Phân tích thông tin y tế để cải tiến chất lượng bệnh viện

Các khung chỉ số chất lượng phổ biến hiện nay
1. Plan-Do-Study-Act
2. Lean
3. Six Sigma

5 nguyên tắc của phương pháp Lean
1. Specific value: giá trị của một quy trình phải được xác định từ quan điểm
khách hàng cuối cùng (bệnh nhân, nhân viên y tế...)
2. Identify the value stream: vẽ lại sơ đồ tất cả các bước của quy trình đưa sản
phẩm/dịch vụ đến khách hàng.
3. Flow: Xác định các bước lãng phí (khơng mang lại giá trị) trong quy trình
4. Pull: Sau khi đã loại các bước lãng phí ra khỏi quy trình, cần xây dựng một
hệ thống kéo (pull system) dựa trên nhu cầu của bệnh nhân.
5. Perfection: sau khi đã loại bỏ các bước lãng phí và khơng hiệu suất, laị quay
lại bước 1 và bắt đầu cải tiến tiếp.

8 điều lãng phí trong chăm sóc y tế
Các loại lãng phí trong chăm sóc y tế có thể được gom thành 8 nhóm.Với 8 nhóm
này giúp cho các nhà quản lý chất lượng dễ dàng xác định các lãng phí trong quy
trình của họ. 8 lãng phí này bao gồm:
1. Defects and errors (Khiếm khuyết và sai phạm): Lãng phí do sai lỗi – phải
sửa chữa hoặc làm lại – gây tốn nguồn lực.
2. Over Production (Dư thừa): Lãng phí do làm nhiều hơn mức cần thiết, nhanh
hơn cần thiết hoặc trước khi cần thiết.
3. Waitting (Chờ đợi): Lãng phí do phải chờ đợi hoặc trì hỗn.


4. Unnecessary Transportation (Vận chuyển thừa): Lãng phí do vận chuyển
khơng cần thiết.
5. Intventory (Tồn trữ): Lãng phí do tồn kho, lưu trữ – gây mất diện tích, phải
bảo quản…

6. Unnecessary Motion (Thao tác thừa): Lãng phí do người lao động thao tác
thừa hoặc có những di chuyển/đi lại khơng cần thiết.
7. Processing waste (lãng phí quy trình):Lãng phí do có một quy trình nào đó
hoặc một số bước trong quy trình khơng tạo ra giá trị.
8. Unused human potential (Nhân lực): Ngồi 7 loại lãng phí do Taiichi Ohno
đưa ra, ngày nay, các chuyên gia bổ sung thêm loại lãng phí thứ 8, đó chính
là lãng phí do khơng phát huy được tài năng và sự sáng tạo của nhân viên.
Một thách thức cho việc thực hiện quy trình Lean chính là dữ liệu của hệ thống y tế
khơng ghi nhận các chỉ số đánh giá được giá trị hay khơng giá trị của các bước
trong quy trình cũng như các chỉ số đánh giá các bước trong quy trình có lãng phí
hay khơng. Khi đó chúng ta phải xử lý bằng tay chọn ra một chỉ số gián tiếp để đo
lường lãng phí và khơng hiệu quả của các bước trong quy trình.

Six sigma
Trong khi Lean xác định và loại bỏ lãng phí thì six sigma lại dùng dữ liệu và
phân tích thống kê để đo lường và cải tiến chất lượng, thực hành của hệ thống.
Một cơ sở y tế phải có tỷ lệ sai lầm trong quy trình từ 2700-45500 (2-3
sigma) sai lầm/ 1 triệu lần thực hiện/cơ hội.
Để triển khai 6 Sigma thành công, không thể không nhắc đến sự hỗ trợ
những công cụ 6 Sigma. Bài viết này sẽ giới thiệu một số công cụ dựa theo tiến
trình DMAIC.
 Giai đoạn 1: Trong giai đoạn đầu tiên, cần Xác định (Define) những vấn đề như
mục tiêu của dự án, phạm vi dự án, giá trị phân bổ cho khách hàng…
những công cụ 6 Sigma được sử dụng trong giai đoạn này bao gồm: Project
Charter, Lưu đồ chuỗi giá trị – Value Stream Mapping, Process Flowchart,


FMEA, Stakeholder Analysis, Ma trận/ Phân tích nhân quả – Cause & Effect
Matrix, DMAIC Work Breakdown Structure, Voice of the Customer…
 Giai đoạn 2: Trong giai đoạn Đo lường (Measure) nên sử dụng các công cụ 6

Sigma như: Process Flowchart, Cause & Effect Matrix, FMEA, Data Collection
Plan/Example, Benchmarking, Measurement System Analysis, Gage R&R,
Voice of the Customer Gathering, Process Sigma Calculation…
 Giai đoạn 3: Ở giai đoạn Phân tích (Analyze) các thông số, dữ liệu để đánh giá
tại sao vấn đề lại xảy ra và cái nào là nguyên nhân gốc gây ra sản phẩm khuyết
tật. Ở giai đoạn này nên sử dụng các công cụ 6 Sigma như Histogram, Pareto
Chart, Time Series/Run Chart, Scatter Plot, Cause and Effect/Fishbone Diagram,
5 Whys, Process Map Review and Analysis, Statistical Analysis,… để thu hẹp
các yếu tố X (nguyên nhân)
 Giai đoạn 4: Các công cụ 6 Sigma trong giai đoạn Cải tiến (Improve) gồm
Brainstorming, Mistake Proofing, Design of Experiments, House of Quality,
Failure Modes and Effects Analysis (FMEA), Simulation Software… nhằm mục
đích thử nghiệm các thiết kế, các giải pháp mới và loại bỏ triệt để những nguyên
nhân gốc.
 Giai đoạn 5:Cuối cùng tại giai đoạn Kiểm sốt (Control), sử dụng các cơng cụ 6
Sigma như Process Sigma Calculation, Biểu đồ kiểm soát – Control Charts
(Variable and Attribute), Cost Savings Calculations, Control Plan để tính tốn
chi phí tiết kiệm được trong dự án, lập kế hoạch bàn giao quy trình…Và cuối
cùng là để đóng dự án!

Các hoạt động chính để duy trì hệ thống dữ liệu bao gồm
 Data modeling
 Data creating
 Data storage: khi dữ liệu được tạo ra hay đạt được, thì chúng phải được lưu
trữ trong cơ sở dữ liệu (database). Tại cơ sở dữ liệu, dữ liệu có thể được tái


định dạng hoặc chuyển đổi để tăng hiệu quả cho cơ sỡ dữ liệu. Dữ liệu trong
cơ sở dữ liệu cũng phải được bảo mật tốt.
 Data usage

Chất lượng dữ liệu trong quản lý chất lượng
Để có thể đánh giá được chất lượng dữ liệu chúng ta cần dựa vào các khía cạnh dữ
liệu sau đây:
 Accuracy: dữ liệu phải phản ánh chính xác thực tế kết cục muốn đo lường.
 Timeliness: dữ liệu phải luôn được cập nhật cho đến thời điểm đánh giá chất
lượng dữ liệu
 Comparability: dữ liệu phải thống nhất đồng bộ trước sau.
 Usability: dữ liệu phải dễ tiếp cận, sử dụng và hiểu được
 Relevance: mức độ đáp ứng được theo mục tiêu phân tích
 Completeness: mức độ sẵn có của các dữ liệu điện tử để dùng cho phân tích
 Conformity: dữ liệu phải tuân thủ theo quy tắc chuẩn hóa của dữ liệu.
 Consistency: các giá trị của dữ liệu phải đồng bộ từ ban đầu cho đến cuối.
Hầu hết chất lượng dữ liệu của cơ sở y tế kém là do
 Người dùng tương tác sai với hệ thống thông tin hoặc lâm sàng
 Giao diện người dùng thiết kế kém
 Thiếu hụt trong việc kiểm định dữ liệu nhập vào
 Sai lầm trong mã hóa giao diện hệ thống
Các nguyên nhân gây ra chất lượng dữ liệu kém có thể được gom thành 10 nhóm:
 Có nhiều nguồn dữ liệu: có nhiều nguồn dữ liệu (nhập viện, dược, xét
nghiệm...) cùng lưu thơng tin của bệnh nhân, mỗi nguồn lại có định dạng và
cách kiểm định dữ liệu riêng.
 Nhận xét chủ quan trong việc tạo dữ liệu: vì khơng có định nghĩa rõ ràng
dành cho dữ liệu nên người phân tích dữ liệu có thể diễn giải dữ liệu theo
nhiều cách khác nhau.


 Sự cân đối giữa an ninh/dễ tiếp cận: nhiều nguồn dữ liệu quá an ninh dẫn đến
khó tiếp cận, buộc người phân tích phải sử dụng nguồn khơng chính thống.
 Mã hóa dữ liệu khác nhau: các bộ phận, đơn vị trong cơ sở y tế có thể mã

hóa dữ liệu theo nhiều cách khác nhau làm chúng không thể so sánh và tích
hợp lại với nhau.
 Tính đại diện của dữ liệu phức tạp: dữ liệu của một quy trình dù phức tạp hay
đơn giản được lưu trữ lập đi lập lại dễ dẫn đến sai lầm trong rút trích và phân
tích dữ liệu.
 Khối lượng dữ liệu: dữ liệu lớn có thể làm cản trở q trình phân tích dữ liệu.
 Thay đổi nhu cầu dữ liệu:

Quản lý và quản trị dữ liệu y tế
Quản trị dữ liệu (data governance) chính là thiết lập, củng cố, và bổ sung các chính
sách, thủ tục quản lý dữ liệu ở cấp cơ sở y tế.
Quản lý dữ liệu (data stewardship) chính là theo dõi và đánh giá chất lượng dữ liệu
trong cơ sở y tế.
Trong cơ sở y tế mỗi loại dữ liệu cần có 1 người quản lý dữ liệu riêng. Ví dụ trong
bệnh viện phải có 1 người quản lý dữ liệu dành cho cấp cứu, dược, tim mạch v.v.

Các loại dữ liệu trong quản lý chất lượng
Trong quản lý chất lượng, người ta phân dữ liệu thành 3 loại: dữ liệu phân loại
(classfication), dữ liệu đếm (count) và dữ liệu liên tục(continuous). Dữ liệu phân
loại và đếm cịn gọi là dữ liệu thuộc tính (attribute data) và dữ liệu liên tục còn gọi
là dữ liệu biến thiên (variable data).

Lưu trữ điện tử dữ liệu


Khi lưu trữ dữ liệu trong cơ sở dữ liệu, cần xác định 4 thuộc tính của dữ liệu sau
đây:
 Kind of data: loại dữ liệu được lưu trữ (số, chữ, số nhị phân)
 Size of data: kích cỡ dữ liệu (dữ liệu có tối đa bao nhiêu ký tự)
 Precision of data: đối với dữ liệu số thì là tổng số chữ số của số đó

 Scale of data: đối với dữ liệu số thì là tổng số chữ số bên phải dấu thập phân.

Có 4 loại dữ liệu được lưu trong cơ sở dữ liệu bao gồm:

Sự khác biệt giữa interval và ratio chính là định nghĩa giá trị 0. Trong interval thì
giá trị 0 có thể mang ý nghĩa khác cịn trong ratio thì giá trị 0 đúng nghĩa là khơng
có giá trị.


Độ K là ratio còn độ C và F là interval.

Tóm tắt dữ liệu y tế
Có các cách để tóm tắt dữ liệu y tế:
 Đếm tổng số lượng kết cục xảy ra: hai cách để tóm tắt số lượng kết cục là dùng
phân bố tần suất (bảng, biểu đồ thanh, biểu đồ dây) và tổ chức đồ. Phân bố tần
suất dùng cho tất cả các dạng dữ liệu còn tổ chức đồ chỉ dùng cho dữ liệu số.
Nếu tổ chức đồ có hình hai đỉnh (bimodal) điều đó có nghĩa dữ liệu của chúng ta
xuất phát từ hai dân số khác nhau. Ví dụ thời gian nằm viện tại khoa cấp cứu có
hai đỉnh thì có nghĩa là dân số bệnh nhân có thể bao gồm những bệnh nhân
khơng nhập cấp cứu và bệnh nhân có nhập cấp cứu.
 Số tập trung và phân tán:
 Sử dụng box and whisker plot:
 Scatter plots

Sự khác biệt giữa measure, metric và indicator
 Measure: cịn gọi là số đo lường có thể là một giá trị chất lượng phản ánh một
khía cạnh của chăm sóc bệnh nhân. Measure khơng nhất thiết liên kết với QI
hoặc PI. Measure có thể xem như là dữ liệu thơ chưa qua xử lý. Ví dụ số bệnh

nhân được phân loại tại A&E là một measure và khơng liên quan gì đến cải tiến
chất lượng.
 Metric: là các measure có liên quan đến chất lượng chăm sóc bệnh nhân. Metric
thường được dùng cho mục đích theo dõi, cải tiến chất lượng. Ví dụ số bệnh
nhân được phân loại cấp cứu trùng lắp bởi điều dưỡng là một metric vì nó liên
quan đến quy trình phân loại bệnh tại khoa A&E và việc theo dõi nó dùng để cải
tiến quy trình phân loại tại A&E.
 Indicator: là metric nhưng được gắn với một ngữ cảnh cụ thể. Hay nói cách khác
indicator khác với metric ở chỗ nó có khoảng chấp nhận và mục tiêu gắn liền với
indicator. Ví dụ: khoảng chấp nhận tỷ lệ phân loại trùng lắp của điều dưỡng
trong 30 ngày trước là 13% còn mục tiêu là 10% thì chúng ta sẽ có indicator là
tỷ lệ phân loại trùng lắp của điều dưỡng trong thời gian sắp tới.

Xây dựng Key Performance Indicator (KPI)


Có quá nhiều chỉ số chất lượng cần theo dõi trong cơ sở y tế, do đó chúng ta cần lựa
chọn những chỉ số thành tích chính. Để xây dựng một chỉ số tốt cần phải đạt các
tiêu chí SMART:
 Specific: chỉ số phải nói lên đo lường cái gì và phải có khoảng chấp nhận cùng
mục tiêu. Ví dụ: thời gian nằm viện của bệnh nhân khoa cấp cứu nhưng không
nhập viện. Mục tiêu của chỉ số là thời gian nằm viện của bệnh nhân khoa cấp
cứu < 4 giờ cho 95% bệnh nhân.
 Measurable: Nếu một chỉ số cụ thể nhưng khơng đo lường được thì cũng khơng
thể được chọn làm KPI. Việc không đo lường được chỉ số có thể là do khơng có
dữ liệu nguồn hoặc dữ liệu không đầy đủ để đo lường chỉ số đó.
 Actionable: nghĩa là một chỉ số được thiết lập mà dựa vào đó có thể đưa ra được
hành động can thiệp.
 Relevant: chỉ số thiết lập phải liên quan đến mục tiêu và mục đích của dự án cải
tiến.

 Time-bound: chỉ số phải có giới hạn thời gian (ví dụ như theo ngày, theo tháng,
theo năm, theo quý) và mục tiêu cũng phải có giới hạn thời gian (phải đạt mục
tiêu trong bao nhiêu tháng, bao nhiêu năm).

Cách lựa chọn chỉ số chất lượng phù hợp
Một trong nhiều cách để lựa chọn các chỉ số chất lượng chính là nhóm các chỉ số
chất lượng thành 3 nhóm chính: outcome, process, balancing


Phân tích dữ liệu trong dự án cải tiến chất lượng
Có 5 giai đoạn trong dự án cải tiến chất lượng bao gồm: 1) xác định vấn đề;
2) Cơ hội cải tiến; 3) thực hiện các hoạt động cải tiến; 4) đánh giá kết quả; 5) duy trì
thay đổi. Trong mỗi giai đoạn đều cần phải có phân tích dữ liệu.
 Phân tích dữ liệu trong giai đoạn xác định vấn đề: phân tích dữ liệu trong giai
đoạn này chính là phân tích dữ liệu nền. Phân tích dữ liệu nền là chúng ta phân
tích dữ liệu thành tích của quy trình trong q khứ để từ đó biết được quy mô,
mức độ của vấn đề. Tất cả các dự án cải tiến đề cần dữ liệu nền. Dữ liệu nền
phải đo lường đúng chỉ số chất lượng được đề ra trong dự án. Cách phân tích dữ
liệu nền cũng cực kỳ quan trọng. Dữ liệu một năm có thể được trình bày theo
tháng hoặc dữ liệu một tháng có thể trình bày theo tuần. Tuy nhiên cần xem xét
đến mức độ trình bày dữ liệu vì nếu trình bày dữ liệu ở cấp độ cao thì sẽ đánh
mất những quan sát thay đổi ở cấp độ nhỏ còn nếu trình bày dữ liệu ở cấp thấp
thì đơi khi khơng thấy được xu hướng chung của dữ liệu.
 Phân tích dữ liệu trong giai đoạn cơ hội cải tiến: Trong giai đoạn này chúng ta sẽ
phải xác định các nguyên nhân gốc rễ gây ra vấn đề đồng thời xác định các chỉ
số đo lường cần thiết và ước lượng tác động và các nỗ lực cần thực hiện để đạt
được mục tiêu đề ra.
o Xác định nguyên nhân gốc rễ: Thường chúng ta sử dụng công cụ giản đồ
Ishikawa (giản đồ khung xương cá) để tìm nguyên nhân gốc rễ của vấn
đề. Có 6 phân loại cho nguyên nhân gốc rễ bao gồm: process, people,

policy, materials, environment, and technology. Tuy nhiên có thể tùy vào
tình huống số phân loại nguyên nhân gốc rễ có thể thay đổi.


Ước lượng sự góp phần của các nguyên nhân vào vấn đề: sử dụng biểu đồ
Pareto để mô tả các nguyên nhân gốc rễ và tác động của chúng lên vấn
đề.

Ví dụ trong biểu đồ Pareto này thì ngun nhân too many click chiếm đến
50,0% và nguyên nhân confusing from design chiếm 19,0%. Có đến 69% vấn đề
xảy ra là do hai nguyên nhân trên. Như vậy chúng ta cần tập trung cải thiện vào
hai nguyên nhân này.
o Ước lượng tác động và nỗ lực: chúng ta có thể sử dụng lưới tác động/nỗ
lực (impact/effort grid) để lựa chọn dự án cải tiến. Lưới tác động/nỗ lực
như sau:


Dự án được chọn cần phải nằm ở góc phần tư thứ hai nghĩa là có tác động cao và
cần nỗ lực thấp. Dự án cải tiến nằm ở góc thứ 1 thì cần xem xét và dự án nằm ở góc
thứ ba cần đánh giá cẩn thận và dự án ở góc thứ 4 cần tránh. Một câu hỏi đặt ra là
làm thế nào để đánh gía tác động của sự thay đổi. Chúng ta có thể sử dụng các
phương pháp định lượng như sử dụng mơ hình hồi quy tuyến tính, phương pháp tiên
đốn hoặc mơ phỏng.
 Phân tích dữ liệu trong giai đoạn thực hiện dự án: trong giai đoạn này, chúng ta
cần chia nhỏ quy trình và thiết lập các chỉ số riêng cho từng giai đoạn trong quy
trình đó. Dữ liệu trong giai đoạn này phải thõa các tiêu chí
o Liên quan đến quy trình cần cải tiến chất lượng
o Chỉ khu trú trong khoa phịng/đơn vị nơi có sự thay đổi xảy ra
o Dữ liệu cần gần như thời gian thực để có thể hiệu chỉnh nhanh chóng
o Trình bày dưới dạng thích hợp ví dụ như dùng run chart hoặc statistical

process control chart (SPC)

Dữ liệu trong giai đoạn này đôi khi không sẵn có trong nguồn dữ liệu điện
tử. Đơi khi chúng ta chỉ có thể thu thập các dữ liệu mong muốn thông qua
các lần audit dữ liệu. Chúng ta sẽ sử dụng form audit thu thập dữ liệu và sau
đó kết hợp lại dưới dạng spreadsheet.
 Phân tích dữ liệu trong giai đoạn đánh giá kết quả: trong giai đoạn đánh giá kết
quả chúng ta lại có thể tiếp tục sử dụng đồ thị SPC. Bên cạnh đó chúng ta có thể
sử dụng các phương pháp thống kê
 Phân tích dữ liệu trong giai đoạn duy trì tính bền vững: trong giai đoạn này cũng
có thể đề ra một số chỉ số để theo dõi sự cải tiến có được bền vững hay không.


Phương pháp thống kê để phát hiện sự thay đổi trong cải tiến chất lượng
Hầu hết các dự án cải tiến chất lượng chỉ cần các số thống kê đơn giản như trung
bình, trung vị, tứ phân vị để mơ tả các thông tin nền và cải tiến thực hiện. Đối với
một số phương pháp như 6 Sigma có thể sử dụng phép kiểm ANOVA.
Chúng ta có thể sử dụng giả thuyết thống kê và các phép kiểm thống kê để kiểm
định sự khác biệt giữa trước và sau cải tiến.
Chúng ta thường sử dụng phép kiểm t-test độc lập để so sánh giữa hai nhóm, t-test
bắt cặp để so sánh hiệu quả trước và sau can thiệp, t-test một mẫu để so sánh trung
bình của mẫu với mục tiêu.
Nếu chúng ta muốn so sánh trung bình của trên hai nhóm chúng ta phải sử dụng:
phép kiểm ANOVA 1 chiều để so sánh hai hay nhiều nhóm độc lập, ANOVA một
chiều lập lại dùng để so sánh hai hay nhiều nhóm lập lại trên cùng đối tượng,
ANOVA hai chiều để so sánh tương quan hai yếu tố cho hai hay nhiều nhóm độc
lập, ANOVA hai chiều lập lại để so sánh tương quan hai yếu cho hai hay nhiều
nhóm lập lại trên cùng đối tượng.

Phương pháp đồ thị dùng để phát hiện sự thay đổi về chất lượng

Chúng ta có thể sử dụng control chart để mô tả sự thay đổi về chất lượng của một
dự án cải tiến chất lượng.
Sự thay đổi trong thực hiện hành động có thể do nhiều nguyên nhân khác nhau. Các
nguyên nhân này tựu chung chia thành các nhóm:
 Common (hay random): loại thay đổi này trong q trình thực hiện có thể xảy ra
ở bất kỳ cá nhân nào trong suốt quy trình thực hiện. Một ví dụ là khi phân loại
bệnh nhân tại khoa cấp cứu, việc phân loại có thể có thời gian rất khác nhau tuy
nhiên thời gian phân loại một bệnh nhân vẫn nằm trong một khoảng nào đó.
 Special (hay assignable): nghĩa là sự sai biệt do bên ngồi hệ thống, khơng
thường xảy ra trong quy trình. Một ví dụ là một nhân viên y tế có thể phân loại


lâu hơn bình thường. Ngun nhân là có thể do nhân viên đó là một nhân viên
mới chưa được tập huấn.
Một dự án cần phải đi vào ổn định trước khi muốn cải tiến. Ổn định ở đây nghĩa là
dự án có sự sai biệt nằm trong một khoảng kiểm sốt được.
Làm thế nào để xác định một quy trình bị sai biệt quá nhiều và sai biệt bao nhiêu là
chấp nhận được? Trong quản lý chất lượng chúng ta sẽ dùng statistical process
control (SPC) để cải tiến, đánh giá, tiên đốn và kiểm sốt quy trình.
SPC chart chính là một đồ thị time series biểu diễn một chỉ số theo thời gian. Các
loại chỉ số như tỷ lệ, trung bình, tỷ số đều có thể được biểu diễn bằng SPC.
Trong SPC chart khơng chỉ có giá trị của chỉ số mà cịn có hai biên giá trị trên dưới
cịn gọi là control limits. Control limit cũng được tính từ dữ liệu vốn có. Một quy
trình ổn định thì các giá trị phải nằm trong control limits.
Để có thể vẽ được SPC chúng ta cần ít nhất là 20-30 nhóm nhỏ và mỗi nhóm nhỏ
cần ít nhất 100 quan sát. Ví dụ chúng ta muốn đo thời gian nằm viện của bệnh nhân
trong vòng 20 ngày như vâỵ chúng ta sẽ có 20 nhóm nhỏ mỗi nhóm là 1 ngày.
Trong 1 ngày đó chúng ta phải có dữ liệu của ít nhất 100 bệnh nhân nhập viện. Sau
đó chúng ta lấy trung bình thời gian nhập viện của 100 bệnh nhân và vẽ trung bình
đó lên SPC trong đó trục hồnh là số ngày nhập viện cịn trục tung là trung bình của

từng ngày.
Có nhiều loại SPC khác nhau tùy thuộc vào loại dữ liệu, cỡ mẫu cũng như chỉ số
chúng ta muốn biểu diễn. Bảng dưới đây liệt kê một số SPC


SPC chart rất cần thiết cho nhân viên QA để theo dõi dự án.Tuy nhiên đối những
nhà lãnh đạo họ không cần quan tâm đến sPC chart mà họ chỉ cần biết đến hiệu quả
của dự án cải tiến mà thơi. Do đó chúng ta cần trình bày dữ liệu dưới dạng
dashboard với tất cả các chỉ số cải tiến của một đơn vị hay khoa phịng và q trình
theo dõi chỉ số đó như hình dưới đây.

Các loại phương pháp thị giác dùng để trình bày dữ liệu
Tựu chung các visualization có thể phân ra làm 6 nhóm mục đích sau
 Nhóm mơ tả relationship:
 Nhóm mơ tả comparision:
 Nhóm composition: mơ tả nhiều thành phần của một biến ví dụ mơ tả các thủ
thuật phẫu thuật được thực hiện tại khoa cấp cứu hoặc các loại xét nghiệm được
yêu cầu
 Nhóm distribution:
 Nhóm trend over time
 Nhóm deviation: dùng để đánh giá xem giá trị có bị lệch ra khỏi mức nền hay
khơng.
Để trình bày các nhóm này chúng ta có các dạng visualization khuyến cáo sau:


Các phân tích cao cấp trong y tế
Các phân tích cao cấp trong y tế bao gồm phân tích tiên đoán, khai thác dữ liệu
(data mining), và khai thác văn bản (text mining). Data mining được xem như là
bước đầu tiên của phân tích tiên đốn. Data mining sẽ giúp kiểm tra dữ liệu và phát
hiện các xu hướng chưa được biết trước đó. Phân tích tiên đốn sau đó sẽ sử dụng

những xu hướng được phát hiện trong data mining để tiên đoán kết cục và hiệu suất
hoạt động trong tương lai.
Một số ứng dụng của phân tích cao cấp:
 Hỗ trợ ra quyết định y khoa: bao gồm việc cung cấp các bằng chứng hỗ trợ việc
ra quyết định cho bác sỹ như:
o Cung cấp thông tin tại điểm khám sức khỏe tại chỗ theo thời gian thự
o Đưa ra chẩn đốn có nhiều khả năng trong điều kiện triệu chứng bệnh
nhân không rõ ràng, tiền sử bệnh khơng hồn chỉnh hoặc thiếu dữ liệu
o Tiên đốn kết cục của bệnh nhân (ví dụ nhập viện, ở viện lâu) dựa trên
tiền sử qúa khứ của bệnh nhân (và của các bệnh nhân tương tự).
 Quản lý sức khỏe dân số: giúp xác định biện pháp can thiệp mang lại hiệu quả
nhất và các thực hành can thiệp hiệu quả nhất cho bệnh nhân nguy cơ cao nhằm
ngăn ngừa các biến cố sức khỏe xấu.


 Hành chính kế hoạch: cung cấp khả năng tiên đoán tương lai của cơ sở y tế để
hiểu về các nhu cầu nguồn lực tương lai bao gồm trình độ nhân viên, số giường
cần thiết, và các dịch vụ sẵn có.
 Phịng chống gian lận: Sử dụng các thuật tốn để phát hiện các mơ hình dữ liệu
trong q khứ giúp tiên đoán các hành vi gian lận và áp dụng các các kiến thức
đó vào thực tế để phát hiện và cảnh báo các giao dịch khiếu nại nghi ngờ và các
hoạt động mờ ám khác trước khi chuyển tiền.
Một ứng dụng khác của phân tích cao cấp chính là khai thác văn bản. Có
lượng lớn dữ liệu y khoa dưới dạng phi cấu trúc, thường là dưới dạng văn bản khó
nhận biết chẳng hạn như các bản ghi chép, và các tài liệu viết tay khác. Các thuật
toán khai thác văn bản sẽ giúp chúng ta chuyển các dữ liệu văn bản naỳ thành các
định dạng mã hóa dễ đọc hơn và dễ phân tích hơn.