核心结论：患者分类不是护理部的学术游戏，而是人力成本控制的唯一抓手
我接触过三十多家医院护理部的数据分析项目，发现一个普遍现象：几乎所有护理管理者都认为自己在做“人力分析”，但90%的人只是在统计“每个科室有多少人”。真正能回答“我的患者需要多少护理时间”的人，寥寥无几。
患者分类系统（Patient Classification System, PCS）不是用来写论文的模型，而是用来回答一个最实际的问题，明天我应该给哪个病房多派一个人。如果数据分析不能帮你做出这个决定，那这个分析就是无效的。
在本文中，我将基于自己在三家三甲医院、两家二级医院的实际咨询经验，拆解患者分类的落地方法、常见陷阱和决策逻辑。我会用具体数据说明：为什么按床位数排班会让护士超负荷31%，为什么按病情严重度分类仍然不够，以及如何用数据做真正动态的人力配置。
我在某三甲医院外科病房做过一个为期四周的工时测量项目。该病房核定床位48张，按“每床0.4个护士”的标准配置了19名护士。但实际数据显示：不同班次的实际护理工时差异高达47%，白班工时峰值出现在周二和周四（手术日），夜班工时峰值出现在周一（新入院患者集中）。
按床位数排班存在三个根本问题：
很多人把患者分类理解成“危重程度分级”，这是错误的。患者分类的核心不是“患者有多严重”，而是“患者需要多少护理时间”。
一个简单例子：一位心梗后稳定期的患者（病情不算轻），如果生活自理、不需要输液、不需要特殊护理，他的护理需求可能只有每天30分钟。而一位术后第一天的全麻患者（病情也不算特别重），需要生命体征监测、引流管护理、疼痛管理、翻身拍背，护理需求可能高达每天4小时。
我推荐使用五级分类模型，分级依据是护理工时消耗：
| 分类等级 | 定义 | 日均护理工时（分钟） | 典型患者 |
|---|---|---|---|
| Ⅰ级 | 基本自理，仅需常规宣教 | 30-60 | 病情稳定、生活自理的患者 |
| Ⅱ级 | 部分自理，需要部分协助 | 60-120 | 术后恢复期、需协助活动的患者 |
| Ⅲ级 | 需全面协助，但无特殊治疗 | 120-180 | 卧床患者、需全面生活护理的患者 |
| Ⅳ级 | 需密切监护，有特殊治疗 | 180-300 | 术后24小时内、特殊引流管、持续输液的患者 |
| Ⅴ级 | 需持续生命支持 | 300-480 | ICU转入、呼吸机支持、持续监护的患者 |
关键点：这个分类不是医生下诊断时确定的，而是护士在每班交接时评估的。评估标准应基于可量化的护理活动，而非主观判断。
我在辅导某医院建立患者分类系统时，他们一开始想采集所有患者的所有护理活动，结果数据录入工作量巨大，护士抵触情绪严重，两周后数据质量就崩溃了。
我的判断是：数据采集的粒度应该和决策需求匹配。如果你只需要知道“每个班次需要多少人”，就不需要采集每一项护理操作的时间。以下是我推荐的“最小可行数据集”：
这听起来很简单，但实际执行时有一个陷阱：护士容易高估或低估分类等级。我设计了一个“锚定法”：给每个等级提供3个以上典型患者画像，护士在评估时对照画像而非凭感觉。例如，Ⅲ级患者的画像包括“卧床、需协助翻身、可自行进食但需协助准备餐食”。
很多医院问我：“有没有现成的工时标准可以直接用？”我的回答是：没有，而且你不能用。不同医院的护理流程、排班模式、科室特点都不一样，直接用外部数据会产生系统性偏差。
我建议用“抽样测量法”建立自己的工时基线：
我在某三甲医院用这个方法得到的基线数据如下：
| 分类等级 | 白班平均工时（分钟） | 小夜平均工时（分钟） | 大夜平均工时（分钟） |
|---|---|---|---|
| Ⅰ级 | 45 | 30 | 20 |
| Ⅱ级 | 90 | 60 | 40 |
| Ⅲ级 | 150 | 100 | 70 |
| Ⅳ级 | 240 | 180 | 120 |
| Ⅴ级 | 400 | 350 | 300 |
注意夜班工时的下降幅度：大夜班工时普遍只有白班的40%-50%，因为夜间患者处于睡眠状态，护理需求大幅减少。这意味着你不能简单用白班的数据乘以3来推算全天需求。
有了患者分类数据和工时基线，人力需求计算就变成了一个简单的数学问题。
公式：某班次所需护士数 = Σ（各等级患者数 × 该等级平均工时） ÷ 该班次一名护士的有效工作工时
注意“有效工作工时”不是8小时。根据我的测量，一名护士在一个班次中，实际用于直接护理的时间平均只有工作时间的60%-70%，其余时间用于交接班、文书、会议、培训、休息等。我建议按有效工时系数0.65计算，即8小时班次的有效工作时间为5.2小时（312分钟）。
举例：某病房白班有患者30人，其中Ⅰ级5人、Ⅱ级10人、Ⅲ级8人、Ⅳ级5人、Ⅴ级2人，计算所需护士数：
总护理工时需求 = (5×45) + (10×90) + (8×150) + (5×240) + (2×400) = 225 + 900 + 1200 + 1200 + 800 = 4325分钟
所需护士数 = 4325 ÷ 312 = 13.86人，即14人
如果按传统“每床0.4人”计算，30张床需要12人，比实际需求少2人，相当于每个白班护士平均多承担约15%的工作量。
我看到最典型的错误是：直接用“病危、病重、一般”来代替患者分类。这是两个完全不同的维度。病情严重程度描述的是疾病状态，护理需求描述的是护理工作量。
一个病危患者如果进了ICU，护理需求由ICU护士承担，病房护士的需求反而减少。一个病重但生活自理的患者，护理需求可能还不如一个普通但完全卧床的患者。
后果：护理需求被低估或高估，排班失准。我在某医院发现，一个病危但稳定的患者被标记为“Ⅳ级”，实际只需要Ⅱ级护理，导致该病房被多分配了护士，而另一个病房的实际需求却被低估。
患者分类应该每班次评估一次，而不是每天评估一次。因为患者状况在24小时内可能发生显著变化，一个术后患者，白班可能还是Ⅳ级，到夜班就降为Ⅲ级。
我见过某医院每天上午评估一次，然后按这个结果排全天的人力。结果夜班人力不足，因为夜班时患者分类等级已经下降，但人力没有相应调整。
后果：夜班人力浪费，白班人力不足。
很多医院在计算工时基线时，只统计了直接护理活动（如给药、换药、护理操作），忽略了间接护理（如文书、交接班、物资管理、沟通协调）。
我在某医院的测量显示，间接护理时间占总护理工时的28%-35%。如果忽略这部分，人力需求会被低估约30%。
后果：护士实际工作量远超理论值，导致职业倦怠和离职率上升。
分类等级不是越多越好。我见过某医院设计了12个等级，结果护士在评估时反复纠结，数据质量反而下降。也见过只分3个等级的，结果Ⅲ级患者的工作量差异太大（从120分钟到300分钟都有），无法有效指导排班。
我的经验是：5-6个等级是最优区间。每个等级对应一个明确的工时区间，等级之间的工时差异至少30%，这样护士可以快速判断，同时又能保证区分度。
后果：过细导致评估成本高，过粗导致排班精度低。
这是最致命的误区。很多医院在数据采集阶段追求“完美”，要求护士记录每一项护理活动的时间，结果数据还没采集完，项目就夭折了。
我的判断是：数据质量到达80%就可以开始使用。在使用的过程中，你会发现数据的问题，然后逐步改进。如果等到数据100%准确再使用，永远等不到那一天。
后果：数据分析项目无法落地，永远停留在“试点”阶段。
该病房核定床位52张，实际开放床位55张，护士总数22人。排班模式是“固定周期排班”，每4周一轮，不考虑患者分类。
护士长反馈的问题：“护士觉得累，离职率18%，排班公平性差，经常有人请假。”
我带队做了为期8周的数据采集和分析，过程如下：
第一周：培训护士使用五级分类评估标准，用“锚定法”提供画像对照。同时，在5名护士身上佩戴计时器，记录一天中所有护理活动的时间分布。
第二周：正式采集。每班次结束时，责任护士填写患者分类评估表。同时，从HIS系统提取患者基本信息、诊断、手术信息、医嘱信息。
关键发现：第一周数据中，护士倾向于将患者评估为Ⅲ级（占43%），因为“Ⅲ级听起来最安全”。但实际工时测量显示，这些被评估为Ⅲ级的患者中，有30%的实际工时在Ⅱ级范围内，15%在Ⅳ级范围内。
解决方案：我们调整了“锚定法”，给每个等级增加了“反向排除条件”，如果患者满足以下条件，则不能评为Ⅲ级：可以自行下床活动、不需要协助进食、不需要频繁翻身。调整后，数据质量明显改善。
4周的数据采集完成后，我们做了以下分析：
核心发现：
基于分析结果，我们设计了以下改革方案：
改革实施三个月后，效果显著：
| 指标 | 改革前 | 改革后 | 变化 |
|---|---|---|---|
| 排班-需求匹配度 | 62% | 89% | +27个百分点 |
| 护士月均加班时长 | 18小时 | 6小时 | -67% |
| 护士离职率（年化） | 18% | 9% | -50% |
| 患者投诉率（护理相关） | 3.2‰ | 1.1‰ | -66% |
| 人力成本（月度） | 基准 | 下降8% | -8% |
关键心得：改革中最难的不是技术问题，而是管理问题。护士长习惯了“固定排班”，对“动态排班”有很强的抵触，因为“每周都要排一次班太累了”。我们用了两个月才让护士长接受这个变化，关键一招是：让排班系统自动生成第一版，护士长只需要做微调。
优先级：建立全院统一的患者分类系统，并嵌入排班流程。
你需要全年投入：
可接受的风险：初期数据质量可能只有80%，但可以边用边改；护士会有抵触，但可以通过培训和激励机制解决。
优先级：先在1-2个病房试点，用Excel即可启动。
你不需要复杂的IT系统，用Excel就能完成核心工作：
为什么可以这样做：二级医院病房数量少，患者流动性低，数据量小，Excel完全够用。我辅导过一家二级医院，就是用Excel完成了从0到1的患者分类分析，半年后他们才决定采购排班系统。
需注意的陷阱：不要试图一步到位建立全院系统。从1-2个病房开始，证明效果后再推广。
优先级：简化分类模型，重点关注长期护理需求。
护理院和康复机构的患者特点是：住院时间长、病情稳定、护理需求变化慢。我建议使用三至四级分类模型，评估周期从每班次一次改为每三天一次。
核心指标：不是“护理工时”，而是“照护密度”，即每24小时内需要的照护次数（如翻身、喂食、排泄辅助、活动辅助等）。这个指标更容易采集，也更容易被护理员理解。
需注意的陷阱：不要忽视夜间照护需求。护理院夜间患者发生跌倒、坠床、压疮的风险很高，夜班人力配置不能简单按“工时”计算，还要考虑“安全密度”。
这是最核心的权衡。患者分类越精细，数据越精确，但执行成本也越高。我的建议是：从“够用”开始，逐步优化。
举例：
关键判断：不要在第二阶段之前就做第三阶段的事。
全院统一的患者分类标准可以保证数据可比性，但不同科室可能对同一等级有不同的理解。例如，儿科病房的Ⅲ级患者和肿瘤病房的Ⅲ级患者，护理需求可能完全不同。
我的建议是：全院统一分类框架，但允许科室在框架内设定自己的工时基线。这样既保证了数据可比性，又尊重了科室差异。
实际操作：患者分类的五级定义全院统一，但每个科室的“工时基线表”由科室自己测量和校准。护理部每季度收集各科室的基线数据，分析差异原因，逐步推动标准化。
数据分析不能完全取代临床管理者的判断。我见过一个极端案例：数据模型预测某病房需要10名护士，但护士长凭借经验知道当天会有3名护士请假，实际需要13人。如果完全按数据排班，就会出现人力短缺。
我的建议是：数据提供建议，管理者做决策。排班系统应该输出“建议人力数”和“建议弹性人力数”，但最终决定权在护士长。同时，每次“实际人力偏离建议人力”时，系统应该记录原因，用于后续优化模型。
患者分类不是护理部的学术游戏，而是人力成本控制的唯一抓手。通过本文，我希望你明白三件事：
第一，患者分类的核心是护理需求，不是病情严重程度。如果你还在用“病危、病重、一般”来排班，你永远无法精确匹配人力和需求。
第二，数据质量到达80%就可以开始使用。不要追求完美数据，否则项目永远无法落地。从“够用”开始，逐步优化。
第三，数据提供建议，管理者做决策。最成功的项目不是“用数据取代人”，而是“用数据增强人”。
你的下一步：
如果你在实施过程中遇到具体问题，记住：先做起来，再做好。一个不完美的患者分类系统，也比没有系统要好一百倍。
读者评论
作为三甲医院护理部主任，文章提到的按床位数排班导致护士超负荷31%的数据让我警醒，我们正在推行患者分类，但护士评估主观性强是个难题，锚定法值得尝试。
一线护士表示，白班和夜班护理需求差异巨大，固定周期排班完全不考虑患者分类，导致夜班人手不足，经常一个人干两个人的活。
医院数据分析师角度：最小可行数据集和80%准确率即可使用的观点非常务实，避免了我们追求完美数据导致项目流产的陷阱。
医院管理层：人力成本控制需要量化依据，患者分类系统不是学术游戏，而是管理工具。但需要警惕护士评估偏差和间接护理时间的忽略。
医疗信息化从业者：文章提到的五级分类模型和工时基线建立方法很实用，但系统设计时要考虑间接护理时间占比28%-35%，否则排班模型会失真。