编辑推荐：
为解决医疗人力管理难题，研究人员开发 PRAYOJN 平台，其可优化人员配置，提升医疗管理效率。
在医疗领域，人力资源就像是搭建起高质量医疗服务大厦的基石，它对患者护理的质量、效率以及公平性起着决定性作用。然而，在资源有限的情况下，许多医疗机构都面临着棘手的问题，比如医护人员数量不足、人员分配不均衡，还有员工因工作压力过大而身心俱疲。随着人口不断增长、老龄化程度加深以及疾病负担日益加重，人们对医疗服务的需求也在持续攀升，这些问题变得更加突出。因此，如何合理地优化人员配置和工作量分配，成为了医疗管理者和政策制定者亟待解决的重要任务，这对于保障可持续的、高质量的医疗服务至关重要。
世界卫生组织（WHO）开发的工作量指标（Workload Indicators of Staffing Need，WISN）工具，是一种被广泛应用于评估人员需求的框架。它通过整合服务利用、工作标准和人力资源等多方面的数据，为不同医疗环境下的人员规划提供了基于证据的科学方法。但是在实际使用中，手动实施 WISN 方法存在诸多弊端，不仅耗费大量人力，还容易出错，而且非常耗时。尤其是在诊断实验室，工作量会因疾病爆发、季节变化和诊断技术进步等因素而大幅波动，使得手动实施 WISN 方法的难度更大。此外，现有的 WISN 数字应用在自动化程度、预测能力以及与现代劳动力分析的整合方面都存在不足。为了填补这些空白，来自印度班加罗尔健康管理研究所（IIHMR-B）ADMIRE 数字健康推进中心的研究人员开展了一项研究，致力于开发并验证一个基于网络的系统，该系统能够自动化执行 WISN 方法，用于医疗劳动力规划。相关研究成果发表在《BMC Health Services Research》上。
在研究过程中，研究人员采用了 mHealth 敏捷框架来指导整个研究。这一框架采用混合方法，将定量的工作量计算与定性的用户反馈相结合，以此来评估平台的可用性以及对人员配置效率的影响。研究团队成立了一个 Scrum 团队，由产品负责人、Scrum 主管和两名产品开发人员组成，共同负责产品的开发过程。整个项目历时六个月（2024 年 4 月 - 9 月），分为五个迭代的敏捷开发冲刺阶段，每个阶段都有明确的目标和任务。在技术实现上，平台利用 HTML5构建静态界面结构，PHP 实现后端逻辑和动态数据交互，CSS 进行样式设计和用户界面定制，JavaScript 实现条件逻辑和实时计算等动态功能。
研究人员在开发 PRAYOJN 平台时，遵循敏捷开发流程，经过了五个冲刺阶段。第一阶段聚焦于问题识别和框架定义，通过全面的文献回顾和利益相关者访谈，确定了数据收集的关键领域和资源分配的工作流程，为后续开发奠定了基础。第二阶段进行系统架构开发，实现了后端的数据输入、计算和输出工作流程，同时完成了前端和后端的集成，并通过初步测试验证了数据的准确性、数据库连接以及输出的可靠性。第三阶段着重开发功能原型，重点关注用户界面（UI）和用户体验（UX），根据利益相关者的反馈打造出直观的界面，并进行了可用性测试，对发现的问题及时进行改进。第四阶段在真实的临床环境中进行 beta 测试，以印度南部一家大型三级医院的静脉抽血部门为试点，通过运营案例研究展示了平台在优化人员配置方面的作用。最后，第五阶段根据 beta 测试的反馈对平台进行完善，解决了可用性和操作方面的问题，为大规模部署做好准备。
在对 PRAYOJN 平台进行测试时，研究人员以该医院静脉抽血部门为例进行了详细的计算和分析。在计算可用工作时间（Available Work Time，AWT）时，考虑到部门每周工作六天，每年的总工作日为 52×6 = 312 天，减去允许的休假天数（30 天年假和 12 天公共假期，共计 66 天），得到可用工作日为 246 天，每天工作 7 小时，因此 AWT 为 246×7 = 1722 小时 / 年 / 人。在计算标准工作量（Standard Workload，SW）时，以静脉抽血活动为例，每例患者的操作时间为 8 分钟，根据 AWT 计算出 SW 为 (1722×60)÷8 = 12915 患者 / 年。对于困难病例，每例操作时间为 10 分钟，其 SW 为 10×246 = 2460 患者 / 年。通过实际年度工作量与 SW 的比较，计算出主要活动所需的员工数量（Required staff for principal activities，RPA）。在计算类别津贴因子（Category Allowance Factor，CAF）时，考虑到支持活动（如检查耗材库存、维护库存登记册等）所花费的时间，计算得出 CAS 为 35.23%，进而得到 CAF 为 1.5438。在计算个人津贴因子（Individual Allowance Factor，IAF）时，考虑到辅助活动（如从中央仓库收集和补充耗材、每月员工培训等）所花费的时间，计算得出 IAF 为 0.195 FTE。最后，通过综合计算得出 WISN 理想员工数为 (9.95×1.54)+0.195 = 15.528 FTE，与该部门当前的 15 名全职员工数量相近，表明当前人员配置对于当前工作量来说较为优化。
通过与基于 Excel 公式的计算方法进行比较，研究发现 PRAYOJN 平台在劳动力估计方面具有高度的一致性，关键指标（如 AWT、主要任务需求、CAF、IAF 和全职当量（Full-Time Equivalent，FTE）估计）的偏差均小于 1%，这充分证明了 PRAYOJN 平台在自动化员工计算方面的可靠性和准确性。
研究结论表明，PRAYOJN 平台实现了 WISN 方法的自动化，为医疗劳动力规划带来了显著的进步。它通过自动化工作量计算、改进数据可视化以及支持实时决策，提升了医疗资源分配的效率。同时，该平台的可扩展性和直观的界面使其成为优化不同医疗环境中人员配置效率的有力工具。尽管该平台目前还存在一些局限性，比如缺乏预测分析功能，对员工经验水平和患者负荷季节性波动的考虑有限，但这些将在未来的迭代中得到改进。PRAYOJN 平台的开发符合全球将数字解决方案融入医疗劳动力管理的趋势，有望推动医疗系统的数字化转型，为实现全民健康覆盖和加强卫生系统应对新挑战的能力做出重要贡献。
