护理数据与质控深水（AI 护理数据分析/质控看板工作流 + 护理指标/不良事件/质控分析深水）

1.1 护理数据质控岗在自动化什么

护理数据质控岗过去大量时间花在「数据整理、指标核算、报告排版」上：护理指标统计、不良事件整理、质控分析，都需要把散在的护理数据按质控口径转成看得懂的看板与报告。AI 目前最擅长的是数据整理、指标核算、报告排版这些机械环节。护理数据质控深水的核心判断是：把数据整理出来的活正在被 AI 提效，但数据录入准确性、质控问题定位、改进措施判断，依然要由护士判断。全部课堂数据均为教学模拟口径，不构成真实机构绩效参考。

岗位迁移的方向是「从整理型走向判断型」：入门时你会被要求「会看 AI 整理的数据看板、能指出 AI 哪里口径不对或数据站不住、能为最终质控判断与数据真实性担责」。数据真实性与质控判断责任永远在你身上——这是全课贯穿的第一条红线。护士执业资格（卫健委）为外部准入考试，本课只做护理数据质控深水能力培养，平台不发证、不代报名、不承诺通过率。

我是护理数据质控岗备考学员，请帮我做能力自检：
1. 按护理数据质控岗能力（数据分析/质控看板/不良事件整理/核验）逐项列出 AI 能做什么、我必须判断什么。
2. 对每个环节给出自检问题并标注「达标/待提升」。
3. 生成能力提升清单，按优先级排序。
4. 只依据教材通识与教学模拟口径，不得编造，不确定处标「待核」；最终质控判断归我。
[粘贴你的质控实操经历]

2.1 护理数据分析工作流

护理数据分析的第一步是把质控口径与数据来源梳理清楚：护理指标定义、数据采集范围、分析维度。AI 可以生成数据分析初稿、整理分析结构，但「数据口径合不合理、来源真不真实、结论站不站得住」必须护士判断——分析判断归人，AI 只做整理与呈现。全部质控数据均为教学模拟口径，不构成真实机构绩效参考。

2.2 数据分析审校深水

深水与入门的差异在审校深度：入门「把数算出来就行」，深水要「讲得出每处数据与结论的依据」。AI 生成的分析初稿，你要能逐条回答三个问题：这个数字的来源是什么、口径是否一致、结论能否由这些数据推出。讲不出依据的分析等于没做——这是数据质控深水的分水岭。

2.3 数据分析口径深水

同一护理指标，不同统计口径结果完全不同：纳入范围、分母口径、统计周期都会改变指标值。AI 按你给的口径核算只是呈现，口径是否合理、数据是否真实必须护士判断——口径判断归人，AI 只做核算。

我是护理数据质控学习者，请按教学模拟口径生成护理数据分析初稿：
1. 列出质控指标定义与数据来源。
2. 整理分析维度与结构。
3. 标注待核数据与口径提示位。
4. 只整理与呈现数据，不编造任何护理数据。
[粘贴模拟质控数据]

3.1 质控看板结构深水

质控看板是护理数据质控的核心载体：护理指标、趋势图表、科室对比。AI 可以生成质控看板初稿、自动核算指标，但指标口径是否合理、数据来源是否真实、趋势判断是否成立，必须护士判断。教学模拟口径下，本课看板与指标均为课堂模拟数据，不构成真实机构绩效参考。

3.2 质控指标 AI 工作流

AI 可以生成质控看板初稿、核算护理指标、做科室对比。但指标口径合不合理、数据来源真不真实、结论站不站得住，必须护士判断——指标判断归人，AI 只做核算与呈现。

3.3 指标审校深水

质控指标审校的深水在于「口径警觉」：同一指标不同口径结果不同，AI 按你给的口径核算只是呈现，指标口径是否合理、数据是否真实必须护士判断——口径判断归人，AI 只做核算。

我是护理数据质控学习者，请按教学模拟口径生成质控看板与指标初稿：
1. 护理指标定义与统计口径。
2. 看板结构与趋势图表达。
3. 科室对比维度与提示位。
4. 只整理与核算，不编造任何护理数据。
[粘贴模拟质控数据]

4.1 不良事件整理结构深水

不良事件整理是护理数据质控的重要场景：不良事件分类、事件描述整理、根因线索梳理。AI 可以整理不良事件初稿、分类事件、梳理线索，但事件分类与根因判断、改进措施归人。教学模拟口径下，本课不良事件均为课堂模拟数据，不构成真实机构绩效参考。

4.2 根因分析深水

不良事件整理的深水在于「根因判断」：事件描述只是事实呈现，根因是什么、改进措施怎么定，必须护士判断。AI 可以梳理线索，但不能替你判断「真正的根因与改进措施」——根因判断归人，AI 只做整理。

4.3 整理审校深水

不良事件整理审校的深水在于「数据真实」：事件描述必须真实、完整、不修饰，不得由 AI 代写或美化。AI 生成的整理模板只是结构，事件内容由护士真实填写——数据真实性归人。

我是护理数据质控学习者，请按教学模拟口径生成不良事件整理初稿：
1. 事件分类与描述结构。
2. 根因线索梳理维度。
3. 改进措施提示位。
4. 只整理事件，不编造任何护理数据。
[粘贴模拟事件信息]

5.1 护理数据质控全流程整合

护理数据质控深水的全流程是「定口径→分析→看板→整理→审校」五段闭环：从确定质控口径，到数据分析，到质控看板，到不良事件整理，到最后整体审校交付。AI 在每个机械环节提效，护士在每个判断环节把关。本课以教学模拟场景串联全流程，最终交付一套完整成果包。

5.2 成果包结构与交付判断

护理数据质控深水成果包 = 护理数据分析报告 1 份（教学模拟）+ 质控看板 1 份（教学模拟）+ 不良事件整理 1 份（教学模拟）+ 审校核验记录 1 份（教学模拟）+ AI 协作说明。它不是「学过课程的证明」，而是「做出来的成果」——每份材料都要能看到你的质控判断痕迹与核验记录，成果交付归你。

5.3 成果包自查要点

交付前逐项自查：指标口径是否记录、数据来源是否可溯、分析结论是否有依据、不良事件整理是否真实、红线是否逐字遵守。任何一项自查不过关，都不能交付——自查归人，AI 不背责。

我是护理数据质控学习者，请按教学模拟口径生成成果包自查清单模板：
1. 护理数据分析报告完整性检查项。
2. 质控看板指标口径检查项。
3. 不良事件整理真实性检查项。
4. 红线与数据真实性检查项。
注意：不得编造具体护理数据，不确定处标「待核」。

6.1 成果包的组装

护理数据质控深水学习成果包 = 护理数据分析报告 1 份（教学模拟）+ 质控看板 1 份（教学模拟）+ 不良事件整理 1 份（教学模拟）+ 审校核验记录 1 份（教学模拟）+ AI 协作说明。它不是「学过课程的证明」，而是「做出来的成果」。

6.2 职业规范与伦理红线

护理岗用 AI 的红线，零容忍：AI 代做分析（让 AI 直接写结论并照抄）、篡改数据（用 AI 伪造/修饰护理数据）、数据造假（编造护理数据）——任何一条触碰都是护理职业致命伤；AI 是工具，人是主人；判断与担责归人。红线看起来只是三条禁令，背后是一个更朴素的道理：护理工作的价值来自真实与可信，数据与记录一旦掺假，职业信誉就归零。用 AI 提速是好事，但提速的边界是不碰数据真实性——这是护理人用 AI 的第一课。数据质控的红线还在于数据真实性：AI 整理质控数据只是呈现，数据录入准确性、质控问题定位、改进措施判断归人。

结业指引：完成 ch1~ch6 学习后，进入「护理数据分析报告 + 质控看板 + 不良事件整理」成果包大作业（5 维评分，≥85 分结业）。结业测验 10 题（单选 6 + 多选 4）通过 ≥85 发放结业证书，结业认证会记录到你的学习档案；凭证仅代表课程完成，不写护士执业资格/职称等执业类表述；护士执业资格（卫健委）为外部准入考试，平台不发证、不代报名、不承诺通过率。

我是护理数据质控岗备考学员，已完成成果包，请帮我做交付前自检：
1. 按成果包构成（数据分析报告/质控看板/不良事件整理/AI 协作说明）逐条对照我的产物给出达标自检表。
2. 对每条红线（AI 代下质控结论/代做判断担责/编造护理数据）逐项排查并给出自检结论。
3. 输出「待补强」清单与修改建议。
4. 输出为 Markdown 表格，只依据教材通识，不确定处标「待核」；最终交付判断归我。
[粘贴你的成果包]