Những sai lầm phổ biến khi phân tích nguyên nhân

Trong thực tế, chẩn đoán có thể lệch hướng ngay từ bước đầu nếu người phân tích đã chọn sẵn một lời giải thích rồi chỉ tìm dữ kiện phù hợp với nó. Các nghiên cứu về lỗi chẩn đoán cũng ghi nhận những hiện tượng như anchoring, confirmation bias và premature closure có thể khiến người phân tích giữ nguyên ấn tượng ban đầu dù xuất hiện thông tin trái chiều.

Nhầm triệu chứng với nguyên nhân

Đây là lỗi cơ bản nhưng rất dễ xảy ra: lấy hiện tượng quan sát được làm “nguyên nhân” thay vì tiếp tục truy tìm yếu tố tạo ra hiện tượng đó.

Ví dụ, một hệ thống thường xuyên bị gián đoạn. Nếu kết luận “nguyên nhân là hệ thống bị lỗi” thì thực chất mới chỉ mô tả vấn đề. Cần tiếp tục phân tích xem lỗi xuất phát từ cấu hình, quy trình vận hành, dữ liệu đầu vào, thay đổi gần đây hay một điều kiện nào khác.

Điểm cần phân biệt là:

·         Triệu chứng: điều đang xảy ra và có thể quan sát được

·         Nguyên nhân trực tiếp: yếu tố tạo ra sự cố trong điều kiện cụ thể

·         Nguyên nhân góp phần: yếu tố làm sự cố dễ xảy ra hơn hoặc làm hậu quả nghiêm trọng hơn

·         Nguyên nhân gốc: yếu tố ở mức hệ thống hoặc quy trình mà nếu được xử lý phù hợp sẽ làm giảm khả năng vấn đề tái diễn

Nếu dừng ngay ở triệu chứng, giải pháp thường chỉ xử lý phần biểu hiện. Vì vậy, một kết luận nguyên nhân tốt phải giải thích được vì sao hiện tượng xảy ra, chứ không chỉ đặt lại tên cho hiện tượng.

Bám vào giả thuyết đầu tiên và bỏ qua dữ liệu trái chiều

Một trong những sai lầm khi phân tích nguyên nhân nguy hiểm nhất là anchoring: giả thuyết đầu tiên xuất hiện trở thành điểm neo, sau đó các dữ kiện mới được diễn giải theo giả thuyết đó.

Confirmation bias làm vấn đề nghiêm trọng hơn khi người phân tích chủ yếu tìm hoặc chú ý đến bằng chứng ủng hộ giả thuyết ban đầu. AHRQ mô tả premature closure là việc kết thúc quá trình suy xét quá sớm, trong khi anchoring là tiếp tục bám vào ấn tượng ban đầu dù thông tin mới mâu thuẫn với nó.

Một cách kiểm soát đơn giản là buộc quá trình phân tích phải trả lời thêm:

1.    Dữ kiện nào đang ủng hộ giả thuyết này?

2.    Dữ kiện nào đang chống lại nó?

3.    Nếu giả thuyết này sai, nguyên nhân thay thế nào có thể giải thích cùng hiện tượng?

4.    Có thông tin mới nào đủ mạnh để buộc phải xem lại kết luận ban đầu?

Câu hỏi thứ hai đặc biệt quan trọng. Một phân tích chỉ thu thập bằng chứng xác nhận sẽ rất dễ biến giả thuyết thành “sự thật” trước khi được kiểm chứng.

Dùng 5 Whys như một công thức cố định

5 Whys là một kỹ thuật hữu ích để đào sâu từ triệu chứng đến các lớp nguyên nhân. ASQ lưu ý rằng quá trình này có thể cần ít hoặc nhiều hơn năm lần hỏi “Why?” để đi đến nguyên nhân phù hợp; con số năm không phải một ngưỡng bắt buộc.

Sai lầm xuất hiện khi người phân tích biến nó thành chuỗi máy móc:

Vấn đề → Why 1 → Why 2 → Why 3 → Why 4 → Why 5 → “root cause”

Mỗi câu trả lời trong chuỗi phải được kiểm tra về quan hệ nhân quả. Nếu câu trả lời chỉ là một phỏng đoán, việc hỏi “Why?” tiếp theo sẽ tạo ra một chuỗi suy luận ngày càng xa dữ liệu thực tế.

Ngoài ra, một vấn đề có thể có nhiều nhánh nguyên nhân, thay vì chỉ một đường nguyên nhân duy nhất. ASQ cũng cho biết Five Whys có thể được kết hợp với brainstorming hoặc cause-and-effect diagram trong quá trình phân tích.

Vì vậy, 5 Whys nên được xem là công cụ đào sâu, không phải bằng chứng tự thân rằng nguyên nhân cuối cùng đã đúng.

Kết luận khi dữ liệu chưa đủ để xác minh quan hệ nhân quả

Một nguyên nhân nghe hợp lý chưa có nghĩa là nó đã được chứng minh.

Ví dụ, hai sự kiện xảy ra gần nhau về thời gian không đủ để kết luận rằng sự kiện thứ nhất gây ra sự kiện thứ hai. Người phân tích cần xem xét:

·         Có cơ chế nào giải thích quan hệ này không?

·         Quan hệ có lặp lại trong các trường hợp tương tự không?

·         Có yếu tố thứ ba cùng tác động lên cả hai không?

·         Có dữ liệu nào mâu thuẫn với giả thuyết không?

·         Nếu loại bỏ nguyên nhân được cho là chính, vấn đề có thực sự giảm hay không?

Đây là lý do một phân tích tốt cần phân biệt correlation với causation. Nếu chưa đủ bằng chứng, kết luận nên được giữ ở mức giả thuyết thay vì trình bày như một sự thật chắc chắn.

Trong các lĩnh vực có tính chẩn đoán cao, lỗi thu thập dữ liệu cũng có thể làm sai toàn bộ quá trình suy luận. AHRQ ghi nhận các vấn đề như thu thập bệnh sử không đầy đủ, khám sơ sài, thiếu xét nghiệm hoặc không theo dõi bất thường đều có thể góp phần tạo ra lỗi chẩn đoán.

Chỉ tìm một nguyên nhân và bỏ qua yếu tố hệ thống

Một sự cố thường không hình thành từ một yếu tố duy nhất. Có thể tồn tại đồng thời:

Nguyên nhân trực tiếp → yếu tố góp phần → điều kiện tạo thuận lợi → điểm yếu của hệ thống

Nếu chỉ tìm một cá nhân, một thao tác hoặc một lỗi cuối cùng trong chuỗi, phân tích dễ biến thành quy lỗi thay vì tìm hiểu cơ chế khiến sự cố có thể xảy ra.

Trong phân tích lỗi chẩn đoán, AHRQ phân biệt cả yếu tố con người và yếu tố hệ thống, chẳng hạn thu thập dữ liệu sai, không theo dõi bất thường, giao tiếp kém hoặc quy trình xét nghiệm không hiệu quả. Nhiều trường hợp có sự kết hợp của cả hai nhóm yếu tố.

Do đó, sau khi xác định một nguyên nhân trực tiếp, nên hỏi thêm:

·         Điều gì cho phép nguyên nhân đó xảy ra?

·         Vì sao hệ thống không phát hiện hoặc ngăn chặn nó sớm hơn?

·         Có điều kiện nào khiến lỗi dễ lặp lại?

·         Nếu chỉ sửa hành vi của một cá nhân, vấn đề có còn khả năng tái diễn không?

Cách đặt câu hỏi này giúp phân tích chuyển từ “ai gây ra?” sang “cơ chế nào khiến sự cố có thể xảy ra và lặp lại?”.

Không kiểm tra lại kết luận sau khi đã có “nguyên nhân”

Phân tích nguyên nhân không kết thúc ở thời điểm tìm được một lời giải thích hợp lý. Cần có bước xác minh ngược.

Một nguyên nhân đáng tin cậy nên vượt qua ít nhất ba phép kiểm tra:

1.    Why: Nó giải thích được vì sao vấn đề xảy ra như thế nào?

2.    Proof: Dữ liệu hoặc bằng chứng nào hỗ trợ kết luận?

3.    Boundary: Trong điều kiện nào kết luận này không còn đúng?

Có thể bổ sung một phép kiểm tra thực tế: nếu xử lý nguyên nhân được giả định, chỉ số hoặc hiện tượng liên quan có thay đổi theo dự kiến hay không.

Đây cũng là cách giảm premature closure. Trong chẩn đoán, AHRQ khuyến nghị chủ động xem xét khả năng thay thế, đánh giá lại giả thuyết khi dữ liệu mới xuất hiện và chú ý đến phản ứng không như dự kiến với xử lý ban đầu.

Một kết luận tốt vì thế không chỉ trả lời “nguyên nhân là gì?”, mà còn phải trả lời được “dựa vào đâu biết đó là nguyên nhân?” và “khi nào kết luận này có thể sai?”.

Sai lầm khi phân tích nguyên nhân thường không nằm ở việc thiếu một kỹ thuật duy nhất, mà ở cách người phân tích sử dụng dữ liệu và kiểm soát suy luận. Bốn điểm cần đặc biệt tránh là nhầm triệu chứng với nguyên nhân, bám vào giả thuyết ban đầu, dùng 5 Whys một cách máy móc và kết luận khi quan hệ nhân quả chưa được kiểm chứng. Khi phân tích được mở rộng đến các yếu tố góp phần, điều kiện hệ thống và bằng chứng trái chiều, chẩn đoán sẽ ít bị lệch hướng hơn.