患者流量与就诊时长分析

时间与地点

2024年8月20日下午1点，市妇幼保健院儿科主任办公室。中午的阳光斜射进办公室，陈主任刚从诊室回来，午休时间早已过去。桌上放着一台计算器和一叠打印的门诊日志，电脑屏幕上是两个打开的Excel窗口。办公室角落的柜子上贴着一张科室的月度工作计划，上面写着"患者流量分析：8月20日-25日"。陈主任喝了口水，揉了揉眼睛，他知道接下来的五天又要埋在数据堆里了。

起因

医院实行精益管理后，要求各门诊科室每季度提交患者流量与就诊时长分析报告。儿科是医院最繁忙的科室之一，月均门诊量达到8000人次，且患者年龄跨度大（新生儿到14岁），就诊类型多样（普通门诊、急诊、专科门诊、预防接种等），病情复杂程度不一。患者流量和就诊时长的分析对优化科室排班、缩短患者等待时间至关重要。但医院的HIS系统没有自动化的患者流量统计功能，就诊时长的记录也不完整，只能通过手工方式统计分析，每次分析都要耗费大量时间和精力。

经过

• 陈主任立即启动了季度分析工作，这是一个需要细致和耐心的过程。他将任务分为四个步骤：第一步，从HIS系统导出上季度的所有挂号记录，包括挂号时间、患者类型、就诊科室、医生等信息；
• 第二步，从电子病历系统提取就诊开始和结束时间，计算单次就诊时长；
• 第三步，整理患者等待时间（从挂号到就诊开始的时间间隔）；
• 第四步，统计分析不同时间段、不同医生、不同病种的患者流量和就诊时长差异。

周二和周三，陈主任专注于数据导出。由于系统限制，他需要分月、分批次导出数据，三个月的挂号记录累计有2.4万条。导出的CSV文件需要用Excel打开，但数据量太大，打开一个文件就要等十几分钟。陈主任利用等待的时间，先手工计算上个月的患者总数，为后续的校验做准备。

周四，陈主任开始处理就诊时长数据。这是一个巨大的挑战，因为电子病历系统中只保存了患者的就诊完成时间，没有明确的"开始时间"字段。陈主任只能根据医生开单的时间、检查项目的时间点等信息，推算就诊的大致时长。他编写了Excel宏，逐条计算每个患者的就诊时长，然后按照15分钟一个区间，将患者分组统计。

这个过程电脑运行非常慢，陈主任每处理2000条记录就需要保存一次，生怕Excel崩溃导致数据丢失。周五，陈主任分析了患者等待时间。他需要将挂号时间和就诊开始时间进行匹配，计算等待时长。但系统中的"就诊开始时间"字段有很多缺失值，特别是急诊患者，数据不完整。陈主任只能手动补充了约500条记录，这是最耗时的工作。

周六和周日，陈主任完成了最后的统计分析。他按照时间维度（上午/下午/晚班）、医生维度（8名医生分别统计）、病种维度（呼吸系统、消化系统等大类）分别计算了患者流量和平均就诊时长，制作了12张柱状图和折线图。在分析过程中，陈主任发现了一些异常数据——某位医生的就诊时长平均值明显偏长，他重新核对了该医生的原始记录，发现有多次急诊处理被错误地计入了门诊时长统计，需要手工调整。

结果

• 经过六天的工作，儿科患者流量与就诊时长分析报告终于完成，共分析了三个月的2.4万条就诊记录，生成统计表格12个、分析图表12张。报告显示，儿科上午8-10点是就诊高峰，平均每小时接诊120人次；
• 下午15-17点次之；
• 平均就诊时长为18分钟，新生儿科平均25分钟；
• 患者平均等待时间为45分钟，医生A的等待时间最短（32分钟），医生C的等待时间最长（68分钟）。整个过程中，陈主任累计工作超过70小时，其中数据导出和清洗占用了50%的时间，异常数据处理占20%，真正的分析工作只占25%。陈主任在报告中写道："手工统计的准确性存在风险，我估计至少有5%的数据不够准确。如果我们有患者就诊全流程的数字化追踪系统，这样的分析只需要半天时间就能完成，而且准确率会大大提高。"