Muốn đưa danh sách người bệnh cũ vào bệnh án điện tử mà không mang theo rác, bạn cần làm sạch trước: chuẩn hoá cách viết tên, định dạng ngày sinh, số liên lạc, rồi tìm và xử lý các bản ghi trùng. AI giúp việc này nhanh hơn nhiều, nhưng cách dùng an toàn là để AI viết quy tắc và công thức, chạy trên máy của phòng khám, thay vì dán cả danh sách thật vào chatbot.
Bài này dành cho chủ phòng khám, lễ tân trưởng hoặc người được giao chuyển dữ liệu từ sổ tính hay phần mềm cũ sang hệ thống mới. Phần quan trọng nhất là nguyên tắc gộp: gộp nhầm hai người bệnh khác nhau nguy hiểm hơn để sót hai bản ghi của cùng một người.
Vì sao dữ liệu người bệnh cũ gần như luôn lộn xộn
Một danh sách người bệnh tích luỹ năm sáu năm thường qua tay nhiều lễ tân, mỗi người một thói quen. Người gõ tên có dấu, người gõ không dấu; người viết hoa toàn bộ, người viết hoa chữ đầu. Ngày sinh lúc thì đủ ngày tháng năm, lúc chỉ có năm sinh vì người bệnh không nhớ, lúc bị phần mềm bảng tính tự đổi thành kiểu tháng trước ngày sau. Số liên lạc có dấu chấm, dấu cách, có khi thiếu số đầu.
Trùng lặp xảy ra theo nhiều cách. Người bệnh đổi số điện thoại nên lễ tân không tìm thấy và tạo mới. Trẻ nhỏ được đăng ký lần đầu bằng tên gọi ở nhà, lần sau bằng tên trong giấy khai sinh. Người lớn tuổi khai năm sinh khác nhau giữa các lần. Hai mẹ con cùng dùng một số liên lạc. Mỗi kiểu trùng cần một cách nhận ra riêng.
Nếu đưa nguyên trạng vào bệnh án điện tử, các lỗi này không biến mất mà trở nên khó thấy hơn: hệ thống mới trông gọn gàng, nhưng tiền sử dị ứng của một người lại nằm ở bản ghi mà bác sĩ không mở. Đó là lý do làm sạch dữ liệu là việc an toàn người bệnh, không chỉ là việc thẩm mỹ.
Các lỗi hay gặp và cách xử lý
Bảng dưới liệt kê lỗi phổ biến trong danh sách người bệnh của phòng khám nhỏ. Ví dụ đều là ví dụ giả định.
| Lỗi | Ví dụ giả định | Cách xử lý |
|---|---|---|
| Tên không dấu, sai hoa thường | NGUYEN VAN AN, nguyễn văn an | Chuẩn hoá hoa chữ đầu; tên không dấu đánh dấu để lễ tân xác nhận khi người bệnh quay lại, không để máy tự thêm dấu |
| Ngày sinh đảo ngày và tháng | Sinh 04/07 bị đọc thành 7 tháng 4 | Tìm bản ghi có ngày lớn hơn 12 để suy ra kiểu nhập của từng giai đoạn; phần còn mập mờ đánh dấu kiểm tay |
| Chỉ có năm sinh | 1958 | Giữ nguyên là năm sinh, không tự điền ngày 1 tháng 1; hệ thống nên có cờ "chỉ biết năm" |
| Số liên lạc lệch định dạng | Có dấu chấm, dấu cách, thiếu số đầu | Chuẩn hoá về một dạng chữ số liền; số thiếu chữ số đánh dấu, không tự thêm |
| Trùng do đổi số liên lạc | Cùng tên, cùng ngày sinh, hai số khác nhau | Đưa vào danh sách nghi trùng để người có thẩm quyền xem xét |
| Nhiều người dùng chung số | Mẹ và hai con cùng một số | Không phải trùng; giữ riêng từng người, có thể ghi quan hệ người liên hệ |
Nguyên tắc chung: chỗ nào máy chắc chắn thì máy sửa, chỗ nào máy phải đoán thì đánh dấu để người xác nhận. Một danh sách sạch 95% có đánh dấu rõ 5% còn lại tốt hơn một danh sách "sạch 100%" mà trong đó có những chỗ máy đã đoán sai.
Che dữ liệu trước khi nhờ AI
Danh sách người bệnh là dữ liệu cá nhân, và việc một người từng khám ở phòng khám chuyên khoa nào đó cũng có thể là thông tin nhạy cảm. Các bước dưới giúp bạn tận dụng AI mà dữ liệu thật không rời máy của phòng khám.
- Sao chép danh sách gốc thành một tệp làm việc; tệp gốc cất riêng, không sửa.
- Trong tệp làm việc, thêm cột mã thay thế (ví dụ BN1, BN2…) cho từng dòng.
- Tạo một tệp mẫu nhỏ chừng hai mươi dòng gồm dữ liệu bịa nhưng giữ đúng kiểu lỗi thật: tên không dấu, ngày đảo, số có dấu chấm.
- Đưa tệp mẫu bịa này cho AI, mô tả các kiểu lỗi, nhờ AI viết công thức bảng tính hoặc đoạn mã xử lý.
- Chạy công thức đó trên tệp làm việc thật, ngay trên máy của phòng khám.
- Nếu cần AI đọc trực tiếp dữ liệu thật, chỉ dùng công cụ phòng khám đã có thoả thuận xử lý dữ liệu, và vẫn bỏ các cột không cần thiết như địa chỉ, chẩn đoán.
Câu lệnh mẫu: "Bạn là người hỗ trợ xử lý bảng tính. Bảng có các cột: mã, họ tên, ngày sinh, số liên lạc. Dữ liệu dưới đây là dữ liệu bịa để minh hoạ. Hãy viết công thức để: chuẩn hoá họ tên về dạng viết hoa chữ đầu mỗi từ; tách các ngày sinh chỉ có năm sang cột riêng; đánh dấu các ngày sinh có thể bị đảo ngày và tháng; chuẩn hoá số liên lạc về dạng chữ số liền. Giải thích từng công thức và chỉ ra trường hợp công thức không xử lý được."
Cách làm này cũng có một lợi ích phụ: công thức nằm lại trong tệp, người khác kiểm tra được từng bước, khác với việc nhờ chatbot "sửa giúp" rồi nhận về một bảng không biết đã đổi những gì.
Để AI viết quy tắc tìm trùng, không để AI tự gộp
Quy tắc nghi trùng nên có nhiều tầng. Ví dụ: cùng họ tên chuẩn hoá và cùng ngày sinh đầy đủ là nghi trùng mạnh; cùng họ tên và cùng năm sinh là nghi trùng vừa; cùng số liên lạc nhưng khác tên là chỉ để xem, thường không phải trùng.
AI giỏi gợi ý tiêu chí, kém ở chỗ hiểu hoàn cảnh. AI có thể đề xuất so khớp tên gần giống (sai một ký tự) hay tên có và không có tên đệm. Nhưng AI không biết rằng ở địa phương bạn, nhiều gia đình đặt tên con giống nhau, hay một người bệnh lớn tuổi thường khai năm sinh theo âm lịch.
Kết quả là danh sách đề xuất, không phải lệnh gộp. Mỗi cặp nghi trùng cần người đối chiếu bằng thông tin thêm: địa chỉ, người nhà đi cùng, lịch sử khám. Chỉ gộp khi chắc chắn.
Ghi nhật ký mọi lần gộp. Bản ghi nào được gộp vào bản ghi nào, ai quyết định, ngày nào. Nếu sau này phát hiện gộp nhầm, nhật ký là thứ duy nhất giúp tách lại.
Ưu tiên tính năng gộp có sẵn của phần mềm. Nhiều hệ thống bệnh án điện tử có chức năng hợp nhất hồ sơ, giữ lại lịch sử của cả hai bản ghi. Dùng chức năng đó thay vì xoá tay một bản ghi.
Kiểm tra sau khi làm sạch
Trước khi nhập vào hệ thống mới, làm một vòng kiểm cuối. Các phép kiểm đơn giản, làm được bằng bảng tính:
- Tổng số dòng trước và sau làm sạch khớp nhau, trừ đúng số dòng đã gộp có trong nhật ký.
- Không còn ô ngày sinh nào nằm ngoài khoảng hợp lý (ví dụ ngày trong tương lai, tuổi trên 120).
- Mọi số liên lạc có đúng số chữ số theo định dạng trong nước, trừ các số đã đánh dấu.
- Chọn ngẫu nhiên khoảng năm mươi dòng, đối chiếu với tệp gốc bằng mắt.
- Lọc riêng các dòng có cờ "cần xác nhận" và giao cho lễ tân hỏi lại khi người bệnh đến.
- Lưu tệp làm sạch cuối cùng kèm ngày và người thực hiện; xoá các tệp trung gian khỏi máy cá nhân.
Những dòng cần xác nhận không cần xử lý xong trước khi chuyển hệ thống. Chúng được mang theo với cờ đánh dấu, và lễ tân hoàn thiện dần trong vài tháng đầu.
Ngăn dữ liệu bẩn tái phát ở quầy tiếp đón
Làm sạch một lần không đủ nếu cách nhập ở quầy vẫn như cũ. Ba thay đổi nhỏ giảm phần lớn lỗi mới. Thứ nhất, bắt buộc tìm trước khi tạo mới: lễ tân tìm theo số liên lạc, theo tên và năm sinh, chỉ tạo hồ sơ mới khi không thấy. Thứ hai, ngày sinh nhập bằng bộ chọn ngày hoặc ba ô riêng, không gõ tự do. Thứ ba, tên nhập có dấu, và đối chiếu với giấy tờ tuỳ thân khi người bệnh có mang theo.
Hàng tháng, người phụ trách chạy lại quy tắc nghi trùng trên dữ liệu mới phát sinh. Số cặp nghi trùng mỗi tháng là một chỉ số tốt cho chất lượng tiếp đón: tăng lên thường có nghĩa là có người mới chưa nắm quy trình. Phần tiếp đón và phân luồng nói chung có trong danh mục tiếp đón của trang; ở đây chỉ nói phần ảnh hưởng tới hồ sơ.
Ví dụ giả định: một phòng khám nhi chuyển danh sách cũ trong ba tuần
Để hình dung nhịp làm việc, hãy xem một ví dụ giả định. Một phòng khám nhi tư ở Thái Nguyên có khoảng bốn nghìn dòng người bệnh trong sổ tính dùng từ nhiều năm, chuẩn bị chuyển sang hệ thống bệnh án điện tử. Người được giao là lễ tân trưởng, làm việc này hai buổi chiều mỗi tuần.
Tuần đầu, chị tạo tệp mẫu hai mươi dòng bịa, nhờ AI viết công thức chuẩn hoá tên, tách năm sinh, chuẩn hoá số liên lạc, rồi chạy trên tệp làm việc thật. Phần lớn dòng được chuẩn hoá tự động; vài trăm dòng có ngày sinh mập mờ được đánh dấu. Tuần thứ hai, chị chạy quy tắc nghi trùng ba tầng và nhận về một danh sách cặp nghi trùng. Với từng cặp, chị mở sổ giấy hoặc hỏi bác sĩ; phần lớn đúng là trùng do đổi số liên lạc, một số ít là anh chị em sinh đôi cùng ngày sinh, tên gần giống nhau, tuyệt đối không được gộp. Tuần thứ ba, chị làm vòng kiểm cuối, bàn giao tệp sạch cho nhà cung cấp và cất tệp gốc vào nơi lưu trữ có khoá.
Điều đáng chú ý trong ví dụ là trường hợp trẻ sinh đôi: mọi quy tắc tự động đều coi đó là trùng mạnh. Chỉ người biết người bệnh mới nhận ra. Đó là lý do bước gộp luôn cần con người.
Câu hỏi thường gặp
Có thể dán danh sách người bệnh vào chatbot nếu đã xoá cột họ tên không?
Chưa đủ an toàn. Ngày sinh, địa chỉ, số liên lạc, kết hợp với việc người đó khám ở phòng khám của bạn, vẫn có thể nhận ra người cụ thể. Cách an toàn là dùng dữ liệu bịa để AI viết quy tắc, hoặc dùng công cụ có thoả thuận xử lý dữ liệu.
Nên gộp hồ sơ trùng trước hay sau khi chuyển sang hệ thống mới?
Những cặp chắc chắn trùng có thể gộp trước khi chuyển để dữ liệu nhập vào gọn hơn. Những cặp còn nghi ngờ nên chuyển sang dưới dạng hai hồ sơ riêng có đánh dấu, rồi gộp bằng chức năng hợp nhất của hệ thống khi đã xác nhận.
Người bệnh chỉ nhớ năm sinh thì nhập thế nào?
Nhập năm sinh và đánh dấu là chỉ biết năm, không tự điền ngày và tháng mặc định. Ngày mặc định trông như dữ liệu thật và làm sai lệch các phép tính tuổi, nhất là với trẻ nhỏ cần tính tuổi theo tháng.
Ai nên là người quyết định gộp hai hồ sơ?
Người có quyền truy cập đầy đủ hồ sơ và hiểu ý nghĩa của dữ liệu, thường là lễ tân trưởng phối hợp với bác sĩ khi hồ sơ có thông tin lâm sàng. Không nên để người nhập liệu thời vụ tự gộp.
Làm sạch dữ liệu có cần báo cho người bệnh không?
Việc chuẩn hoá cách viết tên, định dạng số thuộc hoạt động quản lý hồ sơ thông thường. Tuy vậy, khi có điểm cần xác nhận như ngày sinh hay tên đúng, lễ tân nên hỏi lại người bệnh trong lần khám tới thay vì tự sửa theo phỏng đoán.
Có cần giữ tệp danh sách gốc sau khi đã làm sạch không?
Nên giữ một bản gốc ở nơi lưu trữ có kiểm soát trong một thời gian, phòng khi cần đối chiếu lại một quyết định gộp hay sửa. Sau đó xử lý theo quy chế lưu trữ của phòng khám. Không để bản gốc nằm rải rác trên máy cá nhân hay thư điện tử.