Routine Data for Workforce Equality Monitoring: Ethnic Inequalities in Recruitment and Workforce Representation in Nursing and Midwifery

这项基于苏格兰 NHS 行政数据的回顾性观察研究表明，常规数据能够有效生成可重复的指标，揭示并量化护理和助产领域在招聘录用及职级分布中存在的系统性种族不平等现象。

要点

这篇论文就像是一份**“职场体检报告”，但它检查的不是人的身体，而是苏格兰一家大型医院（NHS Lothian）里护士和助产士队伍的“公平性”**。

研究人员想搞清楚两个问题：

1. 进门难不难？（不同族裔的人，面试后拿到工作机会的概率一样吗？）
2. 爬梯快不快？（在同一个医院里，不同族裔的人，是不是都挤在底层，还是有人能爬到高层？）

为了回答这些问题，他们没有搞什么复杂的问卷调查，而是直接利用了医院日常记录的数据（就像查账本一样），看看能不能从中发现规律。

以下是用通俗的大白话和比喻为你拆解的核心内容：

1. 核心发现：一条“隐形”的滑梯

研究人员把护士的职位分成了三个等级（就像游戏的关卡）：

• 5 级（新手村）： 刚入职的注册护士。
• 6 级（进阶区）： 需要特殊技能或带小团队的资深护士。
• 7 级（大师区）： 专家或管理者。

他们发现了什么？

• 进门时的“温差”：
  想象一下，白人和非白人（主要是少数族裔）都去面试。结果发现，白人拿到“录用通知书”（Conditional Offer）的概率更高。

  • 这就好比两个同样努力的考生去考试，白人考生更容易拿到“录取通知书”。这种差距在 6 级和 7 级（高级职位）的面试中尤其明显。

• 职场里的“倒金字塔”：
  看看现在的员工分布：

  • 5 级（底层）： 非白人护士的比例很高（甚至超过了他们在总人数中的比例）。
  • 6 级和 7 级（高层）： 非白人护士的比例非常低。
  • 比喻： 这就像一座大楼，少数族裔员工都挤在一楼大厅，而电梯口（晋升通道）却很难上去，高层办公室里几乎看不到他们的身影。而且，这种状况在研究的这几年里几乎没有改变。

2. 研究方法：用“旧账本”算“新账”

以前，要研究这种不平等，可能需要专门发问卷、搞调查，既花钱又慢。

• 这项研究的创新点： 他们直接用了医院每天都在用的 HR 系统数据。
• 比喻： 就像你想看一家餐厅的生意好不好，不需要去问每个顾客，直接看收银台的流水账本就能算出来。
• 结论： 这种方法完全可行！日常的数据里藏着很多关于“公平性”的线索，只要你会算（用了“代表比率”和“相对风险”这些统计工具），就能算出哪里出了问题。

3. 为什么会这样？（“累积劣势”模型）

论文里提到了一个很形象的概念：“累积劣势”。

• 比喻： 想象一场马拉松。
  • 起跑时（5 级入职），少数族裔可能只比白人慢了一点点（或者刚进门就有点难）。
  • 但在中途（6 级晋升），如果每次晋升机会都少一点点，或者面试时稍微有点偏见，这点差距就会被放大。
  • 等到终点（7 级高管），这点小差距就变成了巨大的鸿沟。
  • 这就解释了为什么底层人多，高层人少——因为每一次“小关卡”的微小不公，累积起来就成了巨大的障碍。

4. 数据的“小瑕疵”

虽然数据很有用，但也不是完美的：

• 比喻： 就像老式的记账本，有时候字迹模糊，或者有些步骤（比如简历筛选阶段）没记清楚。
• 问题： 因为系统里有些记录不完整，研究人员只能分析“面试后”的数据，没法分析“简历筛选”阶段是否也有不公。但这并不影响他们发现：在面试这一关，确实存在差距。

5. 这对我们意味着什么？（行动指南）

这篇论文不仅仅是为了“发现问题”，更是为了“解决问题”：

• 不要只看不做： 以前医院可能只是每年发个报告说“我们有多样性”，但没深入分析。现在有了这种标准化的“体检指标”，医院可以像监测血压一样，定期监测“公平性”。
• 建立“标尺”： 就像英格兰有“ workforce Race Equality Standard (WRES)"（劳动力种族平等标准）一样，苏格兰（以及更多地方）需要建立类似的日常监测机制。
• 留住人才： 如果员工觉得晋升不公平，他们就会想离开。通过数据发现问题并改进，不仅能促进公平，还能留住更多优秀的护士，让医院运转得更好。

总结

这就好比给医院的“人才管道”做了一次X 光扫描。
扫描结果显示：管道入口（招聘）有点堵，管道中间（晋升）有点窄，导致少数族裔护士很难流到高层。
好消息是，我们不需要造新的管道，只需要利用现有的日常记录数据，就能清楚地看到哪里堵了，从而修好它，让水流（人才）更顺畅地流向各个层级。

一句话总结： 用日常数据就能发现职场不公，只要开始重视并定期“体检”，就能让护士队伍更公平、更稳定。

技术摘要

以下是基于该预印本论文《Routine Data for Workforce Equality Monitoring: Ethnic Inequalities in Recruitment and Workforce Representation in Nursing and Midwifery》（用于劳动力平等监测的常规数据：护理与助产士招聘及劳动力代表性中的种族不平等）的详细技术总结：

1. 研究背景与问题 (Problem)

• 核心问题：全球医疗系统面临护士和助产士队伍保留率下降的挑战，而感知到的职业晋升不公是导致员工满意度下降和离职率上升的关键因素。尽管存在关于少数族裔在医疗部门面临招聘和晋升障碍的报告，但缺乏系统、可比较的数据来追踪这些不平等的发生位置及其随时间的变化。
• 现状缺口：
  • 在英国英格兰，已有“劳动力种族平等标准”（WRES）框架进行系统性监测。
  • 在苏格兰，虽然公共部门有平等义务（PSED），但缺乏类似的国家级机制来系统监测劳动力中的种族不平等。
  • 现有数据存在质量参差不齐、报告碎片化以及缺乏常规国家综合的问题，导致难以进行跨组织基准测试或针对特定行动制定计划。
• 研究目标：利用常规收集的行政数据，检查护理和助产士在招聘结果和不同薪资等级（Pay Bands）中的劳动力代表性方面的种族不平等，并评估这些数据是否能生成可重复的劳动力平等监测指标。

2. 研究方法 (Methodology)

• 研究设计：回顾性观察研究（Retrospective observational study），遵循 STROBE 报告指南。
• 数据来源：苏格兰某 NHS 董事会（NHS Board）的常规行政数据。
  • 在职人员数据：2021/22 至 2024/25 财年的年度在职员工数据。
  • 招聘数据：2021/22 至 2023/24 财年的面试候选人及有条件录用通知（Conditional Job Offers）的汇总数据（来自 JobTrain 系统）。
• 研究对象：护理和助产士员工，重点关注 Band 5（注册执业入门级）、Band 6（专业/领导级）和 Band 7（高级专业/管理级）。
• 变量定义：
  • 暴露变量：种族类别（分为“白人”White 和“非白人”Non-White）。
  • 结果变量：
    1. 招聘成功率：面试后获得有条件录用通知的比例。
    2. 劳动力代表性：使用**代表性比率（Representation Quotients, RQs）**衡量。RQ = (某薪资等级中某亚组的比例) / (总劳动力中该亚组的比例)。RQ > 1 表示过度代表，RQ < 1 表示代表不足。
• 统计分析：
  • 描述性分析。
  • 计算相对风险（Relative Risks, RRs）及其 95% 置信区间（CI），比较白人与非白人申请人获得录用通知的概率。
  • 未进行多变量调整（Unadjusted），以提供与常规运营监测一致的透明描述性估计。
  • 排除数据缺失记录（完整案例分析）。

3. 关键贡献 (Key Contributions)

• 方法论创新：这是英国首个将“劳动力分布的代表性比率（RQ）”方法与“护理及助产士招聘结果差异分析”相结合的研究。这种配对方法将招聘阶段的差异与薪资等级分布的梯度联系起来，增强了监测力度。
• 数据实用性验证：证明了利用现有的、常规收集的行政数据（无需专门收集新数据）即可生成清晰、可重复的种族不平等监测指标。
• 填补区域空白：在缺乏苏格兰国家级劳动力平等监测框架的背景下，提供了一个基于单一 NHS 董事会数据的实证范例，展示了如何通过现有系统数据支持问责制和基准测试。

4. 主要研究结果 (Results)

• 招聘结果差异：
  • 在所有 examined 的薪资等级（Band 5, 6, 7）中，白人申请人获得有条件录用通知的可能性均显著高于非白人申请人。
  • Band 6（中级）：差异最为显著且恶化。2021/22 年的相对风险（RR）为 1.29，到 2023/24 年上升至 1.96（95% CI 1.41–2.72），表明白人候选人的录用优势在扩大。
  • Band 7（高级）：差异持续存在且显著（RR 约 2.10），表明非白人申请人在高级职位的招聘中面临巨大障碍。
  • Band 5（入门级）：尽管是入职点，仍存在显著差异（RR 1.15–1.37），且 2023/24 年非白人录用率大幅下降。
• 劳动力代表性差异：
  • Band 5：非白人员工过度代表（RQ 从 1.49 上升至 1.56），2024/25 年占比达 14%。
  • Band 6 & 7：非白人员工严重代表不足。2024/25 年，非白人仅占 Band 6 的 4% 和 Band 7 的 2%（RQ 分别为 0.48 和 0.22）。
  • 趋势：这种“入口过度代表，高层严重不足”的梯度模式在整个研究期间（2021-2025）几乎没有变化，表明职业晋升存在累积劣势。
• 数据局限性发现：国家申请人跟踪系统（JobTrain）中“短名单”或“有条件录用”状态字段的使用不一致，导致无法分析简历筛选和短名单阶段的潜在不平等，仅能可靠分析面试阶段。

5. 研究意义与启示 (Significance)

• 政策与实践意义：
  • 监测机制：研究证明，无需建立全新的数据收集系统，只需对现有行政数据进行标准化分析和报告，即可有效监测种族不平等。
  • 问责制：建议苏格兰建立类似英格兰 WRES 的国家框架，将此类标准化指标嵌入常规劳动力监测中，以加强组织问责、基准测试和针对性行动。
  • 可持续性：改善劳动力包容性和公平性不仅关乎社会正义，还直接关系到员工保留率、工作满意度以及最终的医疗护理质量。
• 局限性：
  • 数据来自单一 NHS 董事会，不能直接代表全苏格兰情况。
  • 种族数据存在缺失（3.9%-7.6%），且可能并非随机缺失（少数族裔缺失率可能更高），导致观察到的差异可能被低估（保守估计）。
  • 横截面数据无法追踪个人职业轨迹或确立因果关系。
• 未来方向：需要在多个组织和国家背景下验证该方法，改进数据质量（特别是招聘阶段的状态记录），并建立纵向数据链接以追踪职业晋升路径。

总结：该研究利用常规行政数据揭示了苏格兰护理和助产士队伍中存在的系统性种族不平等，表现为非白人员工在入门级过度代表，而在高级职位严重代表不足，且在招聘面试后的录用环节面临显著劣势。研究呼吁利用现有数据建立标准化的监测框架，以推动医疗系统的公平性和可持续性。