Medical Errors and Complications in Neurointervention: Under-reported and Under-estimated? A systematic review [HEALTH POLICIES/QUALITY IMPROVEMENT/ EVIDENCE-BASED NEUROIMAGING]

系統性追蹤出院病人，揪出神經介入術後併發症的機率將暴增——勝算比直接飆高至 2.16 倍。這篇 AJNR 回顧了六萬名病患數據，直指我們太專注導管室內的突發狀況，卻嚴重忽視出院後的風險與輕微醫療錯誤。

神經介入併發症盲點與半數可預防失誤的代價

翻開介入性神經放射科的病歷紀錄，多數醫師會將目光鎖定在血管攝影機前的那幾小時。我們習慣緊盯著微導管的軌跡、血栓的順利移除，以及術後第一張非對比電腦斷層上是否有出血跡象。然而，醫療錯誤與併發症（Medical Errors and Complications，涵蓋術前到術後的各種非預期傷害）的範圍遠大於手術檯上的突發狀況。根據醫療品質相關研究，高達 50% 因醫療錯誤導致的病患傷害其實是完全可以預防的。但在神經介入領域，我們對這些非手術階段的風險卻異常陌生。舉例來說，動脈瘤栓塞或顱內支架置放術後的病患，其抗血小板藥物的依從性與劑量調整，往往是決定長期預後的關鍵，但這部分的疏漏極少被記錄。

把時間軸拉長來看，從病患在家中發病、救護車轉送，一直到出院後的門診追蹤，每個環節都潛藏著出錯的風險。本篇由 Bosshart 等人發表的研究，開宗明義點出當前文獻在門診與非手術階段的嚴重匱乏。這種只記錄眼前狀況的現象，對病患安全與整體醫療成本造成了深遠的負面影響。當我們缺乏客觀數據來審視這些隱藏在手術室外的失誤時，就無法建立有效的防禦機制。介入放射科醫師往往認為，只要病患平安推回加護病房，主要的醫療責任就已經了結，但這恰恰是系統性盲點的開端。

要徹底解決這個問題，必須先承認我們在併發症通報機制上存在巨大的系統性偏誤。多數醫院的晨會與死亡及併發症討論會，幾乎都圍繞著手術中的技術性挑戰或器材失效打轉，像是導絲穿破血管或是流向分流器（Flow Diverter，導引血流促使動脈瘤栓塞的支架）展開不完全。至於病患出院後因為抗凝血劑劑量錯誤導致的小出血，或是術後認知功能微幅下降等輕微醫療錯誤，往往因為沒有致命危險而從通報系統中遁形。這正是作者團隊試圖透過系統性回顧來量化的核心議題，他們希望藉由全景式的數據盤點，打破這種選擇性失明的現狀。

PRISMA 回顧設計與六萬名神經介入病患輪廓

為了解構這個複雜的通報生態，研究團隊依循 PRISMA（系統性回顧與統合分析的標準指引）框架，展開了長達二十年的文獻搜索。檢索範圍涵蓋 2004 年至 2024 年間 PubMed 與 Medline 兩大資料庫中的原創性研究。只要論文有提及神經介入相關的醫療錯誤或併發症，就會被納入初步篩選名單。為了精準對位問題發生的時間點，作者將照護階段嚴格分層為四個區塊：到院前（pre-hospital）、院內非手術階段（in-hospital non-procedural）、手術中（procedural），以及出院後（post-discharge）。這種分層設計，徹底翻轉了過去只看術中與術後的粗糙二分法。

仔細拆解資料萃取的維度，可以發現團隊不僅僅在計算併發症的絕對數量。他們同時記錄了病患的人口學特徵、事件發生的具體時間點、錯誤與併發症的類型，以及各家醫院如何進行後續追蹤。經過層層篩選與嚴格的排除條件把關，最終有 174 篇符合標準的文獻進入最終分析階段，總計涵蓋了高達 60,812 名神經介入病患。這樣龐大的母體數據，使得後續得出的比例分配與分析具有極高的代表性與統計說服力。這些受試對象跨越了急性缺血性中風、腦動靜脈畸形以及未破裂動脈瘤等多種適應症，呈現了真實世界的樣貌。

若從統計方法的角度來審視，作者採用了描述性統計與未校正邏輯斯迴歸（不加入其他變數直接算勝算比的模型）來探索追蹤方式與發現併發症之間的關聯。未校正的模型雖然無法排除所有干擾因子，但在這種資料異質性極高的系統性回顧中，反而能直接反映出臨床實務最原始的因果互動。這六萬多名病患的病歷軌跡，最終拼湊出了一幅神經介入風險分佈的全景圖，也為我們接下來要解讀的指標數字打下了堅實的基礎。

Table 1 呈現 17.2% 併發症率與階段分佈

統合這 174 篇文獻的數據後，Table 1 清楚列出了各階段研究的特徵分佈，其中最醒目的數字是整體併發症發生率達到 17.2%。這個數字遠高於一般常規周邊血管導管手術的印象，強烈提醒著我們神經介入本身的高風險屬性。然而，真正令人警醒的並非這個總和數字，而是 Figure 2 所畫出的各階段關注度極端不均。Figure 2 的長條圖顯示，高達 83.3% 的研究將數據收集的主力放在院內手術相關併發症上。這代表當我們在閱讀期刊論文時，每十篇文章就有八篇只關心導管室裡的生死交關，卻對病患離開醫院後的遭遇隻字未提。

相較於手術檯上的鎂光燈效應，其他階段的通報比例簡直低得令人難以置信。如 Table 1 的子群組分析所示，僅有微乎其微的 1.7% 觸及了到院前的併發症與錯誤。這意味著從急診接手前，急救人員的初步處置、轉診過程中的血壓劇烈波動，或是靜脈血栓溶解劑的給藥延遲，幾乎成為神經介入文獻中的絕對真空地帶。另一方面，出院後的併發症追蹤也僅有 31.6% 的研究願意花篇幅探討。這種分佈輪廓證明了一個不爭的事實：多數醫學研究將病患成功出院視為觀察的終點，而非照護連續性的一環。

探究這種不均衡的現象，反映了放射科醫師在實務運作上的慣性與體制上的侷限。院內手術階段因為有高解析度影像檢查作為佐證，加上健保申報與住院病歷的強制要求，任何血管破裂、微導管穿刺處的假性動脈瘤或對比劑引起的急性腎損傷都無所遁形。反觀出院後的狀況，如果病患因為輕微神經學症狀選擇去了住家附近的地區醫院，這些併發症就會像斷了線的風箏一樣消失在主治醫師的視線中。這種偏重單一階段的文獻生態，嚴重扭曲了我們對治療全貌的認知。

Figure 3 圓餅圖與 OR 2.16 的重度偏差

當我們進一步挖掘那些確實探討出院後併發症的文獻時，Table 2 點出了一個極具衝擊力的多變數分析結果。作者透過未校正邏輯斯迴歸發現，只要醫療團隊有實施系統性的病患追蹤，揪出出院後併發症的機率就會顯著攀升，Table 2 裡列出的勝算比（Odds Ratio）高達 2.16（95% CI 1.06–4.40）。這意味著，如果你願意多打幾通電話、多安排幾次標準化門診，你看到的問題數量會是那些只等病人自己掛號回診的兩倍以上。這個數字直接戳破了「沒消息就是好消息」的臨床迷思，證明了許多順利的案例其實暗藏危機。

若細看 Figure 3 針對出院後事件類型的圓餅圖，會發現另一個深藏的陷阱：重度不良事件幾乎霸佔了所有的版面。那些需要重新住院、引發嚴重神經學缺損，或是導致死亡的事件，因為動靜太大、必然會回到醫學中心急診，因而難以被忽視。但相對的，這凸顯出一個危險的假設：輕微併發症與非致命的醫療錯誤在門診環境中遭到了系統性的掩蓋與遺漏。我們只看到了光譜最極端、最慘烈的一端，卻漏掉了冰山下龐大的輕微失誤群體。

形成這種分佈偏差的成因，往往與複合機率（compounded probability，微小風險隨時間疊加放大的統計概念）密切相關。一個輕微的鼠蹊部穿刺處血腫、短暫的視覺模糊或是輕度認知障礙，病患可能覺得忍一忍就過去了，根本不會主動尋求醫療協助。如果醫療團隊沒有一套主動出擊的追蹤機制去撈取這些微弱的訊號，它們就永遠不會出現在官方的統計報表中。這個 OR 2.16 的數據無情地證明了，我們平常自以為極低的術後併發症率，很大一部分只是建立在系統性忽略之上。

導入 PROM 問卷重建非手術階段的標準化通報

面對這樣嚴重的資訊不平衡，作者在討論環節直白地指出了現有文獻的侷限性與亟待修補的裂痕。神經介入領域過去往往過度沉溺於最新手術技術與昂貴醫材的展現，卻在照護品質的連續性上交出了不及格的成績單。要修補這個龐大的資訊斷層，導入 PROM（Patient-Reported Outcome Measures，讓病人填問卷評估生活品質的工具）成為了不可或缺的解方。PROM 能夠繞過醫師的主觀過濾與防禦性醫療心態，直接從病患的真實視角，捕捉那些微小但深刻影響日常生活的醫療錯誤。

從實務面來看，建立一套標準化的併發症記錄與追蹤工具，是放射線部未來必須投入資源建設的基礎工程。這不單單是為了解決出院後數據缺失的問題，更是為了讓不同臨床試驗、不同醫學中心之間的數據能夠進行有意義的橫向比較。試想，如果甲醫院只記錄需要重返手術室的重大併發症，而乙醫院透過 PROM 把輕微頭痛、穿刺處痠痛都算進去，兩者的數據若直接放在一起探討，只會產生極大的誤導。因此，建立跨院際的通報品質標準，才是提升整體神經介入病患照護水準的穩固地基。

對於每日被常規排程與急診會診淹沒的放射科醫師來說，要求每個人親自打電話追蹤所有出院病患顯然不切實際。我們應該思考如何運用現有的醫療資訊系統，將 PROM 無縫整合進病患的官方 APP 或是醫院的電子病歷介面中。可以利用專職的個案管理師或是受過訓練的護理人員，在特定的時間節點（例如術後 30 天、90 天、半年）進行結構化的遠端訪問。唯有把這種追蹤機制從醫師的個人習慣升級為科部的系統常規，我們才能真正看清治療的完整風險樣貌。

跨出導管室：從 174 篇文獻重塑放射科責任

閱讀完這篇系統性回顧帶給我們的最大啟發，是必須重新定義介入放射科醫師的角色定位與責任區間。我們不能再把自己單純局限為導管室裡的高級技術員，而是必須將視野與專業影響力擴展為涵蓋院前、院內與院外的全期照護者。只有當我們願意主動跨出放射科的物理門檻，去檢視那些可能因為急診交接不良、出院用藥指示不清而引發的輕微錯誤時，才能從根本上阻斷那些原可預防的病患傷害。這是一種思維上的典範轉移，也是醫療品質進步的必經之路。

當然，這份研究也在文末坦承了分析上的若干限制。例如，回顧性資料本身的品質參差不齊，各家醫院對醫療錯誤的定義寬嚴不一，以及模型可能忽略的潛在干擾因子。此外，目前的文獻過度集中在特定幾種常見的神經介入處置，可能無法完美套用到每一種罕見的術式上。但即便有這些適用邊界存在，龐大的數據庫已經具備了足夠的震撼力與說服力。當整體併發症率攤在陽光下，我們就再也沒有理由對術後風險視而不見。

放射科醫師在判讀高解析度血管攝影、執行精細的微導管操作時，總是追求零誤差與最精準的導航。同樣的高標準，也理當應用在檢視我們自身的醫療照護品質與長期追蹤機制上。下一次，當你在科室晨會上準備報告一個影像學上看似完美無瑕的動脈瘤栓塞案例時，或許可以先停下來問問自己：這位病患出院後，他的生活品質是否也如同這張造影一樣無懈可擊？

baseline 腦壓與術中造影固然重要，但請確保出院計畫中包含了結構化的 PROM 追蹤排程。