From debrief to data: SAFE(E)-R and digital reporting as translational simulation infrastructure during a hospital relocation

あなたは、一度も見たことがない、新しくて巨大な家に引っ越そうとしているところだと想像してください。設計図は知っていますし、荷造りも済み、何がどこに配置されるべきかのリストもあります。しかし、実際にドアをくぐるまでは、廊下がソファを通すには狭すぎないか、スイッチが変な場所に付いていないか、あるいは食料品を運び入れる前にフロントドアがバタンと閉まってしまわないかなどは分かりません。病院の世界では、医療チーム全体を新しい建物に移転させることは、これと同じようなことですが、より高いリスクを伴います。もしスタッフが混乱したり、備品が見つけにくかったりすれば、患者が危険にさらされる可能性があるからです。ここで「トランスレーショナル・シミュレーション（翻訳的シミュレーション）」が登場します。これは、単に優れた医師や看護師になるための練習ではなく、病院の「建物」や「ルール」そのものをテストすることを目的とした、本番のための「ドレスリハーサル」だと考えてください。それは、プレイヤーがボスを倒そうとするのではなく、ゲームがリリースされる前に開発者が修正できるように、マップ内の「グリッチ（不具合）」を見つけ出そうとするビデオゲームのレベルのようなものです。

科学者や病院のリーダーたちが抱いてきた大きな疑問は、「リハーサル中に見つけたそれらすべての『グリッチ』が、実際に確実に修正されるようにするにはどうすればよいのか？」ということです。通常、練習走行の後には、何がうまくいかなかったかについて話し合い、いくつかメモを書き、そしてまた日常の業務に戻ります。それらのメモはしばしば引き出しの中に紛失され、問題は隠れたままになります。この論文は、ノルウェーのあるチームが、このゲームのルールを変えることに決めた物語を伝えています。彼らは、SAFE(E)-Rと呼ばれる、スーパーパワーを備えたフィードバック・ループのような新しいシステムを構築しました。彼らは、問題について話すための構造化された方法（デブリーフィング）と、報告された「バグ報告」を修正できる担当者に直接送信するデジタル報告システムを組み合わせました。彼らはこれを、大規模な病院の移転中にテストし、混沌としたリハーサルを、病院が実際に活用できる明確な改善リストへと変えられるかどうかを確認しました。

大規模な移転と「病気のスヴェイン」の段ボール人形

病院の移転は、組織にとって最もストレスフルなことの一つです。図書館、キッチン、ジム、そして工場を同時に移転させようとする場面を想像してください。しかも、そこで働く人々は同時に命を救おうとしています。ノルウェーのスタヴァンゲルにいるスタッフは、2025年末にまさにこの課題に直面しました。彼らは、まだ建設現場であり、見慣れない部屋や奇妙な設備、混乱したレイアウトで満たされている、ピカピカの新しい建物への移転を控えていました。準備のために、彼らはただマニュアルを読むだけではありませんでした。彼らは「トランスレーショナル・シミュレーション」を実施したのです。

これらのシミュレーションでは、スタッフは新しい建物での日常的なルーチンを歩いて確認しました。しかし、ここに巧妙な仕掛けがあります。実在の患者を使う代わりに、彼らは「病気のスヴェイン（Sick Svein）」という名前の段ボール製の患者人形を使用しました。なぜでしょうか？ もし実在の人間を使えば、全員が「その人」をどう治療するかに集中してしまうからです。しかし、段ボールの人形を使えば、全員は「環境」に集中し続けることができます。ドアが重すぎないか？ 看板は見やすいか？ チームはストレッチャーを素早く動かせるか？ それは、ドライバーが後部座席の泣いている赤ちゃんをどう扱うかをテストするのではなく、道路標識が明確かどうかを確認するために、運転試験でマネキンを使用するようなものです。

「何が悪かったか」から「これが解決策だ」へ

チームは、これらの練習走行をガイドするために、SAFE(E)-Rと呼ばれる手法を用いました。これはシンプルな会話の流れを表す、凝ったアクロニム（頭文字）です：

1. 要約 (Summarize): 「さて、今何が起きましたか？」
2. アンカー (Anchor): 「私たちは建物のチェックをしているのであって、人を責めているのではないことを忘れないようにしましょう」
3. 促進 (Facilitate): 彼らは「プラス／デルタ（Plus/Delta）」法を用いました。「プラス」はうまくいったこと（良い点）を意味し、「デルタ」は変える必要があること（問題点）を意味します。これにより、全員が前向きな気持ちを保ちながら、問題を特定することができました。
4. 探索 (Explore): なぜ何かが壊れているのかを深く掘り下げ、解決策をブレインストーミングしました。
5. 報告 (Report): これがゲームチェンジャーでした。ファシリテーターは、ただ話すだけでなく、即座にタブレットでデジタルフォームを入力しました。

このデジタルフォームこそが、魔法の杖でした。ファシリテーターが「送信」を押すと、報告は単にファイルに留まることはありませんでした。それは即座にユニットリーダーにメールを送り、病院のボスたちがリアルタイムで監視できる巨大なデジタルダッシュボード上に表示されました。それは、道路のあらゆる路面の凹凸（ポットホール）のライブフィードを持っているようなもので、車の走行が始まる前に道路作業員がそれらを修理できるようにするためのものでした。

データ：路面の凹凸を見つける

シミュレーション期間中（2025年8月から11月まで）、チームは31の異なる臨床ユニットでシミュレーションを実施しました。これには3,082人の参加者が関わり、新病院の全従業員にほぼ全員が加わりました。彼らは127件のレポートを提出し、その結果、改善が必要な263の具体的な領域と、191の提案された解決策が明らかになりました。

チームがすべてのデータを分析したところ、問題はランダムではないことがわかりました。それらは、ビデオゲームの最も一般的な5つのバグのように、5つの主要なカテゴリーに分類されました：

1. サインとオリエンテーション（案内と方向感覚）: （153件の言及）人々が迷っていました。看板が十分に明確ではありませんでした。
2. 設備: （66件の言及）物が足りなかったり、壊れていたり、間違った場所にあったりしました。
3. ドアとエレベーター: （55件の言及）ドアが閉まるのが速すぎたり、エレベーターが分かりにくかったりしました。
4. アラームとコミュニケーション: （55件の言及）ビープ音やブザー音が聞き取りにくかったり、理解しにくかったりしました。
5. ワークフローと役割: （42件の言及）人々は誰が何をすべきなのか確信が持てませんでした。

ある具体的な例は、このシステムがいかに強力であったかを示しています。最初の数週間の間に、多くのユニットのファシリテーターが、廊下の自動ドアがスタッフが患者のカートを押して通るには閉まるのが早すぎると報告し始めました。報告がデジタル化され集計されていたため、病院のリーダーたちはパターンを把握しました。7つの異なるユニットからの13件の報告が、7週間にわたって同じことを言っていたのです。病院は推測したのではなく、行動しました。2025年10月17日、彼らは、患者の経路にあるすべてのドアが、12秒間開いたままになるように再プログラムされたと発表しました。これは、シミュレーションによる「グリッチ報告」に基づいた直接的な修正でした。

これが何を意味するか（そして何を意味しないか）

著者らは、このシステム（構造化された対話とデジタル報告ツールの組み合わせ）は、大きな変化の過程で組織が学習し、問題を解決するのを助けるために有効であると示唆しています。人々に対して問題を報告するための明確な方法を与え、その問題が見られていることを示すことで、より多くの有用な情報が得られることがわかりました。「病気のスヴェイン」の段ボール人形は、意識を人ではなくシステムに向けさせるのに役立ち、デジタルダッシュボードは問題が無視されないようにしました。

しかし、論文はこれが完璧で証明された奇跡であると主張しているわけではないことに注意しています。著者らは、比較対象となるコントロールグループ（このシステムなしで移転した病院との比較）がなかったため、このシステムがすべての改善を「引き起こした」と断定することはできないと認めています。また、報告された数千語の文章を整理して主要なテーマを見つけるためにAIを使用したことについても触れており、人間がチェックを行ったとはいえ、AIが何かを見落としたり、分類をわずかに異なって行ったりする可能性は常にあります。

さらに、すべてのシミュレーションが必ずしも報告につながったわけではないことも指摘しています。ファシリテーターが報告を忘れたり、システムに不具合があったりした可能性があります。これは、彼らが持っているデータは報告されたもののスナップショットであり、存在する可能性のあるすべての問題を表しているわけではないことを意味します。

まとめ

結局のところ、この論文は、病院のような巨大で複雑なシステムを移転させる際には、単なる計画以上のもの、つまり現場の人々の声を聞く方法が必要であることを示唆しています。リハーサルをデータ収集ミッションに変えることで、スタヴァンゲルのチームは、実際の交通が始まる前に建物の「路面の凹凸」を見つけることができることを示しました。彼らは混沌とした移転を学習の機会へと変え、現場で働く人と意思決定を行う人の間に架け橋を築くことができれば、誰かが傷つく前に問題を滑らかに解消できることを証明しました。彼らが構築したフレームワークは現在、他の病院とも共有されており、この「デジタル・フィードバック・ループ」が、ヘルスケアにおける大きな変化に備えるための新しい標準になる可能性を示唆しています。