Bài báo khoa học Tập 66 Số CĐ14-HNKH BV Giao thông Vận tải 12/01/2026

18. ĐÁNH GIÁ HIỆU QUẢ CỦA NỀN TẢNG GOOGLE SHEETS KẾT HỢP CHATGPT TRONG KIỂM TRA TƯƠNG TÁC THUỐC VÀ CHỐNG CHỈ ĐỊNH TRÊN ĐƠN THUỐC NGOẠI TRÚ TẠI BỆNH VIỆN GIAO THÔNG VẬN TẢI

Phạm Ánh Sáng1,2, Trần Thị Ngọc Hà1,2, Nguyễn Thị Thu Huyền1,2, Nguyễn Anh Tuấn1,2, Đoàn Thị Thu Giang1,2
1 Transport Hospital
2 Bệnh viện Giao thông vận tải
Tác giả liên hệ: anhsangdkh@gmail.com
DOI: 10.52163/yhc.v66iCD14.3071
27 Lượt xem
23 Lượt tải xuống
Tóm tắt

Mục tiêu: Đánh giá hiệu quả của nền tảng Google Sheets tích hợp ChatGPT trong kiểm tra tương tác thuốc và chống chỉ định trên đơn thuốc ngoại trú tại Bệnh viện Giao thông vận tải.

Đối tượng và phương pháp: Nghiên cứu bán thực nghiệm theo thiết kế trước – sau can thiệp, thực hiện từ 04/04/2025 đến 04/07/2025. Đối tượng gồm 1.476 đơn thuốc ngoại trú có từ hai thuốc trở lên và 50 nhân viên y tế tham gia sử dụng công cụ.

Kết quả: Công cụ giúp xử lý đồng thời số lượng lớn đơn thuốc, tăng năng suất kiểm tra từ 78 đơn/giờ (thủ công) lên mức không giới hạn. Tỷ lệ phát hiện tương tác chống chỉ định tăng từ 0,41% lên 0,75%; số đơn cần hiệu chỉnh tăng 1,67 lần. Khảo sát trên 50 nhân viên y tế ghi nhận điểm hài lòng trung bình 4,2/5; 92% đánh giá công cụ hữu ích và 84% đồng ý tiếp tục sử dụng.

Kết luận: Ứng dụng Google Sheets – ChatGPT nâng cao rõ rệt hiệu quả phát hiện tương tác thuốc trong điều kiện nguồn lực hạn chế, đồng thời nhận được phản hồi tích cực từ người dùng. Công cụ có tiềm năng ứng dụng lâu dài trong thực hành lâm sàng, nhưng cần mở rộng dữ liệu đầu vào và tích hợp cảnh báo thời gian thực trong các nghiên cứu tiếp theo.

Tài liệu tham khảo
[1]
Gray SL, Perera S, Soverns T, Hanlon JT. Systematic review and meta-analysis of interventions to reduce adverse drug reactions in older adults: an update. Drugs Aging. 2023 Nov;40(11):965-979. doi:10.1007/s40266-023-01064-y. PMID: 37702981; PMCID: PMC10600043. Google Scholar
[2]
Johnsgård T, Elenjord R, Holis RV, et al. How much time do emergency department physicians spend on medication-related tasks? A time-and-motion study. BMC Emerg Med. 2024;24:56. Google Scholar
[3]
Lee P, Bubeck S, Petro J. Benefits, limits, and risks of GPT‑4 as an AI chatbot for medicine. N Engl J Med. 2023;388(13):1233–1239. doi:10.1056/NEJMsr2214184. Google Scholar
[4]
Bộ Y tế. Danh mục tương tác thuốc chống chỉ định trong thực hành lâm sàng tại các cơ sở khám chữa bệnh, ban hành kèm theo Quyết định số 5948/QĐ-BYT ngày 30/12/2021 của Bộ Y tế, 2021. Google Scholar
[5]
Nguyễn Thanh Hải. Đánh giá tương tác thuốc chống chỉ định trong dữ liệu bảo hiểm y tế điện tử tại 3 bệnh viện tỉnh Quảng Ninh bằng phần mềm Navicat. Tạp chí Khoa học Đại học Quốc gia Hà Nội: Khoa học Y Dược. 2021, tập 37, số 1. Google Scholar
[6]
Phạm Thanh Tòng. Nghiên cứu tương tác thuốc có ý nghĩa lâm sàng trong đơn thuốc bảo hiểm y tế điều trị ngoại trú tại Bệnh viện Trường Đại học Y Dược Cần Thơ năm 2022. Tạp chí Y học Việt Nam. 2023, tập 350, tr 387. Google Scholar
[7]
Dabidian A, Kinny F, Steichert M, Schlottau S, Bartel A, Schwender H, Laeer S. Impact of a Clinical Decision Support System on the Efficiency and Effectiveness of Performing Medication Reviews in Community Pharmacies: A Randomized Controlled Trial. Healthcare (Basel). 2024 Dec 9;12(23):2491. doi: 10.3390/healthcare12232491. PMID: 39685113; PMCID: PMC11641032. Google Scholar
[8]
Kung, T. H., Cheatham, M., Medenilla, A., et al. (2023). Performance of ChatGPT on USMLE: Potential for AI-assisted medical education using large language models. PLOS Digital Health, 2(2), e0000198. https://doi.org/10.1371/journal.pdig.0000198 Google Scholar
[9]
Elhaddad M, Hamam S. AI-driven clinical decision support systems: an ongoing pursuit of potential. Cureus. 2024 Apr 6;16(4):e57728. doi:10.7759/cureus.57728. PMID: 38711724; PMCID: PMC11073764. Google Scholar