PDCA与PDSA有什么区别？医院质量改善为什么越来越重视PDSA？

在医院质量管理和持续改善中，PDCA与PDSA是两种非常常见的循环方法。PDCA代表Plan-Do-Check-Act，即计划、执行、检查、行动；PDSA则代表Plan-Do-Study-Act，即计划、执行、学习、行动。

两者只相差一个字母，因此很多人认为它们只是不同机构使用的不同叫法。实际上，从戴明对持续改善的理解来看，Check与Study背后的思维并不完全一样。

PDCA更容易被理解成「执行以后检查有没有达到要求」，而PDSA强调的是「先提出预测，再通过试验和数据研究实际结果，从中产生新的知识，并决定下一轮如何调整」。

对于医院质量改善来说，这个区别尤其重要。医疗过程受到患者差异、人员配置、环境、流程和临床判断等多个因素影响，很多改善措施并不能通过一次「检查合格」就确认有效，而需要经过小规模测试、观察、学习和反复调整。

一、PDCA和PDSA都来自科学方法，而不是凭空出现的管理工具

PDCA和PDSA背后的思想，可以追溯到科学方法的发展。

科学方法的核心并不是「做完一件事再看看结果」，而是提出假设或预测，通过实验取得资料，再利用结果修正原来的认识。

20世纪以后，这种科学学习方式逐渐被引入工业管理。Walter A. Shewhart是其中非常关键的人物。

1939年，Shewhart在《Statistical Method from the Viewpoint of Quality Control》中提出「Specification－Production－Inspection」，也就是规格、生产、检验三个步骤，并进一步认为这三个步骤不应该只是直线执行，而应该形成不断重复的循环。

这个Shewhart Cycle后来成为Deming进一步发展持续改善循环的重要基础。

二、1950年的Deming Wheel还不是今天熟悉的PDCA

戴明长期受到Shewhart思想影响。1950年赴日本讲授统计质量控制和管理方法时，他进一步发展了这种循环式学习思想。

当时的Deming Wheel大致围绕：

• 设计产品；
• 制造产品；
• 把产品投入市场；
• 研究客户使用和市场反应，再反馈到下一轮设计。

这个循环最大的特点，是企业不能把「产品做出来」视为工作的终点。

产品进入客户手中以后，还必须研究客户反应，再把所得知识带回设计和生产。

这实际上已经体现出后来持续改善的核心思想：

每一次执行都应该成为下一轮学习的输入。

三、PDCA主要是在日本质量管理实践中逐渐形成的

今天很多教材直接把PDCA称为「戴明循环」，这种说法虽然非常普遍，但历史上并不十分准确。

戴明在1950年日本讲课时，并没有直接使用今天我们熟悉的「PDCA」名称。后来日本质量管理人员在Shewhart和Deming循环思想的基础上，逐渐把这种持续改善方式整理成：

Plan → Do → Check → Act

也就是今天熟悉的PDCA。

后来石川馨等日本质量专家又进一步推动PDCA在质量管理、QC小组和企业持续改善中的应用。

因此，更准确地说：

Shewhart提供了循环式科学学习的重要基础，Deming进一步发展并传播这种思想，而今天熟悉的PDCA形式则主要在日本质量管理实践中逐渐成型。

四、PDCA四个阶段到底在做什么？

Plan：计划

首先明确问题、目标和改善方案，同时确定如何测量结果。

例如医院发现急诊患者平均等待时间过长，团队可以把项目目标定义为：

三个月内把患者从登记到首次医生评估的中位等待时间由55分钟降低到40分钟以内。

接下来需要分析流程、寻找可能原因，并提出改善措施。

Do：执行

按照计划实施改变。

例如调整分诊流程，在高峰时段增加快速评估岗位，或者重新安排患者登记与分诊之间的工作顺序。

Check：检查

检查实施以后，结果是否达到预期。

例如比较改变前后的等待时间，看看是否由55分钟下降到40分钟以内，同时检查有没有出现新的问题。

Act：行动

根据结果决定下一步。

如果措施有效，可以标准化并推广；如果效果不足，则修改方案，再进入下一轮循环。

五、为什么Deming后来更强调PDSA，而不是PDCA？

戴明后来越来越强调「Study」，原因就在于他认为改善的核心应该是学习。

如果只说Check，使用者很容易把第三阶段理解成：

「结果达到目标了吗？」

达到就是成功，没有达到就是失败。

但PDSA希望提出更深入的问题：

我们原来预测会发生什么？实际发生了什么？为什么两者存在差异？我们从中学到了什么？原来的理论需要怎样修改？

因此，PDSA不是简单把C换成S，而是把改善从「执行—检查」进一步推进到「假设—实验—学习」。

六、PDSA四个阶段怎样运作？

Plan：不只是计划行动，还要先作出预测

PDSA中的Plan除了确定目标和执行方法，还应该明确：

• 这次测试想回答什么问题？
• 我们预测会出现什么结果？
• 为什么这样预测？
• 需要收集哪些数据？

例如医院准备测试「在早上8时至10时增加一名分诊护士」。

项目团队不能只是说「试试看有没有改善」，而应该提前预测：

增加一名分诊护士后，这两个小时内的平均分诊等待时间预计会由18分钟下降到10分钟左右。

这个预测以后就可以和实际结果比较。

Do：小规模执行并记录异常情况

PDSA特别适合先从小范围测试，而不是一开始就全院推广。

例如只在星期一上午测试两小时，而不是马上改变整个急诊科排班制度。

执行过程中除了收集计划中的数据，还需要记录实际出现的意外情况，例如突然大量患者到达、系统故障或医护人员临时离岗。

Study：比较预测与结果，并解释发生了什么

这是PDSA真正关键的阶段。

假设等待时间没有下降到预测的10分钟，而只是从18分钟下降到15分钟。

这并不简单代表「方案失败」。

团队应该进一步研究：

护士数量是不是瓶颈？是不是登记流程仍然太慢？新增护士是否反而要花时间寻找诊室？高峰期患者组合有没有变化？

Study的重点，是把实际结果与原先预测进行比较，再总结团队真正学到了什么。

Act：根据学习结果设计下一轮试验

团队不是简单决定「继续」或「停止」，而是根据刚刚得到的知识设计下一轮。

例如下一次可能不再单纯增加护士，而是同时改变登记方式，再进行第二轮测试。

所以PDSA经常不是一个大圆，而是一连串小循环。

测试 → 学习 → 调整 → 再测试。

七、PDCA和PDSA真正的区别，不应只用一句「Check与Study不同」解释

不过，也不要把这种差别夸大成两个完全不同的方法。

现代PDCA在实际使用时，同样可以包含深入的数据分析和学习；PDSA也当然需要检查结果。

两者真正的差异更多在于强调重点。

八、为什么医院质量改善特别适合PDSA？

医院流程与一般重复制造过程存在明显差异。

患者年龄、病情、治疗方案和风险程度不同；不同医生和护士的工作方式也会存在差异；同时还受到床位、检查设备、急诊流量和信息系统等因素影响。

这使很多改善措施很难在会议室里一次设计正确。

例如医院希望减少用药错误，团队认为增加一个电子确认步骤可能有效。

如果直接在全院实施，一旦新设计过于复杂，反而可能增加工作负担，甚至产生新的风险。

PDSA更适合先在一个病区、一名护士或一个班次进行测试。

团队观察实际使用情况，收集反馈，再调整流程。

这可以把改变的风险控制在较小范围，同时更快获得真实学习。

九、PDSA在医疗质量改善中的三个核心问题

今天医院质量改善中非常常见的Model for Improvement，会把PDSA与三个基本问题结合起来。

问题一：我们想要完成什么？

改善项目必须拥有清晰、可测量而且有时间限制的目标。

例如：

「改善住院患者体验」太模糊。

可以进一步定义为：

六个月内把内科病房患者呼叫铃的平均响应时间由8分钟降低到4分钟以内。

问题二：我们怎样知道改变确实带来了改善？

有改变并不代表有改善。

医院实施新的表格、新的系统、新的岗位，甚至增加人手，都只能说明「做了某些事情」。

只有通过测量，才能判断这些改变有没有产生期望结果。

问题三：我们可以做什么改变来产生改善？

发现问题以后，团队需要提出可以测试的改变。

重点是「可以测试」，而不是立即全面实施。

因为并不是所有改变都会产生改善。

所有改善都需要改变，但并不是所有改变都会带来改善。

十、医院使用PDSA最容易犯的错误：一次循环做得太大

PDSA最大的优势之一就是快速、小规模学习。

但很多医院实际操作时，却把一个PDSA设计成持续半年甚至一年的大型项目。

例如：

Plan：重新设计整个医院出院流程。

Do：全院实施六个月。

Study：半年以后看结果。

Act：决定下一年怎么办。

这种做法虽然仍然可以画成PDSA，但已经失去了快速实验的优势。

更符合PDSA思想的方式，是尽可能缩小早期测试范围。

例如新的出院检查表可以先由：

一名护士 → 一名患者 → 一个班次

开始。

发现问题后修改，再测试5名患者，之后才扩大到整个病区。

这种方式通常比直接大规模改变安全得多。

十一、PDSA也不是「做完再看看数据」

PDSA另一个常见误区，是团队执行改变以后才想：

「我们应该看什么指标？」

这时已经太晚。

正确的Plan阶段就应该明确：

我们预测什么结果？什么数据能够判断这个预测？谁负责收集？什么时候收集？

例如测试新的手术准备流程，如果直到试验结束后才决定分析手术延误时间，可能会发现根本没有完整记录。

所以PDSA并不是随意试错。

它是有预测、有测量、有分析的小规模实验。

十二、PDCA是不是已经过时，医院都应该改用PDSA？

没有必要这样理解。

PDCA至今仍然是非常实用的持续改善框架，尤其适合已经比较清楚的问题、流程标准化和日常管理改善。

例如某个病区已经确定新的药品盘点方法有效，现在要落实标准、检查执行情况并持续纠正，这种场景使用PDCA完全合理。

PDSA则特别适合还存在较大不确定性的场景。

例如：

「我们认为这个改变可能有效，但还不确定在真实临床环境中会发生什么。」

这时候强调预测、实验和学习的PDSA通常更加合适。

所以不应该简单说：

PDCA旧，PDSA新。

更好的判断方式是看当前改善活动的目的究竟是执行和稳定，还是测试和学习。

十三、PDSA与六西格玛DMAIC有什么区别？

医院同时也会使用六西格玛DMAIC，因此很容易产生另一个问题：既然已经有PDSA，为什么还需要DMAIC？

PDSA适合快速测试一个改变，通过短周期不断学习。

DMAIC则更适合原因复杂、数据量较大、需要系统验证根因的问题。

例如患者等待时间增加，如果团队已经知道原因是某个表格设计复杂，只需要测试新的表格流程，可以直接使用PDSA。

但如果等待时间受到患者流量、医生排班、床位、检验时间、分诊制度和不同科室共同影响，而团队并不知道真正的关键原因，就更适合先使用DMAIC展开系统分析。

而且两者并不冲突。

六西格玛项目进入Improve阶段以后，完全可以通过多个小型PDSA循环测试不同解决方案。

因此：

DMAIC帮助团队系统地找对问题和根因，PDSA则非常适合快速测试一个具体改变。

十四、从PDCA到PDSA，真正改变的是我们怎么看待「失败」

PDSA最有价值的地方，可能并不是S这个字母本身，而是它改变了团队对试验结果的理解。

假设团队预测新流程可以把等待时间降低30%，但实际只下降5%。

如果只是Check思维，很容易说：

「这个方案失败了。」

PDSA则会继续追问：

为什么只下降5%？哪个假设不成立？有什么之前没有看到的因素？这个结果告诉我们下一步应该测试什么？

这样一次「没有达到目标」的测试仍然可以产生非常有价值的知识。

对于复杂的医院系统，这种思维尤其重要。

因为很多改善措施第一次测试时不可能完美。真正成熟的质量改善团队，不是从不失败，而是能够低成本地失败、快速学习，再不断调整。

结语：PDCA关注持续改善，PDSA进一步强调持续学习

PDCA和PDSA有共同的历史基础，也具有非常相似的循环结构。两者都要求计划、行动、评估结果并继续改进。

真正值得理解的差异，是PDSA把「Study」放到了非常重要的位置。

它要求团队在行动之前提出预测，在执行过程中收集资料，在Study阶段把实际结果与预测比较，并根据所得知识设计下一轮测试。

因此，在医院质量改善中，如果已经知道应该怎么做，重点是执行、标准化和持续检查，PDCA依然十分实用；如果面对的是一个充满不确定性的复杂流程，希望通过小规模实验逐步找出有效方案，PDSA往往更符合医疗质量改善的需要。

优思学院认为，与其纠结应该把循环叫「PDCA」还是「PDSA」，更重要的是避免把它变成一张形式化的改善报告。

真正有效的循环应该让团队每做一次改变，就比之前多知道一点；每多知道一点，下一次改变就更有根据。