Xây dựng tài liệu hướng dẫn phân tích và dự báo nhu cầu sử dụng thuốc tại bệnh viện bằng phương pháp phân tích dữ liệu theo thời gian

TÓM TẮTXÂY DỰNG TÀI LIỆU HƯỚNG DẪN PHÂN TÍCH XU HƯỚNG VÀ DỰ BÁO NHU CẦU SỬ DỤNG THUỐC TẠI BỆNH VIỆN BẰNG PHƯƠNG PHÁP PHÂN TÍCH DỮ LIỆU THEO THỜI GIAN Luận văn Thạc sĩ Dược học – Khóa học

BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ Y TẾ

LUẬN VĂN THẠC SĨ DƢỢC HỌC

THÀNH PHỐ HỒ CHÍ MINH, NĂM 2021

BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ Y TẾ

CHUYÊN NGÀNH: TỔ CHỨC QUẢN LÝ DƯỢC

MÃ SỐ: 8720212 LUẬN VĂN THẠC SĨ DƯỢC HỌC

NGƯỜI HƯỚNG DẪN KHOA HỌC:

PGS.TS HOÀNG THY NHẠC VŨ

LỜI CAM ĐOAN

Tôi cam đoan đây là công trình nghiên cứu của tôi Các số liệu, kết quả nêu trongluận văn là trung thực, chính xác, và chưa từng được ai khác công bố

Thành phố Hồ Chí Minh, ngày 5 tháng 11 năm 2021

Người cam đoan

Cù Thanh Tuyền

TÓM TẮT

XÂY DỰNG TÀI LIỆU HƯỚNG DẪN PHÂN TÍCH XU HƯỚNG

VÀ DỰ BÁO NHU CẦU SỬ DỤNG THUỐC TẠI BỆNH VIỆN BẰNG PHƯƠNG PHÁP PHÂN TÍCH DỮ LIỆU THEO THỜI GIAN

Luận văn Thạc sĩ Dược học – Khóa học: 2019 – 2021

Cù Thanh Tuyền Người hướng dẫn khoa học: PGS TS Hoàng Thy Nhạc Vũ Đặt vấn đề: Phương pháp phân tích dữ liệu theo thời gian có ý nghĩa quan trọng

trong việc hỗ trợ lên kế hoạch sử dụng thuốc và dự trù mua sắm thuốc tại bệnh viện

Đề tài được thực hiện nhằm xây dựng tài liệu hướng dẫn áp dụng phương pháp phântích dữ liệu theo thời gian trong phân tích xu hướng và dự báo nhu cầu sử dụngthuốc tại bệnh viện, giúp cho dược sĩ bệnh viện có thêm căn cứ khoa học để thựchiện tốt các công tác quản lý và đáp ứng được nhu cầu điều trị bệnh của người dân

Phương pháp nghiên cứu: Đề tài tiến hành xây dựng các quy trình thực hiện, sau

đó xác định nội dung hướng dẫn tương ứng và bổ sung các ví dụ minh họa để chitiết hóa tài liệu hướng dẫn thực hiện thông qua việc xây dựng và áp dụng cơ sở dữliệu giả định

Kết quả: Đề tài đã xây dựng được các quy trình thực hiện, bao gồm chuẩn bị dữ

liệu đầu vào, phân tích dữ liệu và trình bày-báo cáo kết quả Tương ứng với các quytrình này, các hướng dẫn thực hiện được xây dựng với các thông tin mô tả cụ thểcách tiến hành và các công cụ hỗ trợ như bảng kiểm thông tin thu thập, bảng mẫutrình bày kết quả và các câu lệnh phân tích Ngoài ra, các ví dụ minh họa được bổsung vào tài liệu hướng dẫn, thông qua việc áp dụng quy trình và hướng dẫn thựchiện quy trình trên cơ sở dữ liệu giả định

Kết luận: Kết quả của đề tài đã cung cấp một tài liệu hướng dẫn phân tích xu

hướng và dự báo sử dụng thuốc tại bệnh viện bằng phương pháp phân tích dữ liệu

CONTRUCSTION OF THE GUIDELINE OF TREND ANALYSIS AND FORECAST FOR MEDICINE DEMAND IN THE HOSPITAL

BY TIME SERIES ANALYSIS

Master’s Thesis of Pharmacy – Academic Year: 2019 – 2021

Cu Thanh Tuyen Supervisor: Assoc Prof PhD Hoang Thy Nhac Vu Background: A time series analysis can aid hospitals in planning and procuring

drugs The study was conducted in order to develop a guideline for making use oftime series analysis in trend analysis and forecasting of drug demand in hospitals,assisting hospital pharmacists to perform well in their management roles and meetthe treatment needs of patients

Methods: The study develops implementation procedures, then determines the

guideline's content, and provides illustrative examples to detail the implementationmanual using a hypothetical data set

Results: The study has developed a set of implementation procedures, including

input data preparation, data analysis and result presentation Implementationinstructions, including detailed descriptions of what to do, checklists, and sampleresults tables are developed in line with these procedures A hypothetical examplewas also presented with the guidelines to illustrate how the process and instructionsshould be applied

Conclusion: This study provided guidelines for analyzing trends and forecasting

drug use in hospitals using time-series analysis, which could assist in managing andprocuring drugs in hospitals

Keywords: Time series analysis, trend analysis, forecast for medicine demand

MỤC LỤC

LỜI CAM ĐOAN iii

MỤC LỤC vi

DANH MỤC CHỮ VIẾT TẮT vii

DANH MỤC CÁC BẢNG viii

DANH MỤC CÁC HÌNH x

MỞ ĐẦU 1

Chương 1 TỔNG QUAN 3

1.1 Quy định về hoạt động dự trù mua sắm thuốc tại các cơ sở y tế 3

1.2 Phương pháp phân tích dữ liệu theo thời gian áp dụng trong nhu cầu dự báo sử dụng thuốc 8

1.3 Nghiên cứu tại Việt Nam ứng dụng phương pháp phân tích dữ liệu theo thời gian trong dự trù thuốc cho bệnh viện 22

Chương 2 ĐỐI TƯỢNG VÀ PHƯƠNG PHÁP NGHIÊN CỨU 31

2.1 Đối tượng nghiên cứu 31

2.2 Phương pháp nghiên cứu 31

Chương 3 KẾT QUẢ NGHIÊN CỨU 45

3.1 Quy trình phân tích và dự báo nhu cầu sử dụng thuốc tại bệnh viện bằng phương pháp phân tích dữ liệu theo thời gian 45

3.2 Nội dung chính của tài liệu hướng dẫn phân tích và dự báo nhu cầu sử dụng thuốc tại bệnh viện 66

Chương 4 BÀN LUẬN 127

4.1 Bàn luận về quy trình phân tích và dự báo nhu cầu sử dụng thuốc tại bệnh viện bằng phương pháp phân tích dữ liệu theo thời gian 127

4.2 Bàn luận về nội dung chính của tài liệu hướng dẫn phân tích và dự báo nhu cầu sử dụng thuốc tại bệnh viện 130

ĐVT Đơn vị tính của thuốc

MAE Mean Absolute Error

(Sai số tuyệt độ trung bình)MAPE Mean Absolute Percentage Error

(Sai số phần trăm tuyệt đối trung bình)

ME Mean Error

(Sai số trung bình)MPE Mean Percentage Error

(Sai số phần trăm trung bình)MSE Mean Squared Error

(Sai số bình phương trung bình)RMSE Root Mean Squared Error

(Căn bậc hai của sai số bình phương trung bình)

DANH MỤC CÁC BẢNG

Bảng 1.1 Cơ sở pháp lý liên quan đến hoạt động dự trù mua sắm thuốc tại Việt

Nam 3

Bảng 1.2 Kết quả dự báo cơ số sử dụng thuốc trong nửa đầu năm 2018 của 12

hoạt chất thông dụng tại Bệnh viện Nguyễn Đình Chiểu tỉnh Bến Tregiai đoạn 2010-2017 25

Bảng 1.3 So sánh cơ số sử dụng dự báo và số liệu sử dụng thực tế trong nửa đầu

năm 2018 của một số biệt dược gốc tại Bệnh viện Nguyễn Đình Chiểutỉnh Bến Tre 26

Bảng 1.4 Tóm tắt đặc điểm của một số nghiên cứu ứng dụng phương pháp phân

tích dữ liệu theo thời gian trong đánh giá xu hướng và dự báo nhu cầu

sử dụng thuốc 27

Bảng 2.1 Mô tả các biến số trong cơ sở giả định được sử dụng cho phân tích mô

tả đặc điểm danh mục thuốc 40

Bảng 2.2 Các minh họa được trình bày trong nội dung hướng dẫn thực hiện phân

tích xu hướng và dự báo nhu cầu sử dụng thuốc 41

Bảng 2.3 Các gói hỗ trợ cần sử dụng trong ví dụ minh họa của tài liệu hướng dẫn

44

Bảng 3.1 Nguyên tắc khi nhập dữ liệu vào cơ sở dữ liệu về Danh mục thuốc 48

Bảng 3.2 Các biến trong bảng dữ liệu đầu vào nhằm phân tích đặc điểm danh

mục thuốc tại bệnh viện 55

Bảng 3.3 Minh họa bảng kiểm tóm tắt các bước xác định đối tượng thuốc cần

phân tích, nguồn dữ liệu và các thông tin liên quan 68

Bảng 3.4 Mẫu bảng dữ liệu đầu vào để phân tích thống kê mô tả đặc điểm của

Bảng 3.6 Yêu cầu trong việc phân tích xu hướng và dự báo nhu cầu sử dụng

mô tả là Nước sản xuất và Nhóm đấu thầu 124

Bảng 3.11 Hướng dẫn trình bày kết quả phân tích xu hướng và dự báo nhu cầu sử

dụng thuốc 124

Bảng 3.12 Minh họa cách trình bày kết quả phân tích xu hướng sử dụng thuốc 125 Bảng 3.13 Minh họa cách trình bày kết quả dự báo nhu cầu sử dụng thuốc 125 Bảng 3.14 Minh họa biểu mẫu đánh giá kết quả ứng dụng giá trị dự báo từ mô

hình 126

DANH MỤC CÁC HÌNH

Hình 1.1 Hình biễu diễn các thành phần của dữ liệu sau khi được phân tách với

phương pháp phân tích dữ liệu theo thời gian 16

Hình 1.2 Hình biểu diễn dữ liệu sử dụng thuốc theo giá trị quan sát thực tế và

giá trị ước lượng trong giai đoạn 07 năm 17

Hình 1.3 Biểu đồ mô tả xu hướng sử dụng thuốc trong năm tiếp theo thu được từ

cơ số sử dụng thuốc trong giai đoạn 05 năm 17

Hình 1.4 Kết quả phân tích xu hướng sử dụng thuốc trong giai đoạn 2010-2017

tại Bệnh viện Tâm thần tỉnh Bến Tre 23

Hình 1.5 Kết quả phân tích xu hướng và dự báo nhu cầu thuốc tại Bệnh viện Phú

Nhuận trong giai đoạn 2017-2018 24

Hình 2.1 Các bước chính thực hiện xây dựng tài liệu hướng dẫn phân tích xu

hướng và dự báo nhu cầu sử dụng thuốc 32

Hình 2.2 Các bước xây dựng quy trình thực hiện và nội dung hướng dẫn phân

tích xu hướng và dự báo nhu cầu sử dụng thuốc tại bệnh viện 33

Hình 2.3 Quy trình xây dựng mô hình phân tích dữ liệu theo thời gian nhằm

đánh giá xu hướng và dự báo nhu cầu sử dụng thuốc 36

Hình 2.4 Các khía cạnh chính cần được xem xét trong quá trình thực hiện phân

tích xu hướng và dự báo nhu cầu sử dụng thuốc 37

Hình 3.1 Quy trình xây dựng cơ sở dữ liệu sử dụng thuốc tại bệnh viện 45 Hình 3.2 Minh họa cơ sở dữ liệu về thuốc tại bệnh viện trước (a) và sau (b) khi

xử lý và mã hóa để sẵn sàng cho việc phân tích đặc điểm danh mụcthuốc bệnh viện 51

Hình 3.3 Minh họa cơ sở dữ liệu chuẩn bị cho phân tích xu hướng và dự báo nhu

Hình 3.6 Minh họa sự khác biệt giữa mô hình cộng và mô hình nhân đối với

chuỗi dữ liệu theo thời gian 59

Hình 3.7 Minh họa giá trị quan sát thực tế (đường mảnh màu đen) và giá trị dự

báo ước tính từ mô hình (đường đậm màu đỏ) trong giai đoạn hồi cứu60

Hình 3.8 Minh họa kết quả phân tách các thành phần thời gian từ chuỗi giá trị

ước tính của mô hình trong khoảng thời gian hồi cứu 61

Hình 3.9 Minh họa biểu đồ thể hiện kết quả phân tích xu hướng và dự báo giá trị

trong tương lai từ mô hình 62

Hình 3.10 Quy trình trình bày và giải thích kết quả phân tích 63

Hình 3.11 Các bước thực hiện phân tích đặc điểm danh mục thuốc bệnh viện 77 Hình 3.12 Minh họa cơ sở dữ liệu được sử dụng để xây dựng và áp dụng câu lệnh

trong việc tiến hành phân tích đặc điểm danh mục thuốc trong phầnmềm R 79

Hình 3.13 Minh họa bảng dữ liệu đã được nhập và có thể chỉnh sửa thông qua

lệnh fix (…) 81

Hình 3.14 Minh họa kết quả phân tích đặc điểm về đường dùng của thuốc, thông

qua hàm tab1( ) và biến DuongDung 88

Hình 3.15 Minh họa kết quả phân tích thống kê tiêu chí đường dùng của thuốc

(thông qua biến DuongDung) 90

Hình 3.16 Minh họa biểu đồ thống kê tỷ lệ phân bố số lượng thuốc giữa nước sản

xuất và nhóm đấu thầu của thuốc (hai biến NuocSX_new vàNhomDThau) 92

Hình 3.17 Hướng dẫn thực hiện phân tích danh mục thuốc bệnh viện 94

Hình 3.18 Các bước thực hiện phân tích xu hướng và dự báo nhu cầu sử dụng

thuốc 95

Hình 3.19 Minh họa biểu đồ phân tách của chuỗi dữ liệu theo gian a0001 theo hai

mô hình cộng (a) và mô hình nhân (b) 100

Hình 3.20 Dữ liệu sử dụng thuốc theo giá trị quan sát thực tế và giá trị ước lượng

của mô hình cộng (a) và mô hình nhân (b) trong khoảng thời gian hồicứu dữ liệu 104

Hình 3.21 Biểu đồ mô tả kết quả dự báo cơ số sử dụng thuốc A0001 trong năm

tiếp theo thông qua mô hình cộng (a) và mô hình nhân (b) 106

Hình 3.22 Minh họa kết quả được xuất ra từ phân tích xu hướng và dự báo nhu

cầu thuốc đối với thuốc A0001 từ phần mềm R 112

Hình 3.23 Minh họa cơ sở dữ liệu đầu vào gồm 10 thuốc từ A1 đến A10 113 Hình 3.24 Minh họa kết quả trả ra từ vòng lặp sau khi cung cấp thông tin đầu vào

và vị trí xuất kết quả đầu ra của thuốc 118

Hình 3.25 Hướng dẫn thực hiện phân tích xu hướng và dự báo nhu cầu thuốc 119

MỞ ĐẦU

Theo Luật Dược 2016, thuốc là “các chế phẩm được sử dụng cho người nhằm mục đích phòng bệnh, chẩn đoán bệnh, chữa bệnh, điều trị bệnh, giảm nhẹ bệnh, điều chỉnh chức năng sinh lý cơ thể người” [10] Từ xưa đến nay, việc điều trị bằng

thuốc luôn chiếm giữ vai trò quan trọng trong công tác phòng và chữa bệnh chonhân dân, góp phần rất lớn trong việc cải thiện và nâng cao tình trạng sức khỏe của

người bệnh Do vậy, một trong những chính sách của Nhà nước về Dược là “bảo đảm cung ứng đủ, kịp thời thuốc có chất lượng, giá hợp lý cho nhu cầu phòng bệnh, chữa bệnh của nhân dân, phù hợp với cơ cấu bệnh tật và yêu cầu quốc phòng, an ninh, phòng, chống dịch bệnh, khắc phục hậu quả thiên tai, thảm họa và thuốc hiếm” [10] Đây cũng là nhiệm vụ đầu tiên của Khoa Dược tại bệnh viện và là một

trong những hoạt động chính của Khoa Dược nói chung và bộ phận nghiệp vụ dượcnói riêng [1], cũng như của Hội đồng Thuốc và điều trị tại bệnh viện [4] Việc dựkiến nhu cầu sử dụng thuốc được quan tâm chủ yếu trong hoạt động lập kế hoạch,cung ứng thuốc và thực hiện công tác thầu nhằm bảo đảm cung ứng đủ và kịp thờithuốc có chất lượng cho nhu cầu chẩn đoán và điều trị nội trú, ngoại trú, bảo hiểm y

tế, đồng thời phù hợp với kinh phí của bệnh viện Trong đó, vấn đề về kinh phíkhông chỉ ảnh hưởng đến việc cân đối ngân sách của bệnh viện dành cho thuốc vàcác nguồn lực y tế khác, mà còn được xem xét nhằm giảm thiểu đến mức thấp nhấtchi phí điều trị cho người bệnh nhằm đạt mục đích cuối cùng là đem lại hiệu quảđiều trị cao nhất với chi phí điều trị là hợp lý nhất

Theo Nghị định 131/2020/NĐ-CP, một trong những nhiệm vụ của dược sĩ nhằm

đảm bảo lựa chọn thuốc tối ưu là “phân tích, đánh giá hiệu quả sử dụng thuốc tại

cơ sở khám chữa bệnh” [5] Để thực hiện nhiệm vụ này, dược sĩ cần cùng với Khoa

Dược bệnh viện tiến hành xây dựng kế hoạch phân tích, đánh giá hiệu quả sử dụngthuốc định kỳ 06 tháng và hàng năm, xác định xu hướng và kế hoạch sử dụng thuốctrong năm tiếp theo tại cơ sở Trong đó, phân tích xu hướng cũng đã được đề cập

công tác dự trù mua sắm và cung ứng thuốc đang trở thành vấn đề thách thức đốivới Khoa Dược tại nhiều cơ sở khám, chữa bệnh Nguyên nhân dẫn đến sự khó khănnày bao gồm việc thay đổi chính sách thông tuyến khám chữa bệnh của Bảo hiểm y

tế làm chuyển đổi cơ cấu bệnh tật và số lượng người bệnh đến khám tại các bệnhviện [10], các điều chỉnh bổ sung chính sách quản lý liên quan đến Luật Dược 2016nói chung và hoạt động cung ứng - đấu thầu thuốc nói riêng [3], cũng như chủtrương tự chủ tài chính tại các cơ sở y tế công lập Bên cạnh đó, cần kể đến một sốyếu tố chủ quan tại các khoa Dược bệnh viện, cụ thể việc dự trù mua sắm thuốcthường mang tính ước đoán dựa theo kinh nghiệm, thiếu căn cứ khoa học khiến chokết quả mua sắm thường có sự sai lệch đáng kể so với tình hình sử dụng thuốc thực

tế, ảnh hưởng đến ngân sách dành cho thuốc của bệnh viện và khả năng đáp ứngnhu cầu điều trị của người dân Nhận thức rõ những hạn chế đang tồn đọng tại cơ

sở, nhiều khoa Dược tại các bệnh viện đã chủ động nghiên cứu nhằm tìm kiếmnhững công cụ hỗ trợ dự báo chính xác hơn nhu cầu sử dụng thuốc, trong đó cóphương pháp phân tích dữ liệu theo thời gian Dựa trên những kết quả khả quan thuđược từ việc áp dụng phương pháp này [6], [7], [8], việc tiếp tục phát triển và xâydựng một quy trình phân tích và dự báo nhu cầu sử dụng thuốc hoàn chỉnh có thểđược xem xét nhằm ban hành tài liệu lưu hành nội bộ hướng dẫn chi tiết các bướcthực hiện dự trù mua sắm thuốc tại bệnh viện

Do đó, đề tài “Xây dựng tài liệu hướng dẫn phân tích và dự báo nhu cầu sử

dụng thuốc tại bệnh viện bằng phương pháp phân tích dữ liệu theo thời gian”

được thực hiện nhằm cung cấp căn cứ để điều chỉnh, hoàn thiện và ban hành tài liệuhướng dẫn cụ thể việc dự trù mua sắm thuốc tại bệnh viện mỗi năm Đề tài đượcthực hiện với hai mục tiêu cụ thể như sau:

Chương 1 TỔNG QUAN

1.1 Quy định về hoạt động dự trù mua sắm thuốc tại các cơ sở y tế

1.1.1 Cơ sở pháp lý liên quan đến hoạt động dự trù mua sắm thuốc

Việc đảm bảo các hoạt động cung ứng thuốc đạt hiệu quả tốt là nhiệm vụ rấtquan trọng đặt ra cho Hội đồng thuốc và điều trị, khoa Dược bệnh viện nhằm đápứng đầy đủ và kịp thời thuốc có chất lượng, đáp ứng nhu cầu điều trị bệnh củangười dân địa phương và các nhu cầu đột xuất khác Bên cạnh đó, cần cân bằnggiữa ngân sách của cơ sở y tế dành cho thuốc cũng như các nguồn lực y tế khác,đồng thời cho người bệnh có thể tối thiểu hóa chi phí điều trị bệnh, nhằm đạt đượcmục đích cuối cùng là hướng đến hiệu quả điều trị được cao nhất với chi phí là hợp

lý nhất Hoạt động dự trù mua sắm thuốc của các cơ sở khám chữa bệnh tại ViệtNam được quy định trong các văn bản pháp lý, được trình bày trong Bảng 1.1

Bảng 1.1 Cơ sở pháp lý liên quan đến hoạt động dự trù mua sắm thuốc tại Việt Nam

06/04/2016 Là cơ sở pháp lý liên quan đến tất cả hoạt

động liên quan đến dược, như là quy định vềchính sách của Nhà nước về dược và pháttriển công nghiệp dược; hành nghề dược; kinhdoanh dược, cũng như việc quản lý thuốctrong cơ sở khám bệnh, chữa bệnh

10/01/2014 Phê duyệt chiến lược quốc gia phát triển

ngành dược Việt Nam giai đoạn đến năm 2020

và tầm nhìn đến năm 2030

Quan điểm phát triển là cung ứng đủ và kịpthời thuốc, đáp ứng nhu cầu phòng bệnh, chữabệnh của nhân dân với chất lượng bảo đảm,giá hợp lý, phù hợp với cơ cấu bệnh tật, đápứng kịp thời yêu cầu an ninh, quốc phòng,thiên tai, dịch bệnh và các nhu cầu khẩn cấpkhác

10/06/2011 Nhiệm vụ đầu tiên trong 14 nhiệm vụ của

khoa Dược là phải bảo đảm cung ứng thuốcđầy đủ, kịp thời và có chất lượng, giá cả hợp

lý, đáp ứng cho nhu cầu điều trị và sử dụngthuốc hiệu quả, an toàn, tiết kiệm cho ngườibệnh cũng như bệnh viện, với mục đích cuốicùng là đem lại hiệu quả điều trị đạt được caonhất và trong đó chi phí là hợp lý nhất

08/08/2013 Thông tư này quy định các nhiệm vụ của Hội

đồng thuốc và điều trị, bao gồm việc xây dựngdanh mục thuốc dùng trong bệnh viện nhằmbảo đảm phù hợp với mô hình bệnh tật, phùhợp với các hướng dẫn điều trị của Bộ Y tế,phác đồ điều trị của bệnh viện, cũng như các

thanh toán đối với

thuốc hóa dược,

sinh phẩm, thuốc

phóng xạ và chất

đánh dấu thuộc

phạm vi được

hưởng của người

tham gia BHYT

30/10/2018(Cập nhậtngày21/11/2018)

Là cơ sở để Hội đồng thuốc và điều trị cũngnhư khoa Dược bệnh viện căn cứ xây dựngdanh mục thuốc và cơ số thuốc sử dụng tạibệnh viện

11/07/2019 Quy định việc đấu thầu thuốc và dược liệu tại

các cơ sở y tế công lập, bao gồm các côngviệc như phân chia gói thầu, nhóm thuốc; lập

kế hoạch, hình thức, phương thức, tổ chức lựachọn nhà thầu cung cấp thuốc; quy định muasắm thuốc tập trung và đàm phán giá thuốc sửdụng nguồn vốn nhà nước, nguồn quỹ bảohiểm y tế, nguồn thu từ dịch vụ khám bệnh,chữa bệnh và nguồn thu hợp pháp khác của cơ

sở y tế công lập

1.1.2 Hoạt động quản lý cung ứng sử dụng thuốc tại các bệnh viện

Quản lý cung ứng thuốc là một chu trình khép kín, mỗi bước trong chu trìnhđều có vai trò quan trọng và tạo tiền đề cho các bước tiếp theo Trong chu trìnhquản lý sử dụng thuốc tại bệnh viện, Hội đồng Thuốc và Điều trị là tổ chức đứng ra

đảm bảo xây dựng hệ thống danh mục và chính sách quốc gia về thuốc, bộ phậnkhoa Dược mua thuốc theo yêu cầu của Hội đồng Thuốc và Điều trị [2].

1.1.2.1 Nguyên tắc xây dựng danh mục thuốc

Căn cứ theo Thông tư 21/2013/TT-BYT ngày 08 tháng 08 năm 2013 của Bộtrưởng Bộ Y tế [2] quy định về tổ chức và hoạt động của hội đồng thuốc và điều trịtrong bệnh viện Tại Điều 5 của Thông tư 21/2013/TT-BYT có hướng dẫn xây dựngdanh mục thuốc dùng trong bệnh viện Nguyên tắc để xây dựng danh được quy địnhkèm theo Thông tư 21/2013/TT-BYT với 7 nội dụng như sau:

 Khi xây dựng danh mục phải bảo đảm phù hợp với mô hình bệnh tật và chi phí

về thuốc dùng điều trị trong bệnh viện

 Phù hợp về phân tuyến chuyên môn kỹ thuật

 Căn cứ vào các hướng dẫn hoặc phác đồ điều trị đã được xây dựng và áp dụngtại bệnh viện hoặc cơ sở khám bệnh, chữa bệnh

 Danh mục phải đáp ứng với các phương pháp mới, kỹ thuật mới trong điều trị

 Phù hợp với phạm vi chuyên môn của bệnh viện

 Thống nhất với danh mục thuốc thiết yếu, danh mục thuốc chủ yếu do Bộ Y tếban hành

 Ưu tiên thuốc sản xuất trong nước

1.1.2.2 Tiêu chí lựa chọn thuốc vào danh mục thuốc của bệnh viện

Việc lựa chọn thuốc vào danh mục phụ thuộc vào nhiều yếu tố như mô hìnhbệnh tật hàng năm của bệnh viện, trang thiết bị điều trị, kinh nghiệm và trình độ củađội ngũ cán bộ, các nguồn lực tài chính, các yếu tố môi trường, địa lý và di truyền

tương đương nhau về hai tiêu chí được quy định tại Điểm a và Điểm b Khoản 2Điều 5 Thông tư 21/2013/TT-BYT thì lựa chọn trên cơ sở đánh giá kỹ các yếu tố vềhiệu quả điều trị, tính an toàn, chất lượng, giá và khả năng cung ứng [3] Đối vớicác thuốc có cùng tác dụng điều trị nhưng khác về dạng bào chế, cơ chế tácdụng, khi lựa chọn cần phân tích chi phí - hiệu quả giữa các thuốc với nhau, so sánhtổng chi phí liên quan đến quá trình điều trị, không so sánh chi phí tính theo đơn vịcủa từng thuốc Ưu tiên lựa chọn thuốc ở dạng đơn chất, đối với những thuốc ởdạng phối hợp nhiều thành phần phải có đủ tài liệu chứng minh liều lượng của từnghoạt chất đáp ứng yêu cầu điều trị trên một quần thể đối tượng người bệnh đặc biệt

và có lợi thế vượt trội về hiệu quả, tính an toàn hoặc tiện dụng so với thuốc ở dạngđơn chất Ưu tiên lựa chọn thuốc generic hoặc thuốc mang tên chung quốc tế, hạnchế tên biệt dược hoặc nhà sản xuất cụ thể Trong một số trường hợp, có thể căn cứvào một số yếu tố khác như các đặc tính dược động học hoặc yếu tố thiết bị bảoquản, hệ thống kho chứa hoặc nhà sản xuất, cung ứng [3]

1.1.2.3 Công tác dự trù, mua sắm thuốc tại bệnh viện

Để thực hiện công tác dự trù, mua sắm thuốc tại bệnh viện, trước tiên cần xácđịnh nhu cầu mua thuốc Xác định số lượng thuốc trong danh mục chính là xác địnhđược nhu cầu để chuẩn bị cho quá trình mua thuốc được chủ động và đảm bảo cungứng đầy đủ, kịp thời Bình thường trong hệ thống cung ứng thuốc điều mang tínhquyết định về nhu cầu thuốc thường là lượng thuốc tồn trữ và thuốc luân chuyểnqua kho Khi có thay đổi cơ chế cung ứng, thay đổi cách điều trị thì việc xác địnhnhu cầu sử dụng thuốc là thực sự cần thiết và phải dựa vào một số yếu tố khác ngoàiyếu tố lượng thuốc tồn trữ và luân chuyển

Do nhu cầu thuốc được quyết định và chi phối bởi rất nhiều yếu tố, có baphương pháp tính toán và ước tính nhu cầu thuốc, thống kê dựa trên mức sử dụngthực tế, dựa trên cơ sở quản lý các dịch vụ y tế, dựa trên mô hình bệnh tật và hướngdẫn thực hành điều trị Trong thực tế để xác định nhu cầu thuốc cần kết hợp các

như bệnh tật, thời tiết, điều kiện kinh tế, sức khoẻ, trình độ chuyên môn, phác đồđiều trị, những tiến bộ trong y học và kỹ thuật điều trị mới, giá cả, sự xuất hiện cácthuốc mới, v.v Mặt khác phải chú ý phân tích và loại bỏ sai số do nhu cầu thuốc bấthợp lý Nhu cầu thuốc bất hợp lý là nhu cầu thuốc không phù hợp với kỹ thuật vàphương pháp điều trị Nguyên nhân gây ra có thể do thầy thuốc chẩn đoán sai, dotrình độ yếu kém, do chiều lòng người bệnh.

1.2 Phương pháp phân tích dữ liệu theo thời gian áp dụng trong nhu

cầu dự báo sử dụng thuốc

1.2.1 Cơ sở lý thuyết

1.2.1.1 Khái niệm chuỗi dữ liệu theo thời gian

Chuỗi dữ liệu theo thời gian (time series) được định nghĩa là “một tập hợp cácgiá trị ngẫu nhiên của một biến số được ghi nhận theo thứ tự chúng có được theothời gian” Việc phân tích các dữ liệu thực nghiệm được thu thập tại các thời điểmkhác nhau đã dẫn đến các vấn đề mới và độc đáo trong mô hình thống kê và suyluận [50]

Ngoài ra, chuỗi dữ liệu theo thời gian thực hay chuỗi dữ liệu theo thời giancòn được định nghĩa là một chuỗi các giá trị của một đại lượng nào đó được ghinhận theo thời gian [43]

Trong nhiều tài liệu khác, chuỗi dữ liệu theo thời gian được định nghĩa nhưmột tập hợp dữ liệu thường được đo ở các khoảng thời gian liên tục và cách đềunhau Chuỗi dữ dữ liệu này bao gồm các giá trị quan sát được thu thập theo thờigian với tần suất nhất định (có thể là ngày, tuần, tháng, quý hay năm) tùy theo đặctính của đối tượng nghiên cứu Trong dự báo sức khỏe, tầm quan trọng của định

Dự báo chuỗi dữ liệu theo thời gian là một vấn đề được nghiên cứu trong thờigian dài, và là một trong những thành phần quan trọng trong hoạt động nghiên cứuphát triển của tổ chức, bởi vì những dữ liệu từ quá khứ đến hiện tại thường đượcdùng để cung cấp cho các mô hình quyết định Dự báo chuỗi dữ liệu theo thời gianđược áp dụng rộng rãi trong nhiều lĩnh vực, như kinh tế, phân tích ngân sách, quytrình và quản lý chất lượng, hay dân số của một khu vực/ một quốc gia Trong đó,việc ứng dụng dự báo chuỗi dữ liệu trong lĩnh vực y tế cũng đã được triển khai ởnhiều cơ sở, trên các đối tượng phân tích như doanh thu từ hoạt động khám chữabệnh, dự báo về nhu cầu điều trị với một số nhóm bệnh lý cụ thể hay đánh giá hiệusuất làm việc của nhân viên y tế tại bệnh viện Trong y học, các phép đo huyết áptheo thời gian có thể hữu ích để đánh giá loại thuốc được sử dụng trong điều trị tănghuyết áp Hình ảnh cộng hưởng từ chức năng của sóng não theo thời gian có thểđược sử dụng để nghiên cứu cách não phản ứng với các kích thích nhất định trongcác điều kiện thí nghiệm khác nhau Ngoài ra, các nhà dịch tễ học cũng có thể quansát số ca bệnh cúm trong một giai đoạn nhất định để xác định xu hướng tăng giảmcủa bệnh cúm trong thời gian tiếp theo tại khu vực được khảo sát [15].

Sự khác biệt giữa phân tích chuỗi dữ liệu theo thời gian và các nghiên cứu mô

tả cắt ngang là thứ tự thời gian của chuỗi dữ liệu Phân tích chuỗi dữ liệu theo thờigian cũng khác với phân tích dữ liệu không gian trong đó các quan sát thường liênquan đến vị trí địa lý Các mô hình chuỗi dữ liệu theo thời gian thường sẽ sử dụngthứ tự thời gian một chiều tự nhiên để biểu thị các giá trị trong một khoảng thời giannhất định, gọi là chuỗi các giá trị quan sát trong giai đoạn quá khứ hay hồi cứu Đâycũng chính là cơ sở để các mô hình dự báo được thực hiện nhằm xác định các giá trịtrong tương lai Ngoài ra, các mô hình phân tích của một chuỗi dữ liệu theo thờigian sẽ phản ánh thực tế rằng các quan sát gần nhau theo thời gian sẽ có liên quanchặt chẽ hơn so với các quan sát cách xa nhau, hay cho thấy sự ảnh hưởng mạnh/yếu của các yếu tố khác như mùa vụ hay xu hướng

1.2.1.2 Các thành phần của chuỗi dữ liệu theo thời gian

Phương pháp phân tích chuỗi dữ liệu theo thời gian truyền thống thường quantâm đến 3 yếu tố là yếu tố xu hướng (trend component), yếu tố mùa vụ (seasonalcomponent), yếu tố chu kỳ (cyclical component), ngoài ra còn có yếu tố ngẫu nhiên(irregular component), độ trễ (lag)

 Yếu tố xu hướng: Là thành phần thể hiện sự tăng (hoặc giảm) ẩn bên trong

của một chuỗi dữ liệu theo thời gian, không bị ảnh hưởng bởi các hiệu ứng bấtthường hoặc các thành phần liên quan theo mùa trong dữ liệu [51] Ví dụ, sựthay đổi biến số khí hậu ghi nhận trong chu kỳ 50 năm Nếu chỉ có dữ liệutrong 20 năm, sự dao động này vẫn có thể thể hiện thành xu hướng, nhưng nếu

có dữ liệu trong 100 năm thì sự dao động trong một khoảng thời gian dài sẽnhận thấy dễ dàng và rõ ràng hơn Tuy nhiên, dữ liệu một giai đoạn ngắn cóthể đủ ý nghĩa cho việc dự báo về xu hướng trong một giai đoạn dài để giúp

xử lý dữ liệu dễ dàng hơn Vì vậy mà khi nói “xu hướng”, các quan sát sẵn có

và đánh giá chủ quan được lấy trong một giai đoạn dài Cũng như yếu tố mùa,

có thể ước tính yếu tố xu hướng hay loại bỏ yếu tố xu hướng để có thể phântích các biến khác [40]

Trong dữ liệu sức khỏe, một hồ sơ tổng thể về tỷ lệ mắc bệnh tăng dần trongmột khoảng thời gian xác định sẽ cho thấy xu hướng ngày càng tăng, bất kểmọi biến động ngẫu nhiên hay hệ thống [51]

 Yếu tố chu kỳ: Là một chuỗi những sự dao động giống như hình sóng và sự

dao động này sẽ lặp lại sau một thời kỳ dài hơn một năm Thêm vào đó, sự daođộng một số chuỗi dữ liệu theo thời gian không cố định trong một khoảng thời

Một sự khác biệt lớn giữa các yếu tố chu kỳ và yếu tố mùa vụ là yếu tố chu kỳthay đổi về chiều dài và cường độ so với yếu tố mùa vụ [51].

 Yếu tố mùa vụ: Những dao động mùa vụ rất thường được tìm thấy với dữ liệu

theo quý, theo tháng, hoặc thậm chí theo tuần nếu chỉ có dữ liệu theo năm thìkhông có biến động mùa Sự dao động mùa vụ liên quan đến kiểu thay đổi khá

ổn định xuất hiện hàng năm hoặc kiểu thay đổi đó lại được lặp lại ở năm sau,

và các năm sau nữa Mặt khác, yếu tố mùa vụ có thể loại bỏ khỏi dữ liệu nếutính mùa vụ không được quan tâm [40]

Nhiều tình trạng sức khỏe và phơi nhiễm bệnh (hoặc yếu tố nguy cơ) có yếu tốmùa như dịch tả, hội chứng Kawasaki, thuốc trừ sâu, chất lượng tinh dịch, sốtrét [30], trầm cảm, đái tháo đường, hen suyễn [14] [32], bệnh phổi, huyết áp,bệnh tim mạch [12], [18], [31], [42], dị tật bẩm sinh, tự tử… Một sự khác biệtquan trọng là liệu tình trạng sức khỏe có thay đổi mức độ nghiêm trọng hoặc

tỷ lệ mắc bệnh theo mùa hoặc theo thời gian sinh ra [38] như cân nặng khisinh, hội chứng trẻ sơ sinh đột ngột chết, tâm thần phân liệt

Các mô hình theo mùa cũng có thể xảy ra trong các khía cạnh khác của sứckhỏe như chi phí tài chính sức khỏe [28], thời gian sống sót đối với ung thưruột kết dài hơn đối với các đối tượng được chẩn đoán vào mùa hè và mùa thu[38], [49], hầu hết các thủ tục cột sống ở người bệnh mắc thoái hóa cột sống

đã được thực hiện trong những tháng mùa đông và mùa xuân [34]

 Yếu tố ngẫu nhiên: Sau khi loại bỏ yếu tố xu hướng và và chu kỳ ra khỏi dữ

liệu, phần còn lại của dữ liệu có thể hoặc không phải “ngẫu nhiên”, nghĩa làcác thay đổi không dự báo được Các kỹ thuật phân tích chuỗi dữ liệu theothời gian sẽ được đánh giá thông qua việc xem xét bất cứ yếu tố chu kỳ nàotrong phần “còn lại” (residual) này không hay phải dựa vào mô hình xác suất

để giải thích như trung bình động (moving average) hoặc mô hình tự hồi quy(autoregressive)

 Độ trễ: Yếu tố này đề cập đến khoảng thời gian trước khi một hiệu ứng được

biểu hiện Độ trễ đã được chứng minh là hữu ích trong việc dự báo các sự kiệntrên toàn cầu và là một đặc điểm của dữ liệu chuỗi dữ liệu theo thời gian đãđược khai thác rộng rãi trong nhiều kỹ thuật dự báo, ví dụ như trong trungbình động tích hợp tự hồi quy Trong việc phát triển các mô hình dự báo sứckhỏe cho một tình trạng/tình huống cụ thể, cần quan tâm đến khoảng thời gianlấy dữ liệu trong để xác định các dự báo phù hợp và bao gồm độ trễ [51]

so với thời điểm hiện tại thì càng ít giá trị thông tin, do đó càng ít ảnh hưởng đếnmức độ dự báo

Tuỳ thuộc vào đặc điểm dãy số thời gian (chuỗi dữ liệu theo thời gian) có biến động

xu thế, biến động thời vụ hay không mà phương pháp san bằng mũ có thể sử dụngmột trong các phương pháp cơ bản sau:

1.2.2.1 Mô hình đơn giản (phương pháp san bằng mũ đơn giản - Simple

Theo phương pháp này, ở thời gian t nào đó dựa vào các giá trị thực tế đã biết

để ước lượng giá trị hiện tại (thời gian t) của hiện tượng và giá trị hiện tại này để dự toán giá trị tương lai (thời gian t+1) Như vậy, phương pháp làm trơn mũ giản đơn

cho rằng giá trị dự báo mới là một giá trị trung bình có trọng số giữa giá trị thực tế

và giá trị dự báo ở giai đoạn t Mô hình san bằng mũ giản đơn được Brown xây

dựng năm 1954 dựa trên 2 nguyên tắc:

 Trọng số của các quan sát trong dãy số thời gian càng giảm đi khi nó càngcách xa hiện tại

 Sai số dự báo hiện tai phải được tính đến trong những dự báo kế tiếp

 là hệ số san bằng để điều chỉnh trong số của các quan sát riêng biệt của dãy

số thời gian Phương pháp làm trơn mũ giản đơn dựa trên cơ sở lấy trung bình tất cảcác giá trị quá khứ của chuỗi dữ liệu dưới dạng trọng số giảm dần theo hàm mũ

Quan sát gần nhất (với giá trị dự báo) nhận trọng số α (với 0<α<1) lớn nhất, quan sát tiếp theo nhận trọng số nhỏ hơn một chút, α(1- α), quan sát tiếp theo nhận trọng

số nhỏ hơn nữa, α(1- α) 2 , và cứ tiếp diễn như thế cho đến quan sát cuối cùng trong

đáng kể của sai số dự báo trước đó) Ngược lại, nếu α gần bằng 0, thì giá trị dự báo

mới sẽ rất giống giá trị dự báo cũ (trong giai đoạn hồi cứu xa về quá khứ) và giá trịquan sát hiện tại sẽ có ảnh hưởng rất ít lên giá trị dự báo mới Vì vậy, khi lựa chọn

 trong mô hình dự báo, cần phải vừa đảm bảo kết quả dự báo sẽ gần với quan sátthực tế, vừa phải đảm bảo tính linh hoạt (nhanh nhạy với các thay đổi ở gần hiệntại)



 Ngược lại, nếu dữ liệu theo thời gian có mức biến thiên cao, giá trị α được

chọn càng lớn cho thấy các giá trị hiện tại sẽ được chú ý hơn

Do đó, phải dựa vào đặc điểm biến động của hiện tượng qua thời gian và kinh

nghiệm nghiên cứu để lựa chon α cho phù hợp Giá trị α tối ưu là giá trị làm cho

tổng bình phương sai số dự báo nhỏ nhất

1.2.2.2 Mô hình xu thế tuyến tính và không có biến động thời vụ (Double

exponential smoothing)

Mô hình xu thế tuyến tính và không có biến động thời vụ, còn gọi là mô hìnhsan bằng mũ Holt (Holt exponential smoothing), thường áp dụng đối với sự biếnđộng của hiện tượng qua thời gian có xu thế là tuyến tính và không có biến độngthời vụ Phương pháp này cho phép suy đoán các xu thế cục bộ và có thể được sửdụng để dự báo trong tương lai Khi đó, cần phải dự báo cả giá trị trung bình (giá trịlàm trơn mũ) và độ dốc (xu thế) hiện tại để làm cơ sở cho dự báo tương lai

Giả sử dãy số thời gian y1, y2, y3… yn với biến động có tính xu hướng

 Bước 1: Chọn các hệ số  , (0 <  , < 1)

Trong đó, α là hệ số làm trơn mũ của giá trị trung bình (tương tự mô hình đơn

giản) và β là hệ số làm trơn mũ của giá trị xu hướng (tương ứng với độ dốc của

đường biểu diễn giá trị quan sát theo thời gian) Hệ số làm trơn mũ α sẽ phản ánh mức ảnh hưởng của giá trị hiện tại đến giá trị dự báo, nghĩa là hệ số α càng lớn thì giá trị dự báo sẽ phụ thuộc nhiều vào giá trị hiện tại Hệ số làm trơn mũ β sẽ phản ánh mức ảnh hưởng của yếu tố xu hướng đến giá trị dự báo, hệ số β càng lớn thì giá trị dự báo sẽ phụ thuộc nhiều vào xu hướng của chuỗi giá trị quan sát.



quá khứ; và độ dốc hiện tại sẽ là trung bình với trọng số giảm dần của tất cả các độdốc quá khứ.

 Bước 3: Dự báo giá trị trong tương lai

Sử dụng mức và xu thế đã được san số mũ tại thời điểm để dự báo cho các thờiđiểm trong tương lai để dự báo giá trị của hiện tượng ở thời điểm tương lai t + 1:

1 t t

t

y  S T

Ở thời điểm tương lai (t + h) (h=2, 3 …): y t h  S t hT t

1.2.2.3 Mô hình xu thế tuyến tính và biến động thời vụ (Triple exponential

smoothing)

Phương pháp làm trơn mũ Holt-Winters (Holt-Winters exponential smoothing)

là một phương pháp mở rộng của làm trơn mũ Holt đối với các dữ liệu có chứa yếu

tố mùa vụ, thường áp dụng đối với dự báo thời gian mà các mức độ của nó là dữliệu tháng hoặc quý của một số năm mà các mức độ trong dãy số được lập lại sau 1khoảng thời gian h (h = 4 đối với quý, h = 12 đối với năm) Yếu tố mùa trong chuỗithời gian, được ký hiệu là V, có thể thuộc dạng phép cộng hoặc phép nhân

Nếu phải lựa chọn một trong hai mô hình để dự báo thì tuỳ thuộc vào đặc điểmbiến động của hiện tượng Đối với hiện tượng ít biến đổi qua thời gian thì dùng môhình cộng Đối với hiện tượng biến đổi nhiều qua thời gian thì dùng mô hình nhân.Việc tiến hành phân tích với mô hình Holt-Winters sẽ bao gồm các bước:

 Bước 1: Chọn các hệ số  , , γ (0 <  , , γ < 1)

Trong đó, α là hệ số làm trơn mũ của giá trị trung bình, β là hệ số làm trơn mũ

của giá trị xu hướng, và γ là hệ số làm trơn của yếu tố mùa vụ

 Bước 2: Tiến hành san bằng mũ cho giá trị ước lượng, xu hướng và mùa vụ

của dãy số

Việc dự báo có thể được thực hiện theo một trong hai mô hình sau:

- Mô hình cộng y t1  S t T t V t1

- Mô hình nhân: y t1(S tT V t) t1Ngoài ra, mô hình Holt-Winters còn cho phép quan sát các đường biểu diễncác giá trị quan sát từ thực tế, đường biểu diễn các thành phần của dữ liệu sau khiphân tích như đường biểu diễn xu hướng, đường biểu diễn yếu tố mùa vụ, đườngbiểu diễn yếu tố ngẫu nhiên (Hình 1.1)

Hình 1.1 Hình biễu diễn các thành phần của dữ liệu sau khi được phân tách

với phương pháp phân tích dữ liệu theo thời gian

Hình 1.2 Hình biểu diễn dữ liệu sử dụng thuốc

theo giá trị quan sát thực tế và giá trị ước lượng trong giai đoạn 07 năm

Kết quả dự báo ngoài các con số cụ thể còn được thể hiện qua biểu đồ, trong

đó đường đậm thể hiện giá trị ước lượng và đường màu nhạt thể hiện các giá trịtrong khoảng tin cậy 80% và 95%, được thể hiện trong Hình 1.3

Hình 1.3 Biểu đồ mô tả xu hướng sử dụng thuốc trong năm tiếp theo

thu được từ cơ số sử dụng thuốc trong giai đoạn 05 năm

1.2.3 Một số thước đo độ chính xác của mô hình dự báo

Sai số dự báo (Ԑt):

Sai số dự báo xác định chênh lệch giữa giá trị thực và giá trị dự báo nhằmđánh giá sự phù hợp của mô hình dự báo tại cùng một thời điểm

Ԑt = Yt - ŶtTrong đó: Yt là giá trị thực tế của quan sát t

Ŷt: giá trị dự báo tương ứng với quan sát t

Ԑt: sai số dự báo tại thời điểm tMột mô hình dự báo được đánh giá là tốt khi sai số dự báo từ mô hình phảitương đối nhỏ

Từ sai số dự báo, có thể kể đến một số chỉ số liên quan như sai số dự báo trungbình (Mean Error - ME) và sai số phần trăm trung bình (Mean Percentage Error -MPE) Tuy nhiên, hai chỉ số này ít được sử dụng vì các giá trị dương có thể bị triệttiêu bởi các giá trị âm, nên làm ảnh hưởng đến kết quả đo lượng độ chính xác của

mô hình, vì một mô hình không tốt vẫn có thể có giá trị ME và MPE bằng 0 Cácchỉ số ME và MPE có thể được sử dụng để đánh giá về hướng sai lệch của dự báo:nếu ME hay MPE âm thì kết quả dự báo đang cao hơn so với giá trị thực, và ngượclại ME hay MPE dương cho thấy mô hình đang dự báo thấp hơn so với thực tế

Sai số tuyệt độ trung bình (MAE – Mean Absolute Error):

Sai số tuyệt độ trung bình (MAE) đo độ lớn trung bình của các lỗi trong mộttập hợp các dự báo mà không cần xem xét hướng của chúng Đó là giá trị trung bình

về sự khác biệt tuyệt đối giữa dự báo và quan sát thực tế (cùng đơn vị tính), trong

Sai số phần trăm tuyệt đối trung bình (MAPE – Mean Absolute Percentage Error)

Sai số phần trăm tuyệt đối trung bình (MAPE) xác định độ lớn của sai số dựbáo tuyệt đối so với giá trị quan sát tương ứng của biến số được dự báo

Chỉ số này đặc biệt hữu ích khi các quan sát thực tế có giá trị lớn và có thểđược sử dụng để so sánh các mô hình khi tiến hành dự báo cho các chuỗi dữ liệuhoàn toàn khác nhau Tuy nhiên, nếu giá trị quan sát bằng 0, hệ thống sẽ báo lỗi vàkhông thể tính toán được giá trị MAPE

Sai số bình phương trung bình (MSE – Mean Squared Error)

Sai số bình phương trung bình (MSE) là trung bình của bình phương các sai

số, tức là giá trị trung bình của bình phương các sự khác biệt giữa các giá trị thực tế

và giá trị dự báo, và được tính theo công thức:

Khi tính sai số tuyệt đối trung bình, trọng số của các quan sát được xem là nhưnhau Còn trong trường hợp này, vì các sai số được bình phương, nên các sai số lớn

sẽ có trọng số lớn (trọng số chính là giá trị sai số), sai số nhỏ sẽ có trọng số nhỏ

Căn bậc hai của sai số bình phương trung bình (RMSE – Root Mean Squared Error)

Căn bậc hai của sai số bình phương trung bình (RMSE) cũng cho phép đolường sự khác biệt giữa các giá trị dự báo và giá trị thực tế, và được xác định bằngcách lấy căn bậc hai của trung bình của sự khác biệt bình phương giữa giá trị thực tế

và giá trị dự báo theo công thức sau:

Cả MAE và RMSE đều thể hiện sai số dự báo trung bình từ mô hình theo đơn

vị của biến quan tâm, có giá trị nằm trong khoảng từ 0 đến ∞ và đều không quantâm đến hướng của các sai số (âm hay dương) MAE và RMSE là điểm số địnhhướng tiêu cực, có nghĩa là giá trị thấp hơn sẽ tốt hơn

1.2.4 Các nghiên cứu ứng dụng phương pháp phân tích dữ liệu theo thơi gian

trong lĩnh vực y tế

Các mô hình dự báo thống kê liên quan đến phân tích chuỗi dữ liệu theo thờigian thường được sử dụng trong dự báo sức khỏe bao gồm các mô hình trung bìnhđộng, như ARMA, ARIMA, các kỹ thuật làm mịn như các phương pháp Holt-Winters, mô hình mạng thần kinh… Mô hình ARIMA của Box-Jenkins thườngđược sử dụng trong các mô hình dự báo khi xử lý chuỗi dữ liệu theo thời giankhông ổn định [36] Các mô hình làm mịn cũng được sử dụng nhiều trong cácnghiên cứu dự báo về y tế [21], [25], [27], [35] Nghiên cứu của Pereira A đã sosánh 3 phương pháp chuỗi dữ liệu theo thời gian này và cho thấy cả mô hìnhARIMA, mô hình mạng thần kinh và mô hình làm mịn Holt-Winters đều báo tốt kết

cho thấy mô hình Holt-Winters tương đương hoặc vượt trội so với các phương pháp

dự báo truyền thống hơn được sử dụng để giám sát hội chứng sinh học[17]

Từ khi xuất hiện, phương pháp phân tích dữ liệu theo thời gian đã được ápdụng phổ biến trong tất cả các lĩnh vực bao gồm cả lĩnh vực y tế [16], [19], [22],[24], từ các nghiên cứu về một bệnh hay tình trạng bệnh cụ thể như bệnh tim mạch[20], [29-31], [37], [47], [48] tắc nghẽn phổi mãn tính (COPD) [45], hen suyễn [14],[29], [32], phòng béo phì [35], sốt rét [30], cúm [52], quai bị [33], [35], ghép thận[27], nhu cầu truyền máu [25] đến tổng hợp các tình huống sức khỏe, như việc thămkhám ở khoa cấp cứu [39], [53], đánh giá sự ảnh hưởng của yếu tố mùa vụ lên chiphí chăm sóc sức khỏe [28], phân tích xu hướng xảy ra các khuyết tật trên ngườicao tuổi [15], hay đánh giá tổng chi phí chăm sóc sức khỏe của người dân Hà Lan[41]

Trong đó, mô hình làm mịn Holt-Winters đã được ứng dụng trong nhiều côngtrình nghiên cứu về y tế Trong nghiên cứu về “Đánh giá các quy trình ghép thậnđược thực hiện tại một cơ sở y tế ở Italy trong khoảng thời gian từ năm 1983 đếnnăm 2007 bằng phân tích chuỗi dữ liệu theo thời gian và dự báo số lượng các caphẫu thuật nên được thực hiện trong năm 2008” của Santori G., Fontana I.,Bertocchi M và cộng sự, mô hình Holt-Winters đã cho phép dự báo số trường hợpcấy ghép thận dự trên cơ sở các ca cấy ghép thực hiện trước đó [27] Nghiên cứu về

“Xu hướng điều trị phẫu thuật cho bệnh thoái hóa cột sống ở Trung Quốc” của LiY., Zheng S., Wu Y và cộng sự năm 2019 đã phân tích và dự báo được thời gianthực hiện hầu hết các phẫu thuật cột sống vào những tháng mùa đông và mùa xuântại Trung Quốc [21] Nghiên cứu “Phân tích dữ liệu hàng ngày về bệnh quai bị ởmột tỉnh từ năm 2004 đến năm 2008 và thiết lập mô hình exponential smoothing để

dự báo số ca mắc bệnh quai bị” của Shi Y.P., Ma J.Q đã kết luận hiệu quả của môhình Holt-Winters exponential smoothing là khá tốt để dự báo số trường hợp mắcbệnh quai bị với độ nhạy cảm là 76,92%, độ đặc hiệu là 83,33%, và tỷ lệ kịp thời

gan tại một trung tâm y tế ở Áo giai đoạn 1987 và 2006; đồng thời có những dự báocho năm 2007 [26] Nghiên cứu của Medina D C về “dự báo tiêu chảy không ổnđịnh (non – stationnay), nhiễm trùng đường hô hấp cấp tính và chuỗi dữ liệu theothời gian sốt rét ở Niono, Mali” đã cho thấy Holt-Winters là một phương pháp dựbáo tiềm năng cho chuỗi dữ liệu theo thời gian dịch tễ học không ổn định; hơn nữa

có thể dễ dàng phân tách chuỗi dữ liệu theo thời gian thành các thành phần theomùa do đó có khả năng hỗ trợ các can thiệp sức khỏe cộng đồng, cũng như theo dõisửa đổi động lực học bệnh Nhờ đó nhà quản lý có thể cải thiện việc quản lý bệnhtruyền nhiễm ở quận Niono, Mali và các nơi khác ở Sahel [23] Burkom

HS, Murphy SP, Shmueli G đã đánh giá tính ứng dụng của chuỗi dữ liệu theo thờigian trong giám sát sinh học bằng cách so sánh hiệu quả của 3 mô hình là mô hìnhhồi quy không thích ứng bằng đường cơ sở lịch sử dài (a non-adaptive regressionmodel using a long historical baseline), mô hình hồi quy thích ứng với đường cơ sởngắn hơn và mô hình Holt-Winters đã cho thấy hiệu quả nhất trong việc loại bỏtương quan nối tiếp, với hầu hết các hệ số tự tương quan trễ dưới 0,15 [13]

1.3 Nghiên cứu tại Việt Nam ứng dụng phương pháp phân tích dữ liệu

theo thời gian trong dự trù thuốc cho bệnh viện

Tập hợp các giá trị về cơ số thuốc sử dụng ghi nhận hàng tháng/ hàng quý cóthể được coi như là một chuỗi dữ liệu theo thời gian (time series), do đó có thể đượcxem như là một đối tượng để ứng dụng phương pháp phân tích dữ liệu theo thờigian nhằm đánh giá xu hướng và dự báo nhu cầu sử dụng Thực tế tại Việt Nam,hướng nghiên cứu này đã được thực hiện tại một số bệnh viện và thu được một sốkết quả nhất định

Trong một nghiên cứu được thực hiện tại Bệnh viện Tâm thần tỉnh Bến Tre

hợp với cơ cấu bệnh tật và phân tuyến chuyên môn tại bệnh viện Trong đó, hoạtchất clorpromazin có số lượng thuốc và cơ số sử dụng ổn định trong thời gian phântích, diazepam có xu hướng tăng với biến thiên lớn giữa các tháng trong một năm(Hình 1.4).

Hình 1.4 Kết quả phân tích xu hướng sử dụng thuốc trong giai đoạn 2010-2017

tại Bệnh viện Tâm thần tỉnh Bến Tre

(Nguồn: Hoàng Thy Nhạc Vũ và cộng sự, 2019 [8])

Một nghiên cứu được thực hiện tại Bệnh viện Phú Nhuận Thành phố Hồ ChíMinh cũng đã phân tích xu hướng sử dụng kháng sinh bởi mô hình Holt –Wintersvới các thông số làm trơn alpha, beta, và gamma [7] Kết quả cho thấy nhóm kháng

định về số lượng sử dụng qua từng năm Kết quả dự báo xu hướng của các nhómkháng sinh được trình bày dưới dạng số liệu ước tính từ mô hình và biểu đồ tươngứng, được minh họa trong Hình 1.5.

Hình 1.5 Kết quả phân tích xu hướng và dự báo nhu cầu thuốc

tại Bệnh viện Phú Nhuận trong giai đoạn 2017-2018

(Nguồn: Hoàng Thy Nhạc Vũ và cộng sự, 2017 [7])

Một nghiên cứu khác được thực hiện ngay tại Bệnh viện Nguyễn Đình Chiểutỉnh Bến Tre cũng cho thấy tính ứng dụng của phương pháp phân tích dữ liệu trong

hợp dự báo giảm số lượng sử dụng Ngoài ra, nếu mua sắm theo dữ liệu dự báo từ

mô hình Holt–Winters, lượng thuốc mua dư sẽ dao động từ 0,5% đến 60%, giảm điđáng kể so với chênh lệch thực tế giữa dữ liệu mua sắm và sử dụng của Bệnh việntrong cùng khoảng thời gian (45% – 215%)

Bảng 1.2 Kết quả dự báo cơ số sử dụng thuốc trong nửa đầu năm 2018

của 12 hoạt chất thông dụng tại Bệnh viện Nguyễn Đình Chiểu tỉnh Bến Tregiai đoạn 2010-2017 (Nguồn: Đặng Kim Loan và cộng sự, 2019) [6])

sử dụng thực tế

Cơ số thuốc mua sắm tại Bệnh viện

Cơ số dự báo từ mô

hình Số

lƣợng

%Chênh lệch

so với sử dụng thực tế

Số lƣợng

%Chênh lệch

so với sử dụng thực tế

1 Irbesartan

Thuốc tim mạch

Trong cùng giai đoạn phân tích, một nghiên cứu khác cũng được thực hiện tạiBệnh viện Nguyễn Đình Chiểu tỉnh Bến Tre nhằm áp dụng phương pháp phân tíchchuỗi dữ liệu theo thời gian cho 17 thuốc biệt dược gốc được sử dụng nhiều tại cơ

sở Kết quả phân tích xu hướng được tóm tắt trong Bảng 1.3 Tỷ lệ phân trăm chênhlệch giữa hai năm liên tiếp trong khoảng thời gian dự báo của 17 thuốc biệt dượcgốc dao động trong khoảng -33,6% đến 51,7% Khả năng dự báo của mô hình đượctiến hành thông qua so sánh chênh lệch giữa cơ số dự báo/cơ số sử dụng và cơ sốmua sắm/cơ số sử dụng trong nửa đầu năm 2018, với khoảng giá trị lần lượt là10,9% – 120,2% và 62,9% – 410%

Bảng 1.3 So sánh cơ số sử dụng dự báo và số liệu sử dụng thực tế trong nửa đầu

năm 2018 của một số biệt dược gốc tại Bệnh viện Nguyễn Đình Chiểu tỉnh Bến Tre

(Nguồn: Đặng Kim Loan và cộng sự, 2019) [6])

sử dụng thực tế

Cơ số thuốc mua sắm tại

Bệnh viện

Cơ số dự báo từ mô hình

Số lƣợng

%Chênh lệch so với sử dụng thực tế

Số lƣợng

%Chênh lệch so với sử dụng thực tế

Phương pháp tiến hành phân tích xu hướng và dự báo nhu cầu sử dụng thuốc

đã được áp dụng trong các nghiên cứu trên thuộc nhóm các phương pháp dự báođịnh lượng, có sử dụng mô hình tính toán và giả định dữ liệu quá khứ cùng với cácyếu tố liên quan khác để đưa ra các dự báo tin cậy trong tương lai Tóm tắt đặc điểmcủa một số nghiên cứu ứng dụng phương pháp phân tích dữ liệu theo thời gian trongđánh giá xu hướng và dự báo nhu cầu sử dụng thuốc được trình bày trong Bảng 1.4

Bảng 1.4 Tóm tắt đặc điểm của một số nghiên cứu

ứng dụng phương pháp phân tích dữ liệu theo thời giantrong đánh giá xu hướng và dự báo nhu cầu sử dụng thuốc

Theo các tiêu chí mô tả chung của Danh mụcthuốc bệnh viện, nghiên cứu ghi nhận xuhướng sử dụng tăng ở các thuốc biệt dượcgốc và thuốc generic (theo nguồn gốc thuốc),

và tăng ở các thuốc được sản xuất trong vàngoài nước (theo nước sản xuất thuốc) nhằmđáp ứng nhu cầu điều trị và khả năng thanhtoán của người dân Theo phân loại VEN, cácthuốc nhóm V có xu hướng ổn định, trong khi

đó các thuốc nhóm E lại có xu hướng tăng vàthuốc nhóm N có xu hướng giảm sử dụng,phù hợp với tiêu chí xây dựng Danh mụcthuốc hàng năm của bệnh viên Hai nhómđiều trị chính là thuốc điều trị rối loạn tâmthần và thuốc chống co giật động kinh cũngđược ghi nhận tăng sử dụng, phù hợp với cơcấu bệnh tật và phân tuyến chuyên môn tạibệnh viện Trong đó, hoạt chất clorpromazin

có số lượng thuốc và cơ số sử dụng ổn địnhtrong thời gian phân tích, diazepam có xuhướng tăng với biến thiên lớn giữa các thángtrong một năm

Phân tích xu hướng và dự báo nhu cầu sử dụng thuốc