编辑推荐：
医疗差错（MEs）严重威胁患者安全，为探究其影响因素，研究人员开展 “探索互动动态和专业能力与发展对认知医疗差错影响” 的研究。结果显示，专业能力发展差距与认知 MEs 正相关，互动动态与认知 MEs 负相关，这对提升患者安全意义重大。
在医疗领域，医疗差错（Medical Errors，MEs）如同潜藏在暗处的 “杀手”，时刻威胁着患者的安全与健康。据世界卫生组织（WHO）2023 年统计，约每 10 名患者中就有 1 人在接受医疗护理时受到伤害，每年因不安全护理导致超 300 万人死亡。这一数据令人触目惊心，也凸显出深入研究医疗差错、探寻其根源并制定有效预防策略的紧迫性。
在众多医疗差错类型中，认知医疗差错（Cognitive Medical Errors）尤为值得关注。它涵盖了错误（mistakes）、失误（slips）和疏忽（lapses）等多种形式。错误常源于医疗实践中的知识或规则缺陷，是行动规划环节的失误；失误多发生在任务执行过程中，即便熟悉的任务也可能出错；疏忽则与记忆相关，会导致计划任务执行不完整或失败。在约旦，由于医疗差错信息稀缺，且缺乏对认知医疗差错的系统研究，使得这一问题更加棘手。再加上约旦作为中低收入国家，医疗资源紧张，医护人员工作负荷大，进一步增加了医疗差错发生的风险。
为了攻克这一难题，来自约旦科技大学（Jordan University of Science and Technology）等机构的研究人员挺身而出，开展了一项极具意义的研究。他们聚焦于互动动态（Interaction Dynamics）和专业能力与发展（Professional Capacity and Development）对认知医疗差错的影响，旨在为降低医疗差错发生率、提升患者安全提供有力依据 。该研究成果发表在《BMC Medical Education》上，为全球医疗领域提供了宝贵的参考。
研究人员采用了多种关键技术方法来确保研究的科学性和可靠性。他们运用相关的横断面研究设计，选取约旦北部地区的三家代表性医院（政府医院、私立医院和教学医院）作为研究场所，以注册护士、医生和临床科室管理人员为研究对象，通过便利抽样的方式，最终获得 400 名参与者。研究数据收集借助经过预测试、具有有效性和可靠性的调查进行，随后利用结构方程模型（Structural Equation Modeling，SEM）和验证性因子分析（Confirmatory Factor Analysis，CFA）对数据进行深入分析，以此探究各研究变量之间的关系。
在研究结果方面，首先是受访者的基本情况。参与研究的人员中，多数在大学教学医院工作（42.8%），女性占比 52.5% ，拥有学士学位的比例达 70.8% ，年龄在 31 - 40 岁之间的占 49% ，职业以护士为主（71%）。
其次，关于量表结构和模型拟合度。CFA 结果表明，研究模型与数据的拟合度良好，各项拟合指数均达到可接受标准，如相对拟合指数（CFI）为 0.901 ，根均方误差近似值（RMSEA）为 0.069 ，这意味着研究构建的模型能够合理地反映实际情况。同时，量表的信度和效度也得到了验证，所有复合信度（CR）值均大于 0.7，平均方差提取（AVE）值范围为 0.41 - 0.75，表明量表具有较好的内部一致性和收敛效度。
最后，结构模型测试的关键发现。SEM 分析显示，互动动态与认知医疗差错之间存在显著的负相关关系（β = -0.21，p < 0.05），这表明良好的人际沟通和团队协作能够有效减少认知医疗差错的发生。而专业能力与发展和认知医疗差错之间呈显著正相关（β = 0.40，p < 0.05），即专业能力发展方面存在的差距，如培训需求未满足、继续教育不足以及技能能力欠缺等，会增加认知医疗差错的发生概率。
在研究结论和讨论部分，研究人员指出，医院必须重视减少专业能力发展方面的差距，积极满足医护人员的培训需求，优化教育资源配置，提升其技能水平，这对于降低认知医疗差错至关重要。同时，强化互动动态，促进医护人员之间的有效沟通和团队协作，也是减少医疗差错的关键策略。
从更广泛的角度来看，该研究成果为医疗领域提供了多方面的启示。对于医院管理者而言，应致力于营造良好的医院文化，加强团队协作培训，建立标准化的沟通协议和交接班程序，减少信息传递失误。在教育和培训方面，要制定完善的医护人员培训计划，提供多样化的学习途径，满足不同人员的学习需求。此外，利用电子健康记录（EHRs）和临床决策支持系统（CDSS）等技术手段辅助医疗工作，也有助于减少认知医疗差错，提高医疗服务质量。
总的来说，这项研究犹如一盏明灯，为解决医疗差错这一全球性难题照亮了前行的道路，为提升患者安全和医疗服务质量奠定了坚实的基础，对推动全球医疗事业的发展具有重要的现实意义。
