🏥 Khoa Sản và Khoa Cấp cứu — Hai tình huống, hai phân phối
Tình huống 1 — Binomial: Khoa Sản, Bệnh viện Từ Dũ
Khoa Sản của Bệnh viện Từ Dũ, Thành phố Hồ Chí Minh, là một trong những khoa sản lớn nhất cả nước với trung bình 50 sản phụ nhập viện mỗi ngày. Qua thống kê nhiều năm, tỷ lệ biến chứng sản giật (preeclampsia) trong quá trình chuyển dạ là 8% (p = 0.08). Một buổi sáng, bác sĩ trực hỏi: "Trong 10 sản phụ sắp vào phòng sinh, khả năng có đúng 1 ca bị sản giật là bao nhiêu?" Đây là một bài toán Binomial thuần túy: n = 10, p = 0.08, k = 1. Tính: C(10,1) × 0.08¹ × 0.92⁹ = 10 × 0.08 × 0.472 = 0.378 = 37.8%. Nói cách khác, cứ khoảng 3 buổi sáng thì có 1 buổi có đúng 1 ca sản giật trong số 10 sản phụ.
Câu hỏi mở rộng: "Khả năng có ít nhất 1 ca sản giật (tức là ≥ 1) là bao nhiêu?" Đây là câu hỏi thực tế hơn cho bác sĩ trực — họ cần chuẩn bị tinh thần và nguồn lực. P(≥ 1) = 1 − P(0) = 1 − C(10,0) × 0.08⁰ × 0.92¹⁰ = 1 − 1 × 1 × 0.434 = 0.566 = 56.6%. Hơn một nửa số buổi sáng sẽ có ít nhất một ca sản giật — một con số đáng để khoa sản luôn trong tư thế sẵn sàng cấp cứu.
Tình huống 2 — Poisson: Khoa Cấp cứu, Bệnh viện Chợ Rẫy
Khoa Cấp cứu Bệnh viện Chợ Rẫy ghi nhận trung bình 3 ca nhồi máu cơ tim cấp (NMCT) mỗi ngày (λ = 3). Bác sĩ trưởng khoa muốn biết: "Xác suất để một ngày chúng ta có đúng 5 ca NMCT — một ngày 'bão' — là bao nhiêu?" Sử dụng Poisson: P(X = 5) = e^(−3) × 3⁵ / 5! = 0.0498 × 243 / 120 = 0.1008 = 10.1%. Có nghĩa là khoảng 10% số ngày (tức 36-37 ngày/năm) khoa sẽ phải đối mặt với 5 ca NMCT — một con số đáng để lên kế hoạch nhân lực và giường bệnh.
Câu hỏi tiếp theo: "Xác suất có ít hơn 2 ca (tức 0 hoặc 1 ca) — một ngày yên tĩnh — là bao nhiêu?" P(0) = e^(−3) = 0.0498 ≈ 5%; P(1) = e^(−3) × 3¹ / 1! = 0.1494 ≈ 15%. Vậy P(ngày yên tĩnh) = P(0) + P(1) = 5% + 15% = 20%. Hai mươi phần trăm số ngày — tức khoảng 73 ngày/năm — khoa chỉ có 0-1 ca NMCT. Sự khác biệt giữa ngày yên tĩnh và ngày bão là rất lớn, và Poisson cho phép khoa lượng hóa chính xác sự biến động này để điều phối nguồn lực một cách hợp lý.
📚 Cửa sổ học thuật — Điều kiện áp dụng Binomial: Để một tình huống lâm sàng có thể mô hình hóa bằng phân phối Binomial, cần thỏa mãn bốn điều kiện sau, được gọi là "các điều kiện Bernoulli": (1) Cố định số lần thử (n) — ví dụ 10 sản phụ, không phải "cho đến khi có biến chứng". (2) Mỗi lần thử chỉ có hai kết cục — thành công (biến chứng) hoặc thất bại (không biến chứng). (3) Xác suất thành công p không đổi qua các lần thử — mỗi sản phụ đều có cùng nguy cơ sản giật 8%, không phụ thuộc vào yếu tố tuổi, tiền sử... (4) Các lần thử độc lập — việc một sản phụ bị sản giật không ảnh hưởng đến xác suất của sản phụ khác. Trong thực tế, điều kiện (3) và (4) thường bị vi phạm (bệnh nhân có yếu tố nguy cơ khác nhau, dịch bệnh có tính lây nhiễm...), và khi đó Binomial chỉ là một xấp xỉ. Tuy nhiên, với mục đích giáo dục và ước lượng nhanh, nó vẫn là một công cụ vô giá.
Tác động lâm sàng: Nếu bác sĩ trưởng khoa Sản biết rằng P(≥ 1 ca sản giật) = 56.6%, bà sẽ không bao giờ để trực một mình bác sĩ sản nhi khoa vào buổi sáng. Luôn cần có ít nhất hai người có kinh nghiệm xử trí sản giật trực cùng lúc. Tương tự, bác sĩ trưởng khoa Cấp cứu, biết rằng 10% số ngày có 5 ca NMCT, sẽ không bao giờ bố trí chỉ một bác sĩ tim mạch trực. Các phân phối xác suất rời rạc không chỉ là bài tập toán học — chúng là công cụ quản lý nguồn nhân lực và đảm bảo an toàn cho bệnh nhân.
