现任及前任护士在YouTube讲述“Taeum”经历
听力受损甚至辞职……“连续3天每天11小时遭受‘Taeum’”
蔓延至中等资历者的“层层训斥”结构
一名前大学医院护士证言称,自己因“Taeum”导致听力受损,最终离开医院。所谓“Taeum”,是指资深护士以指导新护士为名实施的霸凌行为。
英国广播公司面向韩国提供服务的“BBC新闻韩国”YouTube频道于本月17日发布了一段视频,3名现任及前任护士出镜讲述自身遭遇“Taeum”的经历。出演者认为,“Taeum”并非个人之间的矛盾,而是一种长期反复存在的组织文化。
前大学医院护士Shin Hyeju称,在被一名前辈盯上后,自己在走廊遭到训斥时,耳内突然出现声响,一侧耳朵随即失去听力。这是压力性耳聋。在此之前,Shin Hyeju曾多次向护士长请求面谈辞职,并倾诉自己因两名前辈而备受煎熬,但医院采取的措施却是将她与那两人安排进同一个夜班小组。Shin Hyeju表示:“连续3天、每天长达11小时遭受‘Taeum’,让我觉得自己实在无法继续下去。”最终,她辞去了医院的工作。
从业9年的精神病院护士Kim Joohee透露:“我在担任新护士时,曾在重症监护室遭到辱骂。”入职不久后,曾掐她后颈的前辈,还是与她同校的学姐。Kim Joohee称:“上学时我们关系很普通,到了医院后却完全变了,简直判若两人。”她还回忆称,自己因工作处理缓慢,被告知“从现在开始计时,你给我做好”,并曾在患者面前遭到催促。Kim Joohee坦言:“每天早晨醒来时,我都会想,宁愿不要去上班。”
“吃饭也按工龄排”……“患者安全”甚至成为合理化“Taeum”的借口
等级文化在工作之外同样存在。Kim Joohee表示:“午餐时间,我曾见过大家按照工龄排队吃饭。”如果资历最浅的人站在队伍中间,就会被要求站到最后。
“Taeum”并非只针对新护士。拥有10年资历的大学医院护士Lee Sohyeon表示:“工作10年的护士属于中等资历。高资历护士无法直接针对新人,便会向中等资历护士施压,质问‘你不管理下面那些人,在干什么’。”这种所谓的“层层训斥”结构,使中等资历护士同时成为施暴者和受害者。
还有观点指出,“患者安全”被用作合理化“Taeum”的名义。Kim Joohee称:“‘喂,患者会因为你而死。你想害死人吗?’这样的话,会成为向新护士施压的手段。”新护士担心患者可能因自己而出事,甚至会自责认为“即使遭受‘Taeum’也是活该”。
人手不足加剧“Taeum”……“每人负责4至5名患者时,第一次看见同事笑了”
出演者将人手不足列为“Taeum”反复发生的首要原因。Lee Sohyeon表示:“我刚入职时,同期护士每人最多要负责80名患者,疗养医院甚至要负责100名。”相反,在因医政矛盾导致患者数量减少的时期,每人仅负责4至5名患者,她们才第一次能下楼到餐厅吃饭、喝咖啡。Lee Sohyeon称:“那时我第一次看见同事笑了。”
培训期过短也被认为是问题。Kim Joohee指出,自己所在医院对新护士的培训为期3个月,看似相对较长且较为系统,但实际上远远不够。她认为,让护士在直接照顾患者的过程中接受培训,这种结构本身就存在矛盾。
要求通过法律规定每名护士负责患者数量的呼声,也在国会出现。共同民主党议员李秀珍于2026年7月代表提出的《护士法》修正案规定,保健福祉部应综合医疗机构及患者特征、工作形式等制定人员配置标准,并要求医疗机构公开配置现状。该法案提出时援引的数据显示,韩国高级综合医院每名护士平均负责16.3名患者。美国加利福尼亚州法律规定,普通病房每名护士负责5名患者;加拿大不列颠哥伦比亚省和澳大利亚维多利亚州则规定为4名。国家人权委员会也曾于2023年建议保健福祉部,综合医疗机构类别及不同病房的特点,在法令中规定每名护士最多负责的患者人数。
不过,也有观点指出,若标准过于宽松,便无法发挥实际效力。Lee Sohyeon称:“希望能制定符合现实的数字。在每人负责12至13名患者都已疲于奔命的情况下,即使将‘1比10’写入法律,也不会与现在有什么不同。”
医疗界部分人士则反驳称,依法固定每名护士负责的患者人数本身并不现实。其理由是,医疗机构类型、病房形式以及各诊疗科患者的病情严重程度不同,护理需求差异很大,难以量化;形式化标准也可能无法产生实际效果。
不过,变化的迹象也开始显现。出演者称,与过去不同,新护士如今不会再一味忍受不合理指示。随着出现对前辈情绪化指责进行反驳的所谓“反向Taeum”,原本实施“Taeum”的人也会收手。Kim Joohee认为,这是一种积极变化:“对自己认为不合理的事情表达意见,本来就是理所当然的。”但局限依然存在。Lee Sohyeon称:“低资历护士的力量还不足以拒绝接手前辈交接的工作。所有文化都必须从上而下改变,才能迅速转变。”
版权所有 © 阿视亚经济。未经许可不得转载,禁止用于AI训练及使用。