[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"_public_topic_publications_%C4%91%E1%BB%99%20ch%C3%ADnh%20x%C3%A1c%20ch%E1%BA%A9n%20%C4%91o%C3%A1n{\"limit\":5}":3,"_public_topic_byId_độ chính xác chẩn đoán":11},{"code":4,"data":5,"meta":10},"SUCCESS",{"latest":6,"mostCited":7,"vietnamFeatured":8,"vietnamLatest":9},[],[],[],[],null,{"code":4,"data":12,"meta":10},{"id":13,"title":14,"description":15,"content":16,"term":13,"englishTitle":10,"synonyms":10,"definition":10,"discipline":10,"references":10,"faqs":10,"createUser":17,"publishUser":21,"keywords":25,"keywordCount":10,"enrichTopicLink":26,"status":27,"createTime":28,"updateTime":29,"publishTime":30,"linkEnrichedTime":10,"publicationScanTime":10,"contentErrorMessage":10,"viewCount":31,"relateTopics":32},"độ chính xác chẩn đoán","Độ chính xác chẩn đoán là gì? Các nghiên cứu khoa học","Độ chính xác chẩn đoán là tỷ lệ phần trăm số ca được xác định đúng tình trạng bệnh lý trong tổng số người được kiểm tra bằng một xét nghiệm y khoa. Chỉ số này phản ánh hiệu suất tổng thể của phương pháp chẩn đoán nhưng không thể hiện rõ mức độ bỏ sót hoặc nhầm lẫn trong từng loại kết quả. ","\u003Cdiv>\u003Ch2>Khái niệm độ chính xác trong chẩn đoán y khoa\u003C\u002Fh2>\n\u003Cp>\nĐộ chính xác chẩn đoán (\u003Ci>diagnostic accuracy\u003C\u002Fi>) là một chỉ số phản ánh mức độ mà một xét nghiệm, phương pháp hình ảnh, hay mô hình chẩn đoán có thể phân biệt chính xác giữa người mắc bệnh và người không mắc bệnh. Trong thực hành y khoa và nghiên cứu lâm sàng, đây là một thông số cơ bản để đánh giá tính hữu dụng và độ tin cậy của bất kỳ công cụ chẩn đoán nào. \n\u003C\u002Fp>\n\u003Cp>\nĐộ chính xác giúp định lượng hiệu suất của một test dựa trên các kết quả đã biết, thường được so sánh với một phương pháp tham chiếu gọi là “tiêu chuẩn vàng” (gold standard). Ví dụ, trong chẩn đoán ung thư, sinh thiết mô là tiêu chuẩn vàng, còn siêu âm, CT, MRI hoặc marker máu là các test cần đánh giá độ chính xác.\n\u003C\u002Fp>\n\u003Cp>\nTrong nghiên cứu dịch tễ học, việc đo lường độ chính xác giúp định hướng việc áp dụng rộng rãi các xét nghiệm mới, sàng lọc cộng đồng, hoặc cải tiến quy trình lâm sàng nhằm giảm thiểu sai sót chẩn đoán. Nó cũng là cơ sở để xây dựng các thuật toán phân loại bệnh nhân hoặc thiết lập hệ thống cảnh báo sớm.\n\u003C\u002Fp>\n\n\u003Ch2>Định nghĩa độ chính xác tổng thể\u003C\u002Fh2>\n\u003Cp>\nĐộ chính xác tổng thể là tỷ lệ giữa số lượng chẩn đoán đúng (bao gồm cả dương tính thật và âm tính thật) trên tổng số trường hợp được xét nghiệm. Chỉ số này giúp tóm tắt hiệu suất chung của một xét nghiệm mà không phân biệt mức độ chẩn đoán sai thuộc loại nào. Công thức tính được thể hiện như sau:\n\u003C\u002Fp>\n\u003Cp>\n\u003Cscript type=\"math\u002Ftex\">\n\\text{Accuracy} = \\frac{TP + TN}{TP + TN + FP + FN}\n\u003C\u002Fscript>\n\u003C\u002Fp>\n\u003Cp>\nGiải thích các thành phần trong công thức:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>\u003Cstrong>TP (True Positive):\u003C\u002Fstrong> số người thật sự mắc bệnh và được test phát hiện đúng\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>TN (True Negative):\u003C\u002Fstrong> số người không mắc bệnh và được test xác định đúng\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>FP (False Positive):\u003C\u002Fstrong> số người không mắc bệnh nhưng bị test chẩn đoán sai là có bệnh\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>FN (False Negative):\u003C\u002Fstrong> số người mắc bệnh nhưng bị test bỏ sót\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n\u003Cp>\nMột xét nghiệm có độ chính xác 90% tức là trong 100 ca kiểm tra, 90 người được xác định đúng tình trạng bệnh tật, dù là bệnh hay không bệnh. Tuy nhiên, chỉ số này không thể hiện rõ test đã bỏ sót bao nhiêu ca bệnh (FN) hay gây nhầm lẫn bao nhiêu ca không bệnh (FP), do đó phải được diễn giải cùng với các chỉ số khác.\n\u003C\u002Fp>\n\u003Cp>\nSo sánh trực quan một vài ví dụ giả định:\n\u003C\u002Fp>\n\u003Ctable border=\"1\" cellpadding=\"6\" cellspacing=\"0\">\n  \u003Cthead>\n    \u003Ctr>\n      \u003Cth>Tình huống\u003C\u002Fth>\n      \u003Cth>TP\u003C\u002Fth>\n      \u003Cth>TN\u003C\u002Fth>\n      \u003Cth>FP\u003C\u002Fth>\n      \u003Cth>FN\u003C\u002Fth>\n      \u003Cth>Accuracy\u003C\u002Fth>\n    \u003C\u002Ftr>\n  \u003C\u002Fthead>\n  \u003Ctbody>\n    \u003Ctr>\n      \u003Ctd>Xét nghiệm A\u003C\u002Ftd>\n      \u003Ctd>45\u003C\u002Ftd>\n      \u003Ctd>45\u003C\u002Ftd>\n      \u003Ctd>5\u003C\u002Ftd>\n      \u003Ctd>5\u003C\u002Ftd>\n      \u003Ctd>90%\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>Xét nghiệm B\u003C\u002Ftd>\n      \u003Ctd>25\u003C\u002Ftd>\n      \u003Ctd>65\u003C\u002Ftd>\n      \u003Ctd>0\u003C\u002Ftd>\n      \u003Ctd>10\u003C\u002Ftd>\n      \u003Ctd>90%\u003C\u002Ftd>\n    \u003C\u002Ftr>\n  \u003C\u002Ftbody>\n\u003C\u002Ftable>\n\u003Cp>\nMặc dù hai xét nghiệm có độ chính xác như nhau, xét nghiệm A có tỷ lệ bỏ sót bệnh nhân thấp hơn, trong khi B bỏ sót đến 10 người mắc bệnh. Điều này cho thấy cần đánh giá sâu hơn bằng các chỉ số bổ trợ.\n\u003C\u002Fp>\n\n\u003Ch2>Ý nghĩa lâm sàng của độ chính xác\u003C\u002Fh2>\n\u003Cp>\nĐộ chính xác là chỉ số đơn giản, dễ hiểu, có thể áp dụng trong báo cáo nhanh hiệu quả của test trong giai đoạn đầu nghiên cứu. Tuy nhiên, trong lâm sàng, việc dựa vào độ chính xác đơn thuần là không đủ. Một test có thể đạt độ chính xác cao nhờ phân loại tốt các ca không bệnh, trong khi bỏ sót đáng kể các ca bệnh thật.\n\u003C\u002Fp>\n\u003Cp>\nVí dụ thực tế: nếu một bệnh hiếm chỉ có tỷ lệ mắc 1%, một xét nghiệm luôn cho kết quả âm tính sẽ có độ chính xác 99% dù không phát hiện được bất kỳ ca bệnh nào. Do đó, trong các bệnh có tỷ lệ hiện mắc thấp, độ chính xác có thể gây hiểu nhầm nghiêm trọng.\n\u003C\u002Fp>\n\u003Cp>\nĐộ chính xác không cung cấp thông tin về loại sai lầm mà test mắc phải (FP hay FN), trong khi điều này lại ảnh hưởng trực tiếp đến quyết định lâm sàng. Với các bệnh cần phát hiện sớm như ung thư, việc bỏ sót (FN) là nguy hiểm hơn chẩn đoán nhầm (FP). Do đó, độ chính xác chỉ nên được sử dụng kèm với độ nhạy, độ đặc hiệu, và giá trị tiên đoán.\n\u003C\u002Fp>\n\n\u003Ch2>Độ nhạy và độ đặc hiệu\u003C\u002Fh2>\n\u003Cp>\nHai chỉ số nền tảng giúp giải thích rõ hơn bản chất của độ chính xác là độ nhạy (sensitivity) và độ đặc hiệu (specificity). Chúng cung cấp thông tin về khả năng phát hiện bệnh và loại trừ bệnh một cách riêng biệt:\n\u003C\u002Fp>\n\u003Cp>\n\u003Cscript type=\"math\u002Ftex\">\n\\text{Sensitivity} = \\frac{TP}{TP + FN}, \\quad \\text{Specificity} = \\frac{TN}{TN + FP}\n\u003C\u002Fscript>\n\u003C\u002Fp>\n\u003Cp>\nÝ nghĩa của từng chỉ số:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>\u003Cstrong>Độ nhạy:\u003C\u002Fstrong> xác suất xét nghiệm trả về kết quả dương tính khi người bệnh thật sự mắc bệnh. Độ nhạy cao giúp giảm nguy cơ bỏ sót bệnh nhân.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Độ đặc hiệu:\u003C\u002Fstrong> xác suất xét nghiệm trả về kết quả âm tính khi người không mắc bệnh. Độ đặc hiệu cao giúp giảm số ca dương tính giả.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n\u003Cp>\nMột xét nghiệm lý tưởng có độ nhạy và độ đặc hiệu đều trên 90%, nhưng thực tế thường có sự đánh đổi giữa hai giá trị này. Test có độ nhạy rất cao thường đánh đổi bằng độ đặc hiệu thấp hơn, dẫn đến nhiều ca dương tính giả.\n\u003C\u002Fp>\n\u003Cp>\nTrong các nghiên cứu chẩn đoán, độ nhạy và độ đặc hiệu được xem là chỉ số ưu tiên hơn độ chính xác tổng thể vì chúng phản ánh khả năng thật sự của test, không phụ thuộc vào tỷ lệ hiện mắc bệnh trong dân số.\n\u003C\u002Fp>\n\u003Ch2>Vai trò của tỷ lệ hiện mắc bệnh (prevalence)\u003C\u002Fh2>\n\u003Cp>\nTỷ lệ hiện mắc bệnh (prevalence) là tỷ lệ người mắc bệnh trong tổng dân số được xét nghiệm tại một thời điểm cụ thể. Thông số này ảnh hưởng mạnh đến cách chúng ta diễn giải độ chính xác cũng như các chỉ số chẩn đoán khác. Trong điều kiện phòng khám, tỷ lệ hiện mắc thường không đồng đều so với dân số chung, do đó cần điều chỉnh khi áp dụng kết quả nghiên cứu vào thực tế.\n\u003C\u002Fp>\n\u003Cp>\nĐộ chính xác có thể cao dù test không phát hiện ca bệnh nào, nếu tỷ lệ mắc bệnh quá thấp. Ví dụ: trong dân số có 1% người mắc bệnh, một test luôn cho kết quả âm tính sẽ có độ chính xác 99% nhưng độ nhạy là 0%. Đây là một ví dụ điển hình cho hiện tượng \"độ chính xác giả\" do tỷ lệ hiện mắc thấp.\n\u003C\u002Fp>\n\u003Cp>\nBảng minh họa sau đây cho thấy cách tỷ lệ hiện mắc ảnh hưởng đến giá trị tiên đoán của xét nghiệm:\n\u003C\u002Fp>\n\u003Ctable border=\"1\" cellpadding=\"6\" cellspacing=\"0\">\n  \u003Cthead>\n    \u003Ctr>\n      \u003Cth>Tỷ lệ hiện mắc\u003C\u002Fth>\n      \u003Cth>Độ nhạy\u003C\u002Fth>\n      \u003Cth>Độ đặc hiệu\u003C\u002Fth>\n      \u003Cth>PPV\u003C\u002Fth>\n      \u003Cth>NPV\u003C\u002Fth>\n    \u003C\u002Ftr>\n  \u003C\u002Fthead>\n  \u003Ctbody>\n    \u003Ctr>\n      \u003Ctd>1%\u003C\u002Ftd>\n      \u003Ctd>90%\u003C\u002Ftd>\n      \u003Ctd>90%\u003C\u002Ftd>\n      \u003Ctd>8.3%\u003C\u002Ftd>\n      \u003Ctd>99.9%\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>10%\u003C\u002Ftd>\n      \u003Ctd>90%\u003C\u002Ftd>\n      \u003Ctd>90%\u003C\u002Ftd>\n      \u003Ctd>50%\u003C\u002Ftd>\n      \u003Ctd>98.8%\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>50%\u003C\u002Ftd>\n      \u003Ctd>90%\u003C\u002Ftd>\n      \u003Ctd>90%\u003C\u002Ftd>\n      \u003Ctd>90%\u003C\u002Ftd>\n      \u003Ctd>90%\u003C\u002Ftd>\n    \u003C\u002Ftr>\n  \u003C\u002Ftbody>\n\u003C\u002Ftable>\n\u003Cp>\nNguồn: \u003Ca href=\"https:\u002F\u002Fwww.ncbi.nlm.nih.gov\u002Fpmc\u002Farticles\u002FPMC2636062\u002F\" target=\"_blank\">National Center for Biotechnology Information\u003C\u002Fa>\n\u003C\u002Fp>\n\n\u003Ch2>Chỉ số giá trị tiên đoán (Predictive Values)\u003C\u002Fh2>\n\u003Cp>\nGiá trị tiên đoán dương (Positive Predictive Value - PPV) và giá trị tiên đoán âm (Negative Predictive Value - NPV) phản ánh khả năng mà kết quả test dương tính hay âm tính tương ứng với thực trạng bệnh lý. Chúng là các chỉ số mang tính thực tế cao, đặc biệt hữu ích trong các quyết định lâm sàng.\n\u003C\u002Fp>\n\u003Cp>\n\u003Cscript type=\"math\u002Ftex\">\n\\text{PPV} = \\frac{TP}{TP + FP}, \\quad \\text{NPV} = \\frac{TN}{TN + FN}\n\u003C\u002Fscript>\n\u003C\u002Fp>\n\u003Cp>\nPPV cao đồng nghĩa với việc có khả năng cao người được chẩn đoán dương tính thật sự mắc bệnh, trong khi NPV cao cho thấy kết quả âm tính gần như đảm bảo là người không mắc bệnh. Tuy nhiên, cả hai chỉ số đều phụ thuộc vào tỷ lệ hiện mắc bệnh, do đó có thể thay đổi khi áp dụng trong dân số khác.\n\u003C\u002Fp>\n\u003Cp>\nTrong sàng lọc ung thư hoặc bệnh truyền nhiễm, PPV và NPV là cơ sở để quyết định tiếp tục xét nghiệm, can thiệp y tế hay theo dõi thêm. Chúng mang ý nghĩa thực dụng và có giá trị giao tiếp với bệnh nhân về khả năng tin cậy của kết quả.\n\u003C\u002Fp>\n\n\u003Ch2>Phân tích đường cong ROC và AUC\u003C\u002Fh2>\n\u003Cp>\nĐường cong ROC (Receiver Operating Characteristic) là công cụ trực quan giúp đánh giá hiệu quả của một xét nghiệm chẩn đoán bằng cách biểu diễn mối quan hệ giữa độ nhạy (True Positive Rate) và 1 - độ đặc hiệu (False Positive Rate) ở các ngưỡng khác nhau. Mỗi điểm trên đường cong tương ứng với một ngưỡng cắt (cut-off) cụ thể của test.\n\u003C\u002Fp>\n\u003Cp>\nDiện tích dưới đường cong (Area Under the Curve - AUC) là chỉ số định lượng thể hiện khả năng phân biệt người bệnh và không bệnh của test. AUC có giá trị từ 0.5 (không phân biệt được) đến 1.0 (phân biệt hoàn hảo). Một AUC > 0.9 được xem là xuất sắc.\n\u003C\u002Fp>\n\u003Cp>\nVí dụ:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>AUC = 0.50: test hoàn toàn không có giá trị phân biệt\u003C\u002Fli>\n  \u003Cli>AUC = 0.70–0.80: chấp nhận được\u003C\u002Fli>\n  \u003Cli>AUC = 0.80–0.90: tốt\u003C\u002Fli>\n  \u003Cli>AUC > 0.90: rất tốt\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n\u003Cp>\nXem thêm về phân tích ROC tại \u003Ca href=\"https:\u002F\u002Fwww.medcalc.org\u002Fmanual\u002Froc-curves.php\" target=\"_blank\">MedCalc – ROC Curve Analysis\u003C\u002Fa>\n\u003C\u002Fp>\n\n\u003Ch2>Độ chính xác trong nghiên cứu chẩn đoán\u003C\u002Fh2>\n\u003Cp>\nĐánh giá độ chính xác là một phần thiết yếu trong các nghiên cứu xác nhận giá trị của test mới. Các nghiên cứu loại này thường so sánh test mục tiêu với phương pháp tiêu chuẩn vàng trên cùng nhóm đối tượng và theo các tiêu chuẩn báo cáo nghiêm ngặt như STARD (Standards for Reporting of Diagnostic Accuracy).\n\u003C\u002Fp>\n\u003Cp>\nMột nghiên cứu chẩn đoán đáng tin cậy cần đảm bảo:\n\u003C\u002Fp>\u003Col>\n  \u003Cli>Tiêu chí chọn mẫu rõ ràng và không thiên lệch\u003C\u002Fli>\n  \u003Cli>So sánh trực tiếp giữa test mới và phương pháp chuẩn\u003C\u002Fli>\n  \u003Cli>Phân tích thống kê đầy đủ: sensitivity, specificity, PPV, NPV, AUC\u003C\u002Fli>\n  \u003Cli>Báo cáo theo STARD 2015: \u003Ca href=\"https:\u002F\u002Fwww.equator-network.org\u002Freporting-guidelines\u002Fstard\u002F\" target=\"_blank\">EQUATOR Network – STARD Guidelines\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Cp>\u003C\u002Fp>\n\u003Cp>\nTrong nghiên cứu mô hình hóa, đánh giá độ chính xác còn liên quan đến hiệu suất dự đoán (predictive performance) và hiệu lực ngoài mẫu (external validation).\n\u003C\u002Fp>\n\n\u003Ch2>Hạn chế khi sử dụng độ chính xác\u003C\u002Fh2>\n\u003Cp>\nDù là chỉ số phổ biến, độ chính xác có một số giới hạn nhất định:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>Không thể phân biệt giữa các dạng lỗi FP và FN\u003C\u002Fli>\n  \u003Cli>Dễ gây hiểu nhầm khi tỷ lệ hiện mắc lệch quá cao hoặc thấp\u003C\u002Fli>\n  \u003Cli>Không phản ánh hậu quả lâm sàng của sai lệch\u003C\u002Fli>\n  \u003Cli>Có thể bị thao túng bằng cách thay đổi ngưỡng test\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n\u003Cp>\nMột xét nghiệm có độ chính xác cao vẫn có thể vô dụng trong sàng lọc nếu độ nhạy thấp, gây bỏ sót nhiều bệnh nhân. Trong các bệnh có chi phí bỏ sót cao như ung thư giai đoạn sớm, FN nguy hiểm hơn FP. Vì vậy, cần đánh giá test chẩn đoán một cách toàn diện, không chỉ dựa vào độ chính xác.\n\u003C\u002Fp>\n\n\u003Ch2>Tài liệu tham khảo\u003C\u002Fh2>\n\u003Col>\n  \u003Cli>Pepe, M. S. (2003). \u003Ci>The Statistical Evaluation of Medical Tests for Classification and Prediction\u003C\u002Fi>. Oxford University Press.\u003C\u002Fli>\n  \u003Cli>Bossuyt, P. M., et al. (2015). STARD 2015: An Updated List of Essential Items for Reporting Diagnostic Accuracy Studies. \u003Ci>BMJ\u003C\u002Fi>, 351, h5527.\u003C\u002Fli>\n  \u003Cli>\u003Ca href=\"https:\u002F\u002Fwww.ncbi.nlm.nih.gov\u002Fpmc\u002Farticles\u002FPMC2636062\u002F\" target=\"_blank\">National Library of Medicine – Evaluating the Accuracy of Diagnostic Tests\u003C\u002Fa>\u003C\u002Fli>\n  \u003Cli>\u003Ca href=\"https:\u002F\u002Fwww.medcalc.org\u002Fmanual\u002Froc-curves.php\" target=\"_blank\">MedCalc – ROC Curve Analysis\u003C\u002Fa>\u003C\u002Fli>\n  \u003Cli>\u003Ca href=\"https:\u002F\u002Fwww.equator-network.org\u002Freporting-guidelines\u002Fstard\u002F\" target=\"_blank\">EQUATOR Network – STARD Guidelines\u003C\u002Fa>\u003C\u002Fli>\n  \u003Cli>Altman, D. G., & Bland, J. M. (1994). Diagnostic Tests 1: Sensitivity and Specificity. \u003Ci>BMJ\u003C\u002Fi>, 308(6943), 1552.\u003C\u002Fli>\n  \u003Cli>Sackett, D. L., et al. (2000). \u003Ci>Evidence-Based Medicine: How to Practice and Teach EBM\u003C\u002Fi>. Churchill Livingstone.\u003C\u002Fli>\n\u003C\u002Fol>\n\u003C\u002Fdiv>",{"id":18,"researcherId":10,"name":19,"imageUrl":20},1,"Nguyễn Ngọc Sơn","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLGfGsF1nYQqYK5BasTLhNu1dBrBXg2fcEgBNPXJ0p2gqLQnO7i=s96-c",{"id":22,"researcherId":10,"name":23,"imageUrl":24},2633,"Hoài Đặng","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLVXVafUxrnnC_H60UeQdpLE3UgeKGCSesypz_6Vi59B-n9C41A=s96-c",[13],false,"PUBLISHED","2025-04-27T05:17:59.444+00:00","2025-09-12T07:17:52.870+00:00","2025-08-20T09:40:00.496+00:00",260,[33,36,39,49,54,60,65,71,75,85],{"id":34,"title":35,"term":34,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"cộng hưởng từ tim mạch","Cộng hưởng từ tim mạch là gì? Nghiên cứu khoa học liên quan",{"id":37,"title":38,"term":37,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"procalcitonin","Procalcitonin là gì? Các nghiên cứu khoa học liên quan",{"id":40,"title":41,"term":40,"englishTitle":42,"definition":43,"discipline":44,"disciplineCode":45,"disciplineLabel":46,"disciplineColor":47,"disciplineIcon":48},"biểu hiện lâm sàng","Biểu hiện lâm sàng là gì? Tổng quan học thuật","clinical manifestation","Biểu hiện lâm sàng là toàn bộ các dấu hiệu khách quan được thầy thuốc thăm khám phát hiện (signs) và các triệu chứng cơ năng chủ quan do người bệnh cảm nhận và mô tả (symptoms), phản ánh quá trình rối loạn sinh lý bệnh của một bệnh lý cụ thể.","MEDICAL_HEALTH_SCIENCES","medical-health-sciences","Khoa học y - dược","#D6336C","stethoscope",{"id":50,"title":51,"term":50,"englishTitle":52,"definition":53,"discipline":44,"disciplineCode":45,"disciplineLabel":46,"disciplineColor":47,"disciplineIcon":48},"hình ảnh y khoa","Hình ảnh y khoa là gì? Các nghiên cứu khoa học liên quan","Medical imaging","Hình ảnh y khoa (Medical imaging) là lĩnh vực kỹ thuật và chuyên khoa y học sử dụng các hiện tượng vật lý như tia X, sóng siêu âm và từ trường để tạo ra hình ảnh cấu trúc và chức năng cơ thể phục vụ chẩn đoán và điều trị.",{"id":55,"title":56,"term":57,"englishTitle":58,"definition":59,"discipline":44,"disciplineCode":45,"disciplineLabel":46,"disciplineColor":47,"disciplineIcon":48},"kỹ thuật hình ảnh","Kỹ thuật hình ảnh y học là gì? Định nghĩa và ứng dụng","Kỹ thuật hình ảnh y học","Medical imaging techniques \u002F Diagnostic imaging","Kỹ thuật hình ảnh y học là tập hợp các phương pháp công nghệ sử dụng bức xạ ion hóa, sóng âm hoặc từ trường để tạo ra hình ảnh cấu trúc giải phẫu và hoạt động sinh lý bên trong cơ thể con người nhằm phục vụ chẩn đoán, theo dõi và định hướng điều trị can thiệp.",{"id":61,"title":62,"term":61,"englishTitle":63,"definition":64,"discipline":44,"disciplineCode":45,"disciplineLabel":46,"disciplineColor":47,"disciplineIcon":48},"siêu âm nội soi","Siêu âm nội soi","Endoscopic ultrasound","Siêu âm nội soi (Endoscopic ultrasound - EUS) là kỹ thuật chẩn đoán và can thiệp kết hợp đầu dò siêu âm tần số cao ở đầu ống nội soi mềm, cho phép ghi hình trực tiếp và sinh thiết chính xác các lớp thành ống tiêu hóa và các cơ quan kế cận.",{"id":66,"title":67,"term":68,"englishTitle":69,"definition":70,"discipline":44,"disciplineCode":45,"disciplineLabel":46,"disciplineColor":47,"disciplineIcon":48},"viêm khớp vảy nến","Viêm khớp vảy nến là gì? Định nghĩa và ứng dụng","Viêm khớp vảy nến","Psoriatic arthritis (PsA)","Viêm khớp vảy nến là một bệnh viêm khớp mạn tính tự miễn liên quan đến bệnh vảy nến, đặc trưng bởi tổn thương viêm tại khớp ngoại vi, cột sống, viêm điểm bám gân (enthesitis) và viêm ngón (dactylitis).",{"id":72,"title":73,"term":72,"englishTitle":10,"definition":74,"discipline":44,"disciplineCode":45,"disciplineLabel":46,"disciplineColor":47,"disciplineIcon":48},"morisky 8","Thang đo Morisky 8 (MMAS-8): Cấu trúc và cách tính điểm","Thang đo Morisky 8 (8-item Morisky Medication Adherence Scale, MMAS-8) là công cụ lượng giá tâm lý lâm sàng dạng tự báo cáo gồm 8 câu hỏi, được thiết kế nhằm đánh giá mức độ tuân thủ phác đồ điều trị bằng thuốc và nhận diện các rào cản hành vi ở bệnh nhân mắc các bệnh lý mạn tính.",{"id":76,"title":77,"term":76,"englishTitle":78,"definition":79,"discipline":80,"disciplineCode":81,"disciplineLabel":82,"disciplineColor":83,"disciplineIcon":84},"thép không gỉ 316l","Thép không gỉ 316L là gì? Đặc tính, cơ lý và ứng dụng","316L stainless steel","Thép không gỉ 316L là hợp kim thép không gỉ thuộc họ austenit chứa hàm lượng carbon cực thấp kết hợp với các nguyên tố hợp kim chính gồm crom, niken và molypden nhằm mang lại khả năng chống ăn mòn hóa học và ăn mòn cục bộ vượt trội.","ENGINEERING_TECHNOLOGY","engineering-technology","Kỹ thuật và công nghệ","#5B62F4","cpu",{"id":86,"title":87,"term":86,"englishTitle":88,"definition":89,"discipline":90,"disciplineCode":91,"disciplineLabel":92,"disciplineColor":93,"disciplineIcon":94},"lãi suất cho vay","Lãi suất cho vay là gì? Cấu trúc và cơ chế định giá","lending interest rate","Lãi suất cho vay là tỷ lệ phần trăm tính trên số vốn gốc mà bên đi vay phải trả cho bên cho vay trong một khoảng thời gian xác định nhằm bù đắp chi phí huy động vốn, chi phí quản lý vận hành, phần bù rủi ro tín dụng và biên lợi nhuận kỳ vọng của bên cho vay.","SOCIAL_SCIENCES","social-sciences","Khoa học xã hội","#E08600","users"]