Tổng quan nghiên cứu

Quản lý trang thiết bị y tế (TTBYT) theo mức độ rủi ro là một xu hướng quản lý hiện đại, đã được triển khai nhiều năm tại các quốc gia phát triển như Mỹ, EU, Úc, nhưng mới được áp dụng tại Việt Nam trong khoảng 6 năm trở lại đây. Theo ước tính, số lượng TTBYT cần phân loại tại Việt Nam hiện lên đến khoảng 20.000 dòng sản phẩm và vẫn tiếp tục tăng. Việc phân loại này là yếu tố tiên quyết trong quản lý TTBYT nhằm đảm bảo an toàn cho người sử dụng và hiệu quả trong cấp phép lưu hành. Tuy nhiên, thực trạng phân loại TTBYT tại Việt Nam còn nhiều khó khăn do nguồn nhân lực hạn chế, quy trình thủ công và mang tính cảm tính cá nhân, dẫn đến hiệu quả chưa cao.

Mục tiêu nghiên cứu của luận văn là xây dựng một hệ thống hỗ trợ ra quyết định phân loại TTBYT theo quy định của Bộ Y tế, nhằm nâng cao tính chính xác, khách quan và rút ngắn thời gian phân loại. Nghiên cứu tập trung vào việc chuyển đổi số quy trình phân loại TTBYT trên nền tảng webservice, web, phù hợp với bối cảnh chuyển đổi số trong ngành y tế Việt Nam. Phạm vi nghiên cứu bao gồm việc khảo sát thực trạng phân loại TTBYT tại Việt Nam và các nước tiên tiến, phân tích nghiệp vụ, thiết kế và triển khai hệ thống hỗ trợ ra quyết định, thử nghiệm và đánh giá hiệu quả hệ thống với các nhóm người dùng khác nhau.

Ý nghĩa của nghiên cứu thể hiện qua việc giảm tải khối lượng công việc khổng lồ cho các chuyên viên phân loại tại Bộ Y tế và các doanh nghiệp sản xuất, kinh doanh TTBYT, đồng thời góp phần nâng cao chất lượng quản lý TTBYT theo mức độ rủi ro, đảm bảo an toàn cho người bệnh và thúc đẩy phát triển ngành kỹ thuật y sinh tại Việt Nam.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên các lý thuyết và mô hình sau:

  • Lý thuyết quản lý rủi ro trong y tế: Phân loại TTBYT theo mức độ rủi ro từ thấp đến cao (A, B, C, D) dựa trên các quy định của Bộ Y tế và các tiêu chuẩn quốc tế như GHTF, MDD châu Âu, FDA Mỹ.
  • Mô hình hệ thống hỗ trợ ra quyết định (Decision Support System - DSS): Hệ thống DSS được định nghĩa là hệ thống dựa trên nền tảng máy tính, có tính tương tác, giúp người ra quyết định sử dụng dữ liệu và mô hình để giải quyết các bài toán phi cấu trúc. Các loại DSS bao gồm DSS hướng truyền thông, dữ liệu, tài liệu, tri thức và mô hình.
  • Khái niệm cây quyết định (Decision Tree): Mô hình cây quyết định được sử dụng để xây dựng bộ câu hỏi phân loại TTBYT, gồm các node gốc, node lá và các nhánh, giúp hệ thống đưa ra kết quả phân loại chính xác dựa trên các câu trả lời của người dùng.
  • Thuật ngữ chuyên ngành: Trang thiết bị y tế (TTBYT), phân loại TTBYT, mức độ rủi ro, hệ thống hỗ trợ ra quyết định (DSS), webservice, SQL Server, API.

Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp tiến cứu kết hợp phân tích thực trạng, thiết kế hệ thống và thử nghiệm thực tế:

  • Nguồn dữ liệu: Thu thập dữ liệu từ các văn bản pháp luật như Nghị định 98/2021/NĐ-CP, Thông tư 05/2022/TT-BYT; số liệu thống kê phân loại TTBYT trên cổng thông tin Bộ Y tế; khảo sát thực trạng phân loại TTBYT tại các doanh nghiệp và vụ TTBYT; tài liệu tham khảo về hệ thống DSS và các hệ thống phân loại TTBYT trên thế giới.
  • Phương pháp phân tích: Phân tích nghiệp vụ, thiết kế mô hình hệ thống theo mô hình 3 lớp (Client - Web Service - Database), xây dựng cây quyết định dựa trên bộ câu hỏi phân loại TTBYT; sử dụng SQL Server để quản lý dữ liệu; áp dụng RESTful Web Service để giao tiếp giữa client và server.
  • Timeline nghiên cứu:
    • Giai đoạn 1: Xây dựng bộ câu hỏi sơ bộ trên Google Form để đánh giá tính chính xác và khả thi.
    • Giai đoạn 2: Phát triển phần mềm hệ thống hỗ trợ ra quyết định phân loại TTBYT trên nền tảng webservice, tối ưu bộ câu hỏi.
    • Giai đoạn 3: Thử nghiệm và đánh giá hệ thống với các nhóm người dùng có trình độ hiểu biết khác nhau, phân tích kết quả về độ chính xác và tính hỗ trợ.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Khối lượng hồ sơ phân loại TTBYT rất lớn: Theo số liệu trên cổng thông tin Bộ Y tế, có khoảng 15.500 hồ sơ loại C và khoảng 7.000 hồ sơ loại D đang chờ xử lý, trong khi số lượng hồ sơ loại A và B đã công bố lên đến hơn 10.000 bộ. Điều này cho thấy áp lực lớn đối với công tác phân loại thủ công hiện nay.

  2. Hệ thống hỗ trợ ra quyết định giúp rút ngắn thời gian phân loại: Thử nghiệm với 8 TTBYT và hai nhóm người dùng khác nhau cho thấy hệ thống giúp giảm đáng kể thời gian phân loại so với phương pháp thủ công, đồng thời tăng tính chính xác và khách quan của kết quả phân loại.

  3. Tính linh hoạt và khả năng cập nhật của hệ thống: Hệ thống cho phép quản trị viên dễ dàng thêm, sửa, xóa câu hỏi và cập nhật bộ câu hỏi phân loại theo các quy định mới của Bộ Y tế, đảm bảo tính kịp thời và phù hợp với thực tiễn.

  4. Khả năng lưu trữ và báo cáo hiệu quả: Hệ thống sử dụng cơ sở dữ liệu SQL Server để lưu trữ chi tiết quá trình phân loại và kết quả, hỗ trợ tổng hợp báo cáo nhanh chóng, phục vụ công tác quản lý và hậu kiểm.

Thảo luận kết quả

Nguyên nhân của các phát hiện trên xuất phát từ việc ứng dụng công nghệ thông tin vào quy trình phân loại TTBYT, chuyển đổi nghiệp vụ phức tạp thành các câu hỏi logic trong cây quyết định, giúp chuẩn hóa và tự động hóa quá trình phân loại. So với các nghiên cứu và hệ thống hỗ trợ phân loại TTBYT tại Mỹ, EU, Úc, hệ thống nghiên cứu tại Việt Nam đã kế thừa và phát triển phù hợp với đặc thù pháp lý và thực tiễn trong nước.

Việc sử dụng mô hình 3 lớp (Client - Web Service - Database) cùng công nghệ RESTful Web Service và SQL Server giúp hệ thống có tính mở rộng, bảo mật và hiệu suất cao. Kết quả thử nghiệm cho thấy hệ thống không chỉ hỗ trợ người dùng mới mà còn giúp các chuyên viên phân loại nâng cao hiệu quả công việc.

Dữ liệu có thể được trình bày qua biểu đồ so sánh thời gian phân loại thủ công và sử dụng hệ thống, bảng tổng hợp kết quả phân loại của các nhóm người dùng, cũng như báo cáo thống kê số lượng hồ sơ phân loại theo từng loại rủi ro trên cổng thông tin Bộ Y tế.

Đề xuất và khuyến nghị

  1. Triển khai rộng rãi hệ thống hỗ trợ ra quyết định phân loại TTBYT: Khuyến nghị Bộ Y tế và các doanh nghiệp sản xuất, kinh doanh TTBYT áp dụng hệ thống trên toàn quốc nhằm giảm tải công việc thủ công, nâng cao độ chính xác và tính khách quan trong phân loại. Thời gian thực hiện: 6-12 tháng.

  2. Đào tạo và nâng cao năng lực người dùng: Tổ chức các khóa đào tạo cho chuyên viên phân loại và cán bộ quản lý TTBYT về sử dụng hệ thống, hiểu rõ quy trình phân loại và cập nhật kiến thức pháp lý. Chủ thể thực hiện: Bộ Y tế, các sở y tế địa phương. Thời gian: 3-6 tháng.

  3. Phát triển tính năng học máy (AI) tích hợp trong hệ thống: Nghiên cứu và ứng dụng trí tuệ nhân tạo để tự động phân loại TTBYT dựa trên hồ sơ sản phẩm, giúp tăng tốc độ và độ chính xác phân loại trong tương lai. Chủ thể: Các viện nghiên cứu, doanh nghiệp công nghệ. Thời gian: 1-2 năm.

  4. Cập nhật và hoàn thiện bộ câu hỏi phân loại theo các quy định mới: Đảm bảo hệ thống luôn đồng bộ với các văn bản pháp luật mới nhất như Nghị định 98/2021/NĐ-CP, Thông tư 05/2022/TT-BYT để đáp ứng yêu cầu quản lý hiện hành. Chủ thể: Ban quản trị hệ thống, Bộ Y tế. Thời gian: liên tục.

Đối tượng nên tham khảo luận văn

  1. Chuyên viên phân loại trang thiết bị y tế tại Bộ Y tế và các sở y tế: Giúp nâng cao hiệu quả công việc, giảm sai sót trong phân loại, đồng thời hiểu rõ quy trình và tiêu chuẩn phân loại theo pháp luật hiện hành.

  2. Doanh nghiệp sản xuất, nhập khẩu và kinh doanh TTBYT: Hỗ trợ doanh nghiệp tự phân loại sản phẩm chính xác, chuẩn bị hồ sơ đăng ký lưu hành nhanh chóng, tiết kiệm thời gian và chi phí.

  3. Nhà nghiên cứu và phát triển công nghệ y sinh: Cung cấp cơ sở lý thuyết và thực tiễn về ứng dụng hệ thống hỗ trợ ra quyết định trong lĩnh vực kỹ thuật y sinh, mở hướng phát triển các giải pháp công nghệ mới.

  4. Cơ quan quản lý nhà nước và các tổ chức đào tạo y tế: Là tài liệu tham khảo để xây dựng chính sách, quy trình quản lý TTBYT và đào tạo nguồn nhân lực chuyên môn về phân loại TTBYT theo mức độ rủi ro.

Câu hỏi thường gặp

  1. Hệ thống hỗ trợ ra quyết định phân loại TTBYT hoạt động như thế nào?
    Hệ thống sử dụng mô hình cây quyết định với bộ câu hỏi logic dựa trên quy định pháp luật để hướng dẫn người dùng trả lời từng câu hỏi. Dựa trên các câu trả lời, hệ thống tự động phân tích và đưa ra kết quả phân loại TTBYT chính xác, giúp giảm thiểu sai sót và thời gian xử lý.

  2. Số lượng trang thiết bị y tế cần phân loại tại Việt Nam hiện nay là bao nhiêu?
    Theo ước tính, có khoảng 20.000 dòng sản phẩm TTBYT cần phân loại, trong đó hơn 15.500 hồ sơ loại C và khoảng 7.000 hồ sơ loại D đang chờ xử lý trên cổng thông tin Bộ Y tế, cho thấy khối lượng công việc rất lớn.

  3. Hệ thống có thể cập nhật khi có thay đổi về quy định phân loại không?
    Có. Hệ thống được thiết kế với chức năng quản trị cho phép thêm, sửa, xóa và cập nhật bộ câu hỏi phân loại theo các văn bản pháp luật mới nhất, đảm bảo tính kịp thời và phù hợp với thực tiễn.

  4. Ai là đối tượng chính sử dụng hệ thống này?
    Chủ yếu là các chuyên viên phân loại TTBYT tại Bộ Y tế, các sở y tế, và nhân viên các doanh nghiệp sản xuất, nhập khẩu, kinh doanh trang thiết bị y tế, những người trực tiếp thực hiện công tác phân loại và đăng ký lưu hành sản phẩm.

  5. Hệ thống có hỗ trợ báo cáo và lưu trữ kết quả phân loại không?
    Có. Hệ thống sử dụng cơ sở dữ liệu SQL Server để lưu trữ chi tiết quá trình phân loại và kết quả, đồng thời cung cấp các báo cáo tổng hợp, chi tiết giúp quản lý và hậu kiểm hiệu quả.

Kết luận

  • Luận văn đã xây dựng thành công hệ thống hỗ trợ ra quyết định phân loại trang thiết bị y tế theo quy định của Bộ Y tế, đáp ứng nhu cầu chuyển đổi số trong quản lý TTBYT tại Việt Nam.
  • Hệ thống giúp rút ngắn thời gian phân loại, tăng tính chính xác và khách quan, giảm tải công việc thủ công cho các chuyên viên phân loại.
  • Thiết kế hệ thống dựa trên mô hình cây quyết định, sử dụng công nghệ webservice, SQL Server và RESTful API đảm bảo tính linh hoạt, bảo mật và hiệu suất cao.
  • Kết quả thử nghiệm với các nhóm người dùng khác nhau cho thấy hệ thống có khả năng hỗ trợ tốt trong thực tế, đồng thời dễ dàng cập nhật theo các quy định mới.
  • Đề xuất triển khai rộng rãi, đào tạo người dùng và phát triển thêm tính năng học máy để nâng cao hiệu quả trong tương lai.

Các cơ quan quản lý và doanh nghiệp nên phối hợp triển khai hệ thống, đồng thời đầu tư nghiên cứu ứng dụng trí tuệ nhân tạo để tự động hóa phân loại TTBYT, góp phần nâng cao chất lượng quản lý và an toàn y tế.