Bài 4. Hỗ trợ phân tích nguyên nhân gốc rễ

1. Đặt vấn đề

Phân tích nguyên nhân gốc rễ là hoạt động trung tâm trong quản lý chất lượng và an toàn người bệnh. Khi có sự cố, sai sót, phản ánh, chỉ số xấu hoặc quy trình không đạt, bệnh viện không nên chỉ xử lý biểu hiện bên ngoài. Cần tìm nguyên nhân sâu hơn: vì sao vấn đề xảy ra, yếu tố hệ thống nào góp phần, quy trình có lỗi không, nhân lực có thiếu không, đào tạo có đủ không, môi trường có hỗ trợ không, công cụ có phù hợp không.

AI local có thể hỗ trợ phân tích nguyên nhân bằng cách tổ chức thông tin, đặt câu hỏi, gợi ý nhóm nguyên nhân, xây dựng sơ đồ Fishbone, thực hiện 5 Why và liên kết nguyên nhân với giải pháp. Nhưng AI không thể tự kết luận nguyên nhân thật nếu không có điều tra thực tế. Phân tích nguyên nhân phải dựa trên dữ liệu, quan sát, phỏng vấn và xác minh.

2. Nguyên nhân gốc rễ là gì?

Nguyên nhân gốc rễ là nguyên nhân nền tảng làm phát sinh vấn đề. Nếu chỉ xử lý triệu chứng, vấn đề có thể tái diễn. Nếu xử lý nguyên nhân gốc rễ, khả năng tái diễn giảm.

Ví dụ, một nhân viên điền sai biểu mẫu. Nguyên nhân trực tiếp là “điền sai”. Nhưng nguyên nhân sâu hơn có thể là:

• Biểu mẫu khó hiểu.
• Không được đào tạo.
• Quy trình thay đổi nhưng chưa truyền thông.
• Phần mềm không kiểm tra lỗi.
• Áp lực công việc cao.
• Không có bước kiểm tra chéo.
• Hướng dẫn không rõ.

AI có thể giúp mở rộng góc nhìn từ lỗi cá nhân sang yếu tố hệ thống.

3. AI hỗ trợ 5 Why

5 Why là phương pháp hỏi “vì sao” nhiều lần để đi sâu nguyên nhân.

Ví dụ vấn đề: “Tỷ lệ hồ sơ bệnh án thiếu chữ ký tăng.”

AI có thể gợi ý chuỗi:

1. Vì sao thiếu chữ ký? Vì bác sĩ hoàn thiện hồ sơ muộn.
2. Vì sao hoàn thiện muộn? Vì chưa có nhắc việc trước khi ra viện.
3. Vì sao chưa có nhắc việc? Vì phần mềm chưa cảnh báo.
4. Vì sao phần mềm chưa cảnh báo? Vì yêu cầu này chưa được đưa vào quy trình CNTT.
5. Vì sao chưa đưa vào quy trình? Vì chưa có cơ chế phản hồi lỗi hồ sơ định kỳ sang CNTT.

Chuỗi này chỉ là gợi ý. Nhóm cải tiến phải kiểm chứng.

4. AI hỗ trợ Fishbone

Fishbone giúp phân nhóm nguyên nhân theo các nhóm như:

• Con người.
• Quy trình.
• Thiết bị/công cụ.
• Môi trường.
• Quản lý.
• Thông tin/truyền thông.
• Đo lường.
• Chính sách.

AI có thể tạo sơ đồ nguyên nhân dạng bảng:

Điểm quan trọng là AI nên thêm cột “dữ liệu cần kiểm chứng” để tránh biến giả thuyết thành kết luận.

5. AI hỗ trợ phân tích theo quy trình

Nhiều vấn đề xuất phát từ quy trình. AI có thể giúp:

• Liệt kê các bước quy trình.
• Xác định bước dễ lỗi.
• Xác định điểm chuyển giao.
• Xác định bước thiếu kiểm soát.
• Xác định bước không có người chịu trách nhiệm.
• Gợi ý điểm cần chuẩn hóa.

Ví dụ, trong quy trình tiếp nhận phản ánh, lỗi có thể nằm ở bước ghi nhận, phân loại, chuyển xử lý, phản hồi, theo dõi hoặc đóng hồ sơ.

6. AI hỗ trợ phân biệt nguyên nhân và giải pháp

Trong nhiều cuộc họp, người tham gia hay nhầm nguyên nhân với giải pháp. Ví dụ:

• “Cần tăng cường đào tạo” là giải pháp, không phải nguyên nhân.
• “Nhân viên chưa nắm quy trình” mới là nguyên nhân.
• “Cần kiểm tra thường xuyên” là giải pháp.
• “Không có cơ chế giám sát định kỳ” mới là nguyên nhân.

AI có thể giúp phân loại lại danh sách ý kiến thành vấn đề, nguyên nhân, giải pháp và chỉ số theo dõi.

7. AI hỗ trợ đặt câu hỏi điều tra

AI có thể gợi ý câu hỏi cần thu thập thêm:

• Vấn đề xảy ra ở đâu?
• Xảy ra khi nào?
• Tần suất bao nhiêu?
• Liên quan nhóm nhân viên nào?
• Quy trình hiện có không?
• Nhân viên có được đào tạo không?
• Có biểu mẫu hỗ trợ không?
• Có bước kiểm tra không?
• Có dữ liệu so sánh trước/sau không?
• Có yếu tố môi trường hoặc tải công việc không?

Đây là cách AI hỗ trợ nhóm cải tiến điều tra có hệ thống.

8. Không quy trách nhiệm cá nhân vội vàng

Quản lý chất lượng hiện đại ưu tiên tư duy hệ thống. AI cần tránh kết luận kiểu “nguyên nhân là nhân viên thiếu trách nhiệm” nếu chưa có căn cứ. Thay vào đó, nên hỏi:

• Vì sao hành vi đó xảy ra?
• Hệ thống có tạo điều kiện cho lỗi không?
• Có bước kiểm soát không?
• Quy trình có rõ không?
• Đào tạo có đủ không?
• Tải công việc có quá cao không?

Điều này đặc biệt quan trọng với an toàn người bệnh.

9. Liên kết nguyên nhân với giải pháp

Sau khi có nguyên nhân, AI có thể tạo bảng:

Giải pháp phải xử lý nguyên nhân, không chỉ xử lý biểu hiện.

10. Kết luận

AI local có thể hỗ trợ phân tích nguyên nhân gốc rễ bằng cách tổ chức thông tin, gợi ý 5 Why, Fishbone, câu hỏi điều tra, phân biệt nguyên nhân - giải pháp và liên kết nguyên nhân với hành động cải tiến. Tuy nhiên, AI chỉ tạo giả thuyết và cấu trúc phân tích; nguyên nhân thật phải được xác minh bằng dữ liệu, quan sát và trao đổi với người liên quan. Sử dụng AI đúng cách sẽ giúp phân tích sâu hơn, tránh đổ lỗi cá nhân và tăng khả năng cải tiến hệ thống.