🎯 MỤC TIÊU
Về kiến thức (Knowledge):
- Định nghĩa được khung PICO và 4 thành tố cốt lõi (Population, Intervention, Comparison, Outcome)
- Mô tả được 5 tiêu chí FINER để đánh giá tính khả thi của câu hỏi nghiên cứu
- Phân biệt được câu hỏi nghiên cứu tốt và câu hỏi nghiên cứu yếu
- Hiểu được mối quan hệ giữa câu hỏi nghiên cứu, mục tiêu và giả thuyết
Về kỹ năng (Skills): 5. Chuyển hóa được một ý tưởng thô thành câu hỏi PICO chuẩn 6. Sử dụng được AI (ChatGPT/Claude) để tạo nhiều phiên bản câu hỏi và so sánh ưu/nhược điểm 7. Đánh giá được câu hỏi nghiên cứu của bản thân theo tiêu chí FINER có sự hỗ trợ của AI 8. Viết được giả thuyết khoa học (null hypothesis & alternative hypothesis) từ câu hỏi PICO
Về thái độ (Attitude): 9. Thận trọng với những câu trả lời "đẹp" mà AI tạo ra — luôn kiểm tra tính khả thi thực tế 10. Sẵn sàng chỉnh sửa câu hỏi nhiều lần (không có câu hỏi nghiên cứu hoàn hảo ngay lần đầu)
📚 PHẦN 1: TẠI SAO CÂU HỎI NGHIÊN CỨU LẠI QUAN TRỌNG?
1.1. Mở đầu bằng một câu chuyện có thật
Hãy tưởng tượng tình huống sau:
Tình huống: Bác sĩ B, một bác sĩ trẻ tại khoa Nội tiết của một bệnh viện tỉnh, rất hào hứng muốn làm nghiên cứu khoa học. Anh đến gặp trưởng khoa và nói: "Em muốn nghiên cứu về bệnh đái tháo đường ạ."
Trưởng khoa hỏi lại: "Cụ thể em muốn nghiên cứu cái gì về đái tháo đường?"
Bác sĩ B lúng túng: "Dạ... thì... em muốn xem bệnh nhân đái tháo đường có những vấn đề gì..."
Bạn có thấy vấn đề ở đây không? Bác sĩ B chưa có một câu hỏi nghiên cứu. Anh chỉ có một chủ đề (topic), không phải một câu hỏi nghiên cứu (research question).
Đây là sai lầm phổ biến nhất của người mới làm nghiên cứu — và nó dẫn đến hậu quả là:
- Nghiên cứu không có trọng tâm
- Thu thập dữ liệu lan man, dùng không hết
- Phân tích thống kê không đúng hướng
- Bài báo bị reject vì "thiếu rationale rõ ràng"
1.2. Câu hỏi nghiên cứu là gì?
Câu hỏi nghiên cứu (Research Question):
Là một câu hỏi cụ thể, có thể trả lời được bằng dữ liệu, dẫn dắt toàn bộ quá trình nghiên cứu của bạn — từ thiết kế nghiên cứu đến phân tích và kết luận.
Hãy so sánh:
| ❌ Chủ đề (Topic) | ✅ Câu hỏi nghiên cứu (Research Question) |
|---|---|
| "Stress ở điều dưỡng" | "Chương trình mindfulness 8 tuần có làm giảm điểm PSS-10 ở điều dưỡng ICU tại BV Bạch Mai so với chăm sóc thông thường?" |
| "Tăng huyết áp" | "Tỷ lệ kiểm soát huyết áp đạt mục tiêu (<140/90 mmHg) ở bệnh nhân tăng huyết áp được tư vấn qua telemedicine so với khám trực tiếp tại BV tỉnh Hà Nam là bao nhiêu sau 6 tháng?" |
| "COVID-19 và sức khỏe tâm thần" | "Tỷ lệ trầm cảm (PHQ-9 ≥ 10) ở nhân viên y tế tuyến đầu sau đại dịch COVID-19 tại Hà Nội là bao nhiêu, và có liên quan đến số tháng làm việc ở khu cách ly không?" |
Điểm mấu chốt: Một câu hỏi nghiên cứu tốt phải đủ cụ thể để có thể thiết kế nghiên cứu ngay được.
1.3. Câu hỏi nghiên cứu là "GPS" của nghiên cứu
Hãy nghĩ theo cách này:
┌──────────────────────────────────────────────────────────┐
│ CÂU HỎI NGHIÊN CỨU (RESEARCH QUESTION) │
│ (Đây là điểm đến của bạn) │
└──────────────────────────────────────────────────────────┘
↓
┌─────────────────┼─────────────────┐
↓ ↓ ↓
Thiết kế NC Cỡ mẫu Phương pháp
(Design) (Sample size) phân tích
↓ ↓ ↓
└─────────────────┼─────────────────┘
↓
┌───────────────────────┐
│ Thu thập dữ liệu │
└───────────────────────┘
↓
┌───────────────────────┐
│ Kết quả & Bài báo │
└───────────────────────┘
Nếu câu hỏi nghiên cứu của bạn mơ hồ, mọi bước sau sẽ đi sai hướng. Đây là lý do các giáo sư hướng dẫn luôn nhấn mạnh: "Hãy dành đủ thời gian cho câu hỏi nghiên cứu — nó quyết định 50% thành công của bạn."
✅ CHECKPOINT 1: Tự kiểm tra kiến thức
Hãy đọc 3 phát biểu sau và xác định đâu là chủ đề, đâu là câu hỏi nghiên cứu:
- "Tôi nghiên cứu về tuân thủ điều trị của bệnh nhân lao."
- "Ở bệnh nhân lao phổi mới chẩn đoán tại BV Phổi Trung Ương, tỷ lệ tuân thủ điều trị 6 tháng đầu là bao nhiêu, và những yếu tố nào liên quan đến không tuân thủ?"
- "Hiệu quả của thuốc mới."
Đáp án ở cuối bài.
🔬 PHẦN 2: KHUNG PICO — CÔNG CỤ "BÓC TÁCH" CÂU HỎI NGHIÊN CỨU
2.1. PICO là gì?
PICO là khung viết câu hỏi nghiên cứu được phát triển từ những năm 1995 bởi Sackett và cộng sự, hiện nay là chuẩn vàng trong y học dựa trên bằng chứng (Evidence-Based Medicine).
PICO là viết tắt của 4 thành tố:
┌──────────────────────────────────────────────────┐
│ P = POPULATION (Dân số / Đối tượng) │
│ I = INTERVENTION (Can thiệp / Phơi nhiễm) │
│ C = COMPARISON (So sánh / Đối chứng) │
│ O = OUTCOME (Kết cục đo lường được) │
└──────────────────────────────────────────────────┘
2.2. Phân tích từng thành tố
P — Population (Dân số / Đối tượng nghiên cứu)
Bạn nghiên cứu trên AI (ai đây)? Càng cụ thể càng tốt.
Cần mô tả:
- Đặc điểm bệnh lý: chẩn đoán cụ thể, giai đoạn bệnh
- Đặc điểm nhân khẩu: tuổi, giới, dân tộc nếu liên quan
- Bối cảnh: nội trú/ngoại trú, tuyến nào, vùng địa lý
- Tiêu chuẩn lựa chọn (inclusion) và loại trừ (exclusion)
❌ Mơ hồ: "Bệnh nhân tăng huyết áp"
✅ Cụ thể: "Bệnh nhân tăng huyết áp giai đoạn 1 (HA tâm thu 140-159 mmHg), 40-65 tuổi, đến khám lần đầu tại phòng khám ngoại trú BV Đa khoa tỉnh Hà Nam, không kèm đái tháo đường hoặc bệnh thận mạn"
I — Intervention (Can thiệp / Phơi nhiễm)
Bạn muốn xem cái gì tác động đến đối tượng?
"Intervention" có nhiều dạng:
| Loại nghiên cứu | "Intervention" là gì? |
|---|---|
| Nghiên cứu can thiệp (RCT) | Thuốc, thủ thuật, chương trình giáo dục |
| Nghiên cứu quan sát | Yếu tố phơi nhiễm (hút thuốc, ô nhiễm, di truyền) |
| Nghiên cứu chẩn đoán | Test chẩn đoán mới |
| Nghiên cứu tiên lượng | Yếu tố tiên lượng |
❌ Mơ hồ: "Tập thể dục"
✅ Cụ thể: "Chương trình tập aerobic cường độ trung bình (60-70% nhịp tim tối đa), 30 phút/buổi, 5 buổi/tuần, kéo dài 12 tuần, có giám sát của kỹ thuật viên phục hồi chức năng"
C — Comparison (So sánh / Đối chứng)
Bạn so sánh "I" với cái gì?
Các lựa chọn cho C:
- Giả dược (placebo)
- Điều trị thông thường (standard care / usual care)
- Một can thiệp khác
- Không can thiệp
- Hoặc... không có C — nếu là nghiên cứu mô tả thuần túy
Lưu ý quan trọng: Không phải nghiên cứu nào cũng có C. Nếu bạn chỉ muốn mô tả tỷ lệ một bệnh (descriptive study), thì PICO trở thành PO (Population + Outcome).
O — Outcome (Kết cục)
Bạn đo cái gì? Bằng công cụ nào? Vào thời điểm nào?
Đây là phần dễ sai nhất với người mới. Outcome phải:
- Đo được (measurable): Có thang đo, có đơn vị
- Có ý nghĩa lâm sàng (clinically meaningful)
- Có thời điểm rõ ràng (timepoint)
❌ Mơ hồ: "Cải thiện sức khỏe"
✅ Cụ thể:
- Outcome chính: Thay đổi điểm PSS-10 (Perceived Stress Scale) sau 8 tuần so với baseline
- Outcome phụ: Tỷ lệ điều dưỡng có PSS-10 ≥ 27 tại tuần 8; chất lượng giấc ngủ (PSQI) tại tuần 8
2.3. Áp dụng PICO — Ví dụ hoàn chỉnh
Hãy xem cách "bóc tách" một ý tưởng thô:
🌱 Ý tưởng thô:
"Tôi muốn xem chương trình mindfulness có giúp điều dưỡng ICU bớt stress không."
🌳 Câu hỏi PICO hoàn chỉnh:
| Thành tố | Nội dung |
|---|---|
| P | Điều dưỡng đang làm việc tại khoa Hồi sức tích cực (ICU) tại BV Bạch Mai, có ít nhất 12 tháng kinh nghiệm, có điểm PSS-10 ≥ 14 tại sàng lọc, đồng ý tham gia |
| I | Chương trình MBSR (Mindfulness-Based Stress Reduction) 8 tuần, mỗi tuần 1 buổi 2 giờ, do giảng viên có chứng chỉ MBSR hướng dẫn |
| C | Chăm sóc thông thường (waitlist control — sẽ được tham gia sau khi nghiên cứu kết thúc) |
| O | Chính: Thay đổi điểm PSS-10 từ baseline đến tuần 8. Phụ: PSQI, MBI-22 (burnout), tỷ lệ duy trì thực hành mindfulness sau 3 tháng |
🎯 Câu hỏi nghiên cứu hoàn chỉnh:
"Ở điều dưỡng ICU tại BV Bạch Mai có điểm stress ≥ 14 (PSS-10), chương trình MBSR 8 tuần có làm giảm điểm PSS-10 nhiều hơn chăm sóc thông thường không?"
Bạn thấy không? Từ một câu nói chung chung, chúng ta đã có một câu hỏi đủ chi tiết để bắt đầu thiết kế nghiên cứu ngay.
2.4. Các biến thể của PICO
Tùy loại nghiên cứu, PICO có các biến thể:
| Khung | Áp dụng cho | Bổ sung gì? |
|---|---|---|
| PICO | RCT, can thiệp, observational analytic | Chuẩn |
| PICOT | Khi cần nhấn mạnh thời gian | T = Time (thời gian theo dõi) |
| PICOS | Systematic Review | S = Study design |
| PECO | Nghiên cứu phơi nhiễm | E = Exposure (thay cho I) |
| PO | Nghiên cứu mô tả | Bỏ I và C |
| PIRD | Nghiên cứu chẩn đoán | I=Index test, R=Reference test, D=Diagnosis |
Khuyến nghị cho học viên: Hãy bắt đầu với PICO chuẩn. Khi đã thành thạo, bạn sẽ tự nhận ra khi nào cần biến thể.
✅ CHECKPOINT 2: Bóc tách PICO
Đọc câu hỏi nghiên cứu sau và xác định P, I, C, O:
"Ở bệnh nhân nhồi máu cơ tim cấp ST chênh lên (STEMI) đến BV Tim Hà Nội trong 12 giờ đầu, can thiệp mạch vành qua da tiên phát (primary PCI) có làm giảm tỷ lệ tử vong 30 ngày so với điều trị tiêu sợi huyết đơn thuần không?"
P = ?
I = ?
C = ?
O = ?
Đáp án ở cuối bài.
🎯 PHẦN 3: TIÊU CHÍ FINER — CÂU HỎI CỦA BẠN CÓ "ĐÁNG LÀM" KHÔNG?
3.1. FINER là gì?
PICO giúp bạn viết câu hỏi đúng cấu trúc. Nhưng câu hỏi đúng cấu trúc chưa chắc đã là câu hỏi đáng làm.
FINER (do Hulley và cộng sự đề xuất trong sách "Designing Clinical Research") là bộ tiêu chí để đánh giá xem câu hỏi nghiên cứu của bạn có đáng đầu tư công sức hay không.
┌──────────────────────────────────────────────────────┐
│ F = FEASIBLE (Khả thi) │
│ I = INTERESTING (Thú vị) │
│ N = NOVEL (Mới) │
│ E = ETHICAL (Đạo đức) │
│ R = RELEVANT (Liên quan / có ý nghĩa) │
└──────────────────────────────────────────────────────┘
3.2. Phân tích từng tiêu chí
F — Feasible (Khả thi)
Đây là tiêu chí bị bỏ qua nhiều nhất ở Việt Nam. Người mới thường viết câu hỏi quá tham vọng.
Hãy kiểm tra 5 yếu tố khả thi:
| Yếu tố | Câu hỏi tự kiểm tra |
|---|---|
| Số lượng mẫu | BV của tôi có đủ bệnh nhân theo tiêu chuẩn lựa chọn không? Trong bao lâu? |
| Chuyên môn | Tôi (và team) có đủ kỹ năng làm nghiên cứu này không? |
| Thời gian | Tôi có bao nhiêu tháng/năm? Đủ để theo dõi outcome không? |
| Kinh phí | Chi phí thuốc, xét nghiệm, công cụ đo lường có nằm trong ngân sách? |
| Phạm vi (Scope) | Câu hỏi có quá rộng không? Có thể trả lời trong 1 nghiên cứu không? |
Ví dụ thực tế từ Việt Nam:
❌ Một học viên đề xuất: "Hiệu quả của 5 phương pháp giảm đau khác nhau ở 1000 bệnh nhân ung thư giai đoạn cuối tại 10 bệnh viện trên cả nước, theo dõi 2 năm."
🎯 Vấn đề: Quá tham vọng — multi-center, mẫu lớn, theo dõi lâu, can thiệp phức tạp. Một học viên chưa có kinh nghiệm và 12 tháng làm sao xong?
✅ Giải pháp: Thu hẹp lại — "Hiệu quả của 2 phương pháp (PCA morphine vs paracetamol-tramadol) ở 80 bệnh nhân ung thư phổi giai đoạn IV tại khoa Ung bướu BV X, theo dõi 4 tuần."
I — Interesting (Thú vị)
Câu hỏi này có làm bạn thức dậy lúc 3h sáng nghĩ về không?
Nghiên cứu khoa học là một hành trình dài — đôi khi 1-2 năm. Nếu chính bạn không thấy thú vị, bạn sẽ bỏ cuộc giữa chừng.
Ngoài ra, "Interesting" cũng phải với cộng đồng khoa học:
- Có ai sẽ đọc bài báo của bạn không?
- Hội đồng đánh giá đề tài có thấy giá trị không?
- Có liên quan đến vấn đề thực tế tại bệnh viện không?
N — Novel (Mới)
Câu hỏi này có đóng góp gì mới so với những gì đã biết?
Lưu ý: "Mới" không nhất thiết phải là lần đầu trên thế giới. Có 4 dạng "mới" hợp lệ:
- Mới hoàn toàn: Chưa ai làm (hiếm gặp với người mới)
- Mới về bối cảnh: Đã làm ở Mỹ/EU, nhưng chưa làm ở Việt Nam (rất phổ biến và có giá trị!)
- Mới về dân số: Đã làm ở người lớn, chưa làm ở người cao tuổi
- Cập nhật: Có dữ liệu mới, hướng dẫn mới đòi hỏi nghiên cứu lại
💡 Mẹo cho nghiên cứu viên Việt Nam: Đa số nghiên cứu của bạn sẽ là dạng "Mới về bối cảnh" — đây là loại nghiên cứu rất có giá trị, được đăng nhiều trên các tạp chí Việt Nam và quốc tế (Asian journals).
E — Ethical (Đạo đức)
Có gây hại cho bệnh nhân không? Có vi phạm quyền tự chủ không? Có công bằng không?
Câu hỏi sàng lọc đạo đức:
- Bệnh nhân có được informed consent đầy đủ không?
- Nhóm chứng có bị thiệt thòi không (denied effective treatment)?
- Có bảo mật dữ liệu cá nhân không?
- Có rủi ro vượt quá lợi ích không?
- Đề tài có thể được Hội đồng Đạo đức (IRB) thông qua không?
Lưu ý đặc biệt với AI: Nếu nghiên cứu của bạn dùng AI để phân tích dữ liệu bệnh nhân, hãy chú ý vấn đề bảo mật dữ liệu (xem lại Bài 2).
R — Relevant (Liên quan / Có ý nghĩa)
Kết quả nghiên cứu sẽ ảnh hưởng đến cái gì?
Nghiên cứu của bạn có thể tác động đến:
- ✅ Thực hành lâm sàng: Thay đổi cách điều trị
- ✅ Chính sách: Đóng góp vào hướng dẫn quốc gia
- ✅ Khoa học: Mở ra hướng nghiên cứu mới
- ✅ Giáo dục: Cải thiện đào tạo
- ✅ Cộng đồng: Nâng cao sức khỏe cộng đồng
Nếu câu trả lời là "không ảnh hưởng đến gì cả", hãy suy nghĩ lại về câu hỏi.
3.3. Bảng đánh giá FINER mẫu
Đây là template bạn có thể dùng để tự đánh giá câu hỏi nghiên cứu của mình:
| Tiêu chí | Điểm (1-5) | Lý do | Điểm cần cải thiện |
|---|---|---|---|
| Feasible | ?/5 | ||
| Interesting | ?/5 | ||
| Novel | ?/5 | ||
| Ethical | ?/5 | ||
| Relevant | ?/5 | ||
| TỔNG | ?/25 |
Quy ước:
- Tổng ≥ 20/25: Câu hỏi rất tốt, có thể tiến hành
- Tổng 15-19/25: Câu hỏi khá, cần tinh chỉnh thêm
- Tổng < 15/25: Cần xem xét lại nghiêm túc
✅ CHECKPOINT 3: Đánh giá FINER
Hãy đánh giá câu hỏi sau theo FINER (cho điểm 1-5 mỗi tiêu chí):
"Một bác sĩ năm thứ 1 tại BV huyện muốn nghiên cứu: Sử dụng AI Deep Learning để dự đoán tử vong 30 ngày ở bệnh nhân nhồi máu cơ tim, dựa trên dữ liệu của 5000 bệnh nhân tại BV huyện trong 6 tháng tới."
Bạn nghĩ điểm nào sẽ thấp? Tại sao?
Gợi ý phân tích ở cuối bài.
🤖 PHẦN 4: SỬ DỤNG AI ĐỂ TINH CHỈNH CÂU HỎI NGHIÊN CỨU
4.1. AI có thể giúp gì ở giai đoạn này?
Đây là điểm hay: AI cực kỳ giỏi trong việc giúp bạn tinh chỉnh câu hỏi nghiên cứu. Lý do:
- AI đã "đọc" hàng triệu bài báo và biết cấu trúc câu hỏi tốt
- AI có thể tạo nhiều phiên bản nhanh chóng
- AI có thể đóng vai "người phản biện" để chỉ ra điểm yếu
5 việc AI làm tốt ở giai đoạn này:
| Tác vụ | Mức độ hữu ích | Ghi chú |
|---|---|---|
| Chuyển ý tưởng thô → PICO | ⭐⭐⭐⭐⭐ | Rất tốt |
| Tạo nhiều phiên bản câu hỏi | ⭐⭐⭐⭐⭐ | Rất tốt |
| Đánh giá theo FINER | ⭐⭐⭐⭐ | Tốt, nhưng phải cung cấp đủ context |
| Đề xuất outcome measures | ⭐⭐⭐⭐ | Tốt — gợi ý các thang đo phù hợp |
| Viết giả thuyết H₀/H₁ | ⭐⭐⭐⭐⭐ | Rất tốt |
Nhưng AI KHÔNG làm được:
- ❌ Biết bệnh viện của bạn có đủ bệnh nhân không
- ❌ Biết bạn có ngân sách bao nhiêu
- ❌ Biết bối cảnh văn hóa-xã hội Việt Nam đầy đủ
- ❌ Quyết định thay bạn — bạn vẫn là người chủ động
4.2. Quy trình 4 bước với AI
Đây là quy trình tôi khuyên bạn áp dụng:
BƯỚC 1: Viết ra ý tưởng thô (1-2 câu, tiếng Việt cũng được)
↓
BƯỚC 2: Yêu cầu AI tạo 3 phiên bản câu hỏi PICO
↓
BƯỚC 3: Yêu cầu AI đánh giá FINER cho mỗi phiên bản
(NHỚ cung cấp context: bối cảnh, ngân sách, thời gian)
↓
BƯỚC 4: Bạn quyết định, tinh chỉnh, và viết ra giả thuyết
4.3. Prompt mẫu chuẩn (có thể dùng ngay)
Prompt 1: Chuyển ý tưởng → PICO
Bạn là một chuyên gia về phương pháp nghiên cứu y học, giúp tôi tinh
chỉnh câu hỏi nghiên cứu.
Bối cảnh của tôi:
- Vai trò: [Bác sĩ/Điều dưỡng] khoa [...] tại [BV...]
- Thời gian có thể dành: [X] tháng
- Ngân sách dự kiến: [Y] triệu VNĐ
- Kinh nghiệm nghiên cứu: [mô tả ngắn]
Ý tưởng thô của tôi:
"[Viết ý tưởng bằng tiếng Việt, không cần hoàn hảo]"
Hãy giúp tôi:
1. Tạo 3 phiên bản câu hỏi PICO khác nhau (từ hẹp đến rộng)
2. Mỗi phiên bản, ghi rõ P, I, C, O
3. Phân tích ưu điểm và nhược điểm của từng phiên bản
4. Khuyến nghị phiên bản phù hợp nhất với bối cảnh của tôi và giải thích tại sao
Trình bày dạng bảng so sánh dễ đọc.
Prompt 2: Đánh giá FINER
Tôi có câu hỏi nghiên cứu sau:
"[Câu hỏi PICO của bạn]"
Bối cảnh:
- Tôi là [...] tại [...]
- Tôi có [X] tháng
- Ngân sách: [...]
- Đội ngũ: [...]
- Kinh nghiệm: [...]
- Số bệnh nhân ước tính có sẵn: [...] / tháng
Hãy đánh giá câu hỏi này theo 5 tiêu chí FINER:
- F (Feasible): cho điểm 1-5 và giải thích
- I (Interesting): cho điểm 1-5 và giải thích
- N (Novel): cho điểm 1-5 và giải thích (hãy nêu các nghiên cứu tương tự
nếu có thể, và cho biết câu hỏi của tôi khác/giống ra sao)
- E (Ethical): cho điểm 1-5 và nêu các vấn đề đạo đức cần lưu ý
- R (Relevant): cho điểm 1-5 và giải thích tác động dự kiến
Cuối cùng:
- Tổng điểm và kết luận
- 3 đề xuất cụ thể để cải thiện câu hỏi
Prompt 3: Viết giả thuyết
Từ câu hỏi PICO sau:
"[Câu hỏi PICO của bạn]"
Hãy viết:
1. Giả thuyết không (H₀ - null hypothesis) - bằng tiếng Việt và tiếng Anh
2. Giả thuyết thay thế (H₁ - alternative hypothesis) - 2 dạng:
2-tailed và 1-tailed
3. Giải thích trong trường hợp nào thì dùng 1-tailed, khi nào dùng 2-tailed
Format: rõ ràng, dùng ký hiệu thống kê chuẩn.
4.4. ⚠️ Cảnh báo: Cẩn thận với "câu trả lời đẹp" của AI
AI thường đưa ra câu trả lời rất hay, rất hoàn chỉnh — nhưng có thể KHÔNG khả thi với bạn. Đây là một số "bẫy" thường gặp:
Bẫy 1: AI đề xuất cỡ mẫu lớn
AI: "Bạn nên tuyển 500 bệnh nhân để có power 90%."
Thực tế: BV của bạn chỉ có 30 ca/tháng. → Phải hỏi: "Nếu tôi chỉ có 100 bệnh nhân, power sẽ là bao nhiêu? Có ý nghĩa thống kê không?"
Bẫy 2: AI đề xuất outcome đắt tiền
AI: "Đo nồng độ HbA1c, hsCRP, IL-6, TNF-α, lipid panel mỗi 3 tháng."
Thực tế: Mỗi bộ xét nghiệm 2-3 triệu VNĐ × 100 bệnh nhân × 4 lần = 1 tỷ VNĐ! → Phải hỏi: "Outcome nào quan trọng nhất nếu tôi chỉ có thể đo HbA1c?"
Bẫy 3: AI đề xuất design phức tạp
AI: "Nên dùng cluster RCT với stratified randomization."
Thực tế: Bạn chưa từng làm RCT. → Phải hỏi: "Có thiết kế đơn giản hơn nhưng vẫn trả lời được câu hỏi không?"
💡 Bài học: Luôn cung cấp đủ bối cảnh cho AI và luôn phản biện câu trả lời của AI bằng câu hỏi: "Điều này có khả thi với bệnh viện tôi không?"
✅ CHECKPOINT 4
Bạn vừa nhận được câu trả lời từ ChatGPT cho câu hỏi PICO của mình. ChatGPT đề xuất:
- Cỡ mẫu: 320 bệnh nhân
- Theo dõi: 24 tháng
- Outcome: Tử vong toàn nguyên nhân, MACE, chất lượng cuộc sống (SF-36), hsCRP
Bạn là bác sĩ nội khoa tại BV tỉnh, có 12 tháng để làm nghiên cứu, ngân sách 30 triệu VNĐ, BV có ~15 bệnh nhân thuộc tiêu chuẩn/tháng.
Bạn nên làm gì?
a) Tin theo ChatGPT, cố gắng tuyển 320 bệnh nhân
b) Bỏ nghiên cứu vì quá khó
c) Phản hồi với ChatGPT, cung cấp đủ context và yêu cầu phương án thực tế hơn
d) Tự ý giảm cỡ mẫu xuống 50 mà không hỏi ai
Đáp án ở cuối bài.
📐 PHẦN 5: TỪ CÂU HỎI → GIẢ THUYẾT KHOA HỌC
5.1. Giả thuyết là gì?
Giả thuyết khoa học (Hypothesis) là phát biểu cụ thể, có thể kiểm định được bằng thống kê, về mối quan hệ giữa các biến số.
Có 2 loại giả thuyết:
H₀ - Giả thuyết không (Null Hypothesis)
Phát biểu rằng không có sự khác biệt hoặc không có mối quan hệ.
Ví dụ: "Không có sự khác biệt về điểm PSS-10 trung bình giữa nhóm MBSR và nhóm chứng sau 8 tuần."
H₁ hoặc Hₐ - Giả thuyết thay thế (Alternative Hypothesis)
Phát biểu rằng CÓ sự khác biệt hoặc CÓ mối quan hệ.
2-tailed (2 đuôi): "Có sự khác biệt về điểm PSS-10 giữa 2 nhóm" (không nói rõ nhóm nào cao/thấp)
1-tailed (1 đuôi): "Nhóm MBSR có điểm PSS-10 thấp hơn nhóm chứng" (chỉ rõ hướng)
5.2. Khi nào dùng 1-tailed vs 2-tailed?
| Dùng | 2-tailed | 1-tailed |
|---|---|---|
| Khi nào | Mặc định, an toàn | Khi có cơ sở mạnh để tin hướng tác động |
| Ưu điểm | Conservative, không "ăn gian" | Power cao hơn |
| Nhược điểm | Cần cỡ mẫu lớn hơn | Phải biện minh được hướng |
| Khuyến nghị | Mặc định cho người mới | Chỉ khi thực sự có lý do |
💡 Quy tắc vàng: Nếu phân vân, hãy chọn 2-tailed. An toàn hơn và được chấp nhận rộng rãi.
5.3. Ví dụ hoàn chỉnh
Câu hỏi PICO:
"Ở điều dưỡng ICU tại BV Bạch Mai có PSS-10 ≥ 14, chương trình MBSR 8 tuần có làm giảm điểm PSS-10 nhiều hơn chăm sóc thông thường không?"
Giả thuyết:
H₀ (Null):
Không có sự khác biệt về thay đổi điểm PSS-10 trung bình từ baseline đến tuần 8 giữa nhóm MBSR và nhóm chứng.
Ký hiệu: μ_MBSR = μ_control (về thay đổi PSS-10)
H₁ (Alternative, 2-tailed):
Có sự khác biệt về thay đổi điểm PSS-10 trung bình từ baseline đến tuần 8 giữa nhóm MBSR và nhóm chứng.
Ký hiệu: μ_MBSR ≠ μ_control
5.4. Mối quan hệ giữa Câu hỏi - Mục tiêu - Giả thuyết
Đây là điểm nhiều người nhầm lẫn:
┌──────────────────────────────────────────────────────┐
│ CÂU HỎI (Question): │
│ "MBSR có giảm stress ở điều dưỡng ICU không?" │
└──────────────────────────────────────────────────────┘
↓
┌──────────────────────────────────────────────────────┐
│ MỤC TIÊU (Objective): │
│ "Đánh giá hiệu quả của MBSR 8 tuần trong giảm │
│ điểm PSS-10 ở điều dưỡng ICU tại BV Bạch Mai" │
└──────────────────────────────────────────────────────┘
↓
┌──────────────────────────────────────────────────────┐
│ GIẢ THUYẾT (Hypothesis): │
│ H₀: μ_MBSR = μ_control │
│ H₁: μ_MBSR ≠ μ_control │
└──────────────────────────────────────────────────────┘
↓
KIỂM ĐỊNH THỐNG KÊ
(t-test, ANOVA, etc.)
💡 Ghi nhớ: Câu hỏi là dạng thông thường, mục tiêu là dạng hành động ("đánh giá", "xác định", "so sánh"), giả thuyết là dạng thống kê.
💻 PHẦN 6: THỰC HÀNH (40 phút)
6.1. Thực hành 1: Từ ý tưởng → PICO (15 phút)
Bước 1: Lấy giấy ra, viết một ý tưởng nghiên cứu của bạn (1-2 câu, tiếng Việt).
Ví dụ tham khảo: "Tôi muốn nghiên cứu xem chương trình mindfulness có giúp điều dưỡng ICU bớt stress không."
Bước 2: Mở ChatGPT (hoặc Claude). Sao chép prompt mẫu sau và điền thông tin của bạn:
Bạn là chuyên gia phương pháp nghiên cứu y học. Bối cảnh của tôi:
- Vai trò: [...]
- Bệnh viện: [...]
- Thời gian: [...] tháng
- Ngân sách: [...] triệu VNĐ
- Kinh nghiệm: [...]
Ý tưởng của tôi: "[ý tưởng thô của bạn]"
Hãy:
1. Tạo 3 phiên bản câu hỏi PICO (từ hẹp đến rộng)
2. Mỗi phiên bản: ghi rõ P, I, C, O
3. Ưu/nhược điểm mỗi phiên bản
4. Khuyến nghị phiên bản phù hợp nhất với tôi
Trình bày dạng bảng.
Bước 3: Đọc kỹ kết quả. Đặt 3 câu hỏi:
- Phiên bản nào phù hợp với bệnh viện và thời gian của tôi?
- Có thành tố nào (P, I, C, O) còn mơ hồ không?
- Tôi có cần điều chỉnh gì để phù hợp hơn?
Bước 4: Viết ra câu hỏi PICO cuối cùng của bạn (sau khi đã chỉnh sửa).
6.2. Thực hành 2: Đánh giá FINER (15 phút)
Lấy câu hỏi PICO bạn vừa hoàn thành ở Thực hành 1.
Bước 1: Tự đánh giá trước theo bảng FINER (đừng vội dùng AI):
| Tiêu chí | Điểm tự đánh giá (1-5) | Lý do |
|---|---|---|
| Feasible | ?/5 | |
| Interesting | ?/5 | |
| Novel | ?/5 | |
| Ethical | ?/5 | |
| Relevant | ?/5 |
Bước 2: Bây giờ dùng AI để đánh giá. Sao chép Prompt 2 ở Phần 4.3.
Bước 3: So sánh đánh giá của bạn và của AI. Có khác biệt không? Tại sao?
Bước 4: Dựa trên đánh giá AI, tinh chỉnh câu hỏi của bạn để cải thiện điểm yếu nhất.
6.3. Thực hành 3: Peer Review theo cặp (10 phút)
Đây là thực hành quan trọng — vì AI không thay thế được con mắt phản biện của đồng nghiệp.
Tổ chức: Chia nhóm 2 người (A và B).
Bước 1 (3 phút): A trình bày câu hỏi PICO của mình cho B nghe. B im lặng nghe.
Bước 2 (3 phút): B đặt 3 câu hỏi phản biện cho A:
- "Bạn lấy đâu ra đủ bệnh nhân?"
- "Outcome này đo bằng cách nào?"
- "Đã có ai làm cái này ở Việt Nam chưa? Có gì khác biệt?"
Bước 3 (3 phút): Đổi vai. B trình bày, A phản biện.
Bước 4 (1 phút): Mỗi người ghi lại 1 điểm cần cải thiện từ phản biện của bạn cùng nhóm.
💡 Mẹo: Phản biện càng "khó tính" càng tốt — đây là lúc duy nhất bạn nhận được phản biện trước khi đối mặt với hội đồng đề tài hoặc reviewer của tạp chí!
📋 PHẦN 7: CHECKLIST KIẾN THỨC SAU BÀI HỌC
Kiến thức cốt lõi
- [ ] Phân biệt được "chủ đề" và "câu hỏi nghiên cứu"
- [ ] Định nghĩa được PICO và 4 thành tố P, I, C, O
- [ ] Định nghĩa được FINER và 5 tiêu chí F, I, N, E, R
- [ ] Phân biệt được câu hỏi - mục tiêu - giả thuyết
- [ ] Phân biệt được H₀ và H₁, 1-tailed và 2-tailed
Kỹ năng thực hành
- [ ] Đã viết được câu hỏi PICO hoàn chỉnh cho ý tưởng của mình
- [ ] Đã sử dụng AI để tạo và đánh giá câu hỏi nghiên cứu
- [ ] Đã đánh giá câu hỏi của bản thân theo 5 tiêu chí FINER
- [ ] Đã viết được giả thuyết H₀ và H₁
- [ ] Đã thực hiện peer review với đồng nghiệp
Thái độ
- [ ] Sẵn sàng chỉnh sửa câu hỏi nhiều lần
- [ ] Thận trọng với câu trả lời "đẹp" của AI
- [ ] Cung cấp đủ bối cảnh khi dùng AI
📖 PHẦN 8: CÂU HỎI THẢO LUẬN
Câu hỏi cá nhân:
- Sau bài học, bạn đánh giá lại ý tưởng nghiên cứu ban đầu thế nào? Có cần thay đổi không?
- Trong 5 tiêu chí FINER, tiêu chí nào khó đáp ứng nhất với bối cảnh của bạn? Tại sao?
- AI đã giúp bạn nhận ra điểm yếu nào trong câu hỏi mà bạn chưa thấy?
Câu hỏi nhóm:
- Tại Việt Nam, "Novel" thường được hiểu thế nào? Có khác với tạp chí quốc tế không?
- Làm thế nào để cân bằng giữa "Feasible" (khả thi với điều kiện hạn chế) và "Relevant" (có ý nghĩa lớn)?
- Khi BV của bạn ít bệnh nhân thuộc đối tượng nghiên cứu, bạn nên: thu hẹp tiêu chuẩn lựa chọn hay kéo dài thời gian thu thập?
Câu hỏi phản biện:
- AI có thể tạo ra "câu hỏi nghiên cứu giả tạo" — nghe rất hay nhưng không có giá trị thực — không? Làm sao tránh?
- Nếu AI gợi ý một câu hỏi nghiên cứu rất hay, và bạn quyết định theo gợi ý đó, có vấn đề về quyền tác giả/tính độc lập của ý tưởng không?
- Trong bối cảnh tài nguyên hạn chế ở VN, có nên ưu tiên "Feasible" hơn "Novel" không?
📚 TÀI LIỆU THAM KHẢO BÀI 5
Sách giáo khoa
- Hulley, S. B., Cummings, S. R., Browner, W. S., Grady, D. G., & Newman, T. B. (2013). Designing Clinical Research (4th ed.) — Chapter 2: Conceiving the Research Question and Developing the Study Plan. Lippincott Williams & Wilkins.
- Đại học Y Hà Nội. (2020). Phương pháp Nghiên cứu Khoa học Y học. NXB Y học. (Chương: Xây dựng câu hỏi nghiên cứu)
- Portney, L. G. (2020). Foundations of Clinical Research: Applications to Evidence-Based Practice (4th ed.). F.A. Davis Company.
Bài báo khoa học chính
- Sackett, D. L., Rosenberg, W. M., Gray, J. A., Haynes, R. B., & Richardson, W. S. (1996). Evidence based medicine: what it is and what it isn't. BMJ, 312(7023), 71-72. (Bài kinh điển giới thiệu PICO)
- Riva, J. J., Malik, K. M., Burnie, S. J., Endicott, A. R., & Busse, J. W. (2012). What is your research question? An introduction to the PICOT format for clinicians. The Journal of the Canadian Chiropractic Association, 56(3), 167-171.
- Fandino, W. (2019). Formulating a good research question: Pearls and pitfalls. Indian Journal of Anaesthesia, 63(8), 611-616.
Tài liệu chuyên về AI và câu hỏi nghiên cứu
- Stanford Medicine. (2024). AI in Healthcare Specialization — Module 1: Research Question Formulation. Coursera.
- Anthropic & OpenAI. (2024). Best Practices for Research Question Refinement Using LLMs. (Available online).
Hướng dẫn quốc tế
- Cochrane. (2023). Cochrane Handbook for Systematic Reviews of Interventions — Chapter 2: Defining the criteria for including studies. https://training.cochrane.org/handbook
- CONSORT. (2025). CONSORT 2025 Statement — yêu cầu báo cáo câu hỏi nghiên cứu rõ ràng.
Khóa học online
- Coursera — "Understanding Clinical Research: Behind the Statistics" (University of Cape Town). https://www.coursera.org
- edX — "Clinical Research: From Proposal to Publication" (Harvard).
Các nguồn trực tuyến
- PICO worksheet templates: https://libguides.umassmed.edu/PICO
- FINER criteria explained: https://blogs.cochranelibrary.com (search "FINER")
Bối cảnh Việt Nam
- Bộ Y tế Việt Nam. (2024). Hướng dẫn xây dựng đề cương nghiên cứu khoa học cấp cơ sở.
- Tạp chí Y học Việt Nam — Hướng dẫn cho tác giả: https://tapchinghiencuuyhoc.vn
✅ ĐÁP ÁN CÁC CHECKPOINT
Checkpoint 1:
- Chủ đề — quá chung chung, chưa biết nghiên cứu gì cụ thể
- Câu hỏi nghiên cứu — có đủ P (bệnh nhân lao phổi mới chẩn đoán tại BV Phổi TƯ), O (tỷ lệ tuân thủ và yếu tố liên quan), thời gian (6 tháng đầu)
- Chủ đề — chưa biết thuốc gì, hiệu quả gì, ở ai
Checkpoint 2:
P = Bệnh nhân nhồi máu cơ tim cấp ST chênh lên (STEMI) đến BV Tim Hà Nội trong 12 giờ đầu
I = Can thiệp mạch vành qua da tiên phát (primary PCI)
C = Điều trị tiêu sợi huyết đơn thuần
O = Tỷ lệ tử vong 30 ngày
→ Đây là một câu hỏi PICO rất tốt — đầy đủ và cụ thể.
Checkpoint 3:
Phân tích:
- F (Feasible): 1/5 ❌ — Vấn đề lớn nhất! BV huyện thường không có 5000 bệnh nhân NMCT trong 6 tháng. Bác sĩ năm 1 chưa có kỹ năng Deep Learning.
- I (Interesting): 4/5 ✅ — Chủ đề thú vị, AI đang là xu hướng
- N (Novel): 3/5 ⚠️ — Đã có nhiều mô hình AI dự đoán tử vong NMCT, cần chỉ ra điểm khác biệt
- E (Ethical): 4/5 ✅ — OK nếu dùng dữ liệu hồi cứu và bảo mật tốt
- R (Relevant): 3/5 ⚠️ — Mô hình từ BV huyện khó generalize
Kết luận: Câu hỏi này không khả thi vì F quá thấp. Cần điều chỉnh: hợp tác với BV tuyến trên, hoặc thay bằng nghiên cứu mô tả đơn giản hơn ở BV huyện.
Checkpoint 4:
Đáp án đúng: C — Phản hồi với ChatGPT, cung cấp đủ context và yêu cầu phương án thực tế hơn.
Lý do:
- (a) sai — không khả thi, sẽ thất bại
- (b) sai — quá vội bỏ cuộc, có thể điều chỉnh được
- (c) đúng — đây là cách dùng AI thông minh: phản hồi với constraints, AI sẽ điều chỉnh
- (d) sai — giảm cỡ mẫu không có cơ sở thống kê có thể làm nghiên cứu vô nghĩa
Prompt phản hồi mẫu:
"Bệnh viện tôi chỉ có ~15 bệnh nhân/tháng, ngân sách 30 triệu, thời gian 12 tháng. Hãy đề xuất phương án thực tế: (1) câu hỏi nghiên cứu có thể trả lời được với ~150 bệnh nhân; (2) outcome đơn giản hơn; (3) thiết kế phù hợp với nguồn lực hạn chế."
🎓 KẾT LUẬN BÀI 5
Chúc mừng bạn đã hoàn thành Bài 5 — bài học có thể nói là quan trọng nhất của Module 1. Hãy nhớ ba thông điệp cốt lõi:
💡 Thông điệp 1: Câu hỏi nghiên cứu là GPS của toàn bộ nghiên cứu. Một câu hỏi tốt = nghiên cứu thành công 50%. Đừng vội — hãy dành đủ thời gian cho bước này.
💡 Thông điệp 2: PICO giúp bạn viết đúng cấu trúc, FINER giúp bạn viết câu hỏi đáng làm. Cả hai đều cần thiết — không bỏ qua được tiêu chí nào.
💡 Thông điệp 3: AI là trợ lý xuất sắc để tinh chỉnh câu hỏi, nhưng chỉ khi bạn cung cấp đủ bối cảnh thực tế và luôn phản biện câu trả lời. Bạn — không phải AI — là người quyết định cuối cùng.
Soạn giả: Đoàn Thái Hòa
Phiên bản: 1.0 (2026)
Liên hệ: thaihoadoanbrvt@gmail.com
Phản hồi: Mọi góp ý xin gửi về email
"A problem well stated is a problem half solved."
— Charles Kettering("Một vấn đề được phát biểu rõ ràng là vấn đề đã được giải quyết một nửa.")
- Đăng nhập để gửi ý kiến
