[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"_public_topic_publications_gi%C3%A1%20tr%E1%BB%8B%20ti%C3%AAn%20%C4%91o%C3%A1n{\"limit\":5}":3,"_public_topic_byId_giá trị tiên 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":17,"englishTitle":18,"synonyms":19,"definition":24,"discipline":25,"references":26,"faqs":45,"createUser":55,"publishUser":59,"keywords":60,"keywordCount":10,"enrichTopicLink":61,"status":62,"createTime":63,"updateTime":64,"publishTime":65,"linkEnrichedTime":10,"publicationScanTime":10,"contentErrorMessage":10,"viewCount":66,"relateTopics":67},"giá trị tiên đoán","Giá trị tiên đoán là gì? Ý nghĩa và ứng dụng chuyên sâu","Tìm hiểu Giá trị tiên đoán (predictive value): định nghĩa khoa học chuẩn mực, cơ chế vận hành, các thông số thực nghiệm và ứng dụng chuyên sâu.","\u003Cp>\u003Cstrong>Giá trị tiên đoán\u003C\u002Fstrong> (\u003Cem>predictive value\u003C\u002Fem>) là trong dịch tễ học và y học chứng cứ là xác suất có điều kiện thể hiện khả năng một người thực sự mắc bệnh khi nhận kết quả xét nghiệm dương tính (giá trị tiên đoán dương) hoặc khả năng một người thực sự khỏe mạnh khi nhận kết quả âm tính (giá trị tiên đoán âm).\u003C\u002Fp>\n\u003Ch2>Định nghĩa giá trị tiên đoán\u003C\u002Fh2>\n\u003Cp>Giá trị tiên đoán (predictive value) thể hiện xác suất một kết quả xét nghiệm hoặc mô hình dự báo phản ánh đúng tình trạng thực nghiệm của đối tượng. Giá trị tiên đoán dương (Positive Predictive Value – PPV) là xác suất thực sự tồn tại đặc điểm quan tâm khi kết quả cho dương, trong khi giá trị tiên đoán âm (Negative Predictive Value – NPV) là xác suất không tồn tại đặc điểm quan tâm khi kết quả cho âm. Khái niệm này giúp liên kết trực tiếp kết quả phân tích với hiện thực, không chỉ dừng ở độ nhạy và độ đặc hiệu.\u003C\u002Fp>\n\u003Cp>Giá trị tiên đoán hỗ trợ đánh giá độ tin cậy lâm sàng của xét nghiệm và mô hình, cung cấp cơ sở định lượng cho việc ra quyết định y khoa và nghiên cứu. Chỉ số này thường được trình bày kèm khoảng tin cậy 95% (confidence interval) để phản ánh độ biến thiên của mẫu, nhất là khi kích thước nghiên cứu nhỏ hoặc tỷ lệ sự kiện thấp. Việc báo cáo PPV\u002FNPV cùng khoảng tin cậy nâng cao tính minh bạch và khả năng tái lập kết quả trong các nghiên cứu lâm sàng. PubMed Health Glossary: Predictive Value\u003C\u002Fp>\n\u003Cp>Khác với độ nhạy (sensitivity) và độ đặc hiệu (specificity) chỉ phản ánh hiệu năng xét nghiệm nội tại, giá trị tiên đoán phụ thuộc chặt chẽ vào tỷ lệ lưu hành (prevalence) của đặc điểm quan tâm và ngưỡng phân định (decision threshold) dùng để chuyển giá trị liên tục thành dương\u002Fâm. Tỷ lệ lưu hành cao làm tăng PPV nhưng giảm NPV; tỷ lệ lưu hành thấp làm tăng NPV nhưng giảm PPV. Sự thay đổi ngưỡng phân định cũng ảnh hưởng đến PPV\u002FNPV, tạo điều kiện tối ưu hóa cân bằng giữa phát hiện đúng và giảm cảnh báo giả.\u003C\u002Fp>\n\n\u003Ch2>Các loại giá trị tiên đoán\u003C\u002Fh2>\n\u003Cp>Có hai loại giá trị tiên đoán cơ bản phục vụ các mục đích phân tích khác nhau: PPV đánh giá mức độ chính xác khi kết quả xét nghiệm cho dương, NPV đánh giá mức độ tin cậy khi kết quả cho âm. Mỗi chỉ số cung cấp góc nhìn riêng biệt về hiệu quả xét nghiệm hoặc mô hình, giúp quyết định hướng can thiệp và tần suất theo dõi phù hợp.\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>\u003Cstrong>PPV (Positive Predictive Value):\u003C\u002Fstrong> tỉ lệ phần trăm số kết quả dương chính xác trên tổng số kết quả dương; phản ánh xác suất “dương thật” khi test cho dương.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>NPV (Negative Predictive Value):\u003C\u002Fstrong> tỉ lệ phần trăm số kết quả âm chính xác trên tổng số kết quả âm; phản ánh xác suất “âm thật” khi test cho âm.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Trong y học, PPV quyết định mức độ cần thiết của các biện pháp can thiệp sau chẩn đoán dương, NPV hỗ trợ loại trừ bệnh và quyết định không can thiệp thêm. Trong khoa học dữ liệu và học máy, PPV tương đương với precision, NPV tương đương với negative precision, đóng vai trò quan trọng khi đánh giá hiệu năng mô hình phân loại nhị phân. CDC: Performance Measures\u003C\u002Fp>\n\n\u003Ch2>Nguyên lý thống kê cơ bản\u003C\u002Fh2>\n\u003Cp>Giá trị tiên đoán dựa trên bốn đại lượng trong ma trận chẩn đoán (confusion matrix): True Positive (TP), False Positive (FP), True Negative (TN) và False Negative (FN). TP là số trường hợp xét nghiệm dương và thực sự dương; FP là xét nghiệm dương nhưng thực tế âm; TN là xét nghiệm âm và thực sự âm; FN là xét nghiệm âm nhưng thực tế dương. Sự phân phối của các giá trị này quyết định trực tiếp PPV và NPV.\u003C\u002Fp>\n\u003Ctable>\n  \u003Cthead>\n    \u003Ctr>\u003Cth>Đại lượng\u003C\u002Fth>\u003Cth>Giải thích\u003C\u002Fth>\u003C\u002Ftr>\n  \u003C\u002Fthead>\n  \u003Ctbody>\n    \u003Ctr>\u003Ctd>TP\u003C\u002Ftd>\u003Ctd>Kết quả dương chính xác (test+ & thực+)\u003C\u002Ftd>\u003C\u002Ftr>\n    \u003Ctr>\u003Ctd>FP\u003C\u002Ftd>\u003Ctd>Kết quả dương sai (test+ & thực−)\u003C\u002Ftd>\u003C\u002Ftr>\n    \u003Ctr>\u003Ctd>TN\u003C\u002Ftd>\u003Ctd>Kết quả âm chính xác (test− & thực−)\u003C\u002Ftd>\u003C\u002Ftr>\n    \u003Ctr>\u003Ctd>FN\u003C\u002Ftd>\u003Ctd>Kết quả âm sai (test− & thực+)\u003C\u002Ftd>\u003C\u002Ftr>\n  \u003C\u002Ftbody>\n\u003C\u002Ftable>\n\u003Cp>Tỷ lệ lưu hành (prevalence) của đặc điểm quan tâm xác định tỷ lệ TP và FN so với tổng quần thể, từ đó gián tiếp ảnh hưởng đến PPV và NPV. Khi prevalence cao, số TP tăng tương đối, nâng PPV; khi prevalence thấp, số TN tăng tương đối, nâng NPV, trong khi FP và FN biến động tương ứng.\u003C\u002Fp>\n\n\u003Ch2>Công thức tính toán\u003C\u002Fh2>\n\u003Cp>Công thức tính PPV và NPV được xác định như sau:\u003C\u002Fp>\n\u003Cp>\u003Cscript type=\"math\u002Ftex\">PPV = \\frac{TP}{TP + FP}\u003C\u002Fscript>\u003C\u002Fp>\n\u003Cp>\u003Cscript type=\"math\u002Ftex\">NPV = \\frac{TN}{TN + FN}\u003C\u002Fscript>\u003C\u002Fp>\n\u003Cp>Trong đó TP, FP, TN, FN như đã định nghĩa. Công thức đơn giản nhưng phản ánh trực tiếp hiệu quả xét nghiệm trên quần thể nghiên cứu hoặc mô hình phân loại.\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>Thu thập giá trị TP, FP, TN, FN từ kết quả thực nghiệm.\u003C\u002Fli>\n  \u003Cli>Tính PPV và NPV theo công thức nêu trên.\u003C\u002Fli>\n  \u003Cli>So sánh kết quả với ngưỡng chấp nhận để đánh giá độ tin cậy và hiệu năng.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Kết quả PPV và NPV được trình bày dưới dạng phần trăm kèm khoảng tin cậy, giúp đưa ra quyết định khoa học và lâm sàng dựa trên độ tin cậy định lượng.\u003C\u002Fp>\n\u003Ch2>Ứng dụng trong y học và chẩn đoán\u003C\u002Fh2>\n\u003Cp>Giá trị tiên đoán dương (PPV) và âm (NPV) đóng vai trò trung tâm trong chẩn đoán lâm sàng, giúp quyết định hướng điều trị tiếp theo sau khi có kết quả xét nghiệm. PPV cao chứng tỏ khả năng mắc bệnh thật sự lớn, từ đó bác sĩ có cơ sở chỉ định các can thiệp chuyên sâu như soi chẩn đoán hình ảnh hoặc sinh thiết. NPV cao cho phép loại trừ bệnh với độ tin cậy, giúp giảm chi phí và tránh can thiệp không cần thiết. CDC: Glossary of Laboratory Quality Terminology\u003C\u002Fp>\n\u003Cp>Ví dụ trong sàng lọc ung thư vú bằng nhũ ảnh (mammography), PPV của kết quả dương dao động từ 10%–30% tùy theo nhóm tuổi và đặc điểm mô vú, còn NPV thường trên 95%, cho phép phần lớn phụ nữ kết quả âm yên tâm không cần can thiệp thêm. Sự khác biệt này phản ánh tỷ lệ lưu hành bệnh và độ đặc hiệu của kỹ thuật. ACR: BI-RADS® Mammography\u003C\u002Fp>\n\u003Cp>Trong chẩn đoán vi sinh, xét nghiệm PCR (Polymerase Chain Reaction) cho SARS-CoV-2 có PPV cao (>98%) tại các giai đoạn dịch bùng phát nhưng NPV giảm khi tỷ lệ nhiễm thấp, dẫn đến nguy cơ bỏ sót ca bệnh. Do đó, cần tính toán PPV\u002FNPV dựa trên tình hình dịch tễ địa phương và lặp lại xét nghiệm hoặc kết hợp phương pháp kháng nguyên để đảm bảo chẩn đoán. WHO: Diagnostic testing for SARS-CoV-2\u003C\u002Fp>\n\n\u003Ch2>Ứng dụng trong khoa học dữ liệu và học máy\u003C\u002Fh2>\n\u003Cp>Trong mô hình phân loại nhị phân, PPV tương đương precision, NPV tương đương negative predictive value; chúng giúp đánh giá chất lượng dự báo ngoài chỉ số accuracy. Khi tập dữ liệu mất cân bằng (imbalance), accuracy có thể gây hiểu lầm, trong khi precision và NPV cung cấp cái nhìn cụ thể hơn về tỷ lệ cảnh báo giả (false alarms) và cảnh báo bỏ sót (misses). scikit-learn: Model Evaluation\u003C\u002Fp>\n\u003Cp>Ví dụ trong phát hiện gian lận thẻ tín dụng, mô hình với PPV cao sẽ giảm số giao dịch bị gắn nhãn gian lận sai (FP), tránh ảnh hưởng trải nghiệm khách hàng. NPV cao đảm bảo gần như toàn bộ giao dịch hợp lệ không bị chặn. Để cân bằng hai chỉ số, thường điều chỉnh ngưỡng quyết định (decision threshold) hoặc sử dụng kỹ thuật ensemble (bagging, boosting) để tối ưu. Kaggle: IEEE Fraud Detection\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>Điều chỉnh ngưỡng xác suất để tối ưu PPV\u002FNPV theo mục tiêu kinh doanh.\u003C\u002Fli>\n  \u003Cli>Sử dụng phương pháp resampling (oversampling, undersampling) để cân bằng dữ liệu.\u003C\u002Fli>\n  \u003Cli>Kết hợp nhiều mô hình (ensemble) và chọn threshold tối ưu qua ROC hoặc PR curve.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Trên hệ thống y tế điện tử, phân tích PPV và NPV của cảnh báo dị ứng thuốc giúp ngăn chặn phản ứng phụ nghiêm trọng nhưng không gây cảnh báo quá mức. Báo cáo định kỳ PPV\u002FNPV hỗ trợ cải thiện bộ quy tắc và thuật toán cảnh báo. ONC: Medication Safety Action Plan\u003C\u002Fp>\n\n\u003Ch2>Hạn chế và phương pháp cải thiện\u003C\u002Fh2>\n\u003Cp>Giá trị tiên đoán chịu ảnh hưởng lớn bởi tỷ lệ lưu hành và ngưỡng phân định, do đó có thể khác biệt đáng kể khi áp dụng trong quần thể hoặc điều kiện khác. PPV\u002FNPV ở giai đoạn bùng phát có thể không áp dụng cho thời điểm bình ổn, dẫn đến sai lệch trong quyết định lâm sàng. Hiện tượng spectrum bias (độ nhạy\u002Fđặc hiệu biến động theo nhóm bệnh) cũng làm thay đổi PPV\u002FNPV. BMJ: Uses and Abuses of Screening Tests\u003C\u002Fp>\n\u003Cp>Phương pháp cải thiện bao gồm:\u003C\u002Fp>\n\u003Col>\n  \u003Cli>\u003Cstrong>Bayesian updating:\u003C\u002Fstrong> điều chỉnh PPV\u002FNPV dựa trên xác suất tiền nghiệm mới khi thay đổi tỷ lệ lưu hành.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Composite testing:\u003C\u002Fstrong> kết hợp nhiều xét nghiệm độc lập để tăng PPV\u002FNPV chung.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Chuẩn đồng vị bền:\u003C\u002Fstrong> trong phân tích sinh hóa, giúp bù trừ biến động ion hóa và mẫu.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Thẩm định đa trung tâm:\u003C\u002Fstrong> thu thập dữ liệu PPV\u002FNPV từ nhiều cơ sở y tế để khảo sát sự biến thiên và tính phổ quát.\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Cp>Đối với mô hình học máy, sử dụng kỹ thuật cross-validation và bootstrap để ước tính PPV\u002FNPV bền vững, đồng thời triển khai monitoring sau khi đưa mô hình vào vận hành để đánh giá drift (dịch chuyển dữ liệu) và hiệu năng thực tế. PLOS ONE: Monitoring Model Performance\u003C\u002Fp>\n\n\u003Ch2>Tiến bộ công nghệ và xu hướng phát triển\u003C\u002Fh2>\n\u003Cp>Xu hướng hiện nay hướng đến tích hợp phân tích thời gian thực (real-time analytics) để cập nhật PPV\u002FNPV liên tục, hỗ trợ quyết định nhanh trong các phòng cấp cứu hoặc sàng lọc đại trà. Giải pháp dựa trên điện toán đám mây và AI giúp thu thập dữ liệu tiền nghiệm liên tục và điều chỉnh ngưỡng ngắn hạn. IBM: Real-Time Analytics\u003C\u002Fp>\n\u003Cp>Công nghệ giám sát kết quả khai thác dữ liệu lớn (big data) từ hồ sơ y tế điện tử (EHR) và thiết bị đeo (wearables) cho phép cập nhật tỷ lệ lưu hành và hiệu năng xét nghiệm tự động. Mạng lưới liên kết cơ sở dữ liệu y tế toàn cầu (Global Health Data Exchange) hỗ trợ nghiên cứu PPV\u002FNPV trên quy mô dân số và bối cảnh đa dạng. Global Health Data Exchange\u003C\u002Fp>\n\u003Cp>Các giải pháp mới trong học máy như AutoML và Explainable AI (XAI) giúp tự động chọn mô hình và ngưỡng tối ưu, đồng thời giải thích PPV\u002FNPV cho người dùng cuối. Kỹ thuật federated learning cho phép huấn luyện mô hình giữa các tổ chức y tế mà không chia sẻ dữ liệu nhạy cảm, đảm bảo tính riêng tư và đa dạng tiền nghiệm. Google AI Blog: Federated Learning\u003C\u002Fp>","Giá trị tiên đoán","predictive value",[20,21,22,23],"giá trị dự đoán","PPV và NPV","predictive value of tests","độ tiên đoán xét nghiệm","Giá trị tiên đoán trong dịch tễ học và y học chứng cứ là xác suất có điều kiện thể hiện khả năng một người thực sự mắc bệnh khi nhận kết quả xét nghiệm dương tính (giá trị tiên đoán dương) hoặc khả năng một người thực sự khỏe mạnh khi nhận kết quả âm tính (giá trị tiên đoán âm).","MEDICAL_HEALTH_SCIENCES",[27,34,41],{"citationText":28,"title":29,"authors":30,"source":31,"year":32,"doi":33,"url":10},"Aamir (2014). Predictive Value Model for Laboratory Tests: Diagnostic Sensitivity, Diagnostic Specificity, Positive and Negative Predictive Value, Efficiency, Likelihood Ratio ([positive and negative]), Incidence and Prevalence. Encyclopedia of Medical Immunology.","Predictive Value Model for Laboratory Tests: Diagnostic Sensitivity, Diagnostic Specificity, Positive and Negative Predictive Value, Efficiency, Likelihood Ratio ([positive and negative]), Incidence and Prevalence","Aamir, Hamilton","Encyclopedia of Medical Immunology",2014,"10.1007\u002F978-1-4614-9194-1_312",{"citationText":35,"title":36,"authors":37,"source":38,"year":39,"doi":40,"url":10},"Tigges (2021). Effect of prevalence on sensitivity, specificity, positive and negative predictive value. Radiopaedia.org.","Effect of prevalence on sensitivity, specificity, positive and negative predictive value","Tigges","Radiopaedia.org",2021,"10.53347\u002Frid-94475",{"citationText":42,"title":43,"authors":37,"source":38,"year":39,"doi":44,"url":10},"Tigges (2021). Basics of Diagnostic Testing - Sensitivity, Specificity, Positive Predictive Value and Negative Predictive Value. Radiopaedia.org.","Basics of Diagnostic Testing - Sensitivity, Specificity, Positive Predictive Value and Negative Predictive Value","10.53347\u002Frid-94132",[46,49,52],{"question":47,"answer":48},"Sự khác biệt căn bản giữa độ nhạy, độ đặc hiệu và giá trị tiên đoán là gì?","Độ nhạy và độ đặc hiệu là đặc tính nội tại cố định của xét nghiệm; trong khi giá trị tiên đoán (PPV, NPV) phụ thuộc trực tiếp vào tỷ lệ hiện mắc (prevalence) của bệnh trong quần thể.",{"question":50,"answer":51},"Khi tỷ lệ hiện mắc bệnh trong cộng đồng rất thấp, giá trị tiên đoán dương (PPV) thay đổi ra sao?","PPV sẽ giảm mạnh; đa số các trường hợp nhận kết quả xét nghiệm dương tính thực chất là dương tính giả (false positive).",{"question":53,"answer":54},"Công thức tính giá trị tiên đoán âm (NPV) được biểu diễn như thế nào?","NPV = Số âm tính thật \u002F (Số âm tính thật + Số âm tính giả), thể hiện xác suất người bệnh không mắc bệnh khi kết quả xét nghiệm cho thấy âm tính.",{"id":56,"researcherId":10,"name":57,"imageUrl":58},2633,"Hoài Đặng","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLVXVafUxrnnC_H60UeQdpLE3UgeKGCSesypz_6Vi59B-n9C41A=s96-c",{"id":56,"researcherId":10,"name":57,"imageUrl":58},[13],false,"PUBLISHED","2025-06-19T08:17:09.182+00:00","2026-09-03T08:17:42.931+00:00","2025-06-24T09:20:20.619+00:00",357,[68,78,84,93,103,108,113,119,124,130],{"id":69,"title":70,"term":69,"englishTitle":71,"definition":72,"discipline":73,"disciplineCode":74,"disciplineLabel":75,"disciplineColor":76,"disciplineIcon":77},"hồi quy logistic nhị phân","Hồi quy logistic nhị phân là gì? Khái niệm và ứng dụng","Binary logistic regression","Hồi quy logistic nhị phân (binary logistic regression) là mô hình thống kê phân tích mối quan hệ giữa một biến phụ thuộc nhị phân (chỉ nhận hai kết cục 0 hoặc 1) với một hoặc nhiều biến độc lập thông qua hàm biến đổi logit để ước tính tỷ số số chênh (Odds Ratio).","NATURAL_SCIENCES","natural-sciences","Khoa học tự nhiên","#0E9F9C","atom",{"id":79,"title":80,"term":81,"englishTitle":82,"definition":83,"discipline":73,"disciplineCode":74,"disciplineLabel":75,"disciplineColor":76,"disciplineIcon":77},"tiên đoán","Tiên đoán là gì? Các nghiên cứu khoa học về Tiên đoán","Tiên đoán","Prediction","Tiên đoán là quá trình suy luận có hệ thống nhằm ước lượng một trạng thái, kết quả hoặc biến cố chưa xảy ra trong tương lai dựa trên tập dữ liệu lịch sử và các mô hình toán học - thống kê.",{"id":85,"title":86,"term":85,"englishTitle":87,"definition":88,"discipline":25,"disciplineCode":89,"disciplineLabel":90,"disciplineColor":91,"disciplineIcon":92},"bệnh celiac","Bệnh Celiac là gì? Cơ chế miễn dịch, chẩn đoán và chế độ ăn","celiac disease","Bệnh Celiac là một bệnh lý tự miễn mạn tính ở ruột non khởi phát do sự dung nạp gluten trong thức ăn ở những cá thể có cơ địa nhạy cảm di truyền mang gen HLA-DQ2 hoặc HLA-DQ8.","medical-health-sciences","Khoa học y - dược","#D6336C","stethoscope",{"id":94,"title":95,"term":94,"englishTitle":96,"definition":97,"discipline":98,"disciplineCode":99,"disciplineLabel":100,"disciplineColor":101,"disciplineIcon":102},"điểm mở tối ưu","Điểm mở tối ưu là gì? Các công bố khoa học về Điểm mở tối ưu","Optimal open point","Điểm mở tối ưu là vị trí đóng cắt các thiết bị phân đoạn trong lưới điện phân phối hình tia được xác định thông qua thuật toán tối ưu hóa nhằm cực tiểu hóa tổn thất công suất truyền tải và nâng cao độ tin cậy cung cấp điện.","ENGINEERING_TECHNOLOGY","engineering-technology","Kỹ thuật và công nghệ","#5B62F4","cpu",{"id":104,"title":105,"term":104,"englishTitle":106,"definition":107,"discipline":25,"disciplineCode":89,"disciplineLabel":90,"disciplineColor":91,"disciplineIcon":92},"cao chiết","Cao chiết là gì? Phân loại, quy trình và tiêu chuẩn","botanical extract","Cao chiết là chế phẩm đậm đặc thu được bằng cách chiết xuất hoạt chất sinh học từ nguyên liệu tự nhiên bằng dung môi thích hợp, sau đó loại bỏ bã và bốc hơi một phần hoặc toàn bộ dung môi để đạt thể chất quy định.",{"id":109,"title":110,"term":109,"englishTitle":111,"definition":112,"discipline":25,"disciplineCode":89,"disciplineLabel":90,"disciplineColor":91,"disciplineIcon":92},"brca1","BRCA1 là gì? Các nghiên cứu khoa học liên quan","BRCA1 DNA repair associated","BRCA1 là gen ức chế khối u nằm trên nhiễm sắc thể 17q21 của người, mã hóa một protein nhân có vai trò duy trì tính toàn vẹn của bộ gen thông qua cơ chế sửa chữa đứt gãy sợi đôi DNA bằng tái tổ hợp tương đồng.",{"id":114,"title":115,"term":116,"englishTitle":117,"definition":118,"discipline":25,"disciplineCode":89,"disciplineLabel":90,"disciplineColor":91,"disciplineIcon":92},"pi rads","PI-RADS là gì? Thang điểm đánh giá MRI tuyến tiền liệt","PI-RADS","Prostate Imaging Reporting and Data System","PI-RADS là hệ thống chuẩn hóa quốc tế phân tầng nguy cơ ung thư tuyến tiền liệt có ý nghĩa lâm sàng dựa trên hình ảnh chụp cộng hưởng từ đa thông số (mpMRI).",{"id":120,"title":121,"term":120,"englishTitle":122,"definition":123,"discipline":25,"disciplineCode":89,"disciplineLabel":90,"disciplineColor":91,"disciplineIcon":92},"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":125,"title":126,"term":127,"englishTitle":128,"definition":129,"discipline":25,"disciplineCode":89,"disciplineLabel":90,"disciplineColor":91,"disciplineIcon":92},"bệnh hbh","Bệnh HbH là gì? Các nghiên cứu khoa học về Bệnh HbH","Bệnh HbH","Hemoglobin H disease","Bệnh HbH (bệnh Hemoglobin H) là một thể bệnh alpha-thalassemia mức độ trung gian do mất chức năng 3 trong số 4 gen alpha-globin, dẫn đến sự thiếu hụt nghiêm trọng chuỗi alpha-globin và làm dư thừa các chuỗi beta tự do kết tụ thành tetramer beta-4 không bền vững (Hemoglobin H), gây thiếu máu tán huyết mạn tính.",{"id":131,"title":132,"term":133,"englishTitle":134,"definition":135,"discipline":25,"disciplineCode":89,"disciplineLabel":90,"disciplineColor":91,"disciplineIcon":92},"mô sẹo","Mô sẹo là gì? Quá trình hình thành, phân loại và điều trị","Mô sẹo","scar tissue","Mô sẹo là vùng mô liên kết sợi giàu collagen hình thành trong quá trình tự làm lành sau tổn thương mô hoặc phẫu thuật để thay thế mô bình thường."]