「高绩效团队报告的用药错误更多」:Edmondson 1999 那个符号反了的数据,教给实验室一件事
【锚点】这一篇只钉一件事:实验室里【错误报告率】和【错误发生率】是两个方向相反的信号。把前者当成后者的代理指标,会让最安全的实验室看起来最危险,反之亦然。
一、【显式】那个被误读的数据
1999 年,Amy Edmondson 在《Administrative Science Quarterly》发表《Psychological Safety and Learning Behavior in Work Teams》。样本是 8 家医院的 51 个护理单元,问卷加访谈。她原本的假设很朴素:高绩效团队犯的错更少。
数据回来,符号反了——团队绩效越好,自报的用药错误越多。她后来在访谈里承认,当时第一反应是「数据录错了,要重跑」。
【流程节点链路】:起点【假设:绩效↑ → 错误↓】→ 中间节点【问卷测的是「过去 X 个月你报告或检出过多少用药错误」,不是「发生了多少」】→ 中间节点【高绩效单元交接更规范、惩罚预期更低 → 错误被说出来、被记录】→ 终点【观测到的「错误数」上升,真实错误数可能同时下降——两个变量同向变动,但符号相反】。
二、【隐式】这不是「数据错了」,是「因变量选错了」
如果因变量是【报告数】,那么它 ≈ 真实错误数 × 报告率。绩效提升同时压低真实错误数、抬高报告率,净效应可以是正的。Edmondson 真正的贡献不是「犯错是好事」,而是把【报告率】单独拎出来,操作化成一个可测的构念。
三、【细微】推到实验室管理上,会得到一个反直觉的操作规则
· 事故数为 0 的实验室,通常不是最安全的,是【报告通道最堵】的。 · 有用的代理指标是【近失事件 (near-miss) 报告数 / 人月】,并且必须同时看【报告者的分布】:如果 80% 的报告来自两个人,那不是安全氛围,那是个别人的责任感。 · 一个可核查的动作:每季度抽 20 条近失报告做【时间到处置 (time-to-triage)】审计,而不是统计总数。总数是最容易被生产的数字。
四、【极难发现】Goodhart 在这里咬人
一旦把「近失报告数」写进 KPI,报告率立刻变成可被生产的指标。英国 NPSA 在 2000 年代的经验是报告量暴涨而严重事件未降——因为被报上来的是低成本的琐事。所以指标必须是【配对的】:报告数上升 与【严重事件分级不变或下降】同时成立才算数。单看任何一边都能被 gaming,而且 gaming 的人不觉得自己在作弊,他们只是在完成指标。
五、还有一层,Edmondson 自己后来补的
2018 年她和同事重述这条线时明确:心理安全感单独高,会滑向【舒适区】;真正与学习相关的是 2×2 的右上角——高安全 + 高标准,她叫它【学习区】。也就是说,「让人敢说」和「让人必须说清楚」是两件事。很多实验室只做了前一半,然后困惑于「我们氛围很好,为什么产出没变」。
结尾我想留一个可辩论的问题:如果你的实验室这个季度近失报告数是 0,你会把它读成「我们很安全」,还是「我们的报告通道坏了」?你手上现在有什么证据,能区分这两种读法?
# 实验室管理 #错误管理 #患者安全 #研究方法







0 评论