一项用于测量护士给药过程中工作绕行(Workarounds)的新工具的信效度研究学术报告
本研究报告基于发表于*Journal of Nursing Measurement*(2023年/第0卷/第0期)的一项原创性研究,该研究的标题为“测量护士给药过程中工作绕行的新工具的信度和效度”。本研究的主要作者为Marian Savage(罗珀圣弗朗西斯医疗保健机构)及其团队,合作作者包括Shin Hye Park, Marjorie Bott, E. Laverne Manos, Karen Wambach(均来自堪萨斯大学护理学院)以及Heather Gibbs(堪萨斯大学健康专业学院)。研究旨在开发并验证一种能够量化评估护士在条形码辅助给药过程中所采用的工作绕行的类型与频率的工具。
一、 研究学术背景
本研究隶属于护理实践安全与医疗质量改进的交叉领域,具体聚焦于用药安全流程。根据患者安全文献,当既定流程不清晰或与预期工作流不匹配时,从业者会采用“工作绕行”(Workaround),即临时性、非正式地绕过或修改既定流程以完成任务的行为。在护理实践中,尽管引入了条形码药物管理(Barcode-assisted medication administration, BCMA)等技术旨在减少用药错误,但严重的用药差错依然存在。研究表明,新技术的引入有时与原有手动工作流不符,可能导致护士为了完成给药任务而采取非标准步骤(例如,不扫描患者腕带、使用房间号而非腕带确认患者身份),这些绕行行为中有一部分可能潜藏安全风险。
然而,在药物管理这一特定情境下,此前尚缺乏一个经过严格心理测量学检验的量化工具来系统测量护士工作绕行的具体类型及其发生频率。现有的、最接近的工具是由Halbesleben等人开发的通用工作绕行测量工具,但它并非专门针对药物管理流程。因此,为填补这一空白,本研究设定了明确目标:基于工作绕行的概念分析,开发一个专门用于测量护士在BCMA过程中工作绕行类型与频率的工具(Savage Barcode-Assisted Medication Administration Workarounds Tool),并全面评估其心理测量学属性(包括内容效度、表面效度、结构效度和信度)。
二、 详细研究流程
本研究采用定量、非实验性的工具开发与验证设计,流程严谨,包含以下几个主要阶段:
1. 工具开发阶段 * 概念分析(Concept Analysis): 研究团队首先采用Walker和Avant的方法对“工作绕行”进行了概念分析,明确了其在药物管理语境下的定义:为克服流程或系统中的问题或限制而采用的方法。分析提炼出工作绕行的八个定义性特征,例如:目标驱动的对现行政策或流程的适应/即兴发挥;与政策不一致的实践;绕过工作程序等。同时,基于文献和在职护士的验证,明确了药物管理过程的五个标准步骤:取药至病房、识别患者、扫描患者腕带、扫描药物、给药。 * 条目生成(Item Development): 基于上述八个定义特征和五个给药步骤,研究人员制定了测量蓝图。最初生成了28个条目,这些条目被规划到四个部分。前三部分构成了核心的Savage工具雏形:第一部分为“定义特征”子量表(7个条目),采用李克特量表(0-7)测量护士感知到的行为符合定义特征的程度;第二部分为“绕行类型”子量表(6个条目),以“是/否”形式询问过去一周是否使用过特定类型的绕行(如未扫描腕带);第三部分为“绕行频率”子量表(6个条目),以频率量表(0-7)测量各类绕行发生的次数。第四部分包含9个用于未来研究的条目(如绕行原因)。
2. 效度与信度评估准备阶段 * 内容效度(Content Validity): 研究邀请了三名在工作绕行、患者安全或药物管理领域的专家对工具条目进行评审。专家从“不相关”到“高度相关”的4点量表对每个条目的相关性进行评分,并提出修改意见。研究计算了条目水平的内容效度指数(I-CVI)和子量表平均水平的内容效度指数(S-CVI/Ave)。I-CVI大于0.67、S-CVI/Ave大于0.70被视为可接受。根据专家反馈(例如,建议将“过去一周”移至问题开头、增加“记不清”选项),部分条目被修订或删除,最终保留了18个条目用于试点测试(定义特征6条,绕行类型6条,绕行频率6条)。 * 表面效度(Face Validity): 修订后的18项工具被发放给10名在过去两周内执行过给药的注册护士(RNs),以评估条目的可读性、结构和适用性。护士完成调查后接受访谈,其反馈用于对条目的措辞和结构进行微调,未进行重大修订。
3. 试点测试与数据分析阶段 * 研究设置与样本: 研究在美国弗吉尼亚州北部一家拥有430张床位的急症护理医院进行。通过电子邮件向约1500名RNs发送调查链接,纳入标准为过去两周内执行过给药且能读写英文的RNs。最终有效样本为112名RNs(回应率8.6%)。样本主要为女性(93.8%),多数在内外科单元工作(37.5%),超过一半(51.8%)的总护理工作经验少于5年。 * 测量工具与数据收集: 除新开发的Savage工具外,研究同时使用了Halbesleben等人开发的通用工作绕行量表,用于评估新工具的聚合效度和区分效度。该量表包含20个条目,测量护士在面临障碍时使用工作绕行的倾向,涵盖感知障碍、改变流程等子量表。数据通过RedCap在线调查平台匿名收集。 * 数据分析方法: 数据分析涵盖以下关键心理测量学检验: * 条目分析: 计算描述性统计(均值、标准差、范围),检查缺失数据和分布。 * 维度性(Dimensionality): 对三个子量表分别进行探索性因子分析(Exploratory Factor Analysis, EFA),采用主轴因子法。通过巴特利特球形检验和KMO检验判断数据是否适合因子分析。保留因子载荷大于0.30的条目。 * 信度(Reliability): 计算每个子量表的克朗巴赫α系数(Cronbach’s alpha)以评估内部一致性。同时考察条目-总分相关性,删除相关性低于0.30的条目(有例外)。 * 效度(Validity): 通过斯皮尔曼等级相关分析,检验Savage工具三个子量表与Halbesleben工具总分及其四个子量表(感知障碍、改变流程、偏好遵循程序、协助患者动机)的相关性,以评估聚合效度(与相关构念中等相关)和区分效度(与不相关构念低相关)。
三、 主要研究结果
1. 条目与因子分析结果: * 条目分析: 描述性统计显示了各子量表的得分情况(如定义特征子量表均值为1.90,SD=1.00),条目应答范围符合预期。 * 探索性因子分析: 巴特利特检验显著(p<.001),KMO值(0.721-0.809)表明数据适合进行因子分析。分析结果显示: * “定义特征”子量表的6个条目全部保留,形成一个单一因子,解释了49.2%的方差。尽管其中一个条目(条目5)因子载荷较低(0.22),但删除后未显著提升整体载荷,故予以保留。 * “绕行类型”和“绕行频率”子量表各自通过因子分析删除了3个载荷不足的条目,最终各保留3个条目。这两个子量表也分别呈现单一因子结构,解释的方差分别为69.4%和79.4%。保留的条目主要聚焦于核心的绕行行为,例如:未使用条形码扫描器给药、未扫描患者腕带ID、扫描了未物理连接在患者身上的腕带ID等行为及其发生频率。
2. 信度检验结果: * 最终保留的12个条目(定义特征6项,绕行类型3项,绕行频率3项)构成的三个子量表,均表现出良好的内部一致性信度。 * 各子量表的克朗巴赫α系数分别为:“定义特征”子量表0.83,“绕行类型”子量表0.87,“绕行频率”子量表0.92。这些数值均远高于0.70的可接受标准,表明工具各维度内的条目测量的是同一构念,且一致性很高。
3. 效度检验结果: * 聚合效度: 与假设一致,Savage工具的三个子量表与Halbesleben工具的总分及“感知障碍”、“改变流程以绕行障碍”这两个理论上相关的子量表,均呈现了中等程度的正相关(斯皮尔曼rho相关系数范围在0.27至0.48之间,p值显著)。这支持了新工具确实测量了与工作绕行倾向相关的构念。 * 区分效度: 同样符合假设,Savage工具的三个子量表与Halbesleben工具中测量不同构念的“偏好遵循程序”和“协助患者动机”两个子量表,仅存在微弱的相关性(相关系数范围在-0.09至0.15之间,且不显著)。这表明新工具测量的是工作绕行行为本身,而非对规则的偏好或助人动机。
四、 研究结论与价值
本研究的核心结论是:成功开发并初步验证了“Savage条形码辅助药物管理绕行工具”。该工具包含三个维度(定义特征、绕行类型、绕行频率),共计12个条目,具有良好的内容效度、表面效度、内部一致性信度,以及初步的结构效度(聚合效度和区分效度)证据。
科学价值: 本研究填补了用药安全研究领域的一个方法学空白,提供了首个专门针对BCMA情境下护士工作绕行行为进行量化测量的标准化工具。工具的开发遵循了严谨的概念分析和心理测量学程序,为未来在该领域进行大规模的、可比较的实证研究奠定了基础。
应用价值: * 对护理管理与患者安全: 该工具为护理管理者和医院安全领导者提供了一个实用的评估手段。通过定期使用此工具,管理者可以系统了解临床一线在给药过程中实际发生的绕行行为的类型和频率,识别出流程中的脆弱环节和高风险步骤。这些数据可用于指导针对性的流程再造、系统优化(如改进BCMA软件的用户界面、调整设备部署)或制定更符合临床现实的培训与政策,从而从源头上减少不安全绕行的发生,提升患者安全。 * 对质量改进与研究: 工具可用于评估新技术或新流程实施后的实际采纳情况与意外后果,促进以证据为基础的质量改进。此外,该工具也为后续研究,如探讨工作绕行与用药错误发生率之间的关系、分析导致绕行的组织或环境因素等,提供了关键的测量变量。
五、 研究亮点与特色
六、 其他有价值的发现