预约爽约率

预约爽约率（也称为"未到诊"率，DNA）是指患者既未到诊、也未提前合理时间取消的预约占已排定预约的比例。这是医疗领域最古老的运营指标之一，而数字化工具——尤其是提醒、自助改期和基于门户的预约——如今是减少爽约最有效、也最有循证证据支持的手段之一。

为何重要

每一次爽约都意味着一份通常无法挽回的临床产能，因为大多数服务无法在短时间内填补当天空出的名额，因此该比率直接影响候诊名单长度、每次完成诊疗的成本，以及临床医生损失的时间。爽约行为的分布并不均匀：它与贫困程度、交通可及性、照护责任以及应对多重长期病症的负担相关，因此仅将高爽约率视为患者行为问题，而不将其部分视为可及性障碍的信号，往往会催生出（例如一刀切的处罚等）加剧不公平而非缓解不公平的干预措施。数字提醒和便捷的数字化改期，一直是现有最有效、成本最低的干预手段之一，这正是该指标理应纳入数字健康测量项目、而不仅仅是运营报告的原因。

计算方法

爽约率 = 被标记为"未到诊"的预约数 / 已排定预约总数 × 100

如果一次已排定的预约由任一方在规定的提前通知期（通常为 24 小时）之前取消，通常会将其从分母中剔除，或归入单独的类别。低于该通知期的临时取消通常与真正的爽约分开报告，因为二者在运营和行为层面的含义不同。

实例解析

某社区诊所一个月内排定了 2,000 次预约。其中 140 次在提前超过 24 小时被取消（已重新预约并从分母中剔除），60 次为临时取消（不足 24 小时），180 次被记录为完全没有任何联系的真正爽约。爽约率为 180 / 2,000 × 100 = 9%。如果将这 60 次临时取消并入真正爽约的同一类别，报告的比率将升至 12%，这正是为何在给出数字的同时，必须始终说明所采用的定义。

数据来源与注意事项

排班或诊所管理系统是主要数据来源，依据其预约状态代码；该指标的质量完全取决于工作人员是否始终一致地使用正确的状态，而不是把所有情况都归入笼统的"已取消"类别。引入数字提醒（短信、应用推送通知或门户提醒）的机构，应在患者与服务构成可比的情况下，比较变更前后的爽约率，因为提醒的有效性已在随机和观察性研究中得到充分记录，但会因人群和渠道而异。

常见误区

• 在超额预约做法不同的诊所之间比较原始比率：为弥补预期爽约率而刻意超额预约的诊所，与不这样做的诊所相比，会呈现不同的表观比率，而这与患者真实行为无关。
• 将临时取消与真正爽约混为一谈：二者成因不同，数字化解决方案也不同（临时取消问题通常可通过更便捷的自助改期解决；真正的爽约问题通常需要更好的提醒和联系方式准确性来解决）。
• 出院政策带来的幸存者偏差：反复爽约后便让患者出院的服务，其自身比率会机械性地改善，而实际上只是将同样的患者转移到了系统的其他地方。
• 将数字排斥归咎于患者：没有智能手机或可靠短信服务的患者无法从纯数字提醒策略中受益，因此通常需要多渠道方式（信件、电话、短信、应用）以避免扩大可及性差距。

参考来源

• NHS England，全科医疗与门诊护理中错过预约的公开统计与指南
• Cochrane 关于减少医疗预约错过干预措施（包括提醒系统）的系统综述
• 关于预约缺席的社会经济与人口学相关因素的同行评审文献

另请参阅：远程医疗就诊率，因为爽约行为常因会诊方式而异；以及患者门户采纳率，因为基于门户的自助预约和提醒是这一领域的主要数字化干预手段。