《RSC Chemical Biology》:Using STPA to perform hazard analysis of social and organizational systems: a case study of patient safety in the U.S. healthcare system
编辑推荐:
现代社会技术系统日益依赖技术、组织与监管要素之间的复杂交互,但传统上一直缺乏能够将安全性内生于此类大规模结构中的前瞻性建模与危害分析工具。尽管工程学者与社会科学研究者均曾尝试应对安全问题,但双方都尚未形成可用于整个社会技术系统协同设计的综合性方法。相反,许多系
现代社会技术系统日益依赖技术、组织与监管要素之间的复杂交互,但传统上一直缺乏能够将安全性内生于此类大规模结构中的前瞻性建模与危害分析工具。尽管工程学者与社会科学研究者均曾尝试应对安全问题,但双方都尚未形成可用于整个社会技术系统协同设计的综合性方法。相反,许多系统是在有机演化中形成的,其复杂程度之高,以至于没有任何单一专家能够完全理解其组成部分及其相互作用。
本文探讨了将系统理论过程分析(STPA)扩展用于分析大规模、国家层级社会与组织结构的可能性。通过将组织设计重构为一个动态控制问题,研究人员分析了美国医疗保健数据生态系统中的复杂交互。该综合模型不仅纳入技术设备与人工操作者,还覆盖组织权力、政策约束与监管因素。研究发现,STPA能够提供系统专家此前无法获得的清晰性,揭示出职责分配中的关键缺口、未成文假设以及缺失的反馈回路。该分析提出了此前被单个利益相关方忽视的可操作性建议。研究人员据此得出结论:通过将社会与组织系统重构为控制问题,STPA能够主动识别系统性缺陷,并为设计更安全的社会技术结构提供严格基础。
本文发表于《RSC Chemical Biology》,聚焦于将系统理论过程分析(STPA, System-Theoretic Process Analysis)从传统技术系统扩展到大型社会—组织系统的危害分析,借助美国医疗保健系统中的临床实验室数据生态系统案例,论证该方法在国家尺度患者安全治理中的适用性、可扩展性与方法学价值。
研究背景方面,论文指出,现代组织与技术已深度耦合,形成由技术组件、人员、管理机构、政策规则与监管框架共同构成的复杂社会技术系统(sociotechnical system)。在此类系统中,安全并非单个部件可靠性的简单叠加,而是由跨层级交互、依赖关系与控制机制共同塑造的涌现属性。医疗保健领域尤为如此。美国可预防医疗差错仍然是严重患者安全问题,尤其是诊断错误造成的损害显著,而电子健康记录(EHR, Electronic Health Record)相关诊断差错中,大部分发生在实验室检测过程中。与此同时,美国医疗数据生态系统覆盖检验申请、样本处理、体外诊断设备(IVD, In Vitro Device)、实验室信息系统(LIS, Laboratory Information System)、电子健康记录系统、公共卫生报告、支付方审核、监管机构监督及标准制定组织等多个层面,系统规模巨大、边界交错、治理分散。既有危害分析方法,如失效模式与影响分析(FMEA, Failure Mode and Effect Analysis)、故障树分析、事件树分析、HAZOP与蝴蝶结分析,主要围绕失效事件与线性因果链展开,难以处理组织关系、治理结构、责任配置与反馈动态。社会科学中的描述性方法,如系统性团队事件分析(EAST, Event Analysis of Systemic Teamwork),虽然能够揭示任务与社会网络关系,但更偏重“已经发生了什么”的描述,而非系统性预测“未来可能如何发生不安全结果”。正是在这一空白下,研究人员开展本研究,试图回答STPA能否扩展用于极其复杂的社会与组织系统,并生成原本可能被忽视的可执行安全建议。
围绕上述问题,研究人员将组织设计重新定义为动态控制问题,而非单纯的可靠性问题或社会行为描述问题。研究基于系统理论事故模型与过程(STAMP, System-Theoretic Accident Model and Processes),将安全理解为必须通过层级控制结构持续施加与维持的安全约束。与传统方法将事故归结为组件失效不同,STAMP强调非线性/循环因果关系,认为事故也可能源于组件之间的不安全交互、决策者基于局部合理性(local rationality)做出的看似合理但系统层面危险的决策,或职责、权力与问责缺失所形成的组织漏洞。论文进一步将责任(responsibility)、权力(authority)和问责(accountability)纳入STPA控制结构的表示框架,用于描绘社会与组织系统中的管理关系与反馈机制。
为开展分析,研究人员以美国临床实验室数据生态系统为核心对象,界定系统边界覆盖传统医院与独立实验室运行、门诊与社区场景中的即时检验(POC, Point-of-Care),以及患者自行使用的非处方检测(OTC, Over-the-Counter)装置所生成、传输和使用的诊断数据。论文正文主要重点讨论临床实验室数据与运行脆弱性,并指出OTC与POC测试后续又被单独扩展分析。研究人员首先明确损失与危害:损失包括患者死亡或受伤,以及对医疗数据管理系统安全性的声誉或信任丧失;危害包括患者获得低于可接受标准的医疗照护,以及医疗生态系统利益相关方对所收集、共享、分析和报告的数据失去信任。
在方法层面,作者为开展研究主要采用了以下关键技术路径:以STPA四步法为主线,先定义损失与危害,再构建控制结构、识别不安全控制行为(UCA, Unsafe Control Action)并生成因果场景;以文献检索、文件审查和持续迭代的专家访谈构建国家级医疗数据控制结构模型;在8个月内访谈了覆盖监管机构、临床医生、实验室工作人员、标准制定者、支付方、健康信息学专家与供应商在内的50名系统专家,用以识别责任、反馈路径与通信链路;随后对若干代表性UCA进行追踪分析,将场景分为A、B、C三级,并据此提炼结构性缺陷与系统性改进建议。项目初始分析历时1年,后续OTC/POC扩展再用6个月。
研究结果部分,论文按多个小节逐步展开。
4.1 The problem
研究人员指出,美国医疗数据生态系统在患者诊疗、公共卫生监测、慢病管理、科研、质量保障、隐私安全与财务报销中具有基础性作用。每年美国开展超过140亿项临床实验室检测,实验室检测是最高频医疗服务之一。由于实验室数据必须在多类设备、软件、机构与监管主体之间协调生成、传输、解释和监督,因此生态系统任何薄弱环节都可能造成广泛的临床与组织后果。
4.2 Known problems in the healthcare data ecosystem
通过综述既有问题,研究人员表明当前医疗数据生态系统存在明显的互操作性(interoperability)不足、数据质量差异、政策制定缓慢以及标准实施不完整等问题。系统最初围绕单一医院内部患者检测设计,未充分考虑跨机构数据共享、移动设备、POC与OTC检测,因此外部互操作性成为事后补充而非初始核心要求。实验室检测项目在命名、编码、单位、参考范围与结果表达上高度异质,导致数据传输后语义丢失、二次利用受限并引发患者安全隐患。
4.3 Goal of the STPA analysis
本节说明研究目标是利用STPA识别与实验室数据相关不良事件的系统性成因,并据此学习如何从整体上重构系统以预防、减少或缓解这些成因。STPA基本四步未改变,但在超大规模社会系统中,信息收集、结果表述以及结构性与系统性缺陷识别的难度显著提高。
4.4 Delineation of the boundary of the system considered
研究人员明确纳入了传统实验室、POC与OTC等多种诊断数据来源以及它们与EHR、LIS、患者门户、公共卫生机构、注册库、支付方和健康信息交换(HIE, Health Information Exchange)之间的数据流与控制关系。论文特别强调,实验室流程是EHR相关诊断差错的重要来源,因此将实验室数据危害分析作为主体。
4.5 Identifying losses and hazards
在多方利益相关者参与下,研究人员较容易确定了关键损失和危害。这一步说明,在社会技术系统中,尽管控制结构复杂,但高层目标与不可接受后果往往能够较早达成共识,为后续STPA建模提供锚点。
4.6 Creating the system control structure
这是本文最核心的方法学贡献之一。研究人员发现,相较技术系统,社会系统控制结构构建难度显著更高,因为几乎没有专家真正理解整个美国医疗数据系统如何整体运作。研究起初仅聚焦FDA与其直接监管的IVD制造商,但随着访谈推进,系统边界不断扩大,最终形成了一个涵盖患者、医务人员、实验室、数据使用者、二次数据使用者、监管者、认证机构、支付方、信息技术供应商、标准制定人员与IT支持人员的多层控制结构。通过与50位专家迭代核对,作者逐步修正模型。许多专家在审阅最终模型时表现出“惊讶”,因为他们此前默认某些职责由其他组织承担,但模型显示这些职责实际上根本未被分配。这揭示了责任、权力与问责配置中的系统性空缺。研究还在控制结构底部增加了“数据层”,将医疗数据流而非传统物理过程作为受控过程,并将数据层与上方控制层加以区分,以突出不安全行为如何由控制层决策诱发。
4.7 Identifying UCAs
基于控制结构,研究人员识别出数百项UCA,例如医师开具了并非最适宜的检验项目,实验室或医疗机构未及时更新LIS/EHR,供应商发布测试不足的系统更新,支付方不予报销可能对患者有价值的检验,卫生与公众服务部(HHS, Health and Human Services)未为关键安全组件分配主管机构,国会或白宫未及时扩展监管机构法定边界等。经专家复核后,作者筛选出42项具有代表性、重复出现或被视为高度重要的UCA进入深度分析,并利用可追踪性判断问题是局部性的还是全局系统性的。
4.8 Generating scenarios
围绕所选UCA,研究人员依照场景生成流程构建因果场景,并借助专家讨论与文献中的具体不安全事件进行验证与补充。为增强清晰性,作者将场景分为A、B、C三级:A类直接涉及实验室数据问题且最能揭示系统缺陷;B类虽含数据因素但主要由范围外因素驱动;C类不含数据因素但在专家访谈中被频繁提及。文中展示的典型A类场景表明:当EHR将基于不同方法、彼此不可比的检验结果聚合到同一字段时,医务人员可能基于误导性诊断信息形成错误心理模型并作出与患者实际病情不匹配的治疗决策。进一步追溯可发现,问题可能源自参考术语映射歧义、手工编码过程中的解释差异、标准粒度不足、实施指南无法覆盖所有专有数据场景,以及实施者缺乏足够支持资源等。研究人员还将结构性缺陷归纳为三类:控制薄弱或无效、反馈缺失或不足、控制回路完全缺失。
4.9 Generating recommendations
基于场景,研究人员从两条路径生成建议:其一是针对控制结构中的直接结构缺陷提出增设反馈、增加控制回路等结构修订;其二是从跨场景共性中提炼系统性因素并形成高层行动建议。主要系统性问题包括:监管分散与监管缺位、实验室数据标准存在不足与空缺、对实验室数据与健康信息技术(HIT, Health Information Technology)风险认知不准确、系统参与者缺乏系统观、监管中对HIT安全重视不足,以及沟通协调不良。相应建议包括为跨监管边界的数据交换补齐责任主体、明确监管机构的数据和标准需求、建立实验室术语命名编码映射知识库、设立标准问题报告通道、持续消除实施指南歧义、构建全国性HIT安全报告数据库、推动系统安全工程教育、加强标准与HIT更新控制、明确由ONC(Office of the National Coordinator for Health Information Technology)或其他适当机构承担HIT安全监管,并正式纳入实验室专业人员参与跨学科决策流程。
在评估部分,作者指出,本研究支持最初假设:STPA能够扩展到国家层级复杂社会技术结构,并通过将组织设计视为控制问题,识别潜在损失的系统性来源。尤其重要的是,STPA不仅揭示了单个设备或局部流程问题,更揭示了医疗数据互操作网络中长期未被发现的组织空白,如关键职责无人承担、部门间默认他方负责、以及反馈链条缺失等。论文强调,HIT并非被动工具,而是能够主动诱发新型人因差错的控制者,这一认识转变为患者安全治理提供了新的系统视角。
讨论与结论表明,本研究填补了STPA在大型、多组织社会系统危害分析公开案例较少的空白。其主要意义在于:第一,证明了STPA控制结构具有可扩展性与模块性,上层监管与管理框架可在不同医疗场景中复用,仅需针对底层技术组件与局部人机交互进行定制;第二,说明通过控制结构建模与UCA分析,可以将长期依赖事后反应的安全管理转向前瞻性、系统性的设计治理;第三,强调复杂组织结构中的安全改进不应归咎个体,而应围绕责任更清晰、反馈更充分、协调更有效、管理更完整的整体系统重构展开。研究结论可译为:尽管STPA已广泛用于技术系统,但针对大型、多组织社会系统危害分析的公开应用仍相对有限。本文通过国家尺度医疗数据生态系统案例表明,STPA过程能够扩展到极大且复杂的社会技术结构。系统理论视角有助于揭示分割化角色接口中隐藏的系统设计缺陷,如责任缺失或反馈回路断裂,并据此形成可操作的综合性安全设计建议。该方法具有可扩展性与模块化优势,可作为未来医疗及其他领域社会技术系统分析的可复用架构框架。