Giới thiệu dự án

Sự bùng nổ của mạng lưới Internet băng thông rộng và hạ tầng công nghệ số đã thúc đẩy sự chuyển dịch toàn diện của nền kinh tế toàn cầu sang môi trường thương mại điện tử (TMĐT). Tại Việt Nam, tính đến tháng 9/2022, cả nước đã có 72,1 triệu người sử dụng Internet (đạt 73,2% dân số), với thời lượng trực tuyến bình quân 6 giờ 47 phút mỗi ngày. Doanh thu TMĐT bán lẻ B2C tăng trưởng vượt bậc từ 25–30% mỗi năm, đạt quy mô 13,7 tỷ USD vào năm 2021 và ước tính đạt 16,4 tỷ USD năm 2022. Sau đại dịch COVID-19, thói quen tiêu dùng y tế của người dân có bước chuyển biến sâu sắc; nhu cầu tiếp cận dược phẩm, thuốc không kê đơn (OTC) và thực phẩm chức năng (TPCN) thông qua các kênh số hóa gia tăng đột biến.

Tuy nhiên, lĩnh vực phân phối dược phẩm trực tuyến (E-Pharmacy) tại Việt Nam đang đối mặt với bài toán nan giải:

  • Khoảng trống pháp lý: Luật Dược 2016 và Nghị định số 54/2017/NĐ-CP chưa có quy định, hướng dẫn cụ thể về điều kiện cấp phép kinh doanh thuốc trực tuyến.
  • Nguy cơ dược phẩm giả và kém chất lượng: Theo Tổ chức Y tế Thế giới (WHO), khoảng 50% thuốc được bán qua các trang web không được kiểm duyệt là thuốc giả hoặc không đạt tiêu chuẩn chất lượng.
  • Hành vi sử dụng thuốc không an toàn: Người tiêu dùng có xu hướng tự chẩn đoán và tự ý mua thuốc trực tuyến mà không có sự thăm khám của bác sĩ hoặc hướng dẫn của dược sĩ, dẫn đến nguy cơ lạm dụng thuốc và tương tác thuốc nguy hiểm.

Đề tài "Phân tích thực trạng và ý định mua sắm thuốc và thực phẩm chức năng trực tuyến của người dân Việt Nam trong năm 2023" do Vũ Hồng Nhung thực hiện dưới sự hướng dẫn của ThS. Đinh Xuân Đại tại Khoa Quản lý & Kinh tế Dược – Trường Đại học Dược Hà Nội được triển khai nhằm giải quyết các lỗ hổng thực tiễn trên.

Mục tiêu nghiên cứu cụ thể

  1. Khảo sát và mô tả thực trạng, kiến thức, thái độ và ý định mua sắm thuốc – TPCN trực tuyến của người dân Việt Nam năm 2023 trên mẫu khảo sát thực chứng ($N = 713$).
  2. Xác định và lượng hóa các yếu tố nhân khẩu học, thói quen công nghệ và nhận thức rủi ro/lợi ích tác động đến ý định tiêu dùng dược phẩm số bằng mô hình hồi quy logistic đa biến (Multivariable Logistic Regression).
  3. Đề xuất các giải pháp kỹ thuật, chính sách quản lý nhà nước và định hướng mô hình vận hành nhà thuốc trực tuyến an toàn tại Việt Nam.

Phạm vi và giới hạn nghiên cứu

  • Đối tượng khảo sát: Người dân từ 18 tuổi trở lên đang sinh sống tại Việt Nam, có sử dụng Internet và đồng ý tham gia khảo sát tự điền.
  • Thời gian thu thập: Từ tháng 02/2023 đến tháng 04/2023.
  • Giới hạn: Phương pháp chọn mẫu thuận tiện kết hợp quả cầu tuyết (Snowball Sampling) trên nền tảng kỹ thuật số, tỷ lệ mẫu có sự tập trung cao ở nhóm người trẻ và sinh viên ngành y tế.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng và khoảng trống nghiên cứu

Trên thế giới, các mô hình E-Pharmacy đã phát triển đa dạng tùy thuộc vào khung pháp lý: tại Hoa Kỳ tập trung vào mạng lưới phân phối thuốc theo đơn điện tử được chứng nhận VIPPS/NABP; tại Châu Âu (EMA) áp dụng logo chung xác thực nhà thuốc hợp pháp; tại Trung Quốc cho phép cả mô hình B2C độc lập và gian hàng trên sàn TMĐT bên thứ ba (Taobao, JD).

Tiêu chí so sánh Nhà thuốc truyền thống (Offline) Sàn TMĐT phi chuyên dụng (Shopee, Lazada) Nhà thuốc trực tuyến chuyên biệt (E-Pharmacy)
Tính hợp pháp tại VN Đầy đủ (GPP, Giấy ĐKKD Dược) Chưa có quy định cho thuốc kê đơn Chưa có khung pháp lý riêng biệt
Xác thực đơn thuốc Dược sĩ kiểm tra trực tiếp Không có cơ chế thẩm định đơn Module tải đơn và OCR/Dược sĩ duyệt
Kiểm soát điều kiện GSP Đảm bảo nhiệt độ, độ ẩm chuẩn Phụ thuộc đơn vị vận chuyển thường Đòi hỏi chuỗi cung ứng lạnh (Cold Chain)
Tư vấn chuyên môn Trực tiếp 1-1 với Dược sĩ Chat tự động / Người bán không chuyên môn Tele-pharmacy (Chat/Video call Dược sĩ)
Tính tiện lợi & Bảo mật Giới hạn không gian, thời gian Tiện lợi cao, nguy cơ hàng giả lớn Tiện lợi, bảo mật lịch sử dùng thuốc 
                                  MA TRẬN YÊU CẦU HỆ THỐNG E-PHARMACY (MoSCoW)
┌───────────────────────────────────────────────┬───────────────────────────────────────────────┐
│              MUST HAVE (Bắt buộc)             │             SHOULD HAVE (Nên có)              │
├───────────────────────────────────────────────┼───────────────────────────────────────────────┤
│ • Xác thực danh tính nhà thuốc có GPP        │ • Tích hợp API đơn thuốc quốc gia             │
│ • Chặn bán thuốc kê đơn khi không có đơn      │ • Hệ thống tư vấn Dược sĩ trực tuyến 24/7     │
│ • Lưu vết lịch sử mua hàng và mã lô/date     │ • Cảnh báo tự động tương tác thuốc cơ bản    │
├───────────────────────────────────────────────┼───────────────────────────────────────────────┤
│             COULD HAVE (Có thể có)            │            WON'T HAVE (Chưa phát triển)       │
├───────────────────────────────────────────────┼───────────────────────────────────────────────┤
│ • Đề xuất TPCN theo tình trạng sức khỏe AI    │ • Tự động xuất thuốc gây nghiện, hướng thần  │
│ • Giao hàng siêu tốc bảo quản nhiệt độ chuẩn │ • Chẩn đoán thay thế hoàn toàn bác sĩ lâm sàng│
└───────────────────────────────────────────────┴───────────────────────────────────────────────┘

Thiết kế mô hình nghiên cứu và hệ thống biến số

Mô hình nghiên cứu được xây dựng dựa trên nền tảng Lý thuyết Hành vi có Hoạch định (Theory of Planned Behavior - TPB) mở rộng, tích hợp các yếu tố đặc thù của lĩnh vực dược học: Nhận thức lợi ích (Perceived Benefits), Nhận thức rủi ro (Perceived Risks) và Mức độ tin cậy vào nền tảng số.

flowchart LR
    subgraph Input["Nhóm Biến Độc Lập"]
        A["Nhân khẩu học<br/>(Tuổi, Giới tính, Vùng miền, Thu nhập, Nghề nghiệp)"]
        B["Hành vi Internet<br/>(Thời gian online, Tìm kiếm bệnh, Tra cứu thuốc)"]
        C["Kiến thức & Thái độ<br/>(Thang đo Likert 5 điểm: Lợi ích vs Rủi ro)"]
        D["Kinh nghiệm thực tế<br/>(Đã từng mua, Tần suất, Mức độ hài lòng)"]
    end

    subgraph Processing["Phân Tích Thống Kê (SPSS 22.0)"]
        E["Thống kê mô tả & Cronbach's Alpha"]
        F["Kiểm định Chi-Square / Fisher's Exact"]
        G["Hồi quy Logistic Đơn biến (p < 0.2)"]
        H["Hồi quy Logistic Đa biến (Forward/Enter)"]
    end

    subgraph Output["Nhóm Biến Phụ Thuộc (Ý định)"]
        Y1["Ý định mua Thuốc trực tuyến (Y1)"]
        Y2["Ý định mua TPCN trực tuyến (Y2)"]
        Y3["Ý định giới thiệu cho người khác (Y3)"]
    end

    Input --> Processing
    Processing --> Output

Phương pháp tính cỡ mẫu và quy trình thu thập dữ liệu

Cỡ mẫu nghiên cứu tối thiểu được xác định theo công thức ước lượng một tỷ lệ trong quần thể vô hạn của Daniel (1999):

$$n = \frac{Z_{1-\alpha/2}^2 \cdot p(1-p)}{e^2}$$

  • $Z_{1-\alpha/2} = 1{,}96$ (ứng với độ tin cậy $95%$, mức ý nghĩa $\alpha = 0{,}05$).
  • $p = 0{,}5$ (được chọn để tích số $p(1-p) = 0{,}25$ đạt cực đại, đảm bảo cỡ mẫu an toàn tối đa cho nghiên cứu mới).
  • $e = 0{,}05$ (sai số tuyệt đối cho phép $5%$).

$$n = \frac{(1{,}96)^2 \times 0{,}5 \times (1 - 0{,}5)}{(0{,}05)^2} = 384{,}16 \approx 385\text{ người}$$

Để gia tăng tính đại diện và sức mạnh thống kê (Statistical Power), nhóm nghiên cứu đã mở rộng thu thập được 713 mẫu hợp lệ trên cả 3 miền Bắc, Trung, Nam.

Implementation và kết quả

Quy trình phân tích dữ liệu và thuật toán hồi quy

Bộ dữ liệu sau khi xuất từ Google Forms được làm sạch trên Microsoft Excel 2013 và chuyển vào IBM SPSS Statistics 22.0 để phân tích. Mô hình Hồi quy Logistic Nhị phân (Binary Logistic Regression) ước lượng xác suất xảy ra biến cố ý định ($P(Y=1)$) theo hàm Logit:

$$\ln\left(\frac{P}{1 - P}\right) = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + \dots + \beta_k X_k$$

$$\text{Odds Ratio (OR)} = e^{\beta_i}$$

Dưới đây là mô phỏng thuật toán xử lý dữ liệu và ước lượng mô hình hồi quy đa biến:

import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.formula.api import logit

def evaluate_epharmacy_intentions(data_path: str):
    """Xử lý dữ liệu thực chứng và xây dựng mô hình hồi quy Logistic Đa biến."""
    # 1. Đọc và tiền xử lý dữ liệu
    df = pd.read_excel(data_path)
    
    # Mã hóa các biến danh mục và biến chỉ báo (Dummy coding)
    # Ví dụ: Giới tính (Nam=1, Nữ=0), Bệnh mãn tính (Có=1, Không=0)
    # Tìm kiếm cách dùng thuốc trực tuyến (Có=1, Không=0)
    
    # 2. Xây dựng phương trình hồi quy Logit cho Ý định mua thuốc
    formula_med = (
        "intent_medicine ~ C(gender, Treatment(reference='Female')) + "
        "C(chronic_disease, Treatment(reference='No')) + "
        "search_drug_online + bought_med_past_year + satisfaction_level + "
        "purchase_frequency"
    )
    
    model_med = logit(formula=formula_med, data=df).fit()
    print("=== KẾT QUẢ HỒI QUY ĐA BIẾN: Ý ĐỊNH MUA THUỐC TRỰC TUYẾN ===")
    print(model_med.summary())
    
    # 3. Tính toán Odds Ratio (OR) và 95% Confidence Interval
    params = model_med.params
    conf = model_med.conf_int()
    conf['Odds Ratio'] = params
    conf.columns = ['2.5%', '97.5%', 'Odds Ratio']
    odds_ratios = np.exp(conf)
    
    return odds_ratios

# Output chuẩn hóa trả về hệ số Odds Ratio thực nghiệm

Kiểm định độ tin cậy và thang đo đo lường

Bộ câu hỏi khảo sát gồm 60 biến được kiểm định độ nhất quán nội tại bằng hệ số Cronbach’s Alpha:

  • Thang đo Kiến thức (8 biến Likert 5 mức độ): $\alpha = 0{,}841$.
  • Thang đo Thái độ - Lợi ích tiềm năng (10 biến): $\alpha = 0{,}904$.
  • Thang đo Thái độ - Rủi ro tiềm ẩn (13 biến): $\alpha = 0{,}894$.
  • Toàn bộ thang đo kiến thức và thái độ: $\alpha = 0{,}942$ (đạt độ tin cậy tuyệt hảo $> 0{,}8$).

Kết quả nghiên cứu thực nghiệm

1. Đặc điểm mẫu khảo sát ($N = 713$)

  • Nhân khẩu học: Nữ giới chiếm $64{,}9%$; độ tuổi trung bình $28{,}99 \pm 11{,}85$ tuổi (nhóm $<25$ tuổi chiếm $67{,}5%$). Khu vực sinh sống: Thành phố ($82{,}5%$), Nông thôn ($17{,}5%$). Tỷ lệ người đang học tập/làm việc trong khối ngành y tế là $67{,}2%$. Có BHYT đạt $98{,}5%$; $20{,}5%$ đang mắc các bệnh mãn tính.
  • Hành vi số hóa: $96{,}9%$ sử dụng Internet $\ge 2$ giờ/ngày (trung bình $6{,}03 \pm 3{,}41$ giờ/ngày). Đáng chú ý, $96{,}6%$ từng tra cứu thông tin sức khỏe trực tuyến; $68{,}3%$ từng tự chẩn đoán bệnh không qua bác sĩ; $80{,}5%$ tự tìm cách dùng thuốc không qua tư vấn của chuyên gia y tế.

2. Thực trạng và ý định mua sắm trực tuyến

  • Thực trạng 1 năm qua: $20{,}1%$ đã từng mua thuốc trực tuyến; $36{,}7%$ từng mua TPCN trực tuyến; $9{,}1%$ mua từ nguồn xuyên biên giới.
  • Kênh mua sắm chủ yếu: Nhà thuốc trực tuyến ($48{,}7%$), Mạng xã hội Zalo/Facebook ($47{,}8%$), Website hãng sản xuất ($39{,}6%$), Sàn TMĐT ($14{,}1%$).
  • Hành vi rủi ro cao: Trong số người từng mua thuốc trực tuyến, có tới $54{,}8%$ không gửi đơn thuốc, không trả lời khảo sát sức khỏe và không trò chuyện trực tiếp với bác sĩ/dược sĩ trước khi thanh toán.
  • Ý định tương lai: $50{,}8%$ có ý định mua thuốc trực tuyến; $76{,}7%$ có ý định mua TPCN trực tuyến; $59{,}7%$ có ý định giới thiệu dịch vụ này cho người thân, bạn bè.

3. Bảng tổng hợp các yếu tố tác động then chốt (Hồi quy Logistic Đa biến)

Biến độc lập Ý định mua thuốc trực tuyến Ý định mua TPCN trực tuyến Ý định giới thiệu cho người khác
Giới tính (Nam vs. Nữ) OR = 4,377 ($p < 0,001$) Không có ý nghĩa ($p > 0,05$) Không có ý nghĩa ($p > 0,05$)
Lĩnh vực công tác (Ngành y vs. Ngoài ngành) Không có ý nghĩa OR = 4,498 ($p = 0,038$) Không có ý nghĩa
Mắc bệnh mãn tính (Có vs. Không) OR = 0,257 ($p = 0,010$) OR = 0,233 ($p = 0,025$) OR = 0,241 ($p = 0,004$)
Thu nhập (<3 triệu vs. $\ge 12$ triệu) Không có ý nghĩa OR = 0,032 ($p = 0,001$) OR = 0,222 ($p = 0,029$)
Tự tra cứu cách dùng thuốc qua mạng OR = 4,126 ($p = 0,002$) OR = 6,509 ($p < 0,001$) OR = 3,957 ($p = 0,002$)
Đã từng mua thuốc online 1 năm qua OR = 9,353 ($p < 0,001$) — —
Đã từng mua TPCN online 1 năm qua — OR = 35,780 ($p < 0,001$) —
Hài lòng với trải nghiệm trước đó OR = 1,592 ($p = 0,021$) OR = 2,987 ($p = 0,037$) Không có ý nghĩa
Tăng thêm 1 lần mua trong năm qua OR = 1,335 ($p = 0,033$) OR = 0,746 ($p = 0,034$) Không có ý nghĩa

Đổi mới và đóng góp

Đóng góp về mặt khoa học và phương pháp luận

  • Dữ liệu thực chứng đầu tiên tại Việt Nam: Khóa luận cung cấp bức tranh toàn cảnh định lượng đầu tiên về hành vi tiêu dùng số trong ngành dược năm 2023, lấp đầy khoảng trống nghiên cứu giữa bối cảnh TMĐT bùng nổ nhưng dược phẩm trực tuyến chưa được phân tích hệ thống.
  • Mở rộng khung lý thuyết TPB trong y tế: Tích hợp thành công các biến số hành vi kỹ thuật số (tự tra cứu bệnh, tự tìm hướng dẫn dùng thuốc) vào mô hình dự đoán ý định tiêu dùng y tế.

So sánh với các nghiên cứu quốc tế tương quan

               TỶ LỆ ĐÃ TỪNG MUA THUỐC / DƯỢC PHẨM TRỰC TUYẾN
Viet Nam (Nhung, 2023)    [████████████████████] 20.1% (Thuốc) / 36.7% (TPCN)
Portugal (2021)          [████████████████████████] 24.3%
Saudi Arabia (2020)      [████████████████████████████████████] 36.0%
UAE (2020)               [███████████████████████████████] 31.2%
Finland (2019)           [████████████████] 16.5%
Hungary (2018)           [████] 4.17%
Romania (2011)           [████████] 8.3%

Các phát hiện mang tính đột phá

  1. Hiệu ứng thận trọng ở bệnh nhân mãn tính: Người mắc bệnh mãn tính có odds ý định mua thuốc online thấp hơn $74{,}3%$ ($\text{OR} = 0{,}257$) và TPCN thấp hơn $76{,}7%$ ($\text{OR} = 0{,}233$) so với người không mắc bệnh. Điều này chứng minh người có rủi ro sức khỏe cao vẫn ưu tiên tiếp cận bác sĩ/nhà thuốc truyền thống để đảm bảo tính an toàn.
  2. Kinh nghiệm mua sắm là động lực quyết định: Người từng mua TPCN trực tuyến có khả năng tiếp tục mua cao gấp 35,78 lần ($\text{OR} = 35{,}780, p < 0{,}001$), cho thấy một khi rào cản thử nghiệm ban đầu được dỡ bỏ, tỷ lệ giữ chân khách hàng (Retention Rate) trong mảng TPCN trực tuyến là cực kỳ lớn.

Ứng dụng thực tế và triển khai

Khuyến nghị chính sách cho Cơ quan Quản lý Dược (Bộ Y tế)

  • Xây dựng khung pháp lý thí điểm (Regulatory Sandbox): Cho phép các chuỗi nhà thuốc đạt chuẩn GPP triển khai mô hình E-Pharmacy có kiểm soát; bắt buộc liên thông với Hệ thống Cơ sở Dữ liệu Dược Quốc gia.
  • Cơ chế quản lý danh mục: Nghiêm cấm bán trực tuyến thuốc gây nghiện, thuốc hướng thần, thuốc kê đơn kiểm soát đặc biệt. Cho phép bán thuốc OTC và TPCN với điều kiện hiển thị đầy đủ số đăng ký (SĐK), phiếu công bố sản phẩm và quét mã QR xác thực nguồn gốc.
  • Bắt buộc định danh và lưu vết: Áp dụng chế tài bắt buộc các nền tảng TMĐT phải có quy trình xác minh chứng chỉ hành nghề của dược sĩ tư vấn và mã đơn thuốc điện tử hợp lệ trước khi hoàn tất giao dịch.

Mô hình vận hành chuẩn hóa cho doanh nghiệp phân phối Dược phẩm

sequenceDiagram
    autonumber
    actor User as Khách hàng
    participant Web as Cổng E-Pharmacy / App
    participant OCR as Module Thẩm Định Đơn / AI
    participant Pharm as Dược Sĩ Tư Vấn (GPP)
    participant ERP as Kho Đạt Chuẩn GSP/GDP
    participant Logistics as Vận Chuyển Cold-Chain

    User->>Web: Tìm kiếm thuốc kê đơn / TPCN
    alt Sản phẩm là thuốc kê đơn
        User->>Web: Tải lên hình ảnh Đơn thuốc / Nhập Mã Đơn Quốc Gia
        Web->>OCR: Kiểm tra tính hợp lệ & chữ ký số bác sĩ
        OCR-->>Pharm: Chuyển dữ liệu đơn cho Dược sĩ phụ trách
        Pharm->>User: Gọi điện / Chat tư vấn liều lượng & chống chỉ định
        Pharm->>Web: Phê duyệt đơn hàng
    else Sản phẩm là Thuốc OTC / TPCN
        Web->>User: Hiển thị cảnh báo liều dùng & chống chỉ định
    end
    Web->>ERP: Xuất kho theo lô, hạn dùng (FEFO)
    ERP->>Logistics: Đóng gói chuyên dụng kèm tem niêm phong nhiệt độ
    Logistics->>User: Giao hàng tận nơi & Đồng kiểm tem bảo đảm

Hạn chế và hướng phát triển

Hạn chế của nghiên cứu

  1. Độ lệch mẫu khảo sát (Sampling Bias): Việc lấy mẫu trực tuyến thuận tiện dẫn đến tỷ lệ nữ giới ($64{,}9%$), người trẻ $<25$ tuổi ($67{,}5%$) và người trong ngành y tế ($67{,}2%$) chiếm ưu thế, chưa phản ánh hoàn toàn cơ cấu dân số chung tại các vùng nông thôn sâu xa.
  2. Bản chất nghiên cứu cắt ngang: Nghiên cứu chỉ đo lường "ý định" (Behavioral Intention) tại một thời điểm, chưa theo dõi dọc để đánh giá hành vi mua hàng thực tế diễn ra sau đó.

Hướng phát triển tiếp theo

  • Ứng dụng Mô hình Phương trình Cấu trúc (SEM - Structural Equation Modeling): Để đánh giá các mối quan hệ tác động gián tiếp phức tạp giữa Nhận thức rủi ro $\rightarrow$ Niềm tin $\rightarrow$ Thái độ $\rightarrow$ Ý định hành vi.
  • Nghiên cứu theo chiều dọc (Longitudinal Study): Đánh giá sự chuyển biến hành vi mua thuốc của người dân sau khi Luật Dược sửa đổi chính thức ban hành các quy định quản lý E-Pharmacy.

Đối tượng hưởng lợi

                                LỢI ÍCH ĐỊNH LƯỢNG CHO CÁC BÊN LIÊN QUAN
┌───────────────────────────────────────────────────┬───────────────────────────────────────────────────┐
│           CƠ QUAN QUẢN LÝ NHÀ NƯỚC               │             DOANH NGHIỆP & CHUỖI NHÀ THUỐC         │
├───────────────────────────────────────────────────┼───────────────────────────────────────────────────┤
│ • Cung cấp cơ sở khoa học xây dựng chính sách    │ • Tối ưu hóa chi phí vận hành điểm bán lẻ         │
│ • Hoàn thiện quy chuẩn kiểm soát đơn thuốc số     │ • Định hướng phát triển giao diện UX/UI minh bạch │
│ • Giảm thiểu tỷ lệ lưu hành 50% thuốc giả online  │ • Nắm bắt tệp khách hàng tiềm năng (OR=35.78 TPCN)│
├───────────────────────────────────────────────────┼───────────────────────────────────────────────────┤
│           DƯỢC SĨ & NHÂN VIÊN Y TẾ               │                 NGƯỜI TIÊU DÙNG                   │
├───────────────────────────────────────────────────┼───────────────────────────────────────────────────┤
│ • Mở rộng phạm vi tư vấn dược qua Tele-pharmacy   │ • Tiếp cận thuốc chính hãng mọi lúc, mọi nơi      │
│ • Giảm tải áp lực trực tiếp tại quầy thuốc        │ • Minh bạch giá cả, hạn chế mua nhầm thuốc giả    │
│ • Quản lý lịch sử dùng thuốc của bệnh nhân tốt hơn│ • Tiện lợi cho người già, người khuyết tật vận động│
└───────────────────────────────────────────────────┴───────────────────────────────────────────────────┘

Câu hỏi thường gặp

1. Việc mua bán thuốc trực tuyến hiện nay tại Việt Nam có vi phạm pháp luật không?

Hiện nay, Luật Dược 2016 chưa có điều khoản cụ thể cho phép kinh doanh thuốc trực tuyến. Các cơ sở bán lẻ thuốc phải đáp ứng tiêu chuẩn GPP tại địa điểm cố định. Tuy nhiên, việc bán TPCN và mỹ phẩm trực tuyến là hợp pháp nếu doanh nghiệp đã đăng ký website thương mại điện tử với Bộ Công Thương và sản phẩm có đầy đủ giấy phép công bố của Cục An toàn thực phẩm.

2. Làm thế nào để phân biệt nhà thuốc trực tuyến hợp pháp và trang web lừa đảo?

Người tiêu dùng cần kiểm tra: (1) Thông tin giấy phép kinh doanh dược và địa chỉ nhà thuốc vật lý rõ ràng; (2) Thông tin Dược sĩ đại diện chuyên môn; (3) Logo thông báo/đăng ký với Bộ Công Thương; (4) Quy trình bắt buộc yêu cầu xuất trình đơn thuốc đối với thuốc kê đơn.

3. Tại sao người mắc bệnh mãn tính trong nghiên cứu lại ít có ý định mua thuốc online hơn?

Phân tích hồi quy đa biến cho thấy người mắc bệnh mãn tính có odds ý định mua thuốc trực tuyến thấp hơn $74{,}3%$ ($\text{OR} = 0{,}257, p = 0{,}010$). Nhóm đối tượng này cần phác đồ điều trị phức tạp, lo ngại rủi ro về chất lượng bảo quản thuốc và có mức độ gắn kết, tin tưởng cao vào bác sĩ điều trị và dược sĩ tại bệnh viện.

4. Yếu tố nào thúc đẩy mạnh nhất việc người dân tiếp tục mua TPCN trực tuyến?

Trải nghiệm đã từng mua trong quá khứ là yếu tố thúc đẩy mạnh nhất ($\text{OR} = 35{,}780, p < 0{,}001$), kết hợp với mức độ hài lòng về tính tiện lợi, sự đa dạng sản phẩm và tính minh bạch của các thông tin phản hồi từ người mua trước đó.

5. Doanh nghiệp cần chuẩn bị hạ tầng công nghệ gì để đón đầu làn sóng E-Pharmacy?

Doanh nghiệp cần đầu tư hệ thống ERP quản lý kho đạt chuẩn GSP/GDP, module Tele-pharmacy kết nối Dược sĩ tư vấn thời gian thực, hệ thống trích xuất và xác thực đơn thuốc điện tử tự động, cùng quy trình kiểm soát nhiệt độ vận chuyển nghiêm ngặt.

Kết luận

Đồ án khóa luận tốt nghiệp của sinh viên Vũ Hồng Nhung tại Đại học Dược Hà Nội đã phác họa bức tranh toàn diện và sâu sắc về thực trạng và tiềm năng của thị trường thuốc và TPCN trực tuyến tại Việt Nam năm 2023. Với $50{,}8%$ người dân có ý định mua thuốc và $76{,}7%$ có ý định mua TPCN trực tuyến, nhu cầu số hóa dịch vụ y tế là một xu thế tất yếu không thể đảo ngược.

Kết quả phân tích hồi quy logistic đa biến đã chứng minh tầm quan trọng cốt lõi của trải nghiệm người dùng, thói quen kỹ thuật số và sự cần thiết của các rào cản an toàn cho nhóm bệnh nhân mãn tính. Đây là nguồn tư liệu thực chứng quý báu, đóng góp luận cứ khoa học vững chắc hỗ trợ các cơ quan hoạch định chính sách hoàn thiện khung khổ pháp lý cho Luật Dược sửa đổi, đồng thời mở đường cho các doanh nghiệp xây dựng hệ sinh thái E-Pharmacy chuẩn mực, an toàn và vì sức khỏe cộng đồng.