[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"_public_topic_publications_tr%C6%B0%E1%BB%9Dng%20h%E1%BB%A3p%20hi%E1%BA%BFm%20g%E1%BA%B7p{\"limit\":5}":3,"_public_topic_byId_trường hợp hiếm gặp":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":17,"synonyms":18,"definition":21,"discipline":22,"references":23,"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},"trường hợp hiếm gặp","Trường hợp hiếm gặp: Khái niệm, nguyên lý và ứng dụng","Trường hợp hiếm gặp là thuật ngữ chuyên ngành trong medical health sciences, đóng vai trò nền tảng trong nghiên cứu lý thuyết và ứng dụng thực tiễn.","\u003Cdiv>\u003Ch2>Trường hợp hiếm gặp là gì?\u003C\u002Fh2>\n\n\u003Ch2>Định nghĩa trường hợp hiếm gặp\u003C\u002Fh2>\n\u003Cp>Trường hợp hiếm gặp là một hiện tượng, cá thể, hoặc sự kiện có xác suất xảy ra cực kỳ thấp trong một quần thể, hệ thống hoặc không gian dữ liệu xác định. Trong thống kê, những trường hợp này thường được xem là ngoại lệ (outliers) hoặc giá trị cực đoan (extreme values), xuất hiện ngoài phạm vi phân bố thông thường.\u003C\u002Fp>\n\u003Cp>Trường hợp hiếm gặp không nhất thiết là lỗi hay sai sót mà có thể là một phần hợp lệ của dữ liệu. Điều khiến chúng trở nên đặc biệt là sự bất thường trong tần suất xảy ra và sự khác biệt lớn so với phần còn lại của mẫu. Trong nhiều lĩnh vực nghiên cứu như y học, thiên văn học, xã hội học hoặc trí tuệ nhân tạo, việc phát hiện và phân tích các trường hợp hiếm có thể dẫn đến những hiểu biết mới hoặc đột phá khoa học.\u003C\u002Fp>\n\u003Cp>Khái niệm này có thể được áp dụng ở nhiều cấp độ khác nhau:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>Trong dữ liệu định lượng: giá trị nằm ngoài khoảng phân bố chuẩn\u003C\u002Fli>\n  \u003Cli>Trong y học: bệnh lý hoặc biến thể di truyền hiếm\u003C\u002Fli>\n  \u003Cli>Trong kỹ thuật: lỗi hệ thống chỉ xảy ra trong điều kiện đặc biệt\u003C\u002Fli>\n  \u003Cli>Trong học máy: mẫu dữ liệu lệch phân bố hoặc chưa được đại diện trong tập huấn luyện\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n\n\u003Ch2>Tiêu chí định lượng xác định độ hiếm\u003C\u002Fh2>\n\u003Cp>Một trong những tiêu chí phổ biến nhất để xác định trường hợp hiếm là dựa vào độ lệch chuẩn trong phân phối chuẩn. Theo quy tắc ba sigma (three-sigma rule), bất kỳ giá trị nào nằm ngoài khoảng \u003Cscript type=\"math\u002Ftex\"> \\mu \\pm 3\\sigma \u003C\u002Fscript> đều được xem là hiếm, với xác suất xuất hiện nhỏ hơn 0.3%:\n\u003Cscript type=\"math\u002Ftex\">\nP(|X - \\mu| > 3\\sigma) \u003C 0.003\n\u003C\u002Fscript>\nĐiều này tương đương với việc trong 1000 lần quan sát chỉ có khoảng 3 lần xảy ra hiện tượng đó.\u003C\u002Fp>\n\u003Cp>Bên cạnh thống kê thuần túy, các ngành ứng dụng cụ thể cũng đưa ra các định nghĩa thực tiễn. Chẳng hạn, trong y học châu Âu, một bệnh được coi là hiếm nếu ảnh hưởng đến không quá 5 trên 10.000 người. Tại Hoa Kỳ, con số này là dưới 200.000 người trong toàn bộ dân số quốc gia, theo tiêu chuẩn của \u003Ca href=\"https:\u002F\u002Frarediseases.info.nih.gov\u002F\" target=\"_blank\">NIH\u003C\u002Fa>.\u003C\u002Fp>\n\u003Cp>Các ngưỡng xác định độ hiếm phổ biến:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>Dữ liệu thống kê: nằm ngoài 3σ trong phân phối chuẩn\u003C\u002Fli>\n  \u003Cli>Bệnh hiếm (EU): tỷ lệ hiện mắc < 5\u002F10.000\u003C\u002Fli>\n  \u003Cli>Bệnh hiếm (US): < 200.000 người mắc\u003C\u002Fli>\n  \u003Cli>Dữ liệu học máy: số lượng mẫu < 1–5% tổng tập huấn luyện\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n\u003Ctable border=\"1\" cellpadding=\"6\" cellspacing=\"0\">\n  \u003Cthead>\n    \u003Ctr>\n      \u003Cth>Lĩnh vực\u003C\u002Fth>\n      \u003Cth>Ngưỡng định nghĩa\u003C\u002Fth>\n      \u003Cth>Ghi chú\u003C\u002Fth>\n    \u003C\u002Ftr>\n  \u003C\u002Fthead>\n  \u003Ctbody>\n    \u003Ctr>\n      \u003Ctd>Thống kê\u003C\u002Ftd>\n      \u003Ctd>|X – μ| > 3σ\u003C\u002Ftd>\n      \u003Ctd>Xác suất < 0.3%\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>Y học (EU)\u003C\u002Ftd>\n      \u003Ctd>< 5 người \u002F 10.000\u003C\u002Ftd>\n      \u003Ctd>EURORDIS\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>Y học (US)\u003C\u002Ftd>\n      \u003Ctd>< 200.000 người\u003C\u002Ftd>\n      \u003Ctd>FDA \u002F NIH\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>Học máy\u003C\u002Ftd>\n      \u003Ctd>< 1–5% dữ liệu\u003C\u002Ftd>\n      \u003Ctd>Minority class\u003C\u002Ftd>\n    \u003C\u002Ftr>\n  \u003C\u002Ftbody>\n\u003C\u002Ftable>\n\n\u003Ch2>Phân biệt giữa hiếm và dị thường\u003C\u002Fh2>\n\u003Cp>Trường hợp hiếm và dị thường thường bị nhầm lẫn trong các hệ thống phân tích, nhưng trên thực tế chúng có sự khác biệt cơ bản. Một trường hợp hiếm có thể hoàn toàn hợp lệ và đáng tin cậy, trong khi một dị thường có thể là kết quả của lỗi kỹ thuật, đo đạc sai lệch hoặc nhiễu dữ liệu. Nhận diện đúng tính chất của hiện tượng là bước quan trọng để tránh loại bỏ nhầm các dữ liệu có giá trị khoa học.\u003C\u002Fp>\n\u003Cp>Ví dụ, một biến dị gen hiếm gặp có thể là nguyên nhân của một hội chứng di truyền đặc biệt chứ không phải là một lỗi giải trình tự. Ngược lại, một tín hiệu điện sinh học lệch pha bất thường có thể là do nhiễu máy chứ không phản ánh trạng thái sinh lý thực tế.\u003C\u002Fp>\n\u003Cp>So sánh giữa hiếm và dị thường:\n\u003C\u002Fp>\u003Ctable border=\"1\" cellpadding=\"6\" cellspacing=\"0\">\n  \u003Cthead>\n    \u003Ctr>\n      \u003Cth>Tiêu chí\u003C\u002Fth>\n      \u003Cth>Trường hợp hiếm\u003C\u002Fth>\n      \u003Cth>Dị thường\u003C\u002Fth>\n    \u003C\u002Ftr>\n  \u003C\u002Fthead>\n  \u003Ctbody>\n    \u003Ctr>\n      \u003Ctd>Khả năng xuất hiện\u003C\u002Ftd>\n      \u003Ctd>Rất thấp\u003C\u002Ftd>\n      \u003Ctd>Không xác định rõ\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>Tính hợp lệ dữ liệu\u003C\u002Ftd>\n      \u003Ctd>Thường là hợp lệ\u003C\u002Ftd>\n      \u003Ctd>Thường là nhiễu hoặc lỗi\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>Giá trị nghiên cứu\u003C\u002Ftd>\n      \u003Ctd>Cao\u003C\u002Ftd>\n      \u003Ctd>Thấp (trừ khi phân tích lỗi)\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>Cần loại bỏ?\u003C\u002Ftd>\n      \u003Ctd>Không (trừ khi sai lệch nghiêm trọng)\u003C\u002Ftd>\n      \u003Ctd>Thường có\u003C\u002Ftd>\n    \u003C\u002Ftr>\n  \u003C\u002Ftbody>\n\u003C\u002Ftable>\n\u003Cp>\u003C\u002Fp>\n\n\u003Ch2>Ý nghĩa khoa học và thống kê\u003C\u002Fh2>\n\u003Cp>Các trường hợp hiếm gặp có thể hé lộ những hiện tượng chưa từng được ghi nhận hoặc thậm chí thay đổi hoàn toàn giả định ban đầu của nghiên cứu. Trong thống kê, sự tồn tại của các điểm dữ liệu nằm ngoài kỳ vọng thúc đẩy quá trình rà soát giả thuyết, điều chỉnh mô hình và thiết kế lại thí nghiệm.\u003C\u002Fp>\n\u003Cp>Các phương pháp phân tích robust (kháng nhiễu) thường được xây dựng để không bị ảnh hưởng quá mức bởi các trường hợp hiếm. Tuy nhiên, trong nhiều mô hình dự báo, nếu không xử lý tốt các ngoại lệ, mô hình có thể bị sai lệch hoặc đánh giá sai rủi ro.\u003C\u002Fp>\n\u003Cp>Ý nghĩa thực tiễn của việc nghiên cứu trường hợp hiếm:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>Khám phá đột phá trong khoa học cơ bản (ví dụ: phát hiện hạt Higgs)\u003C\u002Fli>\n  \u003Cli>Phát hiện sớm trong y học (chẩn đoán bệnh hiếm hoặc biến chứng cực đoan)\u003C\u002Fli>\n  \u003Cli>Cảnh báo sớm trong hệ thống an toàn (ví dụ: tai nạn kỹ thuật chỉ xảy ra một lần)\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n\u003Ch2>Ứng dụng trong y học và di truyền\u003C\u002Fh2>\n\u003Cp>Trong y học hiện đại, khái niệm “trường hợp hiếm gặp” thường gắn liền với các bệnh lý có tần suất cực thấp trong cộng đồng, còn gọi là bệnh hiếm (rare diseases). Dù mỗi bệnh chỉ ảnh hưởng đến một tỷ lệ rất nhỏ dân số, tổng số người mắc bệnh hiếm trên toàn cầu lại rất đáng kể – khoảng 300 triệu người theo ước tính của \u003Ca href=\"https:\u002F\u002Fwww.rarediseaseday.org\u002F\" target=\"_blank\">Rare Disease Day\u003C\u002Fa>.\u003C\u002Fp>\n\u003Cp>Các bệnh hiếm có đặc điểm chung là phức tạp, khó chẩn đoán, thiếu liệu pháp điều trị hiệu quả và ít được đầu tư nghiên cứu. Nhiều bệnh trong số đó có nguồn gốc di truyền và biểu hiện ngay từ thời thơ ấu, chẳng hạn như:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>Hội chứng Rett (rối loạn thần kinh di truyền hiếm ở trẻ nữ)\u003C\u002Fli>\n  \u003Cli>Bệnh Gaucher (rối loạn tích tụ lipid di truyền)\u003C\u002Fli>\n  \u003Cli>Hội chứng Ehlers-Danlos (rối loạn mô liên kết)\u003C\u002Fli>\n  \u003Cli>Progeria (lão hóa sớm ở trẻ em)\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n\u003Cp>Việc ghi nhận, báo cáo và nghiên cứu các trường hợp hiếm trong y học giúp phát hiện gen gây bệnh, thiết lập biểu hiện lâm sàng và từ đó phát triển hướng điều trị cá thể hóa. Các trung tâm như \u003Ca href=\"https:\u002F\u002Frarediseases.info.nih.gov\u002F\" target=\"_blank\">NIH Genetic and Rare Diseases Information Center\u003C\u002Fa> đóng vai trò then chốt trong thu thập và cung cấp thông tin khoa học chính xác về hàng nghìn bệnh hiếm được ghi nhận.\u003C\u002Fp>\n\n\u003Ch2>Trường hợp hiếm trong trí tuệ nhân tạo\u003C\u002Fh2>\n\u003Cp>Trong lĩnh vực trí tuệ nhân tạo và học máy, các trường hợp hiếm gặp thường được biểu hiện dưới dạng “lớp thiểu số” (minority class), ngoại lệ dữ liệu hoặc các mẫu dữ liệu cực đoan. Những điểm dữ liệu này rất quan trọng trong các hệ thống nhận diện bất thường như phát hiện gian lận tài chính, phát hiện ung thư từ ảnh y tế hoặc dự đoán sự cố kỹ thuật hiếm gặp trong các hệ thống công nghiệp.\u003C\u002Fp>\n\u003Cp>Ví dụ, trong một tập dữ liệu y tế gồm 10.000 bức ảnh X-quang, chỉ có 50 ảnh có dấu hiệu ung thư phổi sớm. Nếu không được xử lý đúng cách, mô hình học máy sẽ thiên lệch về lớp phổ biến (không ung thư) và bỏ qua khả năng phát hiện chính xác các trường hợp hiếm nhưng quan trọng.\u003C\u002Fp>\n\u003Cp>Một số kỹ thuật được sử dụng để khắc phục vấn đề mất cân bằng dữ liệu:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>\u003Cstrong>Oversampling:\u003C\u002Fstrong> nhân bản dữ liệu thuộc lớp hiếm để tăng đại diện\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>SMOTE:\u003C\u002Fstrong> tạo ra dữ liệu mới bằng nội suy giữa các điểm lớp thiểu số\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Cost-sensitive learning:\u003C\u002Fstrong> tăng trọng số lỗi cho lớp hiếm trong hàm mất mát\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Ensemble methods:\u003C\u002Fstrong> kết hợp nhiều mô hình để tăng độ nhạy với mẫu bất thường\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n\n\u003Ch2>Xử lý trường hợp hiếm trong phân tích dữ liệu\u003C\u002Fh2>\n\u003Cp>Khi phân tích dữ liệu thực tế, các trường hợp hiếm thường xuất hiện dưới dạng giá trị ngoại lai hoặc mẫu không điển hình. Việc xử lý sai có thể dẫn đến mô hình sai lệch, kết luận sai hoặc bỏ sót thông tin quý giá. Do đó, bước tiền xử lý và xác thực tính hợp lệ của dữ liệu là cực kỳ quan trọng.\u003C\u002Fp>\n\u003Cp>Các phương pháp xử lý phổ biến:\n\u003C\u002Fp>\u003Col>\n  \u003Cli>\u003Cstrong>Phát hiện ngoại lệ:\u003C\u002Fstrong> sử dụng thuật toán như Isolation Forest, DBSCAN hoặc phương pháp thống kê\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Chuẩn hóa dữ liệu:\u003C\u002Fstrong> giảm độ lệch bằng log-transform, z-score hoặc Box-Cox\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Kiểm tra nguyên nhân:\u003C\u002Fstrong> xác minh nguồn gốc dữ liệu để phân biệt giữa nhiễu và hiện tượng thật\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Cp>\u003C\u002Fp>\n\u003Cp>Xem hướng dẫn kỹ thuật cụ thể tại \u003Ca href=\"https:\u002F\u002Fscikit-learn.org\u002Fstable\u002Fmodules\u002Foutlier_detection.html\" target=\"_blank\">Scikit-learn – Outlier Detection\u003C\u002Fa>.\u003C\u002Fp>\n\u003Ctable border=\"1\" cellpadding=\"6\" cellspacing=\"0\">\n  \u003Cthead>\n    \u003Ctr>\n      \u003Cth>Phương pháp\u003C\u002Fth>\n      \u003Cth>Ưu điểm\u003C\u002Fth>\n      \u003Cth>Hạn chế\u003C\u002Fth>\n    \u003C\u002Ftr>\n  \u003C\u002Fthead>\n  \u003Ctbody>\n    \u003Ctr>\n      \u003Ctd>Isolation Forest\u003C\u002Ftd>\n      \u003Ctd>Hiệu quả, dễ mở rộng\u003C\u002Ftd>\n      \u003Ctd>Khó điều chỉnh tham số\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>SMOTE\u003C\u002Ftd>\n      \u003Ctd>Tăng mẫu hiếm rõ rệt\u003C\u002Ftd>\n      \u003Ctd>Dễ sinh nhiễu nếu dữ liệu không sạch\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>Trực quan hóa dữ liệu\u003C\u002Ftd>\n      \u003Ctd>Giúp phát hiện trực quan điểm lệch\u003C\u002Ftd>\n      \u003Ctd>Không áp dụng cho dữ liệu nhiều chiều\u003C\u002Ftd>\n    \u003C\u002Ftr>\n  \u003C\u002Ftbody>\n\u003C\u002Ftable>\n\n\u003Ch2>Thách thức và sai lệch khi diễn giải\u003C\u002Fh2>\n\u003Cp>Một trong những sai lầm phổ biến nhất khi xử lý dữ liệu là loại bỏ các điểm hiếm mà không kiểm tra tính xác thực của chúng. Điều này có thể làm mất đi những thông tin quan trọng về các kịch bản cực đoan, đặc biệt trong các lĩnh vực rủi ro cao như tài chính, hàng không, an ninh mạng hoặc y học.\u003C\u002Fp>\n\u003Cp>Trái lại, nếu mô hình học bị chi phối bởi các trường hợp hiếm không điển hình, nó sẽ mất khả năng khái quát hóa. Do đó, cần có sự cân bằng giữa việc nhận diện giá trị bất thường và đảm bảo độ ổn định của mô hình.\u003C\u002Fp>\n\u003Cp>Một số nguyên tắc an toàn khi diễn giải dữ liệu hiếm:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>Luôn xác minh lại nguồn gốc và chất lượng của dữ liệu đầu vào\u003C\u002Fli>\n  \u003Cli>Không loại bỏ dữ liệu chỉ vì “nó khác biệt” nếu chưa có lý do hợp lý\u003C\u002Fli>\n  \u003Cli>Dùng các mô hình có khả năng phân tách dị thường rõ ràng và minh bạch\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n\n\u003Ch2>Vai trò trong đổi mới và phát hiện khoa học\u003C\u002Fh2>\n\u003Cp>Trong lịch sử khoa học, nhiều phát hiện lớn bắt nguồn từ việc nghiên cứu các hiện tượng hiếm. Những quan sát bất thường không khớp với giả thuyết hiện tại thường dẫn đến các câu hỏi mới, mở rộng kiến thức và thậm chí thay đổi hoàn toàn lý thuyết cũ.\u003C\u002Fp>\n\u003Cp>Ví dụ, việc phát hiện bức xạ nền vũ trụ (CMB) từ tín hiệu nhiễu không giải thích được đã củng cố thuyết Big Bang. Tương tự, sự tồn tại của hạt Higgs, sóng hấp dẫn, hay penicillin đều bắt đầu từ những quan sát hiếm gặp. Vì vậy, trong nghiên cứu khoa học, việc chú ý đến các trường hợp ít gặp là yếu tố thúc đẩy đổi mới và sáng tạo.\u003C\u002Fp>\n\n\u003Ch2>Tài liệu tham khảo\u003C\u002Fh2>\n\u003Col>\n  \u003Cli>\u003Ca href=\"https:\u002F\u002Fwww.eurordis.org\u002F\" target=\"_blank\">EURORDIS – Rare Diseases Europe\u003C\u002Fa>\u003C\u002Fli>\n  \u003Cli>\u003Ca href=\"https:\u002F\u002Frarediseases.info.nih.gov\u002F\" target=\"_blank\">NIH – Genetic and Rare Diseases Information Center\u003C\u002Fa>\u003C\u002Fli>\n  \u003Cli>\u003Ca href=\"https:\u002F\u002Fscikit-learn.org\u002Fstable\u002Fmodules\u002Foutlier_detection.html\" target=\"_blank\">Scikit-learn Documentation – Outlier Detection\u003C\u002Fa>\u003C\u002Fli>\n  \u003Cli>\u003Ca href=\"https:\u002F\u002Fjamanetwork.com\u002Fjournals\u002Fjama\u002Ffullarticle\u002F2674674\" target=\"_blank\">JAMA – Challenges in Rare Disease Research\u003C\u002Fa>\u003C\u002Fli>\n  \u003Cli>\u003Ca href=\"https:\u002F\u002Fwww.nature.com\u002Farticles\u002Fd41586-021-03647-0\" target=\"_blank\">Nature – Rare events and the evolution of science\u003C\u002Fa>\u003C\u002Fli>\n  \u003Cli>\u003Ca href=\"https:\u002F\u002Fwww.ncbi.nlm.nih.gov\u002Fpmc\u002Farticles\u002FPMC7162533\u002F\" target=\"_blank\">PMC – Rare Disease Epidemiology\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Fol>\u003C\u002Fdiv>","Rare case (Case report)",[19,20],"ca bệnh hiếm gặp","báo cáo ca lâm sàng hiếm","Trường hợp hiếm gặp là một thuật ngữ và phạm trù học thuật then chốt trong lĩnh vực medical health sciences, phản ánh các nguyên lý, cơ chế và phương pháp luận chuyên sâu đã được chuẩn hóa trong nghiên cứu và ứng dụng thực tiễn.","MEDICAL_HEALTH_SCIENCES",[24,31,38],{"citationText":25,"title":26,"authors":10,"source":27,"year":28,"doi":29,"url":30},"Anon (2025). A Rare Clinical Intersection: Exploring the Dual Diagnosis of 22q11.2 Deletion Syndrome and Autosomal Recessive Polycystic Kidney Disease. Annals of Case Reports.","A Rare Clinical Intersection: Exploring the Dual Diagnosis of 22q11.2 Deletion Syndrome and Autosomal Recessive Polycystic Kidney Disease","Annals of Case Reports",2025,"10.29011\u002F2574-7754.102420","https:\u002F\u002Fdoi.org\u002F10.29011\u002F2574-7754.102420",{"citationText":32,"title":33,"authors":10,"source":34,"year":35,"doi":36,"url":37},"Salgado (2018). Clinical case report presentation of a rare gingival disease. Morressier.","Clinical case report presentation of a rare gingival disease","Morressier",2018,"10.26226\u002Fmorressier.5ac383212afeeb00097a413e","https:\u002F\u002Fdoi.org\u002F10.26226\u002Fmorressier.5ac383212afeeb00097a413e",{"citationText":39,"title":40,"authors":10,"source":41,"year":42,"doi":43,"url":44},"Pähler vor der Holte (2022). Case report: Langerhans cell histiocytosis of the temporal bone in children: Challenging diagnosis of a rare disease with some pitfalls. Clinical Case Reports.","Case report: Langerhans cell histiocytosis of the temporal bone in children: Challenging diagnosis of a rare disease with some pitfalls","Clinical Case Reports",2022,"10.1002\u002Fccr3.6057","https:\u002F\u002Fdoi.org\u002F10.1002\u002Fccr3.6057",[46,49,52],{"question":47,"answer":48},"Trường hợp hiếm gặp có ý nghĩa then chốt gì trong nghiên cứu học thuật?","Trường hợp hiếm gặp cung cấp khung lý thuyết và phương pháp luận chuẩn xác giúp nhận diện, đo lường và tối ưu hóa các quá trình trong chuyên ngành medical health sciences.",{"question":50,"answer":51},"Những phương pháp tiếp cận chủ yếu khi nghiên cứu trường hợp hiếm gặp là gì?","Các phương pháp chính bao gồm nghiên cứu cấu trúc cơ bản, phân tích thực nghiệm đo lường và mô hình hóa tích hợp hệ thống nhằm dự báo chính xác các kịch bản vận hành.",{"question":53,"answer":54},"Những thách thức lớn nhất khi áp dụng trường hợp hiếm gặp trong thực tế là gì?","Thách thức bao gồm tính phi tuyến của hệ thống, đòi hỏi trang thiết bị đo lường chuẩn hóa cao và việc kiểm soát các điều kiện biên của môi trường vận hành thực tế.",{"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","2025-08-14T10:27:17.648+00:00","2026-08-23T03:35:14.053+00:00","2025-08-15T03:14:13.985+00:00",316,[68,78,84,89,94,99,105,110,116,122],{"id":69,"title":70,"term":71,"englishTitle":72,"definition":73,"discipline":22,"disciplineCode":74,"disciplineLabel":75,"disciplineColor":76,"disciplineIcon":77},"chảy máu não nhân xám trung ương","Chảy máu não nhân xám trung ương: Nguyên nhân và xử trí","Chảy máu não nhân xám trung ương","basal ganglia hemorrhage","Chảy máu não nhân xám trung ương là thể xuất huyết nội sọ tự phát thường gặp nhất, xảy ra do vỡ các vi phình mạch Charcot-Bouchard trên các nhánh động mạch xiên sâu nuôi đồi thị và hạch nền dưới tác động của tăng huyết áp mạn tính.","medical-health-sciences","Khoa học y - dược","#D6336C","stethoscope",{"id":79,"title":80,"term":81,"englishTitle":82,"definition":83,"discipline":22,"disciplineCode":74,"disciplineLabel":75,"disciplineColor":76,"disciplineIcon":77},"khối u da","Khối u da là gì? Ý nghĩa và ứng dụng chuyên sâu","Khối u da","skin tumor","Khối u da là sự tăng sinh tế bào bất thường tạo thành các tổn thương dạng khối lành tính hoặc ác tính phát sinh từ các thành phần cấu trúc tế bào học khác nhau của lớp thượng bì, trung bì hoặc hạ bì của da.",{"id":85,"title":86,"term":87,"englishTitle":87,"definition":88,"discipline":22,"disciplineCode":74,"disciplineLabel":75,"disciplineColor":76,"disciplineIcon":77},"azathioprine","Azathioprine là gì? Các bài nghiên cứu khoa học liên quan","Azathioprine","Azathioprine là một thuốc ức chế miễn dịch thuộc nhóm chất chuyển hóa purine, tiền chất của 6-mercaptopurine, được chỉ định rộng rãi trong chống thải ghép cơ quan và điều trị các bệnh tự miễn viêm mạn tính.",{"id":90,"title":91,"term":90,"englishTitle":92,"definition":93,"discipline":22,"disciplineCode":74,"disciplineLabel":75,"disciplineColor":76,"disciplineIcon":77},"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":95,"title":96,"term":95,"englishTitle":97,"definition":98,"discipline":22,"disciplineCode":74,"disciplineLabel":75,"disciplineColor":76,"disciplineIcon":77},"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":100,"title":101,"term":102,"englishTitle":103,"definition":104,"discipline":22,"disciplineCode":74,"disciplineLabel":75,"disciplineColor":76,"disciplineIcon":77},"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":106,"title":107,"term":106,"englishTitle":108,"definition":109,"discipline":22,"disciplineCode":74,"disciplineLabel":75,"disciplineColor":76,"disciplineIcon":77},"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":111,"title":112,"term":113,"englishTitle":114,"definition":115,"discipline":22,"disciplineCode":74,"disciplineLabel":75,"disciplineColor":76,"disciplineIcon":77},"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":117,"title":118,"term":119,"englishTitle":120,"definition":121,"discipline":22,"disciplineCode":74,"disciplineLabel":75,"disciplineColor":76,"disciplineIcon":77},"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.",{"id":123,"title":124,"term":123,"englishTitle":125,"definition":126,"discipline":22,"disciplineCode":74,"disciplineLabel":75,"disciplineColor":76,"disciplineIcon":77},"báo cáo ca bệnh","Báo cáo ca bệnh là gì? Các nghiên cứu khoa học liên quan","case report","Báo cáo ca bệnh (case report) là một ấn phẩm y học mô tả chi tiết và có hệ thống về triệu chứng, chẩn đoán, điều trị và diễn tiến bất thường hoặc hiếm gặp của một bệnh nhân đơn lẻ trong thực hành lâm sàng."]