[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"_public_topic_publications_b%C3%A1o%20c%C3%A1o%20thi%E1%BA%BFu{\"limit\":5}":3,"_public_topic_byId_b%C3%A1o%20c%C3%A1o%20thi%E1%BA%BFu":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":17,"englishTitle":18,"synonyms":19,"definition":21,"discipline":22,"references":23,"faqs":64,"createUser":77,"publishUser":81,"keywords":82,"keywordCount":93,"enrichTopicLink":94,"status":95,"createTime":96,"updateTime":97,"publishTime":98,"linkEnrichedTime":99,"publicationScanTime":10,"contentErrorMessage":10,"viewCount":100,"wikidataId":10,"relateTopics":101},"báo cáo thiếu","Báo cáo thiếu là gì? Bản chất và phương pháp ước tính","Báo cáo thiếu là hiện tượng số ca bệnh hoặc biến cố y tế ghi nhận thấp hơn thực tế, gây sai lệch đánh giá dịch tễ học và giám sát cảnh giác dược.","\u003Cp>Báo cáo thiếu là hiện tượng số lượng ca bệnh, phản ứng có hại của thuốc hoặc các biến cố y tế công cộng được ghi nhận trong hệ thống giám sát chính thức thấp hơn đáng kể so với số lượng thực tế phát sinh trong quần thể. Hiện tượng này là một trong những dạng sai số hệ thống phổ biến và nghiêm trọng nhất trong dịch tễ học, giám sát bệnh truyền nhiễm và cảnh giác dược. Khi xảy ra báo cáo thiếu, các chỉ số tỷ lệ hiện mắc, tỷ lệ mới mắc và gánh nặng bệnh tật bị đánh giá dưới mức thực tế, dẫn đến nguy cơ phân bổ sai lệch nguồn lực y tế và làm chậm trễ các quyết định can thiệp sức khỏe cộng đồng. Bài viết phân tích cơ sở lý thuyết, sự phân định khái niệm, các nguyên nhân gốc rễ, các mô hình thống kê ước tính và các biện pháp giảm thiểu báo cáo thiếu trong thực hành y tế.\u003C\u002Fp>\n\n\u003Ch2>Bản chất dịch tễ học và phân định khái niệm\u003C\u002Fh2>\n\u003Cp>Để hiểu rõ bản chất của hiện tượng này, ngành {{topic|%7B%22topic%22%3A%22d%E1%BB%8Bch%20t%E1%BB%85%20h%E1%BB%8Dc%22%7D}} hiện đại đặt báo cáo thiếu trong mô hình phễu giám sát hoặc mô hình tảng băng chìm. Trong một đợt bùng phát {{topic|%7B%22topic%22%3A%22d%E1%BB%8Bch%20b%E1%BB%87nh%22%7D}} hoặc quá trình theo dõi {{topic|%7B%22topic%22%3A%22bi%E1%BA%BFn%20c%E1%BB%91%20b%E1%BA%A5t%20l%E1%BB%A3i%22%7D}}, tổng số {{topic|%7B%22topic%22%3A%22ca%20b%E1%BB%87nh%22%7D}} thực tế trong cộng đồng luôn là phần đáy rộng lớn nhất. Tuy nhiên, chỉ một tỷ lệ nhất định người bệnh có triệu chứng rõ rệt; trong số đó, chỉ một phần tìm kiếm dịch vụ chăm sóc y tế; tiếp tục chỉ một phần được thực hiện {{topic|%7B%22topic%22%3A%22x%C3%A9t%20nghi%E1%BB%87m%20ch%E1%BA%A9n%20%C4%91o%C3%A1n%22%7D}} xác định; và cuối cùng, chỉ một phần các ca chẩn đoán dương tính được cơ sở điều trị thông báo lên cơ quan giám sát cấp trên.\u003C\u002Fp>\n\u003Cp>Nghiên cứu {{topic|%7B%22topic%22%3A%22ph%C6%B0%C6%A1ng%20ph%C3%A1p%20lu%E1%BA%ADn%22%7D}} của Gibbons và các cộng sự (2014) đã nhấn mạnh tầm quan trọng của việc phân biệt rạch ròi giữa hai tầng thất thoát dữ liệu trong kim tự tháp giám sát dịch tễ học:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>Thiếu phát hiện tại cộng đồng (under-ascertainment):\u003C\u002Fstrong> Xảy ra ở cấp độ cộng đồng đối với những người nhiễm bệnh hoặc gặp vấn đề sức khỏe nhưng không tiếp cận dịch vụ y tế chính quy (do bệnh không có triệu chứng, triệu chứng nhẹ tự khỏi, hoặc người bệnh tự điều trị tại nhà). Hiện tượng này phản ánh các rào cản về khả năng tiếp cận dịch vụ chăm sóc sức khỏe của người dân trong quần thể.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Báo cáo thiếu (under-reporting):\u003C\u002Fstrong> Xảy ra ở cấp độ cơ sở y tế đối với những người bệnh có đến khám, bao gồm hai thành phần thiết yếu: (1) \u003Cem>thiếu chẩn đoán (under-diagnosis)\u003C\u002Fem> khi nhân viên y tế không chẩn đoán ra bệnh hoặc không chỉ định xét nghiệm đặc hiệu; và (2) \u003Cem>thiếu thông báo (under-notification)\u003C\u002Fem> khi ca bệnh đã được chẩn đoán xác định nhưng cơ sở y tế không chuyển tiếp hoặc không báo cáo lên hệ thống giám sát quốc gia.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Thực trạng báo cáo thiếu trong cảnh giác dược và an toàn thuốc\u003C\u002Fh2>\n\u003Cp>Trong lĩnh vực dược lý lâm sàng và an toàn dược phẩm, hệ thống báo cáo tự nguyện phản ứng có hại của thuốc đóng vai trò then chốt trong việc phát hiện sớm các tín hiệu an toàn sau khi thuốc được cấp phép lưu hành. Tuy nhiên, báo cáo thiếu là một nhược điểm cố hữu và nghiêm trọng của phương thức giám sát thụ động này.\u003C\u002Fp>\n\u003Cp>Công trình tổng quan hệ thống kinh điển của Hazell và Shakir (2006) khi phân tích 37 nghiên cứu thực nghiệm tại nhiều quốc gia đã đưa ra con số thống kê đáng báo động: tỷ lệ báo cáo thiếu trung vị đối với các phản ứng có hại của thuốc (ADRs) lên tới 94%. Khoảng tứ phân vị của tỷ lệ báo cáo thiếu trong nghiên cứu này dao động từ 82% đến 98%, cho thấy phần lớn các phản ứng có hại xảy ra trên thực tế lâm sàng không bao giờ xuất hiện trong cơ sở dữ liệu {{topic|%7B%22topic%22%3A%22c%E1%BA%A3nh%20gi%C3%A1c%20d%C6%B0%E1%BB%A3c%22%7D}} chính thức. Tình trạng này làm giảm đáng kể sức mạnh thống kê của các thuật toán phát hiện tín hiệu an toàn và kéo dài thời gian phát hiện các nguy cơ tiềm ẩn của thuốc mới.\u003C\u002Fp>\n\u003Cp>Tiếp tục nghiên cứu về chủ đề này, tổng quan hệ thống của Costa và các cộng sự (2023) đã phân tích sâu các yếu tố chi phối hành vi báo cáo từ phía người bệnh và người sử dụng thuốc. Các tác giả chỉ ra rằng rào cản nhận thức và thái độ tâm lý là nguyên nhân chủ đạo dẫn đến sự thờ ơ trong việc gửi thông tin biến cố bất lợi, bao gồm việc người bệnh không biết về sự tồn tại của hệ thống báo cáo công cộng, không chắc chắn về mối liên hệ nhân quả giữa thuốc và triệu chứng, hoặc xem các tác dụng phụ nhẹ là điều đương nhiên phải chấp nhận trong quá trình điều trị.\u003C\u002Fp>\n\n\u003Ch2>Nguyên nhân gốc rễ dẫn đến báo cáo thiếu\u003C\u002Fh2>\n\u003Cp>Hiện tượng báo cáo thiếu xuất phát từ sự tương tác phức tạp giữa các yếu tố tâm lý cá nhân, quy trình chuyên môn và cơ chế quản lý hệ thống y tế:\u003C\u002Fp>\n\n\u003Ch3>Yếu tố nhận thức và tâm lý của nhân viên y tế\u003C\u002Fh3>\n\u003Cp>Nhiều nghiên cứu dịch tễ học và quản trị bệnh viện đã khái quát các rào cản tâm lý chính của thầy thuốc và điều dưỡng:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>Sự tự mãn:\u003C\u002Fstrong> Niềm tin chủ quan rằng các loại thuốc lưu hành trên thị trường hoặc các quy trình điều trị chuẩn đều tuyệt đối an toàn, khiến nhân viên y tế bỏ qua các dấu hiệu bất thường ban đầu.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Sự e ngại và tự ti:\u003C\u002Fstrong> Nhân viên y tế lo sợ việc báo cáo một biến cố bất lợi nghiêm trọng hoặc sai sót điều trị có thể bị hiểu nhầm là lỗi chuyên môn cá nhân, dẫn đến nguy cơ bị kỷ luật, tranh chấp pháp lý hoặc ảnh hưởng đến uy tín nghề nghiệp.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Sự không chắc chắn:\u003C\u002Fstrong> Thầy thuốc thường trì hoãn việc gửi báo cáo vì muốn chờ đợi bằng chứng khẳng định chắc chắn về mối quan hệ nhân quả, trong khi nguyên tắc cốt lõi của cảnh giác dược là chỉ cần nghi ngờ hợp lý là đủ điều kiện báo cáo.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Sự bận rộn và thờ ơ:\u003C\u002Fstrong> Áp lực công việc lâm sàng quá tải tại các bệnh viện tuyến đầu khiến nhân viên y tế không đủ thời gian hoàn thiện các mẫu biểu báo cáo phức tạp.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch3>Rào cản hạ tầng và thủ tục hành chính\u003C\u002Fh3>\n\u003Cp>Hệ thống biểu mẫu báo cáo rườm rà, thiếu tính liên thông giữa phần mềm bệnh án điện tử và cổng thông tin giám sát quốc gia là nguyên nhân kỹ thuật hàng đầu. Khi việc gửi báo cáo đòi hỏi phải nhập lại dữ liệu thủ công trên nhiều nền tảng phần mềm khác nhau, tỷ lệ hoàn tất thông tin suy giảm rõ rệt. Bên cạnh đó, việc cơ quan quản lý thiếu cơ chế phản hồi định kỳ cho người báo cáo làm suy giảm động lực duy trì việc cung cấp dữ liệu liên tục.\u003C\u002Fp>\n\n\u003Ch2>Các phương pháp thống kê ước tính quy mô thực tế\u003C\u002Fh2>\n\u003Cp>Để khắc phục sai số do báo cáo thiếu, các nhà nghiên cứu đã phát triển nhiều phương pháp toán học và thống kê nhằm {{topic|%7B%22topic%22%3A%22%C6%B0%E1%BB%9Bc%20l%C6%B0%E1%BB%A3ng%22%7D}} quy mô quần thể thực sự từ dữ liệu không hoàn chỉnh:\u003C\u002Fp>\n\n\u003Ch3>Mô hình bắt lại thả lại hai nguồn Lincoln-Petersen\u003C\u002Fh3>\n\u003Cp>Phương pháp bắt lại thả lại (capture-recapture) ban đầu được phát triển trong sinh thái học để ước lượng số lượng động vật hoang dã. Khi ứng dụng vào dịch tễ học, phương pháp này xem xét hai danh sách ca bệnh thu thập từ hai nguồn dữ liệu độc lập nhau (ví dụ: hồ sơ nhập viện và hệ thống khai báo dịch tễ). Theo tổng quan của Hook và Regal (1995), quy mô quần thể tổng thể \u003Cscript type=\"math\u002Ftex\">N\u003C\u002Fscript> được ước tính theo công thức:\u003C\u002Fp>\n\u003Cp>\u003Cscript type=\"math\u002Ftex; mode=display\">N = \\frac{n_1 \\cdot n_2}{m}\u003C\u002Fscript>\u003C\u002Fp>\n\u003Cp>Trong công thức trên, ký hiệu \u003Cscript type=\"math\u002Ftex\">n_1\u003C\u002Fscript> đại diện cho tổng số ca ghi nhận trong nguồn dữ liệu thứ nhất, ký hiệu \u003Cscript type=\"math\u002Ftex\">n_2\u003C\u002Fscript> là tổng số ca ghi nhận trong nguồn dữ liệu thứ hai, và ký hiệu \u003Cscript type=\"math\u002Ftex\">m\u003C\u002Fscript> là số lượng ca bệnh xuất hiện trùng lặp trong cả hai danh sách. Từ ước lượng quy mô \u003Cscript type=\"math\u002Ftex\">N\u003C\u002Fscript>, tỷ lệ hoàn chỉnh của từng hệ thống giám sát và mức độ báo cáo thiếu có thể được tính toán trực tiếp.\u003C\u002Fp>\n\u003Cp>Tuy nhiên, mô hình Lincoln-Petersen dựa trên hai giả định ngặt nghèo: quần thể phải là quần thể đóng (không có sự thay đổi do di cư hoặc {{topic|%7B%22topic%22%3A%22t%E1%BB%AD%20vong%22%7D}} trong kỳ khảo sát) và hai nguồn dữ liệu phải hoàn toàn độc lập về mặt thống kê. Trong thực tế lâm sàng, xác suất một ca bệnh được ghi nhận ở nguồn thứ hai thường phụ thuộc vào việc ca đó đã được khám ở nguồn thứ nhất hay chưa, tạo ra hiện tượng phụ thuộc nguồn (source dependency).\u003C\u002Fp>\n\n\u003Ch3>Mô hình log-tuyến tính đa nguồn\u003C\u002Fh3>\n\u003Cp>Khi có từ ba nguồn dữ liệu trở lên (ví dụ: hồ sơ phòng xét nghiệm, báo cáo lâm sàng bệnh viện và dữ liệu bảo hiểm y tế), mô hình hồi quy log-tuyến tính (log-linear models) cho phép kiểm soát và ước lượng các hệ số tương tác giữa các cặp nguồn dữ liệu. Bằng cách chọn mô hình thống kê có chỉ số thông tin Akaike (AIC) tối ưu, các nhà nghiên cứu có thể ngoại suy số lượng ca bệnh bị bỏ sót bởi tất cả các nguồn dữ liệu mà không bị sai lệch bởi sự phụ thuộc lẫn nhau giữa các danh sách.\u003C\u002Fp>\n\n\u003Ch3>Ước lượng cận dưới phi tham số của Chao\u003C\u002Fh3>\n\u003Cp>Trong trường hợp xác suất phát hiện ca bệnh trong quần thể không đồng nhất (heterogeneity), mô hình tham số cổ điển thường đánh giá thấp đáng kể quy mô quần thể. Nghiên cứu của Chao (1987) đã phát triển công thức ước lượng cận dưới phi tham số cho cỡ quần thể:\u003C\u002Fp>\n\u003Cp>\u003Cscript type=\"math\u002Ftex; mode=display\">N = S_{obs} + \\frac{f_1^2}{2 \\cdot f_2}\u003C\u002Fscript>\u003C\u002Fp>\n\u003Cp>Trong hệ thức lượng hóa của Anne Chao, đại lượng \u003Cscript type=\"math\u002Ftex\">S_{obs}\u003C\u002Fscript> là tổng số ca bệnh phân biệt được quan sát thấy trên thực tế, ký hiệu \u003Cscript type=\"math\u002Ftex\">f_1\u003C\u002Fscript> là số lượng ca chỉ xuất hiện duy nhất 1 lần trong toàn bộ các đợt rà soát hoặc các nguồn dữ liệu (singletons), và ký hiệu \u003Cscript type=\"math\u002Ftex\">f_2\u003C\u002Fscript> là số lượng ca xuất hiện trùng lặp đúng 2 lần (doubletons). Công thức này cung cấp một chặn dưới đáng tin cậy cho quy mô thực tế ngay cả khi tính chất lây nhiễm hoặc khả năng tiếp cận y tế phân bố không đồng đều.\u003C\u002Fp>\n\n\u003Ch2>Bảng so sánh các phương pháp đánh giá định lượng báo cáo thiếu\u003C\u002Fh2>\n\u003Ctable>\n\u003Cthead>\n\u003Ctr>\n\u003Cth>Phương pháp\u003C\u002Fth>\n\u003Cth>Số nguồn dữ liệu tối thiểu\u003C\u002Fth>\n\u003Cth>Giả định cốt lõi\u003C\u002Fth>\n\u003Cth>Ưu điểm nổi bật\u003C\u002Fth>\n\u003Cth>Hạn chế chính\u003C\u002Fth>\n\u003C\u002Ftr>\n\u003C\u002Fthead>\n\u003Ctbody>\n\u003Ctr>\n\u003Ctd>Bắt lại thả lại hai nguồn (Lincoln-Petersen)\u003C\u002Ftd>\n\u003Ctd>2 nguồn độc lập\u003C\u002Ftd>\n\u003Ctd>Các nguồn dữ liệu độc lập và quần thể đóng\u003C\u002Ftd>\n\u003Ctd>Tính toán đơn giản, dễ triển khai từ dữ liệu sẵn có\u003C\u002Ftd>\n\u003Ctd>Nhạy cảm cao với sự phụ thuộc giữa hai nguồn\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Mô hình log-tuyến tính đa nguồn\u003C\u002Ftd>\n\u003Ctd>Từ 3 nguồn trở lên\u003C\u002Ftd>\n\u003Ctd>Tồn tại cấu trúc tương tác bậc thấp kiểm soát được\u003C\u002Ftd>\n\u003Ctd>Hiệu chỉnh được sự phụ thuộc lẫn nhau giữa các nguồn\u003C\u002Ftd>\n\u003Ctd>Đòi hỏi liên kết dữ liệu phức tạp và thuật toán lặp\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Ước lượng phi tham số Chao\u003C\u002Ftd>\n\u003Ctd>Nhiều lần lấy mẫu hoặc đa nguồn\u003C\u002Ftd>\n\u003Ctd>Phân bố xác suất bắt giữ có tính dị thể\u003C\u002Ftd>\n\u003Ctd>Cung cấp cận dưới vững chắc không cần phân bố giả định\u003C\u002Ftd>\n\u003Ctd>Chỉ ước tính cận dưới, có thể đánh giá thấp nếu thiếu f2\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Hệ số nhân dịch tễ học (Multiplication Factor)\u003C\u002Ftd>\n\u003Ctd>Dữ liệu cộng đồng và giám sát\u003C\u002Ftd>\n\u003Ctd>Tỷ lệ qua các bậc phễu ổn định theo thời gian\u003C\u002Ftd>\n\u003Ctd>Nhanh chóng ước tính gánh nặng bệnh tật tổng thể\u003C\u002Ftd>\n\u003Ctd>Dễ tích lũy sai số đo lường qua từng tầng của phễu\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftbody>\n\u003C\u002Ftable>\n\n\u003Ch2>Hệ lụy đối với chính sách y tế công cộng\u003C\u002Fh2>\n\u003Cp>Báo cáo thiếu không chỉ là một vấn đề kỹ thuật xử lý số liệu mà còn tác động trực tiếp đến an sinh xã hội và sức khỏe cộng đồng:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>Đánh giá sai lệch gánh nặng bệnh tật:\u003C\u002Fstrong> Khi số ca mắc thực tế cao gấp nhiều lần số liệu báo cáo, các chỉ số số năm sống bị mất do tàn tật (YLD) và số năm sống điều chỉnh theo mức độ tàn tật (DALY) bị tính toán sai, dẫn đến việc phân bổ ngân sách y tế và nhân lực không tương xứng với mức độ nghiêm trọng của dịch bệnh.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Chậm trễ cảnh báo dịch bệnh:\u003C\u002Fstrong> Việc báo cáo thiếu ở giai đoạn đầu của đợt bùng phát làm giảm tốc độ phát hiện ổ dịch, khiến cơ quan y tế công cộng bỏ lỡ thời điểm vàng để thực hiện các biện pháp khoanh vùng và cách ly dập dịch.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Nguy cơ tiềm ẩn về dược phẩm:\u003C\u002Fstrong> Trong cảnh giác dược, nếu các phản ứng có hại nghiêm trọng của thuốc không được báo cáo kịp thời, các loại thuốc có độc tính cao vẫn tiếp tục được lưu hành rộng rãi trên thị trường, gây tổn hại trực tiếp đến tính mạng của hàng ngàn bệnh nhân trước khi tín hiệu an toàn được xác lập.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Bối cảnh thực tiễn tại Việt Nam:\u003C\u002Fstrong> Hệ thống y tế Việt Nam đang tích cực nâng cấp hệ thống phần mềm báo cáo {{topic|%7B%22topic%22%3A%22b%E1%BB%87nh%20truy%E1%BB%81n%20nhi%E1%BB%85m%22%7D}} trực tuyến và mạng lưới cảnh giác dược do Trung tâm Quốc gia về Thông tin thuốc và Theo dõi phản ứng có hại của thuốc quản lý. Việc kết nối trực tiếp dữ liệu từ phần mềm quản lý bệnh viện (HIS) với hệ thống báo cáo dịch bệnh quốc gia được xem là giải pháp căn cơ giúp giảm thiểu thao tác nhập liệu thủ công và hạn chế tối đa tỷ lệ báo cáo thiếu.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Chiến lược và giải pháp giảm thiểu báo cáo thiếu\u003C\u002Fh2>\n\u003Cp>Để nâng cao chất lượng và độ hoàn chỉnh của hệ thống dữ liệu y tế, cần triển khai đồng bộ các giải pháp công nghệ và quản lý:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>Chuyển đổi từ giám sát thụ động sang chủ động:\u003C\u002Fstrong> Định kỳ tiến hành rà soát tích cực hồ sơ bệnh án, sổ lưu bệnh viện và dữ liệu phòng xét nghiệm vi sinh để truy tìm các ca bệnh chưa được khai báo theo quy định.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Tích hợp công nghệ thông tin tự động:\u003C\u002Fstrong> Xây dựng các mô-đun cảnh báo và tạo báo cáo tự động tích hợp ngay trong phần mềm bệnh án điện tử khi bác sĩ nhập mã chẩn đoán ICD hoặc kê đơn thuốc có nguy cơ cao, giúp loại bỏ rào cản thao tác hành chính thủ công.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Văn hóa an toàn không xử phạt:\u003C\u002Fstrong> Xây dựng môi trường làm việc y tế khuyến khích sự trung thực, coi báo cáo sự cố y khoa và phản ứng có hại của thuốc là cơ hội cải tiến chất lượng chăm sóc bệnh nhân thay vì căn cứ để xử lý kỷ luật.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Đào tạo và phản hồi thông tin:\u003C\u002Fstrong> Thường xuyên tập huấn cho nhân viên y tế về kỹ năng nhận diện phản ứng bất lợi, đồng thời thiết lập cơ chế gửi bản tin định kỳ phản hồi kết quả phân tích dữ liệu cho những người trực tiếp tham gia báo cáo.\u003C\u002Fli>\n\u003C\u002Ful>\n","Báo cáo thiếu","under-reporting",[20],"báo cáo dưới mức","Báo cáo thiếu là hiện tượng số lượng ca bệnh, phản ứng có hại của thuốc hoặc các biến cố y tế được ghi nhận trong hệ thống giám sát chính thức thấp hơn đáng kể so với số lượng thực tế phát sinh trong quần thể, gây sai lệch gánh nặng dịch tễ học.","MEDICAL_HEALTH_SCIENCES",[24,32,40,48,56],{"citationText":25,"title":26,"authors":27,"source":28,"year":29,"doi":30,"url":31},"Hazell, L., & Shakir, S. A. (2006). Under-reporting of adverse drug reactions: a systematic review. Drug Safety, 29(5), 385-396.","Under-reporting of adverse drug reactions: a systematic review","Hazell, L., & Shakir, S. A.","Drug Safety",2006,"10.2165\u002F00002018-200629050-00003","https:\u002F\u002Fdoi.org\u002F10.2165\u002F00002018-200629050-00003",{"citationText":33,"title":34,"authors":35,"source":36,"year":37,"doi":38,"url":39},"Costa, C., Abeijon, P., Rodrigues, D. A., Figueiras, A., Herdeiro, M. T., & Torre, C. (2023). Factors associated with underreporting of adverse drug reactions by patients: a systematic review. International Journal of Clinical Pharmacy, 45(6), 1349-1358.","Factors associated with underreporting of adverse drug reactions by patients: a systematic review","Costa, C., Abeijon, P., Rodrigues, D. A., Figueiras, A., Herdeiro, M. T., & Torre, C.","International Journal of Clinical Pharmacy",2023,"10.1007\u002Fs11096-023-01592-y","https:\u002F\u002Fdoi.org\u002F10.1007\u002Fs11096-023-01592-y",{"citationText":41,"title":42,"authors":43,"source":44,"year":45,"doi":46,"url":47},"Gibbons, C. L., Mangen, M. J. J., Plass, D., Havelaar, A. H., Brooke, R. J., Kramarz, P., Peterson, K. L., Stuurman, A. L., Cassini, A., Fèvre, E. M., & Kretzschmar, M. E. (2014). Measuring underreporting and under-ascertainment in infectious disease datasets: a comparison of methods. BMC Public Health, 14(1), 147.","Measuring underreporting and under-ascertainment in infectious disease datasets: a comparison of methods","Gibbons, C. L., Mangen, M. J. J., Plass, D., Havelaar, A. H., Brooke, R. J., Kramarz, P., Peterson, K. L., Stuurman, A. L., Cassini, A., Fèvre, E. M., & Kretzschmar, M. E.","BMC Public Health",2014,"10.1186\u002F1471-2458-14-147","https:\u002F\u002Fdoi.org\u002F10.1186\u002F1471-2458-14-147",{"citationText":49,"title":50,"authors":51,"source":52,"year":53,"doi":54,"url":55},"Hook, E. B., & Regal, R. R. (1995). Capture-recapture methods in epidemiology: methods and limitations. Epidemiologic Reviews, 17(2), 243-264.","Capture-recapture methods in epidemiology: methods and limitations","Hook, E. B., & Regal, R. R.","Epidemiologic Reviews",1995,"10.1093\u002Foxfordjournals.epirev.a036192","https:\u002F\u002Fdoi.org\u002F10.1093\u002Foxfordjournals.epirev.a036192",{"citationText":57,"title":58,"authors":59,"source":60,"year":61,"doi":62,"url":63},"Chao, A. (1987). Estimating the population size for capture-recapture data with unequal catchability. Biometrics, 43(4), 783-791.","Estimating the population size for capture-recapture data with unequal catchability","Chao, A.","Biometrics",1987,"10.2307\u002F2531532","https:\u002F\u002Fdoi.org\u002F10.2307\u002F2531532",[65,68,71,74],{"question":66,"answer":67},"Báo cáo thiếu khác gì so với thiếu phát hiện tại cộng đồng?","Thiếu phát hiện tại cộng đồng (under-ascertainment) xảy ra khi người nhiễm bệnh không đi khám y tế do triệu chứng nhẹ hoặc tự điều trị. Trong khi đó, báo cáo thiếu (under-reporting) xảy ra tại cơ sở y tế đối với những người có đến khám, bao gồm việc bác sĩ không chỉ định xét nghiệm chẩn đoán hoặc cơ sở y tế đã chẩn đoán xác định nhưng không gửi thông tin lên hệ thống giám sát quốc gia.",{"question":69,"answer":70},"Tại sao báo cáo thiếu lại phổ biến trong cảnh giác dược?","Hệ thống cảnh giác dược chủ yếu vận hành dựa trên báo cáo tự nguyện từ nhân viên y tế và người bệnh. Các rào cản như tâm lý sợ trách nhiệm, thời gian làm việc bận rộn, thiếu hiểu biết về quy trình báo cáo và thói quen xem nhẹ các phản ứng bất lợi mức độ nhẹ khiến phần lớn biến cố không được báo cáo.",{"question":72,"answer":73},"Phương pháp bắt lại thả lại giúp điều chỉnh báo cáo thiếu như thế nào?","Phương pháp này so sánh mức độ trùng lặp của các ca bệnh được ghi nhận trên hai hoặc nhiều nguồn dữ liệu độc lập. Dựa trên số ca trùng lặp, các nhà dịch tễ học có thể tính toán xác suất phát hiện và ước lượng tổng số ca bệnh thực tế tồn tại trong cộng đồng.",{"question":75,"answer":76},"Báo cáo thiếu gây ra những hậu quả gì đối với y tế công cộng?","Báo cáo thiếu làm đánh giá thấp gánh nặng bệnh tật, dẫn đến việc phân bổ thiếu ngân sách, thiếu thuốc men và cơ sở vật chất chống dịch. Ngoài ra, việc này còn làm chậm trễ việc phát hiện các tác dụng phụ nguy hiểm của thuốc lưu hành trên thị trường.",{"id":78,"researcherId":10,"name":79,"imageUrl":80},1,"Nguyễn Ngọc Sơn","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLGfGsF1nYQqYK5BasTLhNu1dBrBXg2fcEgBNPXJ0p2gqLQnO7i=s96-c",{"id":78,"researcherId":10,"name":79,"imageUrl":80},[83,84,85,86,87,88,89,90,91,92],"dịch tễ học","dịch bệnh","biến cố bất lợi","ca bệnh","xét nghiệm chẩn đoán","phương pháp luận","cảnh giác dược","ước lượng","tử vong","bệnh truyền nhiễm",10,true,"PUBLISHED","2025-12-01T11:20:52.564+00:00","2026-09-24T04:52:44.671+00:00","2026-09-24T01:40:50.306+00:00","2026-09-24T04:52:41.485+00:00",0,[102,111,114,117,120,123,126,129,132,137],{"id":103,"title":104,"term":103,"englishTitle":105,"definition":106,"discipline":22,"disciplineCode":107,"disciplineLabel":108,"disciplineColor":109,"disciplineIcon":110},"tỷ lệ hiện mắc","Tỷ lệ hiện mắc là gì? Các bài nghiên cứu khoa học liên quan","prevalence","Tỷ lệ hiện mắc là thước đo dịch tễ học phản ánh tỷ lệ cá thể trong một quần thể xác định đang mang một bệnh hoặc tình trạng sức khỏe cụ thể tại một thời điểm hoặc trong một khoảng thời gian nhất định.","medical-health-sciences","Khoa học y - dược","#D6336C","stethoscope",{"id":112,"title":113,"term":112,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"nghiên cứu hồi cứu","Nghiên cứu hồi cứu là gì? Các nghiên cứu khoa học về Nghiên cứu hồi cứu",{"id":115,"title":116,"term":115,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"nghiên cứu liên ngành","Nghiên cứu liên ngành là gì? Các nghiên cứu khoa học",{"id":118,"title":119,"term":118,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"độc tính cấp","Độc tính cấp là gì? Các nghiên cứu khoa học về Độc tính cấp",{"id":121,"title":122,"term":121,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"mỹ latinh","Mỹ latinh là gì? Các nghiên cứu khoa học về Mỹ latinh",{"id":124,"title":125,"term":124,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"lũ lụt","Lũ lụt là gì? Các công bố nghiên cứu khoa học liên quan",{"id":127,"title":128,"term":127,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"epidemiology","Epidemiology là gì? Các nghiên cứu khoa học về Epidemiology",{"id":130,"title":131,"term":130,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"phân tâm học","Phân tâm học là gì? Các nghiên cứu khoa học về Phân tâm học",{"id":133,"title":134,"term":133,"englishTitle":135,"definition":136,"discipline":22,"disciplineCode":107,"disciplineLabel":108,"disciplineColor":109,"disciplineIcon":110},"tình trạng sức khỏe","Tình trạng sức khỏe là gì? Định nghĩa WHO, thang đo SF-36 và các chỉ số","Health Status","Tình trạng sức khỏe là trạng thái toàn diện về thể chất, tâm thần và xã hội của một cá nhân hay quần thể theo định nghĩa WHO, được đo lường qua các thang đo chức năng như SF-36 và các chỉ số dịch tễ học.",{"id":138,"title":139,"term":138,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"mô hình arima","Mô hình arima là gì? Các công bố khoa học về Mô hình arima"]