊到首次数字分诊的中位时间从 9 天减少到 3 天"。一个数字化的、有时限的目标迫使清晰，给你一些可以据以衡量的东西。跳过这一步的团队最终会辩论功能、而不是成果，永远无法判断他们是否成功了。这与主题 10.0——目标和关键成果（OKR）直接相连，但要注意，一个 QI 目标比一个典型的目标更狭窄、更可测试。

2. 使用驱动因素图来揭示你的变革理论。 把你的目标映射到最影响它的主要驱动因素，然后是次要驱动因素，然后是具体的变化想法。这使你的假设变得可见和可辩论，阻止了团队在单一干预措施上押上一切。它还帮助你排序测试：你能先攻击杠杆最高的驱动因素。把这张图保持在墙上（物理或虚拟），随着你学习而修订它——它是一个活的假设，不是一次性的产物。

3. 运行小型、快速的 PDSA 循环，而不是大爆炸式的启动。 在一次全面推广之前，先在一家诊所、一个病房，或一个队列中测试一项变化。预测会发生什么，运行这次测试，对照你的预测研究数据，决定是采纳、调整，还是放弃。小型测试降低风险，及早暴露问题，建立你推广所需要的证据和信心。这与一份固定范围的项目计划有着根本不同的节奏，也是数字团队最常需要忘掉旧习惯的地方。

4. 随时间用运行图和 SPC 来衡量，而不是前后快照。 单一一对数字无法告诉你一项变化是否导致了一项改进，还是你捕捉到了随机变异。把你的衡量指标绘制成一张运行图或控制图，从而使你能看到趋势、变化，和特殊原因信号。采用 NHS 的"Making Data Count"惯例，使你的图表对他人而言是一致且可读的。这种纪律也保护你不会把噪音的功劳归给自己，那会侵蚀与董事会和监管机构之间的信任。

5. 平衡你的衡量指标。 每一项改进都有可能使别的东西变得更糟。在你的成果衡量之旁，跟踪流程衡量（这项变化真的在发生吗？）和平衡衡量（是否有任何东西作为一种副作用而在恶化——安全、员工工作量、准入公平性？）。一个加快了吞吐量、却悄悄排除了没有智能手机的人的数字分诊工具，没有改进照护。平衡衡量正是你针对这种伤害的早期预警系统。

6. 给予一线团队真正的许可和能力来进行改进。 自上而下强制、由一个中央团队执行的改进很少能持久。投资于 QI 培训、教练指导，和受保护的时间，使做这项工作的人能够运行他们自己的测试。构建 IHI 和成熟的 NHS 信托机构所描述的、作为一个信托机构范围项目支柱的基础设施——一个 QI 学院、一项衡量职能、可及的数据。你的数字团队的工作往往是消除阻碍一线改进的数据和工具摩擦。

7. 从一开始就为推广和可持续性而设计。 在一个病房中获得的一次性收益，六个月内蒸发，这是一个常见且令人沮丧的结果。规划一项成功的变化将如何被标准化、嵌入工作流程，被监测以使其持久——以及它将如何在不简单地复制粘贴的情况下推广到可比较的环境中。数字工具在这里帮助巨大：自动化和默认设置能比一张塑封海报更可靠地锁定一个改进后的流程。这正是 QI 与主题 8.1——变革管理相遇的地方。

8. 将 QI 与你的数字数据和仪表板融合。 改进科学在没有及时数据的情况下会陷入困境，历史上大多数 NHS QI 依靠手动计数的样本运行。如果你的团队能从现有系统中提取近乎实时的运行图和 SPC 图表，你就能大幅缩短学习循环。把仪表板、自动化数据管道，和自助分析当作改进基础设施，而不仅仅是报告。这是一个数字职能能对临床质量做出的最清晰、最高价值的贡献之一。

与团队讨论的问题#

1. 我们是在运行质量改进、项目交付，还是研究——我们知道其中的区别吗？ 这三种模式经常被混淆，混淆的代价是昂贵的。项目交付的目标是按时、按预算交付一个明确的范围；研究的目标是通过严谨的控制和伦理批准产出可推广的知识；QI 的目标是通过迭代式的小型变化测试使一个本地系统变得更好。为改进而衡量是刻意比为研究而衡量更轻量的——你只想要足够的数据来指导下一个循环，而不是一项可发表的研究。将研究级别的严谨性应用于一次 QI 测试会瘫痪团队；将 QI 的非正式性应用于真正是研究的东西，会带来伦理和安全失败的风险。谈谈你目前每一项举措真正处于哪个位置，以及你是否为每一个都有正确的治理。把这个搞错是数字改进工作停滞或招致不当审查的一个常见原因。

2. 我们如何知道一项变化是一项改进，而不仅仅是噪音或一厢情愿？ 这是改进模型的第二个问题，也是大多数团队最薄弱的地方。现在就决定你的成果、流程和平衡衡量是什么，你将多频繁收集它们，以及你将如何随时间展示它们。在启动之前就承诺运行图或 SPC，从而使你不会被诱惑在事后挑选一个有利的前后比较。讨论对每项衡量而言"特殊原因信号"会是什么样子，谁有权宣布它。诚实面对这个不舒服的推论：你必须愿意看到你投资的一项变化没有奏效。把这与主题 1.3——基于证据的决策联系起来，因为同样的智识诚实支撑着两者。

3. 我们的一线团队真的有改进的许可、时间和数据吗——还是只有交付的压力？ 改进能力不是一句口号；它需要受保护的时间、教练指导、心理安全，和可及的数据。坦率地问，员工是否感觉报告一次测试失败是安全的，还是他们预期会受到指责。问他们所需要的数据是在数天和数周内到达、而不是数月，以及你的数字系统是有帮助还是有阻碍。考虑你的机构是否有真正的 QI 基础设施——一个学院、一种方法、一项衡量职能——还是改进依赖于几个热心人。讨论你的数字团队能从一线的路径上移除什么：手动数据收集、脆弱的电子表格、延迟的报告。答案通常揭示的是关于你文化的信息，而不是关于你技术的信息，它直接塑造了主题 10.4——为 CEO 和高级领导者提供可见性应该向董事会展示什么。

4. 当一项变化奏效时，我们将如何使它持久并推广——我们将如何知道它没有悄悄逆转？ 最令人沮丧的 QI 结果，是一次真正的本地收益在注意力转移后的数月内消退，第二令人沮丧的是一次从未推广到先行病房之外的成功。具体讨论一项经过证明的变化将如何被标准化和嵌入——理想情况下是在工具本身之中，通过默认设置和自动化，而不是一张塑封海报或会衰减的个人善意。决定在改进项目结束之后谁拥有这项衡量指标，以及你的运行图或 SPC 图表是否会持续运行，从而使一次逆转表现为一个特殊原因信号，而不是一年后的一个惊喜。把推广当作一次有意识的适应行为，而不是复制粘贴：在一家诊所有效的东西，必须在拥有不同员工、患者和系统的环境中重新测试，而不仅仅是被推广。诚实面对你的机构是否真正为可持续性和推广提供资源，还是把"已关闭"当作"已完成"。这正是 QI 与主题 8.1——变革管理相遇的地方，也是数字默认设置成为你最强杠杆的地方。

5. 我们的改进是在缩小还是扩大不平等——我们的平衡衡量真的会捕捉到它吗？ 数字化改进特别容易在提升平均值的同时把一些群体甩在后面，因为一条新的在线路径服务最差的人，往往在汇总数据中最不可见。现在就决定你是否会按重要的维度——年龄、剥夺程度、语言、数字信心、残疾——分解你的衡量指标，而不是报告一个可能隐藏伤害的单一头条数字。讨论对这项具体变化而言，一项公平性平衡衡量是什么样子，当它朝着错误的方向移动时谁负责采取行动。坦率地面对这个取舍：与一份自我转诊表格一起维持一条电话路径要花钱和人力，一旦数字采纳率上升，就撤销"旧"渠道的压力，正是排斥悄悄蔓延的方式。一个诚实的答案会指明对这项变化风险最大的群体，说明你将如何及早检测到伤害，并承诺在数据显示改变是安全的之前保持非数字路径开放。这与本书其他地方讨论的公平性责任、以及你作为一项公共服务的义务直接相连。

6. 我们数字职能对这里改进的具体、最高价值贡献是什么——我们在哪里过度建造？ 一个数字团队很容易用新软件来回应每一个质量问题，但最大的贡献往往是工业化衡量：把手动计数的样本变成从实时系统中提取的、可信的、近乎实时的运行图和 SPC 图表，从而使学习循环从数月缩短到数天。讨论自动化衡量和合理的默认设置真正锁定改进的地方，与你在一个已经被一次简单流程变化解决的问题上镀金的地方。要警惕在驱动因素图显示这个工具真的是瓶颈之前，就重建一个工具——本主题示例中的在线表格。问你的努力是在消除一线改进工作的摩擦，还是在增加一个没有人要求的光鲜产物。诚实的答案会区分能可衡量地加速学习的一两个动作，与仅仅看起来像进步的功能，使你团队稀缺的能力指向杠杆最高的驱动因素。

实践中：一个卫生与照护案例#

一个整合照护委员会（ICB）担心其社区物理治疗服务。从初级照护转诊的患者等待首次联系的中位时间是 21 天，投诉在上升，一份新的在线自我转诊表格明显没有帮助。数字团队的本能是重建这份表格。相反，该服务的临床负责人和数字产品经理决定把这当作一个质量改进项目来运行。

他们写了一份目标陈述：在四个月内把从转诊到首次有意义联系的中位时间从 21 天减少到 7 天，不增加未到诊率，也不减少无法使用在线工具患者的准入。他们构建了一张驱动因素图。主要驱动因素原来是转诊质量、分诊速度和预约可用性——而不是最初假设的表格本身。最大的瓶颈是分诊：转诊在一位临床医生审查之前会在一个共享收件箱中停留数天。

他们从小处着手。在一次 PDSA 循环中，一位单独的物理治疗师为一家全科诊所的转诊试行了当日分诊，使用团队在一周内用现有数据建立的一份简单数字工作清单。他们预测分诊时间会降到一天以下；研究阶段证实了这一点，也揭示了一个意外——三分之一的转诊缺乏安全分诊所需的信息，迫使返工。下一个循环测试了一份结构化转诊模板。在整个过程中，数字团队按照"Making Data Count"惯例，展示了每日分诊时间的一张运行图和中位等待的一张 SPC 图表，从而使整个服务能够近乎实时地看到进展，而不必等待一份月度报告。

至关重要的是，他们跟踪了一项平衡衡量：通过电话与通过在线表格到达的转诊比例，按患者年龄和剥夺程度分类。当在线自我转诊上升时，他们注意到它没有到达最贫困社区的老年患者那里，因此他们保持电话路径完全配备人手。到第四个月，中位等待稳定在六天——控制图上的一次真正变化，而不是一个幸运的月份——这次改进得以维持，因为结构化模板和分诊工作清单现在是默认的工作流程，嵌入工具之中，而不是依赖善意。

行业视角#

初创企业#

一家数字健康初创企业很少有一个正式的 QI 项目，也不需要一个——但核心纪律直接适用，常常被忽视。改进模型自然地映射到产品实验上：一份目标陈述是一个假设，一个 PDSA 循环是一个构建-衡量-学习循环，平衡衡量防范经典的初创企业失败——优化一项指标，同时悄悄伤害临床安全或公平性。主要风险是速度、却没有随时间衡量——快速发布、依据单周的提升宣布胜利。要及早采纳运行图思维；它很便宜，能使你的成果主张对你最终将需要的 NHS 买家和临床伙伴而言可信。把你小团队内部的心理安全当作一项竞争资产：对失败测试的诚实报告，正是你避免大规模构建错误东西的方式。

小型企业#

一家成熟的小型服务提供者——一家全科诊所、一家社区药房、一家养老院、一家居家照护机构，或一家单点诊所——有真实的患者和持续的运营，却很少有任何专职的 QI 或分析能力，现金紧张。好消息是改进模型能够诚实地缩小规模：一位诊所经理和一位临床医生能够撰写一份目标陈述，运行一个小型 PDSA 循环，在一块白板或一份电子表格上保持一张简单的运行图，不用买任何东西。需要保护的纪律是随时间的衡量——抵制依据上周的数字来评判一项变化的冲动，选择两三项你在工作日内真正能收集的衡量（包括一项诸如无法使用在线工具患者准入这样的平衡衡量）。依靠你现有的临床系统已经记录的东西，而不是构建你无法维护的定制仪表板，在诸如"Making Data Count"这样的国家方法提供免费惯例和模板的地方，采纳它们，而不是重新发明。你的约束不是雄心，而是时间，因此保持测试真正小型，让一项经过证明的变化成为常设工作流程，从而使它在没有持续努力的情况下保持持久。

大型机构#

一家大型服务提供者或供应商通常有一个既有的 QI 基础设施——一个学院、受过培训的教练、一种改进方法，和一项衡量职能——有时同时运行数百个项目。大型机构的风险与初创企业相反：官僚式的 QI 变成一种合规仪式，驱动因素图为治理而产出、而不是为真正的变化测试而产出。你数字职能最高价值的举措是工业化为改进而衡量——从实时系统中提取的自动化的、可信的、近乎实时的 SPC 图表——从而使改进团队停止手动计数，开始更快地学习。要防范大型机构把大型转型项目与改进混淆的习惯；两者需要不同的治理，正如主题 5.2——项目群主导型工作所阐明的那样。可持续性和推广是你在规模上最难的问题，因此要有意识地投资于它们，而不是假设良好的本地结果会自行传播。

政府#

国家和区域机构——NHS England、ICB、独立法定机构——通过方法、授权和基础设施、而不是自己运行测试来塑造 QI。"Making Data Count"项目是一个好模型：一种国家推广的、一致的 SPC 方法，在各处提升了改进对话的质量。这个层面的风险是把绩效管理与改进混淆——强加目标、通过两点比较对机构进行排名，SPC 思维特别警告反对这一点，因为它把噪音误认为信号。政府最好的贡献是广泛地建立能力和共享方法，保护一线改进的许可，抵制把每一项衡量都变成一次评判的诱惑。当你设定国家数字标准时，嵌入为改进而衡量的惯例，从而使改进、而不仅仅是保证，成为默认姿态。

常见失败模式#

• 在有目标之前就解决方案化。 在没有具体、可衡量目标的情况下跳到"让我们构建一个新应用程序"，因此成功永远无法被评判，努力分散在没有人验证过的功能之间。
• 前后对比的表演。 当一张运行图会揭示普通变异时，声称从两个数据点改进了。这是团队欺骗自己和董事会最常见的单一方式。
• 没有平衡衡量。 在改善吞吐量的同时悄悄使安全、员工工作量，或准入公平性恶化——对排斥数字信心低者的数字工具而言这是一种特别的危险。
• QI 打扮成项目管理。 运行一个固定范围、大爆炸式的计划，称之为 QI，没有真正的变化测试，没有 PDSA，没有意愿去适应或放弃。
• 把改进与研究或绩效管理混淆。 应用瘫痪快速学习的研究级别严谨性，或把改进数据武器化为一张摧毁心理安全的排行榜。
• 蒸发的一次性收益。 庆祝一次本地成功，没有标准化、嵌入、维持，或推广它的计划，因此系统在数月内悄悄逆转。
• 没有一线许可的中央控制。 自上而下地强制改进，同时拒绝给员工运行他们自己测试所需的时间、安全和数据，保证了肤浅的合规。
• 数据饥荒。 在手动的、延迟的、不受信任的数据上运行 QI，而你的数字系统本可以提取及时的 SPC 图表，使学习循环比它需要的慢得多。

成熟度模型#

检查清单#

• 我们为这项改进写了一份具体的、可衡量的、有时限的目标陈述。
• 我们有一张驱动因素图，使我们的变革理论明确且可修订。
• 我们定义了成果、流程，和平衡衡量，包括一项公平性平衡衡量。
• 我们正在按照"Making Data Count"，把数据随时间展示为运行图或 SPC 图表。
• 我们在规模化之前，在小型 PDSA 循环中测试变化，每次测试都有一个预测。
• 我们清楚这是改进、项目交付，还是研究，并相应地被治理。
• 一线团队有许可、受保护的时间，和心理安全来运行他们自己的测试。
• 我们的数字系统为改进工作提供及时、可信的数据，而不是延迟的手动计数。
• 我们有一份计划，用于维持、标准化和推广任何被证明是改进的变化。
• 我们向领导者报告改进时使用 SPC 思维，而不是两点比较。

关键资料来源#

• NHS England —— Making Data Count：面向 NHS 的统计过程控制资源和培训。
• Institute for Healthcare Improvement（IHI）——改进模型、PDSA，和 Science of Improvement 资源。
• Langley, Moen, Nolan, Nolan, Norman & Provost ——《改进指南（The Improvement Guide）》（第 2 版），关于改进模型的基础性文本。
• The Health Foundation ——《简明质量改进（Quality Improvement Made Simple）》和关于医疗保健改进的相关证据审查。
• W. Edwards Deming ——《走出危机（Out of the Crisis）》和深奥知识体系。
• Amy C. Edmondson ——《The Fearless Organization》，关于团队中的心理安全。

参考文献#

1. PDCA — Wikipedia — https://en.wikipedia.org/wiki/PDCA
2. W. Edwards Deming — Wikipedia — https://en.wikipedia.org/wiki/W._Edwards_Deming
3. Quality management — Wikipedia — https://en.wikipedia.org/wiki/Quality_management
4. Continual improvement process — Wikipedia — https://en.wikipedia.org/wiki/Continual_improvement_process
5. Lean manufacturing — Wikipedia — https://en.wikipedia.org/wiki/Lean_manufacturing
6. Six Sigma — Wikipedia — https://en.wikipedia.org/wiki/Six_Sigma
7. Run chart — Wikipedia — https://en.wikipedia.org/wiki/Run_chart
8. Control chart — Wikipedia — https://en.wikipedia.org/wiki/Control_chart
9. Statistical process control — Wikipedia — https://en.wikipedia.org/wiki/Statistical_process_control
10. Psychological safety — Wikipedia — https://en.wikipedia.org/wiki/Psychological_safety
11. Making Data Count — NHS England — https://www.england.nhs.uk/publication/making-data-count/
12. Science of Improvement — Institute for Healthcare Improvement — https://www.ihi.org/resources/how-to-improve
13. The Improvement Guide — Langley, Moen, Nolan, Nolan, Norman & Provost, Jossey-Bass — https://www.wiley.com/en-us/The+Improvement+Guide%3A+A+Practical+Approach+to+Enhancing+Organizational+Performance%2C+2nd+Edition-p-9780470192412
14. Quality Improvement Made Simple — The Health Foundation — https://www.health.org.uk/publications/quality-improvement-made-simple