玻尔百科在任何复杂系统中，从医院到工厂，对质量的追求都至关重要。我们常常根据最终结果来评判质量——痊愈的患者、无瑕的产品、成功的结果。然而，这种对终点的关注给寻求改进的人带来了重大挑战：结果是我们行动的后果，而非行动本身。仅仅观察到一个不佳的结果，我们很难了解哪里出了问题或如何解决。这在我们渴望改进的愿望与我们实现有意义变革的能力之间造成了关键的差距。
本文通过引入过程测量这一强大概念来弥合这一差距，这是一门测量导致结果的行动的科学。首先，在“原理与机制”一章中，我们将使用 Avedis Donabedian 的经典框架来解构质量的构成，探讨为什么过程测量是变革的关键杠杆和最可靠的改进信号。我们将揭示因果链的逻辑以及平衡测量的关键作用。随后，“应用与跨学科联系”一章将展示这些原理的实际应用，说明过程测量如何用于应对急症护理的混乱、管理慢性病，乃至构建复杂的社会和科学合作。读完本文，您将不仅理解什么是过程测量，还将明白它们如何为改善塑造我们世界的系统提供一种统一的语言。
想象一下，您负责一家生产世界上最顶级汽车的工厂。如果我问您：“您如何保证质量？”您可能会倾向于指向最终结果：汽车的最高时速、燃油效率、优美的线条。这些都是结果，是您所有工作的最终辉煌成果。当然，它们极其重要。但这并非故事的全部。
一位真正的工艺大师知道，最终的结果仅仅是一路上成千上万个小步骤正确执行的顶点。质量不是在最后凭空变出来的；它是通过一个深思熟虑的过程，一点一滴地构建起来的。这一基本见解——即要理解和改善结果，我们不仅要看终点，更要关注过程——是释放过程测量力量的关键。
在20世纪60年代，一位杰出的医生和研究员 Avedis Donabedian 为我们提供了一个简单而极其强大的框架，用于思考任何复杂事业中的质量问题，尤其是在医疗保健领域。他提出，质量可以通过审视三个相互关联的组成部分来理解：结构 (Structure)、过程 (Process) 和结果 (Outcome)。
结构是提供医疗服务的背景。它是您可用的“物料”：实体医院、电子健康记录 (EHR) 等可用技术、员工的数量和培训。在我们的汽车工厂里，这就是厂房、工具、装配线和熟练的工人。
结果是对患者健康的影响。他们好转了吗？他们存活了吗？有没有并发症？这是底线，是我们所有努力的最终目标。它就像是驶下生产线的成品汽车。
过程是连接前两者的关键环节。它包括构成医疗服务的一系列活动——我们为患者所做的事情。它是给予特定药物、进行诊断测试、提供患者教育或执行外科技术的行为。过程测量就是我们量化这些行动的尝试：用于心脏病发作的救命药物是否在推荐的90分钟内给药？新诊断为糖尿病的患者是否接受了如何检查血糖的教育？
正是在过程中，奇迹发生，结构转化为结果。也正是通过测量过程，我们获得了理解和改进的力量。
为什么如此执着于过程？因为你无法凭空命令一个结果出现。外科医生不能仅凭意愿让伤口愈合得更快。医生不能命令患者的血压下降。结果是行动的后果。要改变结果，你必须改变过程。
把它想象成一系列多米诺骨牌，一个因果链，其中每一步都必须完成，下一步才会倒下。如果链条中的任何一个环节断裂，期望的最终结果就不会发生。这不仅仅是一个比喻，它是一个数学和逻辑上的现实。实现成功结果的概率是沿途成功完成每一步概率的乘积。
考虑一个社区健康中心，试图为同时面临食物不安全问题的糖尿病患者改善血糖控制（结果，通过糖化血红蛋白 A1c 测量）。其因果链可能如下所示：
如果我们只测量最终结果，并且发现它没有改善，我们就无从知晓失败发生在哪里。是我们未能筛查患者吗？是我们未能成功转介吗？还是患者得到了转介但无法领取食物？通过在每一步实施过程测量——筛查率 ()、转介率 () 和服务接受率 ()——我们就能精确定位链条中断裂的环节并加以修复。过程测量是我们能够实际拉动以创造变革的杠杆。
即使我们只关注结果，也有一个实际的、科学的原因说明为什么过程测量是质量改进的主力：信号与噪声的问题。
结果，特别是像死亡或罕见并发症这样最严重的结果，通常不常发生。在一个有50名肺炎患者的医院病区，一个月内你可能预计会有一到两例死亡。如果下个月有三名患者死亡，这是否意味着医疗质量急剧下降？不一定。在样本量如此小的情况下，这种变化很可能归因于随机偶然性，或者恰好这个月的患者病情要重得多。“质量”的“信号”很弱，而随机变异的“噪声”很大。这就像在地震时试图用浴室体重秤来称一根羽毛的重量。
过程测量则不同。治疗肺炎的一个关键过程是及时给予正确的抗生素。这应该对每一位患者都做到。你不是一个月只有一两次事件，而是有50次。你可以高精度地测量你对这个过程的依从性。如果你上个月的依从率是 ，而这个月是 ，这是一个真实且有意义的变化。信号是强烈而清晰的。
这种高频率使过程测量具有极强的响应性和可操作性。你可以实施一个新的核查表（结构上的改变），并在一周内看到它对过程依从率的影响。你不必等上一年，期望在死亡率中看到一个微小且统计上不稳定的波动。这使得快速、迭代的学习成为可能——即作为现代改进引擎的“计划-执行-研究-行动”（PDSA）循环。
但是，狭隘地专注于改进单一过程可能是危险的。复杂的系统，如人体或医院，总有其反弹的方式。如果你在一个地方挤压气球，它会在另一个地方鼓起来。一个成熟的测量系统会预见到这一点。
这就是平衡测量的作用。它们是我们对现实的检验，是我们自问“在我们热衷于改进X的同时，我们是否无意中让Y变得更糟？”的方式。
以被称为“加速康复外科”（ERAS）方案的手术革命为例。一个关键过程是让患者在术后不久就下床行走。对此进行测量和鼓励，以帮助实现缩短住院时间的结果。但如果这种对早期活动的新强调给护理人员带来压力，迫使他们不断加班怎么办？一个明智的医院会将“护理人员加班时间”作为一项平衡测量来追踪。如果这个数字飙升，医院就知道其“改进”是以牺牲员工为代价的，这种代价是不可持续的。
同样，在管理重度子痫前期（一种危及生命的妊娠期疾病）时，一个关键过程是及时给予药物以降低危险的高血压。期望的结果是预防中风。但如果做得过于激进，患者的血压可能会骤降，导致大脑和其他器官缺血。因此，一个好的系统会追踪医源性低血压（由治疗引起的低血压）的发作次数作为平衡测量，以确保在追求有效性的同时保障安全。
理解过程与结果之间的区别不仅仅是一项学术活动。它对我们如何提供医疗服务和构建社会具有深远的影响。
在床边，医疗服务正围绕着基于证据的过程进行重新设计。从治疗脓毒症的方案到预防感染的集束化措施，现代医学越来越认识到，通往可靠结果的道路是通过可靠的过程。
在系统层面，过程测量的逻辑驱动着一切，从互操作性的技术标准——确保医院间发送实验室结果的过程快速无误——到共享决策的复杂工作流程。
而在政策层面，利害关系巨大。想象一下，一个政府想要实施“按绩效付费”的制度，奖励提供高质量医疗服务的医院。他们应该如何定义“质量”？如果他们仅仅根据原始的、未经调整的结果（如死亡率）来奖励医院，将会造成一场灾难。一个作为地区中心、服务最病重、最复杂患者的医院（如问题4398544中的X医院），其死亡率自然会高于一个位于富裕郊区、治疗较健康患者的医院（Y医院）。惩罚前者等于是在惩罚它履行其艰难的职责。这会产生一种不正当的激励，促使医院避开重病患者。
因此，一项明智的政策会采用混合方法。它会关注风险调整后的结果（考虑了患者初始病情的严重程度），并且至关重要的是，关注过程测量。它奖励那些做正确事情的医院，奖励那些遵守我们已知能带来更好结果的循证过程的医院，无论他们的患者病情多重。这不仅仅是一个更好的核算问题，它关乎正义，并确保我们最关键的安全网机构的生存能力。
与任何深奥的科学概念一样，你观察得越仔细，画面就越引人入胜。测量一个“过程”的行为本身可能就是一个巨大的挑战。你如何测量像医生和患者之间关于改变人生的选择的对话这样根本上属于人类范畴的过程？是询问患者吗？是让专家旁听吗？还是在病历中寻找一个复选框？每种方法都有其自身的优点和偏见——患者的记忆可能不完美，观察行为本身可能会改变行为，而复选框可能无法反映对话的真实质量。最复杂的方法是三角验证法，即同时使用多种方法以获得更可靠的真实情况。
也许最美妙的是，因果链并不仅止于床边。我们测量的过程——早期营养、节省阿片类药物的疼痛控制、及时使用抗生素——不仅仅是抽象的工作流程步骤。它们是改变患者生物学现实的切实干预措施。例如，减少阿片类药物的使用不仅仅是一个过程指标，它是一种可以减少术后肠梗阻并调节免疫系统的行为。早期活动不仅仅是让患者坐到椅子上，它有助于预防血栓和胰岛素抵抗。过程测量是一个深层、潜在生物学机制的可观察把手。
归根结底，对过程的研究就是对行动的研究。它是一门谦逊、严谨而强大的科学，旨在不仅理解我们想去向何方，更要确切地知道我们如何到达那里。
在探索了过程测量是什么的原理之后，我们现在来到了我们探索中最激动人心的部分：过程测量做什么。要真正欣赏一个工具，我们必须看到它的实际应用。我们必须看到它塑造世界、解决问题、揭示隐藏的真相。过程测量的美妙之处不在于其抽象的定义，而在于其卓越的通用性。它是一个概念透镜，可以同等地应用于急诊室中紧张的、生死攸关的决策，应用于帮助他人戒烟的安静而持久的工作，甚至应用于科学发现本身的抽象协作机制。
在本章中，我们将巡览这些多样化的应用。我们将看到这个单一而优雅的理念如何为改进各类系统提供一种通用语言，连接起医学、公共卫生、数据科学乃至科学管理等不同领域。准备好以全新的视角看待我们所熟悉的医疗保健和研究世界吧——它是一系列相互关联的过程，都在等待被理解、测量和完善。
想象一下急诊科或重症监护室里那种受控的混乱。患者的病情可能在瞬间改变。在这里，时间不仅仅是滴答作响的时钟，它代表着心肌、脑组织和生命本身。挑战不在于缺乏知识，而在于执行失败——诊断延迟、沟通中断、复杂方案中错失步骤。正是在这里，过程测量成为了医生的罗盘。
考虑一个疑似患有血栓性血小板减少性紫癜（TTP）的患者，这是一种罕见且危及生命的血液病，需要立即进行血浆置换。仅仅知道治疗性血浆置换（TPE）必须迅速开始是不够的。我们必须问：“多快？”以及“是什么在拖慢我们？”一个精心设计的过程测量不会简单地追踪平均时间。它精确地定义了计时的起点——患者到达门口的时刻（急诊科分诊时间戳）——和终点——TPE机器开始工作的时刻。通过为每一位患者细致地测量时间，并计算中位时间（它比平均值对极端异常值更不敏感），医院可以真实地了解其表现。更重要的是，通过将总时间分解为其组成部分——做出决策的时间、下达医嘱的时间、血浆分离团队响应的时间——团队可以精确定位延迟的确切来源并加以解决。
同样的逻辑适用于无数的医疗紧急情况。对于一个因血压突然危险飙升（重度子痫前期）而就诊的孕妇，目标是在60分钟内给予降压药。对于一个脓毒性休克患者，目标是获取乳酸水平以评估组织灌注并指导复苏。在每种情况下，过程测量都将一个模糊的目标（“要快”）转变为一个具体的、可审计的系统。它们迫使我们定义我们所说的“快”是什么意思（一个目标时间）、时钟何时开始（一个“零时”事件，如确认严重高血压），以及该测量适用于谁（一个“合格”人群）。
但速度并非唯一的优点。在匆忙行动中，很容易忽略一个关键的安全步骤。一个精心设计的测量系统会预见到这一点。对于一个因葡萄胎而接受清宫术的患者，这是一个时间敏感的手术，团队可能会专注于缩短从诊断到进入手术室的时间。然而，他们还必须追踪一个平衡测量：如果患者是Rh阴性血，她是否在匆忙中接受了必要的Rh免疫球蛋白注射？。这个平衡指标就像一个护栏，确保我们在优化过程一部分的同时，不会无意中破坏另一部分。同样，在一项旨在让骨感染儿童更早从静脉注射抗生素转换为口服抗生素的举措中，关键结果不仅仅是缩短住院时间，而是一个综合的治疗失败率，以确保新的、更高效的过程同样安全有效。
过程测量的力量远远超出了急性危机。它是管理慢性病和塑造更健康行为的基本工具，在这些领域，进展不是以分钟衡量，而是以月和年衡量。
考虑一下预防谵妄的挑战，这是一种急性意识模糊状态，在重症监护室（ICU）的患者中很常见，令人痛苦且危险。预防谵妄涉及的不是单一行动，而是一个集束化措施：定期筛查意识模糊、尽量减少镇静剂使用以及促进早期活动。要了解这个集束化措施是否有效，我们需要测量每个组成部分的执行保真度。我们真正执行谵妄筛查的频率是多少？。这个看似简单的问题揭示了测量中的一个关键微妙之处。我们应该按每次入院还是按每个患者日来计算筛查次数？答案当然是，筛查的机会出现在每个护理班次，所以正确的分母应基于患者日。这使我们能够计算出真实的依从率（例如，完成了85%的预期筛查）。此外，在衡量我们的成功时，我们必须小心区分入院时就患有谵妄的患者（现患病例）和在ICU中发生谵妄的患者（新发病例）。预防性集束化措施只能影响后者。通过仔细测量每100个高危患者日的新发谵妄率，我们可以真实地评估我们预防措施的影响。
同样的思维方式有助于构建针对吸烟等慢性行为的干预措施。一个希望改善其为慢性阻塞性肺疾病（COPD）患者提供的戒烟支持的诊所，不仅仅看最终的戒烟率。它使用“5A”模型（询问 Ask、建议 Advise、评估 Assess、协助 Assist、安排 Arrange）作为过程图。对每一步，都创建了带有正确分母的特定过程测量。“询问”烟草使用情况的比率是根据吸烟者就诊次数来衡量的。然而，“协助”药物治疗的比率是根据表示愿意戒烟的吸烟者人数来衡量的。每个指标都测量了级联反应中的一个不同步骤。而在测量最终戒烟率时，严谨性要求其必须经过生化验证（而不仅仅是自我报告），并使用意向性治疗分析的分母来计算——即计算原始组中的所有吸烟者，即使是那些失访的，以提供对项目真实效果最诚实和保守的估计。
或许过程测量最深刻的特点是其可扩展性。用于追踪药物给药的相同逻辑框架，可以用来追踪一个社会项目、一项科学合作，甚至一个人工智能的运作情况。
医疗保健领域日益认识到，健康不仅在诊所中创造，更在社区中形成。一个人的健康受到健康的社会决定因素（SDOH）的影响——能否获得稳定的住房、营养的食物和安全的环境。一个具有前瞻性思维的诊所可能会为患者筛查这些非医疗需求。但筛查仅仅是第一步。过程继续进行，包括转介到社区资源、确保个人联系的“温暖交接”，最后通过“闭环”确认该人实际获得了服务。我们可以通过追踪这个医疗服务的“漏斗”来衡量整个系统的表现：合格患者中有多大比例被筛查？被筛查的人中有多少有需求？有需求的人中有多少被转介？被转介的人中有多少成功对接？。这是利用过程测量在两个不同世界——诊所和社区——之间架起一座桥梁。
我们可以将这个镜头向内转，应用于科学事业本身。我们如何知道一个大型、昂贵的公私合作伙伴关系是否真正在“合作”？我们可以使用同样的结构-过程-结果框架。过程是合作的活动：跨学科会议的数量、共享数据所需的时间。产出是具体的产品：发表的论文、申请的专利。结果是最终的影响：患者生存率的改变、一项新技术被纳入临床指南。这个框架立刻揭示了，仅仅计算出版物数量是衡量合作质量的糟糕指标；它是一个产出，并且将生产力与真正的整合混为一谈。一种更复杂的方法会采用三角验证法，将出版物数据与合著者关系的社交网络分析以及知识整合的定性审计相结合。
最后，这个框架为我们管理与最新颖的同事——人工智能——的合作关系提供了必要的工具。想象一个旨在为脓毒症提供早期预警的人工智能系统。我们如何调整其灵敏度？如果它过于敏感，就会产生大量的警报，导致“警报疲劳”并使护士精疲力竭。如果它不够敏感，就会错过重病患者。我们面临一个多目标优化问题。我们希望最大化远期患者结果（如质量调整生命年，或 ），同时最小化近期工作流程负担（如警报数量 和处理警报所需时间 ）。决策理论提供了一个绝佳的解决方案：我们可以创建一个单一的效用函数来结合这些目标，有效地为临床团队的时间和注意力“定价”。目标就变成了在工作流程的硬性约束下，最大化净临床效用：
其中的 和 是“影子价格”，它们以与患者健康相同的单位量化了工作负荷的成本。这个优雅的公式使我们能够找到最佳平衡点，教导人工智能不仅要聪明，还要成为一个体贴而高效的团队成员。
从床边到研究实验室，从社会工作到人工智能，过程测量的逻辑提供了一种统一而强大的方式来理解、评估和改进塑造我们世界的复杂系统。它是把事情做对的科学。