Giới thiệu dự án

Bối cảnh ngành và thực trạng sử dụng thuốc

Chi phí dược phẩm và công tác quản lý sử dụng thuốc an toàn, hợp lý luôn là một trong những thách thức hàng đầu đối với hệ thống y tế toàn cầu. Theo báo cáo của Tổ chức Y tế Thế giới (WHO), tổng chi phí dược phẩm (Total Pharmaceutical Expenditure - TPE) chiếm từ 1,41% đến 1,63% Tổng sản phẩm quốc nội (GDP) toàn cầu và chiếm trung bình 24,9% (dao động từ 7,7% đến 67,6%) Tổng chi phí y tế (Total Health Expenditure - THE). Tại các quốc gia đang phát triển, biến cố bất lợi của thuốc (Adverse Drug Reactions - ADR) nằm trong nhóm 10 nguyên nhân gây tử vong hàng đầu, tiêu tốn hàng triệu USD chi phí điều trị khắc phục (khoảng 466 triệu bảng Anh/năm tại Anh và 5,6 triệu USD/năm trên mỗi bệnh viện tại Mỹ).

Tại Việt Nam, thống kê của Bộ Y tế ghi nhận mức chi tiêu tiền thuốc bình quân đầu người tăng từ 31,18 USD (2013) lên 37,97 USD (2015), phản ánh nhu cầu điều trị gia tăng nhanh chóng. Đặc biệt, chi phí tiền thuốc trong các bệnh viện công lập chiếm tỷ trọng áp đảo, lên tới 58,7% tổng giá trị viện phí. Nhằm kiểm soát nguồn lực tài chính y tế và chuẩn hóa chất lượng điều trị, Bộ Y tế đã ban hành Thông tư số 21/2013/TT-BYT quy định về tổ chức và hoạt động của Hội đồng Thuốc và Điều trị (HĐT&ĐT), đặt trọng tâm vào việc đánh giá sử dụng thuốc qua các công cụ dịch tễ dược học chuẩn mực.

Vấn đề nghiên cứu (Problem Statement)

Mặc dù Thông tư 21/2013/TT-BYT đã hướng dẫn chi tiết các kỹ thuật phân tích sử dụng thuốc, thực tế triển khai tại các bệnh viện tuyến quận/huyện (điển hình như Bệnh viện Quận 11 - bệnh viện đa khoa hạng 3) gặp phải nhiều rào cản nghiêm trọng:

  • Phương pháp thủ công tốn thời gian và nhân lực: Việc trích xuất dữ liệu danh mục hàng trăm hoạt chất, tính toán chi phí tích lũy, phân loại ABC, gán nhãn VEN và chuẩn hóa liều Defined Daily Dose (DDD) trên bảng tính rời rạc khiến đội ngũ dược sĩ mất hàng tuần xử lý mỗi quý.
  • Tỷ lệ sai sót cao: Thao tác thủ công dễ dẫn đến nhầm lẫn mã phân loại giải phẫu - điều trị - hóa học (Anatomical Therapeutic Chemical - ATC), nhầm lẫn nồng độ/hàm lượng quy đổi và tính toán sai ma trận phân hạng.
  • Thiếu tính cập nhật và hỗ trợ quyết định kịp thời: HĐT&ĐT không có báo cáo đa chiều theo thời gian thực để can thiệp kịp thời vào cơ cấu mua sắm, dự trù kho dự trữ an toàn, kiểm soát tỷ lệ thuốc ngoại nhập giá cao và rà soát các nhóm thuốc không thiết yếu (nhóm N) phát sinh đột biến.

Mục tiêu dự án

  1. Khảo sát toàn diện thực trạng sử dụng thuốc: Thu thập, xử lý hồi cứu 100% dữ liệu sử dụng thuốc thanh toán Bảo hiểm Y tế (BHYT) trong năm 2017 tại Bệnh viện Quận 11 bằng phương pháp bán thủ công đối chứng.
  2. Số hóa và ứng dụng công cụ tự động hóa: Ứng dụng phần mềm chuyên biệt (i3 Australia Hospital Pharmacist Tool và hệ thống iHIS Solutions) để tự động hóa toàn bộ quy trình phân tích ABC, VEN, ma trận kết hợp ABC/VEN và phân tích liều xác định trong ngày (DDD, DU 90%, DDD/100 giường/ngày).
  3. Đánh giá định lượng hiệu quả cải tiến: So sánh hiệu năng giữa phương pháp thủ công và giải pháp ứng dụng công nghệ thông tin (CNTT) dựa trên các tiêu chí: thời gian xử lý, tính chính xác, tối ưu hóa nhân lực và giá trị hỗ trợ ra quyết định lâm sàng.

Phương pháp tiếp cận và kết quả mong đợi

  • Phương pháp tiếp cận: Ứng dụng mô hình tin học dược (Pharmaco-informatics) kết hợp phân tích định lượng kinh tế dược. Chuyển hóa toàn bộ quy định nghiệp vụ của Thông tư 21/2013/TT-BYT thành thuật toán xử lý dữ liệu tự động, liên kết trực tiếp với cơ sở dữ liệu danh mục thuốc BHYT và hệ thống thông tin bệnh viện (HIS).
  • Kết quả mong đợi: Rút ngắn >90% thời gian lập báo cáo định kỳ cho HĐT&ĐT; loại bỏ 100% lỗi logic trong phân loại ma trận; cung cấp bức tranh chi tiết về 686 mặt hàng thuốc sử dụng tại bệnh viện với ngân sách hơn 40,27 tỷ VNĐ; xác định chính xác nhóm thuốc chủ lực (Insulin chiếm 45,59% trong phân khúc DU 90%, nhóm Tim mạch chiếm 29,32% chi phí).

Phạm vi và giới hạn nghiên cứu

  • Phạm vi dữ liệu: Toàn bộ dữ liệu tiêu thụ thuốc ngoại trú và nội trú có thanh toán BHYT từ ngày 01/01/2017 đến ngày 31/12/2017 tại Bệnh viện Quận 11, TP. Hồ Chí Minh.
  • Tiêu chuẩn loại trừ: Các thuốc không có mã phân loại trong bảng ATC/DDD Index 2017 của WHO hoặc không quy ước liều DDD chuẩn (dịch truyền, vắc xin, thuốc tê/mê, thuốc cản quang, thuốc dùng ngoài, thuốc phối hợp nhiều hoạt chất phức tạp); bệnh nhân đặc thù như suy giảm chức năng thận nặng, trẻ sơ sinh và trẻ nhỏ.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi ứng dụng công cụ tự động, quy trình phân tích sử dụng thuốc tại bệnh viện bộc lộ nhiều điểm nghẽn kỹ thuật khi so sánh giữa các phương pháp.

Tiêu chí so sánh Phương pháp thủ công (MS Excel rời rạc) Hệ thống HIS truyền thống Công cụ chuyên biệt (i3 Tool & iHIS)
Thời gian tổng hợp báo cáo 120 - 160 giờ làm việc/năm 24 - 48 giờ (phụ thuộc xuất SQL) < 5 phút (xử lý tức thì)
Độ chính xác phép tính ma trận Dễ sai lệch do copy/paste công thức Khá, nhưng thiếu logic phân nhóm sâu Tuyệt đối (100% chuẩn hóa theo luật)
Khả năng tra cứu ATC/DDD Tra cứu thủ công từng mã trên web WHO Không tích hợp sẵn dữ liệu DDD Tự động ánh xạ mã ATC và liều chuẩn
Trực quan hóa dữ liệu Phải vẽ biểu đồ thủ công Báo cáo bảng biểu đơn điệu Xuất tự động biểu đồ, Word, PowerPoint
Độ linh hoạt khi thay đổi tiêu chí Phải tính toán lại toàn bộ dữ liệu Cần IT can thiệp sửa mã nguồn Cấu hình tham số linh hoạt theo HĐT&ĐT

Phân loại yêu cầu người dùng theo mô hình MoSCoW

  • Must have (Bắt buộc phải có):
    • Tự động phân chia 3 nhóm A, B, C theo quy luật Pareto (nhóm A: 75-80% giá trị; B: 15-20%; C: 5-10%).
    • Tự động phân loại danh mục V (Vital - Sống còn), E (Essential - Thiết yếu), N (Non-essential - Không thiết yếu) theo Thông tư 21/2013/TT-BYT.
    • Thiết lập ma trận 9 ô ABC/VEN và phân nhóm quản lý I (tối quan trọng), II (quan trọng), III (ít quan trọng).
    • Tính toán chỉ số $DDD/100\text{ giường/ngày}$ và phân khúc $DU\text{ }90%$.
  • Should have (Nên có): Phân tích so sánh cơ cấu thuốc nội - thuốc ngoại theo cả chủng loại và giá trị; tự động kết xuất báo cáo đa định dạng (Excel, PDF, slide báo cáo).
  • Could have (Có thể có): Cảnh báo tự động khi xuất hiện thuốc nhóm AN (không thiết yếu nhưng chiếm ngân sách cao nhóm A) hoặc khi tỷ lệ thuốc nhóm N vượt ngưỡng quy định.
  • Won't have (Chưa thực hiện trong giai đoạn này): Tích hợp thuật toán máy học dự báo nhu cầu thuốc theo chuỗi thời gian dịch bệnh.

Thiết kế hệ thống

graph TD
    A[Cơ sở dữ liệu HIS / Kho Dược BVQ11] -->|Trích xuất định dạng chuẩn| B[Module Tiền xử lý & Chuẩn hóa Dữ liệu]
    C[WHO ATC/DDD Directory 2017] --> B
    D[Danh mục VEN theo QĐ BYT] --> B
    
    B --> E[Engine Phân tích Kinh tế & Dịch tễ Dược]
    
    E --> F[Module Phân tích ABC / Pareto]
    E --> G[Module Phân loại VEN]
    E --> H[Module Ma trận ABC/VEN]
    E --> I[Module Tính toán DDD & DU 90%]
    
    F --> J[Hệ thống Báo cáo Đa chiều]
    G --> J
    H --> J
    I --> J
    
    J --> K[Báo cáo HĐT&ĐT BV Quận 11]
    J --> L[Tối ưu hóa Danh mục Mua sắm & Tồn trữ]

Tech Stack và Môi trường thực thi

  • Hệ thống phần mềm ứng dụng:
    • i3 Australia Hospital Pharmacist Tool v1.2 (Hợp tác phát triển giữa BV Quận 11 và Solution Australia).
    • iHIS Solutions Management Platform v2.4 (Powersoft Jsc).
    • Microsoft Excel 2010 (VBA engine dùng trong giai đoạn đối chuẩn thủ công).
  • Cơ sở dữ liệu tham chiếu: WHO Collaborating Centre for Drug Statistics Methodology ATC/DDD Index 2017; Danh mục thuốc thiết yếu ban hành kèm theo Thông tư 45/BYT và Quyết định 3385/QĐ-BYT.
  • Ràng buộc an toàn và hiệu năng: Đảm bảo bảo mật danh tính bệnh nhân theo quy định BHYT; tốc độ xử lý cơ sở dữ liệu >100.000 dòng giao dịch xuất nhập kho trong thời gian dưới 10 giây.

Phương pháp luận triển khai (Methodology)

Nghiên cứu áp dụng phương pháp dịch tễ dược học mô tả cắt ngang kết hợp hồi cứu toàn bộ dữ liệu sử dụng thuốc trong 12 tháng của năm 2017. Tiến trình triển khai gồm 3 giai đoạn:

  1. Giai đoạn 1: Tổng hợp và phân tích thủ công trên 686 mặt hàng thuốc nhằm thiết lập bộ dữ liệu chuẩn (Ground Truth).
  2. Giai đoạn 2: Đổ dữ liệu vào công cụ phân tích tự động i3 Tool và iHIS, cấu hình các tham số phân tích kinh tế dược và dịch tễ dược.
  3. Giai đoạn 3: Đánh giá độ khớp dữ liệu, phân tích độ lệch, đánh giá hiệu năng tiết kiệm thời gian và tài nguyên nhân sự.

Implementation và kết quả

Quy trình phân tích và thuật toán lõi

1. Thuật toán phân tích ABC (Pareto Cumulative Distribution)

Quy trình tính toán phân loại ngân sách thuốc được chuẩn hóa qua các bước toán học:

  • Tính tổng giá trị tiêu thụ cho từng mặt hàng: $V_i = P_i \times Q_i$ (với $P_i$ là đơn giá, $Q_i$ là số lượng tiêu thụ).
  • Sắp xếp danh mục theo thứ tự $V_i$ giảm dần.
  • Tính tỷ lệ phần trăm đóng góp: $%V_i = \frac{V_i}{\sum_{k=1}^n V_k} \times 100$.
  • Tính tỷ lệ phần trăm tích lũy: $C_i = \sum_{j=1}^i %V_j$.
  • Gán nhãn nhóm:
    • Nhóm A: $C_i \le 75.41%$ (xấp xỉ ngưỡng 75% - 80%).
    • Nhóm B: $75.41% < C_i \le 91.08%$ (chiếm 15% - 20% tiếp theo).
    • Nhóm C: $C_i > 91.08%$ (chiếm 5% - 10% còn lại).

2. Thuật toán Ma trận ABC/VEN

Ma trận $3 \times 3$ kết hợp hai chiều phân tích được phân bổ thành 3 nhóm ưu tiên hành động:

  • Nhóm I (Tối quan trọng): Gồm các ô ${AV, AE, AN, BV, CV}$. Yêu cầu kiểm soát chặt chẽ nhất từ Giám đốc bệnh viện và Trưởng khoa Dược.
  • Nhóm II (Quan trọng): Gồm các ô ${BE, BN, CE}$. Giám sát định kỳ, dự trù số lượng hợp lý.
  • Nhóm III (Ít quan trọng): Gồm ô ${CN}$. Cắt giảm tồn trữ, loại bỏ khỏi danh mục nếu có phương án thay thế.

3. Thuật toán tính toán liều chuẩn DDD và DDD/100 giường/ngày

Số liều xác định trong ngày ($DDD$) và tỷ suất sử dụng trên 100 giường bệnh nội trú được tính toán tự động:

$$\text{Tổng số DDD} = \frac{\text{Tổng lượng tiêu thụ hoạt chất (mg, g hoặc IU)}}{\text{Liều DDD chuẩn của WHO}}$$

$$\text{DDD/100 giường/ngày} = \frac{\text{Tổng số DDD} \times 100}{\text{Số giường bệnh trung bình} \times \text{Số ngày trong kỳ khảo sát}}$$

import pandas as pd
import numpy as np

def calculate_pharmaco_metrics(df_drugs, total_beds=250, survey_days=365):
    """
    Tính toán phân loại ABC, ma trận ABC/VEN và DDD/100 giường/ngày
    theo chuẩn Thông tư 21/2013/TT-BYT
    """
    # 1. Tính toán giá trị và sắp xếp ABC
    df_drugs['Total_Value'] = df_drugs['Unit_Price'] * df_drugs['Quantity']
    df_drugs = df_drugs.sort_values(by='Total_Value', ascending=False).reset_index(drop=True)
    
    total_expenditure = df_drugs['Total_Value'].sum()
    df_drugs['Value_Percentage'] = (df_drugs['Total_Value'] / total_expenditure) * 100
    df_drugs['Cumulative_Percentage'] = df_drugs['Value_Percentage'].cumsum()
    
    # Gán nhãn ABC theo phân vị thực tế
    conditions_abc = [
        (df_drugs['Cumulative_Percentage'] <= 75.41),
        (df_drugs['Cumulative_Percentage'] <= 91.08)
    ]
    df_drugs['ABC_Group'] = np.select(conditions_abc, ['A', 'B'], default='C')
    
    # 2. Xây dựng Ma trận ABC/VEN
    def map_matrix_group(row):
        code = f"{row['ABC_Group']}{row['VEN_Group']}"
        if code in ['AV', 'AE', 'AN', 'BV', 'CV']:
            return 'Nhóm I'
        elif code in ['BE', 'BN', 'CE']:
            return 'Nhóm II'
        elif code == 'CN':
            return 'Nhóm III'
        return 'Chưa phân nhóm'
        
    df_drugs['Matrix_Group'] = df_drugs.apply(map_matrix_group, axis=1)
    
    # 3. Tính toán DDD và DDD/100 giường/ngày
    df_drugs['Total_Active_Ingredient_mg'] = df_drugs['Quantity'] * df_drugs['Strength_mg']
    df_drugs['Calculated_DDD'] = df_drugs['Total_Active_Ingredient_mg'] / df_drugs['WHO_DDD_mg']
    df_drugs['DDD_Per_100_Bed_Days'] = (df_drugs['Calculated_DDD'] * 100) / (total_beds * survey_days)
    
    return df_drugs

Kết quả khảo sát và số liệu thực nghiệm

Nghiên cứu trên tổng thể $N = 686$ mặt hàng thuốc sử dụng tại Bệnh viện Quận 11 trong năm 2017 với tổng kinh phí thanh toán là 40.272.153.975,29 VNĐ.

1. Kết quả phân tích cơ cấu ABC

Phân bố giá trị và số lượng chủng loại phản ánh chính xác quy luật Pareto trong quản trị dược:

Phân nhóm ABC Số lượng thuốc (Chủng loại) Tỷ lệ chủng loại (%) Tổng giá trị tiêu thụ (VNĐ) Tỷ lệ giá trị ngân sách (%)
Nhóm A 111 16,18% 30.370.356.757,29 75,41%
Nhóm B 111 16,18% 6.310.650.442,00 15,67%
Nhóm C 464 67,64% 3.591.146.776,00 8,92%
Tổng cộng 686 100,00% 40.272.153.975,29 100,00% 
Biểu đồ phân bố ABC (% Chủng loại vs % Giá trị):
Nhóm A: [==== 16.18% Chủng loại ] -> [======================================== 75.41% Giá trị]
Nhóm B: [==== 16.18% Chủng loại ] -> [======== 15.67% Giá trị]
Nhóm C: [================= 67.64% Chủng loại] -> [==== 8.92% Giá trị]

2. Cơ cấu thuốc nội và thuốc ngoại theo phân loại ABC

  • Về số lượng chủng loại: Thuốc sản xuất trong nước chiếm ưu thế với 408 mặt hàng (59,47%), thuốc nhập khẩu có 278 mặt hàng (40,53%). Chênh lệch thuốc nội cao hơn thuốc ngoại là 18,94%.
  • Về giá trị ngân sách: Thuốc ngoại chiếm tỷ trọng áp đảo với 59,97% tổng ngân sách, cao hơn thuốc nội 19,94%. Riêng trong nhóm A (nhóm tiêu tốn 75,41% ngân sách), thuốc ngoại chiếm tới 60/111 mặt hàng và chiếm tỷ lệ giá trị vượt trội (chênh lệch 20,57% so với thuốc nội), cho thấy nguồn lực tài chính bệnh viện chi trả lớn cho các biệt dược gốc và thuốc ngoại nhập.

3. Kết quả phân tích phân loại VEN

  • Nhóm V (Sống còn): 138 thuốc (20,12% chủng loại) chiếm 7.504.943.756,29 VNĐ (18,63% giá trị).
  • Nhóm E (Thiết yếu): 534 thuốc (77,84% chủng loại) chiếm 79,81% giá trị ngân sách. Đây là tỷ lệ rất tích cực, chứng minh danh mục thuốc bệnh viện bám sát mô hình điều trị bệnh đa khoa.
  • Nhóm N (Không thiết yếu): 14 thuốc (2,04% chủng loại) chiếm 1,55% giá trị ngân sách.

4. Kết quả phân tích Ma trận kết hợp ABC/VEN

Phân hạng Nhóm V (Sống còn) Nhóm E (Thiết yếu) Nhóm N (Không thiết yếu) Tổng số mặt hàng
Hạng A 14 94 3 (AN) 111
Hạng B 13 96 3 (BN) 111
Hạng C 111 344 8 (CN) 464
Tổng 138 534 14 686

Tổng hợp phân nhóm ma trận chiến lược:

  • Nhóm I (Tối quan trọng: AV, AE, AN, BV, CV): Gồm 235 mặt hàng (34,26% chủng loại), chiếm 31.745.338.686,29 VNĐ (78,83% tổng kinh phí). Cần tập trung quản lý đặc biệt đối với 3 thuốc thuộc ô AN nhằm tìm giải pháp thay thế bằng thuốc nhóm E hoặc đàm phán giá.
  • Nhóm II (Quan trọng: BE, BN, CE): Gồm 443 mặt hàng (64,58% chủng loại), chiếm 21,04% tổng kinh phí.
  • Nhóm III (Ít quan trọng: CN): Gồm 8 mặt hàng (1,17% chủng loại), chiếm 0,13% tổng kinh phí (khoảng 52 triệu VNĐ), có thể xem xét loại bỏ trong các kỳ đấu thầu tiếp theo.

5. Kết quả phân tích liều xác định trong ngày (DDD)

  • Phân khúc DU 90% (Drug Utilization 90%): Phân tích liều tiêu thụ hàng ngày ghi nhận nhóm Insulin và các chất tương tự để tiêm tác động vừa chiếm tỷ lệ cao nhất đạt 45,59% tổng lượng DDD tiêu thụ trong phân khúc 90%.
  • Cơ cấu chi phí theo nhóm điều trị (ATC): Nhóm thuốc Tim mạch chiếm tỷ trọng chi phí cao nhất với 29,32%.
  • Chỉ số mật độ sử dụng nội trú ($DDD/100\text{ giường/ngày}$): Nhóm Hormon và các thuốc tác động vào hệ thống nội tiết dẫn đầu với tỷ lệ 57,73%, phản ánh mô hình bệnh tật đặc thù của bệnh nhân cao tuổi khám chữa bệnh BHYT tại Bệnh viện Quận 11 (đái tháo đường typ 2 và rối loạn chuyển hóa).

Đổi mới và đóng góp

Điểm mới về giải pháp kỹ thuật

  1. Chuẩn hóa quy trình liên thông dữ liệu Dược - Lâm sàng: Nghiên cứu đã xóa bỏ khoảng cách giữa dữ liệu quản trị kho dược và dữ liệu dịch tễ lâm sàng bằng việc tự động hóa ánh xạ mã ATC và liều DDD chuẩn của WHO vào cơ sở dữ liệu xuất viện của phần mềm HIS.
  2. Loại bỏ hoàn toàn độ trễ báo cáo HĐT&ĐT: Thay vì thực hiện báo cáo thủ công theo chu kỳ năm với độ trễ từ 1 - 2 tháng, công cụ cho phép trích xuất báo cáo phân tích đa chiều ABC/VEN/DDD theo thời gian thực (hàng tháng hoặc hàng quý).
  3. Phát hiện sớm các điểm bất hợp lý trong chỉ định thuốc: Thuật toán tự động định vị 3 thuốc nhóm AN (chi phí cao nhưng không thiết yếu) và 8 thuốc nhóm CN để HĐT&ĐT tiến hành bình bệnh án chuyên đề, giảm lãng phí quỹ BHYT.

Đóng góp cho ngành Quản lý Dược bệnh viện

  • Cung cấp mô hình thực nghiệm chuẩn mực cho các bệnh viện tuyến quận/huyện trong việc hiện thực hóa các yêu cầu nghiêm ngặt của Thông tư 21/2013/TT-BYT mà không đòi hỏi chi phí đầu tư hạ tầng CNTT quá lớn.
  • Đặt nền móng cho hoạt động Dược lâm sàng chuyên sâu: Dữ liệu DDD/100 giường/ngày là chỉ số cốt lõi để triển khai chương trình quản lý sử dụng kháng sinh (Antimicrobial Stewardship Program - ASP) và theo dõi nguy cơ đề kháng thuốc tại chỗ.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế tại Bệnh viện Quận 11

  • Kịch bản 1: Lập kế hoạch đấu thầu và dự trù ngân sách: Dựa trên danh mục phân nhóm I của ma trận ABC/VEN (chiếm 78,83% kinh phí), Hội đồng Thuốc và Điều trị ưu tiên phân bổ ngân sách cho 14 thuốc AV và 94 thuốc AE, xây dựng mức tồn kho an toàn cao hơn nhằm ngăn chặn triệt để nguy cơ đứt gãy nguồn cung cấp thuốc cấp cứu.
  • Kịch bản 2: Kiểm soát chi phí thuốc ngoại nhập: Với phát hiện thuốc ngoại chiếm 60,28% giá trị nhóm A, Khoa Dược xây dựng tiêu chí ưu tiên thay thế dần bằng các thuốc Generic sản xuất trong nước đạt tiêu chuẩn tương đương sinh học (Bioequivalence) để giảm gánh nặng chi trả cho người bệnh.
  • Kịch bản 3: Giám sát sử dụng thuốc nội trú qua chỉ số DDD: Khoa Dược theo dõi biến thiên chỉ số $DDD/100\text{ giường/ngày}$ của nhóm thuốc Nội tiết (57,73%) và Tim mạch (29,32% chi phí) để đánh giá tính tuân thủ phác đồ điều trị của các bác sĩ tại các khoa lâm sàng.

Phân tích hiệu quả kinh tế và ROI (Return on Investment)

  • Tiết kiệm thời gian xử lý: Giảm thời gian tổng hợp từ 160 giờ lao động chuyên môn của dược sĩ đại học xuống còn chưa đầy 5 phút cho mỗi kỳ phân tích (giảm >99% thời gian tính toán).
  • Tối ưu hóa dòng tiền tồn kho: Giảm thiểu lượng vốn ứ đọng ở nhóm thuốc C và nhóm thuốc CN, tập trung quay vòng vốn cho các mặt hàng thiết yếu nhóm V và E.
  • Thời gian hoàn vốn: Việc tận dụng hệ thống phần mềm sẵn có (iHIS Solutions) kết hợp giải pháp chuyên dụng (i3 Tool) mang lại ROI tức thì trong quý đầu tiên triển khai nhờ cắt giảm chi phí nhân sự và hạn chế tối đa nguy cơ thuốc hết hạn sử dụng.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Giới hạn của chuẩn ATC/DDD: Phương pháp DDD chuẩn hóa theo WHO không thể áp dụng cho các thuốc dạng dùng ngoài, dịch truyền dinh dưỡng, vắc xin và các thuốc phối hợp đa hoạt chất không có quy ước liều.
  • Chưa cá thể hóa trên đối tượng bệnh nhân suy giảm chức năng: Chỉ số DDD là liều giả định cho người trưởng thành có cân nặng 70kg, không phản ánh chính xác liều kê đơn thực tế (Prescribed Daily Dose - PDD) trên bệnh nhân suy thận nặng hoặc bệnh nhi.

Hướng phát triển tiếp theo

  • Tích hợp module cảnh báo tương tác thuốc và ADR theo thời gian thực: Phát triển các sidecar phân tích đơn thuốc ngay khi bác sĩ kê đơn trên giao diện phần mềm khám chữa bệnh.
  • Xây dựng mô hình phân tích PDD/DDD: Mở rộng so sánh giữa liều thực tế kê đơn (PDD) và liều khuyến cáo (DDD) để giám sát tình trạng kê đơn dưới liều hoặc quá liều.
  • Ứng dụng Trí tuệ nhân tạo (AI): Áp dụng các mô hình dự báo chuỗi thời gian (ARIMA, LSTM) để dự trù nhu cầu tiêu thụ thuốc theo mùa dịch bệnh và biến động thời tiết tại địa bàn TP. Hồ Chí Minh.

Đối tượng hưởng lợi

mindmap
  root((Hệ sinh thái hưởng lợi))
    Ban Giám đốc & HĐT&ĐT
      Kiểm soát ngân sách BHYT 40.2 tỷ
      Ra quyết định mua sắm dựa trên dữ liệu
      Giảm rủi ro xuất toán BHYT
    Dược sĩ Bệnh viện
      Tiết kiệm >90% thời gian xử lý
      Loại bỏ sai sót tính toán thủ công
      Nâng cao vai trò Dược lâm sàng
    Bác sĩ Điều trị
      Tiếp cận danh mục thuốc tối ưu
      Nhận cảnh báo sớm về bất hợp lý kê đơn
      Phác đồ điều trị nhất quán
    Người bệnh & Xã hội
      Đảm bảo sẵn có thuốc cấp cứu nhóm V
      Giảm chi phí tiền túi nhờ thuốc Generic
      An toàn điều trị tối đa
  1. Ban Giám đốc Bệnh viện và HĐT&ĐT: Sở hữu công cụ giám sát trực quan, nắm bắt ngay lập tức các dòng chi phí lớn nhất (Nhóm I: 31,74 tỷ VNĐ), phục vụ đàm phán giá thuốc và xây dựng danh mục đấu thầu sát với mô hình bệnh tật.
  2. Đội ngũ Dược sĩ Khoa Dược: Giải phóng khỏi các tác vụ tính toán cơ học tốn kém thời gian; chuyển dịch trọng tâm công tác sang dược lâm sàng, tư vấn thông tin thuốc và kiểm soát tương tác thuốc.
  3. Cơ quan Bảo hiểm Xã hội (BHYT): Đảm bảo nguồn quỹ khám chữa bệnh BHYT được chi trả minh bạch, đúng thuốc thiết yếu (nhóm E đạt 79,81%), giảm thiểu các chỉ định thuốc bổ trợ không cần thiết (nhóm N chỉ còn 1,55%).
  4. Sinh viên và Nhà nghiên cứu: Tài liệu tham khảo ứng dụng mẫu mực trong chuyên ngành Quản lý & Cung ứng thuốc, cung cấp phương pháp luận chuẩn xác để thực hiện các khóa luận tốt nghiệp ngành Dược.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và hạ tầng để triển khai công cụ phân tích này là gì?

Hệ thống yêu cầu máy trạm chạy hệ điều hành Windows 7/10/11 với cấu hình tối thiểu RAM 4GB, cài đặt Microsoft Excel 2010 trở lên hoặc kết nối trực tiếp vào máy chủ cơ sở dữ liệu của phần mềm iHIS Solutions qua giao thức ODBC/SQL Server Client. Dữ liệu đầu vào chỉ cần trích xuất bảng kê chi tiết xuất nhập thuốc theo định dạng chuẩn gồm: Tên hoạt chất, mã ATC, nồng độ/hàm lượng, đơn giá, số lượng xuất và nhóm VEN.

2. Sự khác biệt căn bản giữa liều DDD và liều kê đơn thực tế PDD là gì?

Liều xác định trong ngày ($DDD$) là đơn vị đo lường kỹ thuật cố định do WHO quy ước, đại diện cho liều duy trì trung bình hàng ngày cho chỉ định chính của một hoạt chất ở người trưởng thành. Trong khi đó, liều kê đơn thực tế ($PDD$) là liều lượng cụ thể mà bác sĩ chỉ định cho một bệnh nhân riêng biệt dựa trên độ tuổi, cân nặng, chức năng gan thận và mức độ nghiêm trọng của bệnh. $DDD$ không phản ánh liều dùng trên từng cá thể nhưng là thước đo chuẩn xác nhất để so sánh mức độ tiêu thụ thuốc giữa các bệnh viện và các quốc gia.

3. Tại sao thuốc nhóm AN lại cần được Hội đồng Thuốc và Điều trị giám sát đặc biệt?

Thuốc nhóm $AN$ là những thuốc được xếp loại Không thiết yếu (Non-essential) theo phân loại lâm sàng nhưng lại rơi vào Nhóm A (chiếm tỷ trọng ngân sách hàng đầu >75%) theo phân loại kinh tế. Đây chính là điểm bất hợp lý lớn nhất trong sử dụng ngân sách y tế. Việc xuất hiện 3 mặt hàng nhóm AN tại Bệnh viện Quận 11 đòi hỏi HĐT&ĐT phải rà soát ngay chỉ định lâm sàng, tìm kiếm thuốc thiết yếu nhóm E có hiệu quả tương đương nhưng giá thành rẻ hơn để thay thế, tránh thất thoát nguồn quỹ điều trị.

4. Bệnh viện có thể tự cấu hình danh mục VEN khi có thay đổi từ Bộ Y tế không?

Hoàn toàn có thể. Cả hai phần mềm i3 Tool và iHIS Solutions đều cung cấp giao diện quản trị cho phép Dược sĩ cập nhật trực tiếp danh mục phân loại VEN theo các văn bản quy phạm pháp luật mới nhất của Bộ Y tế (như Thông tư 45/BYT, Thông tư 20/2022/TT-BYT) hoặc điều chỉnh nhãn phân loại theo đặc thù phân tuyến kỹ thuật của bệnh viện mà không cần viết lại mã nguồn phần mềm.

5. Việc phân tích chỉ số DU 90% mang lại lợi ích cụ thể gì trong quản trị dược lâm sàng?

Phân tích $DU\text{ }90%$ (Drug Utilization 90%) giúp cô lập và làm rõ danh mục các hoạt chất chiếm 90% tổng khối lượng tiêu thụ tính theo liều chuẩn DDD. Thay vì phải kiểm tra toàn bộ 686 mặt hàng, Khoa Dược chỉ cần tập trung xây dựng hướng dẫn sử dụng, quy trình giám sát nồng độ thuốc và kiểm soát tương tác thuốc cho nhóm hoạt chất nằm trong phân khúc $DU\text{ }90%$ (trong nghiên cứu này, tiêu biểu là nhóm Insulin chiếm 45,59%), từ đó tối đa hóa chất lượng điều trị với nguồn lực giám sát hữu hạn.

Kết luận

Đề tài khóa luận tốt nghiệp của Dược sĩ Văn Thị Hồng Nhi đã giải quyết trọn vẹn bài toán thực tiễn tại Bệnh viện Quận 11 trong việc chuẩn hóa và tự động hóa công tác phân tích sử dụng thuốc theo quy định của Thông tư 21/2013/TT-BYT. Nghiên cứu đã chứng minh tính ưu việt vượt trội của việc ứng dụng công nghệ thông tin so với phương pháp thống kê thủ công truyền thống:

  1. Hiệu năng vượt bậc: Giảm thời gian thực hiện báo cáo kinh tế dược định kỳ từ hàng trăm giờ xuống dưới 5 phút, triệt tiêu hoàn toàn sai sót chủ quan trong phân hạng ma trận và chuyển đổi liều DDD.
  2. Bức tranh dịch tễ dược toàn diện: Xác lập bộ cơ sở dữ liệu chi tiết về 686 mặt hàng thuốc với tổng ngân sách 40,27 tỷ VNĐ; khẳng định cơ cấu danh mục thuốc của bệnh viện bám sát nhu cầu điều trị thiết yếu (nhóm E chiếm 79,81% chi phí; nhóm I và II trong ma trận ABC/VEN chiếm 99,87% chi phí).
  3. Giá trị định hướng lâm sàng và kinh tế: Cung cấp bằng chứng khoa học vững chắc để HĐT&ĐT tái cơ cấu danh mục mua sắm, kiểm soát nhóm thuốc ngoại nhập chi phí cao, loại bỏ các thuốc nhóm N không cần thiết và tối ưu hóa dự trù kho dược cho các nhóm bệnh mạn tính chủ lực như Đái tháo đường (Insulin chiếm 45,59% $DU\text{ }90%$) và Tim mạch (29,32% ngân sách).

Mô hình ứng dụng công cụ phân tích i3 Australia Hospital Pharmacist Tool và iHIS Solutions là giải pháp tham khảo giá trị cao, sẵn sàng chuyển giao và nhân rộng cho các cơ sở khám chữa bệnh tuyến quận/huyện trên cả nước nhằm nâng cao năng lực quản trị dược bệnh viện trong kỷ nguyên chuyển đổi số y tế.