Luận văn thạc sĩ công nghệ thông tin đánh giá sự tương quan giữa các nhóm thuốc và bệnh suy tim dựa vào phương pháp phân tích dữ liệu

Luận văn thạc sĩ công nghệ thông tin phân tích sự tương quan giữa các nhóm thuốc và bệnh suy tim qua phương pháp phân tích dữ liệu.

• Tác giả: Nguyễn Cao Thắng
• Người hướng dẫn: TS. Nguyễn Gia Tuấn Anh
• Trường học: Đại học Quốc gia TP. Hồ Chí Minh
• Chuyên ngành: Công nghệ thông tin
• Đề tài: Đánh Giá Tương Quan Giữa Các Nhóm Thuốc và Bệnh Suy Tim
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2024
• Địa điểm: Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM KẾT
• LỜI CẢM ƠN
• 1. CHƯƠNG I: GIỚI THIỆU
• 1.1. Giới thiệu Viện Tim Thành phố Hồ Chí Minh
• 1.2. Giới thiệu bệnh suy tim
• 1.2.1. Bệnh suy tim
• 1.2.2. Các giai đoạn bệnh suy tim
• 1.2.3. Các yếu tố nguy cơ bệnh suy tim
• 1.2.4. Dấu hiệu và triệu chứng lâm sàng bệnh suy tim
• 1.3. Mục tiêu, đối tượng và phạm vi nghiên cứu
• 1.3.1. Mục tiêu nghiên cứu
• 1.3.2. Đối tượng nghiên cứu
• 1.3.3. Phạm vi nghiên cứu
• 1.3.4. Khả năng mở rộng
• 1.3.5. Các nghiên cứu có liên quan
• 1.3.6. Cấu trúc của luận văn Thạc sĩ
• 2. CHƯƠNG II: THU THẬP VÀ XỬ LÝ DỮ LIỆU
• 2.1. Thu thập dữ liệu
• 2.2. Tiền xử lý dữ liệu
• 2.3. Hệ số tương quan. Các loại hình phân tích dữ liệu
• 2.3.1. Phân tích thống kê mô tả
• 2.3.2. Phân tích chẩn đoán bệnh
• 2.3.3. Phân tích dự đoán
• 2.3.4. Phân tích đề xuất
• 2.4. Các kỹ thuật phân tích dữ liệu
• 2.4.1. Kỹ thuật phân cụm
• 2.4.2. Thống kê suy luận
• 2.4.3. Thống kê mô tả
• 2.4.4. Hồi quy tuyến tính đơn giản
• 2.4.5. Hồi quy logistic
• 2.4.6. Phương pháp kiểm định trị số P
• 2.4.6.1. Khái niệm
• 2.4.6.2. Giá trị P-Value
• 2.4.6.3. Kiểm định giả thiết
• 2.4.7. Phân tích dữ liệu bằng biểu đồ
• 2.4.8. Các phần mềm hỗ trợ phân tích dữ liệu
• 2.4.8.1. Giới thiệu về RStudio
• 3. CHƯƠNG III: KẾT QUẢ THỰC HIỆN
• 3.1. Giới thiệu bộ dữ liệu
• 3.2. Làm sạch dữ liệu
• 3.3. Mô hình áp dụng cho các tập dữ liệu
• 3.4. Kết quả quá trình phân tích dữ liệu
• 3.4.1. Cài đặt gói packages liên quan và đọc file excel dữ liệu
• 3.4.2. Đánh giá mối liên hệ giữa bệnh hở van 2-3 lá với hở van DMC
• 3.4.3. Đánh giá về giới tính ảnh hưởng đến các triệu chứng bệnh về tim
• 3.4.4. Đánh giá về tuổi tác ảnh hưởng đến các triệu chứng bệnh về tim
• 3.4.5. Đánh giá sự hiệu quả và thông dụng của các loại thuốc được kê đơn
• 3.4.6. Đánh giá sự phân bố của loại thuốc Acenocoumarol theo bệnh nhân số 1 - Phạm Thị Huỳnh Hoa
• 3.4.7. Đánh giá sự hiệu quả thuốc các loại thuốc lên bệnh suy tim của tệp bệnh nhân
• 3.4.8. Đánh giá thuốc ảnh hưởng theo hướng tốt lên bệnh suy tim
• 3.4.9. Đánh giá thuốc ảnh hưởng theo hướng xấu đi lên bệnh suy tim
• 3.4.10. Đánh giá thuốc ảnh hưởng theo hướng không tốt cũng không xấu đi lên bệnh suy tim
• 4. CHƯƠNG IV: KẾT LUẬN - HƯỚNG PHÁT TRIỂN
• 4.1. Kết luận
• 4.2. Hướng phát triển
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Bệnh Suy Tim và Tương Quan Với Thuốc Điều Trị

Suy tim là một bệnh lý tim mạch nghiêm trọng, ảnh hưởng đến hàng triệu người trên toàn thế giới. Bệnh gây ra các triệu chứng như khó thở, mệt mỏi, và phù nề, ảnh hưởng lớn đến chất lượng cuộc sống. Việc điều trị suy tim thường bao gồm sử dụng thuốc để cải thiện chức năng tim, kiểm soát triệu chứng, và kéo dài tuổi thọ. Tuy nhiên, việc lựa chọn và sử dụng thuốc cần được cân nhắc kỹ lưỡng, bởi vì một số loại thuốc có thể gây ra hoặc làm trầm trọng thêm tình trạng suy tim. Nghiên cứu về tương quan thuốc và suy tim là rất quan trọng để tối ưu hóa phác đồ điều trị và giảm thiểu các tác dụng phụ. Bài viết này sẽ đánh giá liên hệ giữa thuốc và bệnh suy tim dựa trên phân tích dữ liệu thực tế từ Viện Tim TP.HCM.

1.1. Định nghĩa và Phân loại Bệnh Suy Tim Theo Giai Đoạn

Suy tim được định nghĩa là tình trạng tim không thể bơm đủ máu để đáp ứng nhu cầu của cơ thể. Bệnh thường được phân loại theo Hiệp hội Tim mạch New York (NYHA) thành 4 giai đoạn, từ I (không triệu chứng) đến IV (triệu chứng nghiêm trọng ngay cả khi nghỉ ngơi). Việc phân loại này giúp bác sĩ đánh giá mức độ nghiêm trọng của bệnh và lựa chọn phương pháp điều trị phù hợp. Các giai đoạn khác nhau đòi hỏi các phác đồ điều trị suy tim bằng thuốc khác nhau, nhấn mạnh tầm quan trọng của việc chẩn đoán chính xác.

1.2. Các Yếu Tố Nguy Cơ Chính Gây Ra Bệnh Suy Tim

Nhiều yếu tố có thể góp phần vào sự phát triển của suy tim, bao gồm bệnh động mạch vành, tăng huyết áp, bệnh tiểu đường, bệnh van tim, và rối loạn nhịp tim. Các yếu tố lối sống như hút thuốc, béo phì, và lạm dụng rượu cũng có thể làm tăng nguy cơ suy tim. Theo tài liệu từ Viện Tim, có mối liên quan đáng kể giữa tiền sử bệnh tim mạch và nguy cơ mắc suy tim sau này.

II. Thách Thức Trong Đánh Giá Ảnh Hưởng Của Thuốc Lên Suy Tim

Việc đánh giá chính xác ảnh hưởng của thuốc lên suy tim là một thách thức lớn. Nhiều bệnh nhân suy tim có nhiều bệnh lý đi kèm và sử dụng nhiều loại thuốc khác nhau, làm phức tạp việc xác định nguyên nhân và hậu quả. Tác dụng phụ của thuốc và tác dụng phụ tim mạch có thể không rõ ràng, và có thể mất thời gian để nhận ra mối liên hệ. Ngoài ra, các nghiên cứu về tương tác thuốc trong điều trị suy tim còn hạn chế, khiến việc đưa ra quyết định điều trị trở nên khó khăn hơn. Việc phân tích dữ liệu lớn và ứng dụng các phương pháp thống kê hiện đại là cần thiết để vượt qua những thách thức này.

2.1. Vấn Đề Đa Bệnh Lý và Sử Dụng Nhiều Loại Thuốc Đồng Thời

Bệnh nhân suy tim thường mắc kèm nhiều bệnh lý khác như tăng huyết áp, tiểu đường, bệnh thận mạn tính. Việc điều trị các bệnh này đòi hỏi sử dụng nhiều loại thuốc đồng thời, làm tăng nguy cơ tương tác thuốc và tác dụng phụ. Việc xác định thuốc nào gây ra hoặc làm trầm trọng thêm tình trạng suy tim trở nên rất phức tạp. Nghiên cứu cần tập trung vào việc đánh giá ảnh hưởng của từng loại thuốc và sự kết hợp của chúng.

2.2. Khó Khăn Trong Việc Xác Định Tác Dụng Phụ Tim Mạch Của Thuốc

Một số loại thuốc có thể gây ra tác dụng phụ tim mạch như tăng nhịp tim, hạ huyết áp, hoặc kéo dài khoảng QT. Tuy nhiên, các tác dụng phụ này có thể không rõ ràng và có thể bị nhầm lẫn với các triệu chứng của suy tim. Việc theo dõi chặt chẽ bệnh nhân và sử dụng các công cụ chẩn đoán như điện tâm đồ (ECG) là cần thiết để phát hiện sớm các tác dụng phụ tim mạch. Theo dõi bệnh nhân suy tim là một phần quan trọng trong quản lý bệnh.

2.3. Thiếu Nghiên Cứu Về Tương Tác Thuốc Trong Bối Cảnh Suy Tim

Nghiên cứu về tương tác thuốc trong điều trị suy tim còn hạn chế, đặc biệt là đối với các loại thuốc mới. Các tương tác thuốc có thể làm tăng nguy cơ tác dụng phụ hoặc làm giảm hiệu quả của thuốc điều trị suy tim. Bác sĩ cần thận trọng khi kê đơn thuốc cho bệnh nhân suy tim và nên tham khảo các nguồn thông tin đáng tin cậy về tương tác thuốc.

III. Phương Pháp Đánh Giá Tương Quan Giữa Các Nhóm Thuốc và Suy Tim

Đánh giá tương quan giữa các nhóm thuốc và bệnh suy tim đòi hỏi sử dụng các phương pháp nghiên cứu khoa học và phân tích dữ liệu phù hợp. Nghiên cứu có thể sử dụng thiết kế quan sát (ví dụ: nghiên cứu đoàn hệ, nghiên cứu bệnh chứng) hoặc thiết kế can thiệp (ví dụ: thử nghiệm lâm sàng). Các phương pháp thống kê như hồi quy logistic, phân tích sống còn, và mô hình hóa tuyến tính có thể được sử dụng để phân tích dữ liệu và xác định mối liên hệ giữa các loại thuốc và nguy cơ suy tim. Phân tích dữ liệu phải dựa trên các dữ liệu thu thập được, từ đó giúp bác sỹ đưa ra các quyết định phù hợp cho việc điều trị bệnh.

3.1. Thu Thập và Tiền Xử Lý Dữ Liệu Từ Hồ Sơ Bệnh Án Điện Tử

Việc thu thập dữ liệu từ hồ sơ bệnh án điện tử (EHR) là bước quan trọng trong quá trình nghiên cứu. Dữ liệu cần được thu thập bao gồm thông tin về tiền sử bệnh, các yếu tố nguy cơ, kết quả xét nghiệm, danh sách thuốc sử dụng, và các biến cố tim mạch. Dữ liệu cần được tiền xử lý để đảm bảo tính chính xác và đầy đủ, bao gồm làm sạch dữ liệu, xử lý dữ liệu thiếu, và mã hóa dữ liệu. Theo TS. Nguyễn Gia Tuấn Anh, tiền xử lý dữ liệu đóng vai trò then chốt trong việc đảm bảo chất lượng phân tích.

3.2. Sử Dụng Các Phương Pháp Thống Kê Để Phân Tích Dữ Liệu

Các phương pháp thống kê như hồi quy logistic, phân tích sống còn, và mô hình hóa tuyến tính có thể được sử dụng để phân tích dữ liệu và xác định mối liên hệ giữa các loại thuốc và nguy cơ suy tim. Hồi quy logistic được sử dụng để đánh giá mối liên hệ giữa các yếu tố nguy cơ và khả năng mắc suy tim. Phân tích sống còn được sử dụng để đánh giá thời gian sống sót của bệnh nhân suy tim. Mô hình hóa tuyến tính được sử dụng để đánh giá ảnh hưởng của thuốc lên các chỉ số tim mạch.

3.3. Ứng Dụng Machine Learning Trong Phân Tích Tương Quan Thuốc và Suy Tim

Các thuật toán machine learning (ML) như cây quyết định, rừng ngẫu nhiên, và mạng nơ-ron có thể được sử dụng để dự đoán nguy cơ suy tim và xác định các yếu tố dự báo quan trọng. ML có thể giúp phát hiện ra các mối liên hệ phức tạp giữa các loại thuốc và suy tim mà các phương pháp thống kê truyền thống không thể phát hiện được. Theo nghiên cứu, ML có tiềm năng cải thiện độ chính xác của việc dự đoán nguy cơ suy tim.

IV. Kết Quả Nghiên Cứu và Ứng Dụng Thực Tiễn Thuốc Suy Tim

Nghiên cứu về tương quan thuốc và suy tim có thể mang lại những kết quả quan trọng trong việc cải thiện chăm sóc sức khỏe và điều trị bệnh lý. Kết quả nghiên cứu có thể giúp bác sĩ lựa chọn thuốc phù hợp, điều chỉnh liều lượng, và theo dõi chặt chẽ bệnh nhân để giảm thiểu nguy cơ tác dụng phụ. Ngoài ra, kết quả nghiên cứu có thể cung cấp thông tin cho việc phát triển các hướng dẫn lâm sàng và các chương trình giáo dục bệnh nhân. Các bác sỹ cần đưa ra các chống chỉ định thuốc trong suy tim để giảm thiểu tối đa các rủi ro có thể xảy ra.

4.1. Xác Định Các Loại Thuốc Có Thể Gây Suy Tim Hoặc Làm Trầm Trọng Bệnh

Một số loại thuốc, như thuốc chống viêm không steroid (NSAIDs), thuốc chẹn beta (trong một số trường hợp), và một số loại thuốc điều trị tiểu đường, có thể gây ra hoặc làm trầm trọng thêm tình trạng suy tim. NSAIDs có thể gây giữ nước và tăng huyết áp, làm tăng gánh nặng cho tim. Thuốc chẹn beta có thể làm giảm nhịp tim và co bóp tim, có thể gây ra suy tim ở một số bệnh nhân. Cần thận trọng khi sử dụng các loại thuốc này ở bệnh nhân suy tim.

4.2. Đánh Giá Hiệu Quả Và Tính An Toàn Của Thuốc Điều Trị Suy Tim

Nghiên cứu cần đánh giá hiệu quả và tính an toàn của các loại thuốc điều trị suy tim, như thuốc ức chế men chuyển angiotensin (ACEI), thuốc chẹn thụ thể angiotensin II (ARB), thuốc ức chế neprilysin thụ thể angiotensin (ARNI), thuốc chẹn beta (chọn lọc), thuốc lợi tiểu, và thuốc ức chế SGLT2. ACEI, ARB, và ARNI giúp giảm huyết áp và bảo vệ tim. Thuốc chẹn beta giúp giảm nhịp tim và cải thiện chức năng tim. Thuốc lợi tiểu giúp giảm giữ nước và phù nề. Thuốc ức chế SGLT2 có tác dụng bảo vệ tim và thận.

4.3. Ứng Dụng Kết Quả Nghiên Cứu Vào Thực Hành Lâm Sàng Để Tối Ưu Hóa Điều Trị

Kết quả nghiên cứu cần được ứng dụng vào thực hành lâm sàng để tối ưu hóa điều trị suy tim. Bác sĩ cần sử dụng thông tin về tương quan thuốc và suy tim để lựa chọn thuốc phù hợp, điều chỉnh liều lượng, và theo dõi chặt chẽ bệnh nhân. Hướng dẫn lâm sàng cần được cập nhật thường xuyên để phản ánh những tiến bộ mới nhất trong điều trị suy tim. Giáo dục bệnh nhân cũng rất quan trọng để giúp bệnh nhân hiểu rõ về bệnh của mình và tuân thủ điều trị.

V. Kết Luận và Hướng Nghiên Cứu Tiếp Theo Về Tương Quan Thuốc

Nghiên cứu về tương quan thuốc và suy tim là một lĩnh vực quan trọng và đầy thách thức. Các phương pháp nghiên cứu khoa học và phân tích dữ liệu phù hợp có thể giúp xác định các loại thuốc có thể gây ra hoặc làm trầm trọng thêm tình trạng suy tim, cũng như đánh giá hiệu quả và tính an toàn của thuốc điều trị suy tim. Kết quả nghiên cứu có thể được ứng dụng vào thực hành lâm sàng để tối ưu hóa điều trị và cải thiện chất lượng cuộc sống cho bệnh nhân suy tim. Quản lý thuốc cho bệnh nhân suy tim là một phần quan trọng trong chăm sóc sức khỏe.

5.1. Tóm Tắt Những Phát Hiện Quan Trọng Từ Nghiên Cứu

Nghiên cứu đã xác định một số loại thuốc có thể gây ra hoặc làm trầm trọng thêm tình trạng suy tim, như NSAIDs và một số loại thuốc điều trị tiểu đường. Nghiên cứu cũng đã đánh giá hiệu quả và tính an toàn của các loại thuốc điều trị suy tim, như ACEI, ARB, ARNI, thuốc chẹn beta, thuốc lợi tiểu, và thuốc ức chế SGLT2. Kết quả nghiên cứu cho thấy cần thận trọng khi sử dụng các loại thuốc có nguy cơ gây suy tim ở bệnh nhân suy tim.

5.2. Đề Xuất Các Hướng Nghiên Cứu Tiếp Theo Trong Tương Lai

Các hướng nghiên cứu tiếp theo cần tập trung vào việc đánh giá dược lý học tim mạch ảnh hưởng như thế nào lên hiệu quả của các loại thuốc điều trị. Nghiên cứu cũng cần tập trung vào việc phát triển các phương pháp dự đoán nguy cơ suy tim và xác định các yếu tố dự báo quan trọng. Nghiên cứu cần được thực hiện trên các quần thể bệnh nhân đa dạng để đảm bảo tính tổng quát của kết quả. Bên cạnh đó cần quan tâm đến các loại thuốc có thể làm nặng thêm bệnh suy tim.

Nội dung chính

Tổng quan nghiên cứu

Bệnh suy tim là một trong những bệnh lý tim mạch phổ biến và nguy hiểm, ảnh hưởng đến hàng triệu người trên toàn thế giới, trong đó có Việt Nam. Theo ước tính, từ năm 2017 đến 2023, Viện Tim Thành phố Hồ Chí Minh đã tiếp nhận hơn 24.700 lượt khám của khoảng 3.500 bệnh nhân suy tim, với hơn 145.000 lần kê đơn thuốc điều trị. Suy tim gây ra các triệu chứng như khó thở, đau ngực, mệt mỏi, ảnh hưởng nghiêm trọng đến chất lượng cuộc sống và có thể dẫn đến tử vong nếu không được điều trị kịp thời và hiệu quả.

Nghiên cứu này nhằm đánh giá sự tương quan giữa các nhóm thuốc và bệnh suy tim dựa trên phương pháp phân tích dữ liệu thu thập từ hồ sơ bệnh án điện tử của bệnh nhân tại Viện Tim TP. Hồ Chí Minh trong giai đoạn 2017-2023. Mục tiêu cụ thể là xác định mối quan hệ giữa các nhóm thuốc được sử dụng và tiến triển của bệnh suy tim, đồng thời đề xuất các phác đồ điều trị tối ưu dựa trên dữ liệu thực tế. Phạm vi nghiên cứu tập trung vào phân tích dữ liệu lâm sàng, thông tin thuốc và kết quả điều trị của bệnh nhân suy tim tại Viện Tim TP. Hồ Chí Minh.

Việc nghiên cứu có ý nghĩa quan trọng trong việc nâng cao hiệu quả điều trị, hỗ trợ bác sĩ ra quyết định chính xác hơn, đồng thời góp phần phát triển y tế thông minh và quản lý bệnh viện hiện đại. Kết quả nghiên cứu cũng mở ra khả năng áp dụng phương pháp phân tích dữ liệu cho các bệnh lý tim mạch khác và các cơ sở y tế trong nước.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu dựa trên các lý thuyết và mô hình phân tích dữ liệu y học, bao gồm:

• Lý thuyết thống kê mô tả: Giúp mô tả đặc điểm cơ bản của dữ liệu bệnh nhân, phân bố bệnh theo độ tuổi, giới tính, địa phương và nhóm thuốc sử dụng.
• Phân tích tương quan Pearson: Đánh giá mức độ liên hệ tuyến tính giữa các biến số như nhóm thuốc và tiến triển bệnh suy tim.
• Mô hình hồi quy logistic: Dự đoán xác suất tác động của từng nhóm thuốc lên kết quả điều trị suy tim, phân loại bệnh nhân theo mức độ đáp ứng thuốc.
• Phân tích phân cụm (clustering): Phân nhóm bệnh nhân dựa trên đặc điểm lâm sàng và phác đồ thuốc, nhằm phát hiện các mẫu điều trị hiệu quả.
• Phân tích kiểm định giả thuyết và trị số p: Xác định tính thống kê của các mối liên hệ và hiệu quả thuốc.

Các khái niệm chính bao gồm: bệnh suy tim, nhóm thuốc điều trị (ức chế men chuyển, ức chế thụ thể, lợi tiểu kháng aldosterone, thuốc chẹn beta), chỉ số chức năng tim, và các chỉ số xét nghiệm cận lâm sàng.

Phương pháp nghiên cứu

Nguồn dữ liệu chính là hồ sơ bệnh án điện tử của 3.502 bệnh nhân suy tim với 24.741 lượt khám và 145.111 lần kê đơn thuốc tại Viện Tim TP. Hồ Chí Minh từ năm 2017 đến 2023. Dữ liệu bao gồm thông tin hành chính, chẩn đoán bệnh, kết quả xét nghiệm, hình ảnh cận lâm sàng và toa thuốc.

Quá trình nghiên cứu gồm các bước:

• Thu thập dữ liệu: Trích xuất dữ liệu từ phần mềm quản lý bệnh viện, đảm bảo tuân thủ quy định bảo mật và pháp luật.
• Tiền xử lý dữ liệu: Làm sạch, loại bỏ dữ liệu thiếu, sai sót, chuẩn hóa định dạng, tách thông tin phức tạp trong chẩn đoán bệnh.
• Phân tích dữ liệu: Sử dụng phần mềm R và RStudio để thực hiện các phân tích thống kê mô tả, hồi quy logistic, phân cụm và kiểm định giả thuyết.
• Thời gian nghiên cứu: Từ năm 2023 đến đầu năm 2024, tập trung xử lý và phân tích dữ liệu trong vòng 6 tháng.

Cỡ mẫu lớn và dữ liệu đa dạng giúp đảm bảo độ tin cậy và tính đại diện cho kết quả nghiên cứu. Phương pháp phân tích kết hợp thống kê cổ điển và kỹ thuật máy học nhằm khai thác tối đa thông tin từ dữ liệu lâm sàng.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Phân bố bệnh nhân theo giới tính và độ tuổi: Nam giới chiếm khoảng 60% tổng số bệnh nhân suy tim, trong khi nữ chiếm 40%. Nhóm tuổi từ 50 đến 70 chiếm hơn 55% tổng số bệnh nhân, cho thấy lão hóa là yếu tố nguy cơ quan trọng.

2. Mối liên hệ giữa nhóm thuốc và tiến triển bệnh: Thuốc ức chế men chuyển và thuốc chẹn beta được kê đơn phổ biến nhất, chiếm lần lượt 45% và 30% tổng số toa thuốc. Hồi quy logistic cho thấy nhóm thuốc ức chế men chuyển có tác động tích cực rõ rệt đến cải thiện chức năng tim với hệ số tương quan Pearson đạt 0.65 (p < 0.01).

3. Hiệu quả điều trị theo nhóm thuốc: Khoảng 70% bệnh nhân sử dụng nhóm thuốc lợi tiểu kháng aldosterone có cải thiện triệu chứng khó thở và phù nề sau 3 tháng điều trị. Ngược lại, nhóm thuốc ức chế kép có tỷ lệ bệnh nhân không đáp ứng lên đến 25%, cần xem xét điều chỉnh phác đồ.

4. Phân cụm bệnh nhân theo đặc điểm lâm sàng và thuốc sử dụng: Phân tích phân cụm xác định 4 nhóm bệnh nhân với các đặc điểm và phản ứng thuốc khác nhau, giúp cá nhân hóa điều trị hiệu quả hơn.

Thảo luận kết quả

Kết quả nghiên cứu cho thấy sự tương quan chặt chẽ giữa các nhóm thuốc và tiến triển bệnh suy tim, phù hợp với các nghiên cứu trước đây trong lĩnh vực tim mạch. Việc sử dụng thuốc ức chế men chuyển và thuốc chẹn beta được khuyến cáo trong nhiều hướng dẫn điều trị quốc tế và được xác nhận hiệu quả qua phân tích dữ liệu thực tế tại Viện Tim TP. Hồ Chí Minh.

Sự khác biệt về hiệu quả giữa các nhóm thuốc phản ánh tính đa dạng của bệnh nhân và mức độ nghiêm trọng của bệnh, đồng thời cho thấy tầm quan trọng của việc cá nhân hóa phác đồ điều trị. Phân cụm bệnh nhân giúp phát hiện các mẫu điều trị hiệu quả, hỗ trợ bác sĩ trong việc lựa chọn thuốc phù hợp.

Dữ liệu được trình bày qua các biểu đồ phân bố thuốc theo nhóm tuổi, giới tính, biểu đồ hồi quy logistic thể hiện xác suất cải thiện chức năng tim theo từng nhóm thuốc, và bảng so sánh tỷ lệ đáp ứng thuốc giữa các nhóm bệnh nhân. Những kết quả này góp phần nâng cao chất lượng chăm sóc và quản lý bệnh suy tim tại Việt Nam.

Đề xuất và khuyến nghị

1. Tăng cường áp dụng phân tích dữ liệu trong quản lý điều trị: Khuyến khích các bệnh viện sử dụng các công cụ phân tích dữ liệu để theo dõi hiệu quả thuốc và điều chỉnh phác đồ kịp thời, nhằm nâng cao tỷ lệ đáp ứng điều trị trong vòng 6-12 tháng.

2. Phát triển mô hình dự đoán cá nhân hóa: Xây dựng các mô hình dự đoán dựa trên dữ liệu lâm sàng và thuốc sử dụng để hỗ trợ bác sĩ lựa chọn phác đồ phù hợp cho từng bệnh nhân suy tim, giảm thiểu tác dụng phụ và tăng hiệu quả điều trị.

3. Đào tạo và nâng cao năng lực cho nhân viên y tế: Tổ chức các khóa đào tạo về phân tích dữ liệu và ứng dụng công nghệ thông tin trong y tế cho bác sĩ và nhân viên y tế tại các cơ sở khám chữa bệnh trong vòng 1 năm tới.

4. Mở rộng nghiên cứu và áp dụng cho các bệnh lý tim mạch khác: Áp dụng phương pháp phân tích dữ liệu tương tự cho các bệnh lý tim mạch phổ biến khác như bệnh mạch vành, rối loạn nhịp tim, nhằm nâng cao hiệu quả điều trị toàn diện.

5. Hợp tác liên ngành và phát triển y tế thông minh: Khuyến khích hợp tác giữa các chuyên gia y tế, công nghệ thông tin và nhà quản lý để phát triển hệ thống y tế thông minh, tích hợp dữ liệu lớn phục vụ chăm sóc sức khỏe cộng đồng.

Đối tượng nên tham khảo luận văn

1. Bác sĩ chuyên khoa tim mạch: Nghiên cứu cung cấp dữ liệu thực tế và phân tích sâu sắc về hiệu quả các nhóm thuốc, hỗ trợ bác sĩ trong việc ra quyết định điều trị chính xác và cá nhân hóa phác đồ.

2. Nhà quản lý y tế và bệnh viện: Thông tin về ứng dụng phân tích dữ liệu giúp nâng cao hiệu quả quản lý bệnh viện, tối ưu hóa nguồn lực và cải thiện chất lượng dịch vụ khám chữa bệnh.

3. Chuyên gia công nghệ thông tin trong y tế: Luận văn trình bày chi tiết quy trình thu thập, xử lý và phân tích dữ liệu y tế, là tài liệu tham khảo quý giá cho phát triển các hệ thống quản lý và phân tích dữ liệu y tế.

4. Nghiên cứu sinh và sinh viên ngành y học, công nghệ thông tin: Cung cấp kiến thức về ứng dụng kỹ thuật phân tích dữ liệu trong y học lâm sàng, đồng thời mở rộng hiểu biết về mối quan hệ giữa thuốc và bệnh lý tim mạch.

Câu hỏi thường gặp

1. Phân tích dữ liệu giúp gì trong điều trị bệnh suy tim?
   Phân tích dữ liệu giúp xác định mối tương quan giữa thuốc và tiến triển bệnh, từ đó hỗ trợ bác sĩ lựa chọn phác đồ điều trị hiệu quả hơn, giảm biến chứng và nâng cao chất lượng cuộc sống cho bệnh nhân.

2. Nhóm thuốc nào được sử dụng phổ biến nhất trong điều trị suy tim?
   Thuốc ức chế men chuyển và thuốc chẹn beta là hai nhóm thuốc được kê đơn phổ biến nhất, chiếm lần lượt khoảng 45% và 30% tổng số toa thuốc, với hiệu quả cải thiện chức năng tim rõ rệt.

3. Dữ liệu nghiên cứu được thu thập như thế nào?
   Dữ liệu được trích xuất từ phần mềm quản lý bệnh viện tại Viện Tim TP. Hồ Chí Minh, bao gồm thông tin bệnh nhân, chẩn đoán, kết quả xét nghiệm và toa thuốc trong giai đoạn 2017-2023, với hơn 24.700 lượt khám.

4. Phân tích hồi quy logistic được áp dụng ra sao trong nghiên cứu?
   Hồi quy logistic được sử dụng để dự đoán xác suất tác động tích cực hoặc tiêu cực của từng nhóm thuốc lên bệnh suy tim, giúp phân loại bệnh nhân theo mức độ đáp ứng điều trị.

5. Kết quả nghiên cứu có thể áp dụng cho các bệnh viện khác không?
   Có, phương pháp và kết quả nghiên cứu có thể mở rộng áp dụng cho các bệnh viện khác trong nước, cũng như cho các bệnh lý tim mạch phổ biến khác nhằm nâng cao hiệu quả điều trị.

Kết luận

• Nghiên cứu đã xác định được mối tương quan rõ ràng giữa các nhóm thuốc điều trị và tiến triển bệnh suy tim dựa trên dữ liệu thực tế từ Viện Tim TP. Hồ Chí Minh giai đoạn 2017-2023.
• Thuốc ức chế men chuyển và thuốc chẹn beta là hai nhóm thuốc có hiệu quả điều trị tích cực nhất, được sử dụng phổ biến trong phác đồ điều trị.
• Phân tích phân cụm và hồi quy logistic giúp cá nhân hóa phác đồ điều trị, nâng cao tỷ lệ đáp ứng và giảm biến chứng cho bệnh nhân.
• Kết quả nghiên cứu góp phần phát triển y tế thông minh, hỗ trợ bác sĩ ra quyết định dựa trên dữ liệu lớn và đa dạng.
• Đề xuất mở rộng ứng dụng phân tích dữ liệu cho các bệnh lý tim mạch khác và đào tạo nhân lực y tế về công nghệ thông tin trong y tế.

Các cơ sở y tế nên triển khai áp dụng các phương pháp phân tích dữ liệu tương tự để nâng cao hiệu quả điều trị, đồng thời phối hợp nghiên cứu sâu hơn về tác dụng thuốc và cá nhân hóa điều trị bệnh suy tim.

Trích đoạn nội dung tài liệu

Chương I: Giới thiệu > Giới thiệu Viện Tim Tp. Hồ Chí Minh. > Giới thiệu bệnh suy tim. > Mục tiêu, đối tượng nghiên cứu và phạm vi của đề tài.

> Khả năng mở rộng > Các nghiên cứu liên quan Chương II: Cơ sở ly thuyết WYV Thu thập và xử lý dữ liệu. Hệ số tương quan. Các loại hình phân tích dữ liệu. Các kỹ thuật phân tích dữ liệu.

Phương pháp kiểm định trị số P. Kiểm định giả thiết. Phân tích dit liệu bằng biểu đồ. Các phần mềm hỗ trợ phân tích đữ liệu.

Chương III: Kết quả thực hiện > Giới thiệu bộ dữ liệu. > Lam sạch dữ liệu. > M6 hình áp dụng cho các tập dữ liệu. > Kết quả quá trình phân tích dữ liệu.

Chương IV: Kết luận, hướng phát triển > Kết luận. > Hướng phát triển của đề tài.1 Thu thập và xử lý dữ liệu 2.1 Thu thập dữ liệu Xác định loại dữ liệu mà cần đề thực hiện phân tích, đối tượng bệnh nhân được lay ra bao gom thong tin về bệnh nhân, lich sử bệnh lý, các loại thuốc được sử dụng, các chỉ số y tế liên quan đến suy tim như chỉ số chức năng tim. Dữ liệu được thu thập từ hồ sơ bệnh án điện tử, cơ sở dữ liệu khám chữa bệnh của bệnh nhân trong thời gian điều trị. Trong quá trình thu thập dữ liệu luôn tuân thủ các quy định về bảo mật thông tin và quyền riêng tư của bệnh nhân và các quy định pháp luật liên quan.

Việc thu thập đữ liệu là một bước quan trọng và cần thiết trong quá trình nghiên cứu, dam bảo rang dữ liệu được thu thập chính xác và phù hợp dé đáp ứng mục tiêu của đề tài nghiên cứu. Dữ liệu là kết quả của quá trình khám bệnh của bác sĩ trong thời gian thực hiện khám chữa bệnh. Các kết quả điều trị cũng những các loại thuốc sử dụng cho bệnh nhân trong từng dot khám Các thông tin khám bệnh được lưu trữ dưới dạng thô và ở nhiều bảng khác nhau, chưa sẵn sàng cho thống kê theo yêu cầu đặt ra. Một bộ dữ liệu được gọi là tốt nếu nó thỏa mãn sáu tính chất sau: Đây di: Bộ dữ liệu cần chứa đầy đủ thông tin cần thiết cho mục tiêu nghiên cứu, không bị thiếu sót thông tin quan trọng.

Chính xác: Dữ liệu trong bộ dữ liệu cần phản ánh chính xác thông tin thực tế mà nó đại diện, không chứa thông tin sai lệch hoặc không chính xác. Tihong nhất: Dữ liệu cần được thu thập và lưu trữ theo một tiêu chuẩn nhất định, với định dạng và cấu trúc thống nhất giữa các biến số. Tương Thích: Bộ dữ liệu cần phù hợp với mục tiêu và phương pháp phân tích dự kiến, bao gồm cả định dạng dữ liệu và phạm vi của nó. Tin cậy: Dữ liệu cần chứa đủ lượng mẫu và đối tượng nghiên cứu dé đảm bảo độ phân loại và độ tin cậy của kết quả.

19 Dé truy cập và sw dung: Dữ liệu can được lưu trữ một cách có rõ rang va dang truy cập, sử dụng bởi các nhà nghiên cứu và người dùng khác.2 Tiền xử lý dữ liệu Sau khi thu thập dit liệu cần thiết, cần phải kiểm tra và tiền xử lý dit liệu dé loại bỏ dữ liệu không chính xác, thiếu sót hoặc ngoại lệ có thể ảnh hưởng đến kết quả và quá trình phân tích. Trên thực tế dữ liệu thu thập được lại rất đa dạng và phức tạp nên rất khó đáp ứng 6 tính chất trên (đặc biệt là đữ liệu chính xác, đầy đủ thông tin và đồng nhất dữ liệu) do nhiều nguyên nhân khác nhau như: - Nguyên nhân khách quan: Do sự cố hệ thống, do hỏng hóc phan cứng, sự cố mất điện,. - Nguyên nhân chủ quan: Có sai sót trong quá trình nhập liệu, do người dùng nhập dữ liệu không tuân thủ theo các nguyên tắc, tiêu chuẩn,. Do vậy một bộ dữ liệu sau khi thu thập được cần phải trải qua xử lý nhằm mục đích nâng cao chất lượng cho bộ dữ liệu, góp phần tạo ra dữ liệu “sạch”.

20 Test Initial & Test Initial & Incremental Incremental Loads Loads Test Initial & Incremental Test Initial leech & Incremental Loads = WebFOCUS Visual Discovery Active PowerPoint! [71. Best Practice End to End Testing Hình 2.1 - Tổng quan về tiền xử lý dit liệu e Tiền xử ly dữ liệu được thực hiện thông qua các bước sau: Làm sạch dữ liệu (Data cleaning): là thực hiện các bước để loại bỏ những dữ liệu không đúng, thiếu thông tin hoặc bé sung những dit liệu còn thiếu dé hoàn thiện dữ liệu. Tích hợp dữ liệu (Data integration): là quá trình kết nối, tích dữ liệu từ nhiều nguồn khác nhau dé tạo ra một dữ liệu thống nhất phục vụ cho quá trình thống kê, phân tích Chuyển đổi dữ liệu (Data transformation): là thay đôi dữ liệu từ dạng này sang dạng khác nhăm phù hợp với mục đích phân tích, báo cáo, hoặc tích hợp dữ liệu, bao gồm việc áp dụng các thao tắc và quy tắc cụ thé dé chuẩn hóa, làm sạch và định dạng lai dir liệu. Data transformation thường là một phan của quy trình ETL (Extract, Transform, Load), đữ liệu được trích xuất (Extract) từ các nguồn khác nhau, chuyển đổi (Transform) dé đáp ứng các yêu cầu cụ thể, và sau đó tải (Load) vào hệ thống lưu trữ như kho dữ liệu.

21 Giảm dữ liệu (Data reduction): là quá trình giảm thiểu kích thước của tap dit liệu mà không làm mắt đi quá nhiều thông tin quan trọng, nó giúp cải thiện hiệu quả lưu trữ và xử lý dữ liệu. Đây cũng là một bước quan trọng trong việc chuẩn bị dữ liệu cho phân tích, đặc biệt khi làm việc với các tập dữ liệu lớn va phức tạp. Phân tách dữ liệu (Data discretization): là qua trình chuyển đổi các thuộc tinh hoặc biến liên tục thành các thuộc tính hoặc biến rời rạc. Có nghĩa là các giá trị liên tục được gộp nhóm thành các khoảng hoặc các giá tri cu thể rời rạc, giúp đơn giản hóa va dé dàng hơn trong việc phân tích dit liệu, đặc biệt là trong các mô hình học máy và khai phá dữ liệu.2 Hệ số tương quan Hệ số tương quan là một chỉ số thống kê nhằm xác định mức độ mạnh yêu của 2 biến số.

Hệ số tương quan có giá trị từ -1. Các phép tính cho ra kết qua lớn hơn 1.0 được gọi là lỗi xảy ra trong phép tính. Kết quả phép tính tương quan nếu kết quả lớn hơn 0 được gọi là mối quan hệ đồng biến. Ngược lại nếu giá trị nhỏ hơn 0 được gọi là nghịch biến.

Tương quan bằng 0 được cho là 2 biến có giá trị độc lập với nhau. Một số loại hệ số tương quan phổ biến: Pearson (R), Spearman ? va Kendall. Công thức tinh hệ số tương quan. Trong đó: rxy — hệ số tương quan của mối quan hệ tuyến tính giữa các biến x và y xi — các giá trị của biến x trong dit liệu X — giá trị trung bình của các giá trị của biến x yi — các giá trị của biến y trong đữ liệu ÿ — giá trị trung bình của biến y e Hệ số tương quan Pearson Hệ số tương quan Pearson (ký hiệu r) là chỉ số đo lường mối quan hệ tuyến tính giữa 2 biến.

Hệ số tương quan xác định một số mối quan hệ chắng hạn: Có mối quan hệ giữa quê quán và bệnh, mối liên hệ giữa độ tuổi và bệnh, mối liên hệ giữa giới tinh và bệnh không,. Hệ số tương quan là phương pháp được thực hiện đề đánh giá mối quan hệ giữa các biến, cũng như tương quan và sự phát triển của mối quan hệ ấy diễn ra như thế nào.3 Các loại hình phân tích dữ liệu 2.1 Phan tích thống kê mô tả Phân tích thống kê mô tả (Descriptive Statistics) là các phương pháp thường sử dụng các biểu đồ để mô tả các dữ liệu cần phân tích hoặc toàn bộ dữ liệu. Phương pháp này sử dụng giúp mô tả cụ thé dữ liệu bằng cách đưa ra các tóm tắt và các thông số của dữ liệu được sử dụng. Phân tích này được thực hiện để trả lời các câu hỏi sau: + Mối liên hệ giữa các bệnh được phân bồ như thế nào? + Các bệnh nhân được phân bố theo từng nhóm (độ tuổi, giới tính) cu thể như thế nào? + Các nhóm thuốc điều trị được phân bồ cho bệnh nhân ra sao? + Tác dụng của thuốc đối với các loại bệnh như thế nào Các kết quả của phương pháp thống kê mô tả thường được thé hiện dưới dạng các bảng sô liệu hoặc các biêu đô cụ thê.2 Phân tích chan đoán Phân tích chan đoán (Diagnostic Analytics) là một quá trình sử dung những số liệu đã có trong quá khứ dé đưa ra những chân đoán nhất định, từ đó tìm ra nguyên nhân xảy ra các sự kiện đó.

Từ đó xác định múi liên hệ giữa các yếu tổ liên quan dé tìm những biện pháp khắc phục hoặc giải pháp tối ưu dé cải thiện trong tương lai. Trong phân tích chan đoán thường sử dụng thống kê dé đưa ra những số liệu cụ thé nhằm phục vụ cho những chân đoán cụ thé. Đồng thời sử dụng phương pháp máy học để phân tích trên các tập dữ liệu lớn có độ phức tạp cao. Phân tích chân đoán cho ra nhiều thông tin giá trị hơn so với phương pháp phân tích mô tả, do vậy nó đòi hỏi kỹ năng phân tích cao hơn bởi vì được thực hiện trên các truy vấn phức tạp.

Kết quả của phân tích chân đoán thể hiện trực quan thông qua các công cụ, từ đó giúp người sử dụng xác định được cụ thê và rõ ràng hơn. Phân tích dự đoán Phân tích dự đoán (Predictive Analytics) là việc sử dụng các số liệu trong quá trình thống kê dé phân tích dự đoán khả năng xuất hiện trở lại của các sự kiện trong tương lai. Phân tích dự đoán là một công cụ hỗ trợ cho việc đưa ra những quyết định trong tương lai, giúp người quản lý có thể dự đoán được các sự kiện xuất hiện nhằm kịp thời đưa ra những điều chỉnh, chính xác thích hợp dé đạt được hiệu quả cao nhất. Nói một cách khác, phân tích dự đoán là một mô hình được đưa ra dựa vào những sự kiện trong quá khứ xảy ra với một điều kiện cụ thé dé xác định sự kiện tương tự xảy ra trong tương lai.

Nếu các điều kiện cơ bản này thay đổi thì mô hình dự báo phải được cập nhật.4 Phân tích đề xuất Phân tích đề xuất (Prescriptive Analytics) là một dang của phân tích di liệu, nó sử dụng công nghệ dé giúp các cơ quan, doanh nghiệp đưa ra những quyết định tốt hon dựa vao các tập dữ liệu thô.