Utilisation de la gravimétrie pour la validation des préparations de chimiothérapie intraveineuse: données européennes

Utilisation de la gravimétrie pour la validation des préparations de chimiothérapie intraveineuse: données européennes

J’ai déjà parlé d’une étude réalisée dans une grande clinique de chimiothérapie ambulatoire américaine qui avait implanté un système de contrôle des préparations stériles par gravimétrie. Cet article était paru en février 2016 dans l’AJHP. 7,1% des 15 843 préparations faites avec le système durant une période d’un an comportaient une erreur de dose d’un composant, dont 3% lors d’une reconstitution de poudre, 26% lors d’un scan de code-barre et 71% lors de la mesure de dose avant l’injection dans le sac de diluant. Les auteurs ont noté des problèmes avec les petits volumes et avaient dû exclure ceux-ci de l’analyse.

L’article dont je vous parle aujourd’hui, sur le même sujet, a été publié à la fin avril, provient d’Europe, et est d’envergure beaucoup plus grande que l’étude précédente. Il s’agit du même système commercial de gravimétrie. L’étude était rétrospective et avait pour objectif de décrire le nombre de préparations qui étaient à l’extérieur des limites prévues par chaque centre participant, de même que le nombre de doses à l’extérieur d’un seuil de 10 et de 20% d’écart par rapport à la dose. 10 centres ont contribué à l’étude, incluant 759 060 préparations faites par 245 techniciens.

Les limites de tolérance habituelle par centre variaient de 2,5 à 6%, avec une différence maximale de centre en centre allant jusqu’à 3,5%. Cependant, certains médicaments avaient une tolérance beaucoup plus grande, allant jusqu’à 30% (!) en raison de particularités de formulation selon les auteurs. Malheureusement, très peu de détails sont donnés sur ces raisons, ce qui aurait été intéressant, d’autant plus que ces médicaments étaient le plus souvent le bortezomib, la vincristine, le methotrexate et la cytarabine. On mentionne simplement dans un paragraphe de la discussion que cette tolérance « étendue » pourrait être liée à la précision de petits volumes à mesurer.

Le taux de préparations hors cible était en moyenne de 7,89%, ou 10,44% après un ajustement pour le nombre de préparations par centre. Les centres avec le plus de préparations en dehors des seuils de 10% et de 20% étaient aussi ceux avec le plus de déviations en général. De manière contre-intuitive, les centres avec les limites les plus strictes étaient aussi ceux avec le moins grand nombre de déviations, et vice-versa. On imagine que ce pourrait-être lié aux méthodes de travail, à l’équipement et au volume de travail de certains centres.

9,5% des doses n’ont pas été préparées adéquatement du premier coup, avec un intervalle de 6,6 à 19%. Les auteurs ont observé que les préparations effectuées le plus fréquemment étaient aussi celles avec le moins de déviations, ce qui indique un certain effet de l’habitude de préparation sur la précision.

Les auteurs soulignent aussi que les déviations étaient plus fréquentes lorsque les doses à mesurer étaient très petites. Ceci concorde bien avec les résultats de l’étude américaine de l’année dernière. L’étude présente des graphiques assez connus sur la précision de seringues; plus on mesure des petits volumes dans une seringue, plus la précision de celle-ci est mauvaise. Peut-on faire le lien entre des petits volumes mesurés en seringues et les déviations observées pour les petites doses ? L’étude ne présente malheureusement aucune donnée sur cette hypothèse spécifique. Il s’agit pourtant d’un problème très important, en particulier dans le contexte de la pédiatrie où les doses de tous les médicaments, pas seulement la chimiothérapie, peuvent être extrêmement petites.

Je trouve l’article intéressant en raison du volume de données qu’il apporte, on voit ici un portrait très réel de l’utilisation d’un tel système. Il semble que le système permette réellement de produire des doses plus précises qu’avec un système de vérification volumétrique. Malheureusement, il manque certaines informations pour bien comprendre la portée des résultats:

  • L’étendue de l’utilisation du système dans les centres participants n’est pas décrite. Y avait-il des préparations exclues du système, comme dans l’étude américaine ? Le système était-il utilisé pour autre chose que la chimiothérapie ?
  • Le problème des petits volumes semble important; si la tolérance doit être augmentée jusqu’à 30% pour réussir à préparer ces doses, y a-t-il réellement un avantage au système par rapport à la volumétrie ? Je ne vois pas clairement dans l’étude la proportion des médicaments préparés qui présentaient ce problème.
  • Le système se fie à la densité programmée dans sa bibliothèque pour évaluer si la masse d’un produit correspond bien à la dose prévue. Cependant, les auteurs indiquent que la densité peut varier de lot en lot (ce qui est normal en fonction de la teneur de l’ingrédient actif, de différences d’excipients, etc). Ceci introduit un élément de variabilité qui ne semble pas pris en compte.
  • Nous n’avons toujours pas de données comparatives avec un système volumétrique (par exemple, une comparaison pré-post). Le taux de détection d’erreurs est-il réellement meilleur avec la gravimétrie ? Il demeure qu’environ 90% des doses  préparées dans l’étude étaient adéquates du premier coup, donc la gravimétrie a simplement confirmé que la préparation réalisée (avec des seringues !) était correcte.
Retour sur le congrès du PPAG 2017

Retour sur le congrès du PPAG 2017

J’ai eu la chance d’aller au congrès du PPAG 2017 à Charlotte, en Caroline du Nord. Les deux premières journées du congrès se concentraient sur la technologie et la sécurité des médicaments en pédiatrie, c’était en plein dans mon champ d’intérêt! Je vous fais part ici de quelques ressources et idées qui ont émergé des conférences auxquelles j’ai assisté.

Le discours d’ouverture de la conférence était par Michael R. Cohen, président et fondateur de l’Institute for Safe Medication Practices (ISMP), qui a présenté une rétrospective des efforts de prévention des erreurs médicamenteuses des 20 dernières années par l’ISMP, et en particulier en pédiatrie. Les sujets abordés incluaient:

  • Les stratégies proactives de prévention des erreurs, plutôt que réactives et les outils développés ou supportés par l’ISMP, comme:
    • Les systèmes de déclaration et diffusion des erreurs.
    • L’amélioration de la communication pour les ordonnances verbales.
    • La prescription électronique.
    • L’élimination des abréviations, l’attention aux décimales et aux unités.
    • Les vérifications indépendantes pour la prescription, la dispensation et l’administration (comme le code-barre).
    • Les pompes intelligentes et la standardisation des concentrations pour les perfusions.
    • L’utilisation du système métrique pour tous les poids et mesures dans le système de santé.
    • L’implication du patient.
    • L’amélioration de l’emballage et de l’étiquetage des médicaments (notamment l’élimination des ratios 1:1000 ou 1:10 000  pour l’épinéphrine).
    • Les changements aux connecteurs pour éviter l’injection accidentelle de produits pour voie orale.
  • Plusieurs exemples d’erreurs liées aux médicaments dans les 20 dernières années et les stratégies qui ont été mises en place pour les prévenir.

Je retiens certains commentaires du présentateur sur l’importance de la sélection des noms de médicaments afin de prévenir leur confusion (les médicaments look-alike, sound-alike). Quelques articles récents sont revenus sur ce sujet; en particulier il semble que la nomenclature TALLman pourrait être moins efficace qu’attendu. Il faudra se pencher davantage sur cet enjeu dans le futur.

À une présentation sur l’utilisation des excipients en pédiatrie, j’ai appris l’existence d’une banque de données appelée Safety & Toxicity of Excipients for Paediatrics (STEP Database). Cette banque de données permet d’obtenir des informations sur la désignation chimique, le rôle, le statut réglementaire, les synonymes et les doses d’un excipient. Elle détaille aussi la littérature sur l’utilisation d’un excipient dans les différentes populations pédiatriques.

Il y avait une présentation malheureusement trop courte sur les principes d’utilisation des pompes « intelligentes ». Les pharmaciens connaissent en général assez bien les principes d’élaboration et d’utilisation des bibliothèques créées pour ces pompes car ils sont directement impliqués dans cette démarche. Cependant, ils connaissent souvent moins les principes physiques affectant la fiabilité de l’opération des pompes, en particulier:

  • Le lien entre la taille des seringues, la compliance des plastiques des seringues et des tubulures, et la réponse aux changements de pression.
  • Le lien entre la compliance, l’atteinte de l’équilibre du débit et les alarmes d’occlusion.
  • Le lien entre le positionnement vertical des pompes et les effets d’aspiration ou les bolus accidentels.
  • Les fonctions de purge assistée des pompes par rapport aux purges manuelles et l’atteinte et la stabilité du débit.

La présentatrice a donné plusieurs liens vers des ressources de formation sur ces principes. J’ai l’impression que si les pharmaciens étaient plus au fait de ces principes, bien des événements liés aux pompes qui sont actuellement simplement mis sur le compte d’une « défaillance » seraient mieux compris. Les ressources présentées étaient:

Une présentation par le pharmacien responsable de l’informatique clinique à St. Jude comportait une superbe revue de littérature sur les alertes dans les dossiers électroniques. Au Québec, on est bien loin de pouvoir appliquer ces principes dans un dossier clinique informatisé, mais les alertes dans les logiciels de pharmacie mériteraient davantage d’attention et pourraient être interprétées et améliorées avec ces principes. La classification des alertes proposée peut être retrouvée dans un article de l’AJHP. Les stratégies pour la réduction de la désensibilisation aux alertes (alert fatigue) qui ont été présentées incluaient:

  • Un suivi serré des données sur la génération et l’affichage des alertes, avec la compilation de statistiques dans un tableau de bord (la fréquence d’affichage, la fréquence de contournement avec ou sans justification, et le temps entre l’affichage d’une alerte et sa résolution), combiné à un suivi de la valeur perçue par les cliniciens à l’aide de sondages. Il y a d’ailleurs une publication sur le tableau de bord, et le sondage qu’ils utilisent est un instrument de mesure validé !
  • L’ajustement des alertes par classe de médicaments et en fonction du contexte du patient (notamment l’horaire des médicaments et les résultats de laboratoire).
  • La suppression sélective de certaines alertes de faible valeur (notamment la suppression des alertes de duplication au complet, une idée intéressante dans le contexte des logiciels de pharmacie au Québec…).

Le point principal que je retiens de cette présentation est que l’ajout d’alertes ne peut plus être considéré comme un geste banal, il faut démontrer que celles-ci ont une valeur pour le clinicien qui les recevra et devra les gérer afin d’éviter la désensibilisation.

Une autre présentation portait sur la standardisation des préparations magistrales orales, par un pharmacien impliqué dans le projet de registre des préparations magistrales au Michigan, dont j’ai déjà parlé et au sujet duquel un article est paru dans l’AJHP. À la lumière d’un incident récent au Canada lié aux préparations magistrales, il me semble très important d’aller dans le même sens au Québec, vers une standardisation des préparations magistrales et surtout des pratiques de préparation. La norme de l’Ordre des pharmaciens en ce sens est déjà un énorme pas dans la bonne direction. Cependant, il faut trouver des solutions pour éviter que ces normes se traduisent en un problème d’accès aux médicaments pour les patients en raisons de délais ou de couverture d’assurance; la standardisation peut être une solution à cela en intégrant certaines magistrales aux listes de couverture. Le présentateur a annoncé qu’un panel avait été formé en suivi à cette campagne de standardisation, pour recommander des formulations standardisées basées sur certains critères:

  • La publication de la recette dans un journal révisé par les pairs.
  • Une stabilité de plus de 7 jours.
  • La facilité de préparation (absence de tests de pH ou ingrédients difficiles à trouver).
  • La sécurité de la mesure (idéalement une concentration de 1 mg/mL, tout en tentant d’éviter la possibilité d’erreurs de 10 fois la dose ou des doses de moins de 0,1 mL).
  • Des ingrédients sans sucre pour la diète cétogène, sans colorants et culturellement acceptés.
  • Des concentrations communes.
  • La présence d’une monographie USP.

Le présentateur a également annoncé qu’une initiative similaire avec les préparations magistrales stériles serait entreprise.

Une autre présentation sur les préparations magistrales stériles et non stériles ciblait davantage la nouvelle réglementation américaine. En partant des événements d’il y a quelques années aux États-Unis où des pharmacies faisant des préparations magistrales stériles avaient eu des problèmes de contamination et de contrôle de qualité qui ont mené à plusieurs décès, la réglementation a été bonifiée afin que la FDA (et non seulement les ordres des pharmaciens des états) ait la capacité de superviser et d’intervenir lorsqu’une pharmacie fait des préparations en grande quantité ou avec un risque élevé. Les points saillants de cette présentation sont:

  • Deux niveaux de réglementation de la FDA existent maintenant, l’un pour la petite échelle dans le contexte « traditionnel » des préparations magistrales (en lien avec une ordonnance, petite quantité…) appelé « 503A », et un autre dans le contexte d’une préparation déléguée à une pharmacie externe, à plus grande échelle ou à risque élevé, appelé « 503B ». À noter que la réglementation pour les préparations sous le « 503B » requiert la conformité aux bonnes pratiques de fabrication (GMP), et non à l’USP 797, ce qui est beaucoup plus exigeant. Il y a aussi des normes différentes pour le contrôle de qualité, l’étiquetage et les dates limites d’utilisation selon chaque niveau.
  • Il existe une liste de produits non admissibles aux préparations magistrales qui a été mise en place pour éviter la préparation lorsque le risque est jugé trop grand ou que la préparation est trop difficile.
  • Il y aura aussi des lignes directrices séparées pour la préparation des produits biologiques.
  • Les préparations magistrales qui sont des « copies » de médicaments commercialement disponibles sont sujettes à des restrictions supplémentaires (par exemple il faut qu’il y ait une raison clinique du point de vue du patient de recourir à une magistrale ou que le produit soit en rupture de stock), et ces restrictions varient selon le niveau de réglementation applicable.

Tous les détails de cette réglementation se retrouvent sur le site de la FDA. Ce que je retiens surtout de cette présentation est que la réglementation sur les préparations stériles se bonifie graduellement. L’introduction des bonnes pratiques de fabrication dans le contexte de préparations « magistrales » stériles (tout de même à grande échelle) me semble un événement majeur qui sera à suivre. D’ailleurs, dans la discussion qui a suivi, j’ai appris qu’au moins deux grosses organisation de santé américaines ont décidé de se doter d’une salle de préparation conforme aux GMP afin de pouvoir faire des préparations selon la norme « 503B ».

Enseignement de l’informatique clinique en pharmacie

Enseignement de l’informatique clinique en pharmacie

J’ai déjà parlé de Partners in E, un programme d’une faculté de pharmacie californienne hébergé par HIMSS qui propose un curriculum standardisé à intégrer aux programmes de Pharm.D pour l’enseignement de l’informatique en santé.

Le pharmacien Alexandre Chagnon (@AlexandrChagnon) m’a également fait part via Twitter d’un programme de formation canadien provenant de l’Association des Facultés de Pharmacie du Canada développé en partenariat avec des universités canadiennes et Inforoute Santé du Canada.

J’ai lu récemment dans le American Journal of Pharmaceutical Education un énoncé sur la formation en informatique clinique et les carrières en informatique pour les pharmaciens. L’article est bien écrit, je crois que c’est un must pour bien comprendre les enjeux par rapport à ce sujet.

L’article débute par une perspective historique sur l’évolution de l’informatique en santé et de son enseignement, puis discute des exigences de certification aux États-Unis pour les facultés de pharmacie, de même que des composantes d’informatique dans ces exigences. Suit une comparaison avec les programmes similaires en soins infirmiers et en médecine.

Les initiatives existant en pharmacie sont détaillées, incluant Partners in E et même le programme canadien !

Les dernières pages de l’article comportent une liste de références et approches suggérées en informatique de pharmacie, découpée par étape du circuit du médicament et par objectif. Cette liste en elle-même est un outil très intéressant.

Un second article est prévu pour présenter un plan pour former des pharmaciens qui se destinent à devenir des experts en informatique clinique.

Réduction du nombre d’appels pour clarification avec la prescription électronique

Réduction du nombre d’appels pour clarification avec la prescription électronique

La saisie et la validation des ordonnances à la pharmacie d’un établissement de santé requiert régulièrement des appels aux infirmières et aux médecins afin d’obtenir des précisions sur des ordonnances mal écrites, ou dont les instructions sont contradictoires ou ambigues. Dans le contexte de la prescription électronique, les appels pour illisibilité sont (en théorie) éliminés, mais il demeure que les instructions inscrites, même en électronique, peuvent requérir des clarifications. Il peut aussi être nécessaire d’obtenir d’autres informations qui ne sont pas nécessairement incluses dans l’ordonnance comme le poids, la taille ou les allergies d’un patient. Dans le cas où des pharmaciens sont présents sur les unités de soins, les appels peuvent être dirigés vers eux afin de faciliter l’obtention de l’information, mais ce n’est pas toujours possible.

Une étude publiée récemment s’est intéressée à ce problème. Elle avait pour objectif d’évaluer l’impact de l’ajout d’alertes dynamiques lors de la prescription électronique sur le nombre d’appels requis pour clarifier les ordonnances à la pharmacie.

Dans un centre hospitalier et ses cliniques affiliées située au Mississippi, utilisant un dossier électronique commercial, des alertes ont été ajoutées permettant d’aviser le prescripteur au moment même où il rédige l’ordonnance lorsque:

  • Le prescripteur n’était pas indiqué.
  • La pharmacie n’était pas indiquée.
  • Les spécifications pour les ordonnances de médicament contrôlés n’étaient pas rencontrées.
  • Les instructions pour l’administration ou pour les données patient étaient trop longues ou fractionnées.
  • Les instuctions étaient à la fois entrées en champs granulaires et en texte libre.

On voit qu’il s’agit ici d’une validation technique plutôt que clinique, mais j’ose imaginer, même si ce n’est pas clairement indiqué, que les appels pour clarification en pré-intervention étaient souvent réalisés pour ces éléments. 9 mois de données de prescription ont été extraites en pré et en post intervention, puis, en fonction d’un calcul de puissance, 301 ordonnances en pré et 301 en post ont été sélectionnées aléatoirement. Un pharmacien et une infirmière ont révisé ces prescriptions pour déterminer si un appel de clarification aurait été nécessaire. À noter, il ne s’agit donc pas ici d’un dénombrement des appels réellement effectués. Un calcul de coûts en fonction du salaire des intervenants impliqués à aussi été effectué.

En pré intervention, 61 ordonnances sur 301 (20,3%) auraient généré un appel contre 39 sur 301 (13,0%) en post, une différence significative.  Cette réduction du nombre d’appels était associée à des coûts en temps épargné de 76$ par tranche de 100 ordonnances.

L’article a évidemment plusieurs limites. Personnellement, les éléments de validation technique ajoutés me semblent être surtout liés à une mauvaise fonctionnalité du système de prescription électronique. Dans les systèmes que j’ai vus en pratique, les problèmes de sauts de ligne et de longueur de champs ne sont pas fréquents. Cependant, dépendamment des systèmes, l’absence de nom de prescripteur et les instructions en texte libre qui sont ambigues ou qui discordent avec les champs granulaires sont assez fréquents.

En ce sens, je trouve qu’il s’agit d’un bon article sur une problématique pour laquelle les données manquent. La plupart de la littérature citée par les auteurs provient des pharmacies communautaires, et les différences en validation d’ordonnances par rapport à la pratique en établissement me font douter de la généralisation de ces données.

Il y a donc ici une opportunité pour mieux quantifier ce problème en établissement de santé, et en particulier dans un contexte de prescription à la main ou avec divers systèmes et modèles de pratique.

Détection de noms de médicaments similaires

Détection de noms de médicaments similaires

Je parlais récemment d’affichage de noms de médicaments dans les systèmes informatiques. Les difficultés rencontrées avec cet affichage découlent en partie des noms de médicaments similaires, désignés en anglais par l’acronyme LASA (Look-alike, sound-alike). Un nouvel article dans le dernier AJHP discute de ce problème. Les auteurs ont développé un algorithme permettant d’identifier les erreurs potentielles liées à des paires de médicaments aux noms similaires. L’article se concentre sur la confusion entre la cyclosérine et la cyclosporine, deux médicaments précédemment identifiées comme ayant un nom similaire à risque de confusion et inclus sur la liste des « TALLman » de l’ISMP.

Un algorithme d’identification des paires de médicaments à risque a été développé à l’aide de 3 critères extraits du dossier électronique:

  1. Le médicament prescrit n’était pas justifié par un diagnostic actif.
  2. Un autre médicament au nom similaire (selon un certain seuil) existe.
  3. L’indication de cet autre médicament correspond à un diagnostic actif ou est présent dans l’historique de médicaments.

Afin d’exécuter cet algorithme, une banque d’indications des médicaments a été obtenue d’un fournisseur commercial, les données diagnostiques du dossier électronique ont été extraites (les codes ICD-9) et les 10 dernières années de prescriptions électroniques dans l’institution des auteurs ont été analysées en fonction de ces données. Un traitement extensif des données a été nécessaire pour réaliser l’analyse et est détaillé dans le texte. La similairité des noms de médicaments a été évaluée à l’aide de l’algorithme BI-SIM, un score de 0 à 1 caractérisant la similarité de deux chaînes de texte qui a déjà été étudié pour prédire le risque de confusion entre les médicaments. La paire cyclosporine/cyclosérine a un score de 0,83.

Toutes les prescriptions de cyclosérine de 2008 à 2014 ont été extraites. 16 ordonnances de cyclosérine ont été identifées, et les dossiers ont été revus manuellement. De celles-ci, 11 étaient des erreurs de confusion avec la cyclosporine. Dans 10 cas, la prescription a été faite mais changée par la suite. Dans un cas, il semble que le patient ait reçu de la cyclosérine, mais à la seule analyse du dossier cela demeurait incertain. Il est à souligner que ces deux médicaments étaient identifés par une nomenclature « TALLman » dans le dossier électronique, ce qui remet encre une fois en doute l’efficacité de cette mesure.

Les auteurs concluent en soulignant qu’une alerte basée sur l’indication aurait probablement permis d’éviter ces erreurs, en alertant le prescripteur au fait que la cyclosérine, un médicament pour la tuberculose, et rarement utilisé, n’était pas indiqué pour les patients en question. Cependant, ils mentionnent aussi qu’il est ardu de mettre en place un tel algorithme De leur propre expérience, une grande quantité de travail manuel a été nécessaire pour d’abord établir la liste d’indications par médicament à partir d’une banque de données commerciales, puis pour relier les diagnostics du dossier électronique à ces indications, sachant que les données extraites des dossiers électroniques sont hautement variables.

Variations dans la nomenclature des médicaments en prescription électronique

Variations dans la nomenclature des médicaments en prescription électronique

J’ai parlé il y a quelque temps de l’importance la nomenclature des médicaments dans les systèmes informatiques de santé, incluant les systèmes de pharmacie, les dossiers électroniques et la prescription électronique. Un article publié dans le dernier AJHP amène des données intéressantes sur cet enjeu. Il s’agit d’un article qui avait pour objectif de décrire la variabilité des noms de médicaments utilisés dans 10 systèmes de prescription électronique utilisés dans 6 organisations de santé américaines. Les logiciels évalués incluaient des systèmes locaux de même que des produits commerciaux. Des tests ont été développés par un pharmacien de l’équipe de recherche pour pour générer des alertes, en particulier pour les duplications. Des sessions à distance ont été menées avec les utilisateurs locaux du système de manière standardisée, afin de bien évaluer l’interaction normale des utilisateurs avec le système. De plus, dans un site en particulier, les données de 4 millions d’ordonnances émises entre 2011 et 2015 ont été extraites et analysées en détail.

Les auteurs ont observé une énorme variabilité dans la manière dont les médicaments étaient nommés et affichés dans les systèmes, par exemple l’affichage de médicaments en nom générique ou original, selon ce qui avait été prescrit, dans les listes de médicaments. Ça vaut la peine de lire le texte complet pour voir tous les exemples. L’analyse détaillée d’un site a montré que la plupart des prescriptions étaient faites en nom générique, sauf pour les produits combinés, pour lesquels 77,3% des prescriptions étaient faites en nom commercial.

Divers problèmes ont été notés, notamment la présence de 3137 duplications où le même médicament, avec la même posologie, avait été prescrit deux fois, une fois avec le nom générique et une fois avec le nom commercial, et l’alerte générée en réponse à cette duplication avait probablement été ignorée ou désactivée. L’affichage de noms multiple pour le même médicament, parfois dans le même écran, a été obervée. Enfin, la présence de noms « maison » incluant des modificateurs locaux (par exmple des indications, ou des restrictions) a été observée.

Les auteurs terminent en listant les principes émis par l’ISMP pour l’affichage des noms de médicaments:

  • Lister à la fois le nom générique et le nom commercial.
  • Inclure l’indication dans la prescription pour éviter les erreurs liées aux noms de médicaments similaires qui n’ont pas la même indication.
  • Différencier les noms de médicaments similaires à l’aide de modifications de police de caractères ou l’utilisation de majuscules [à souligner: la recherche tend plutôt à démontrer que le TALLman lettering a une efficacité douteuse, voir un article précédemment publié et un autre dans le même numéro de l’AJHP dont je parlerai plus tard].

Je trouve qu’il s’agit d’un bon article, mais il manque de preuves que les problèmes soulevés ont un impact réel. Je ne doute pas que ce soit un problème, encore faut-il le démontrer pour justifier des changements dans cette pratique. Néanmoins, malgré le peu de données probantes sur le sujet, il faut bien décider d’une manière d’afficher les noms de médicaments dans les systèmes, et il est tout à fait vrai que la nomenclature peut entraîner de la confusion et des erreurs. Il s’agit un sujet de recherche très intéressant.

Biais cognitif lié à l’aide à la décision

Biais cognitif lié à l’aide à la décision

Les systèmes d’aide à la décision gagnent en popularité avec l’informatisation croissante des dossiers médicaux, en particulier dans le contexte de la prescription électronique. Il existe également de tels outils intégrés aux systèmes d’information pharmacie, notamment pour la détection d’interactions médicamenteuses. Néanmoins, l’impact clinique de tels systèmes est sujet à débat, en particulier quand on constate à quel point les alertes générées peuvent être de pertinence clinique douteuse, ou bien lorsque des problèmes importants ne sont pas détectés.

Cette étude avait pour objectif d’évaluer la présence de biais cognitif induit par les systèmes d’aide à la décision, notamment l’omission de problèmes en absence d’alerte, les interventions inappropriées en présence d’alertes inexactes, et l’impact des interruptions et de la complexité des tâches sur ces éléments.

120 étudiants en médecine dans les deux dernières années de leur formation dans des universités australiennes ont participé à l’étude.  Chaque participant devait compléter des scénarios de simulation les exposant à neuf situations, soit une situation contrôle sans aide à la décision, une aide à la décision adéquate et une aide à la décision inadéquate, chacune en condition normale, en présence d’interruptions et en présence d’une tâche plus complexe. Durant chaque scénario, ils devaient prescrire des médicaments dans un logiciel simulé en présence d’un contexte clinique réaliste. Les scénarios ont été développés et révisés par plusieurs spécialistes, incluant des pharmaciens, afin de s’assurer que ceux-ci étaient adéquats. Notamment, les prescriptions à faire étaient représentatives des responsabilités des étudiants en médecine, et les erreurs à détecter étaient sans ambiguité et clairement à éviter. De plus, les participants étaient avisés que les alertes fournies par le système pouvaient être inexactes ou absentes.

4065 prescriptions ont été faites, comportant 1049 erreurs, incluant les non-prescriptions de médicaments requis. 70% de ces erreurs ont été induites par les scénarios, et 30% ont été jugées comme originant purement des participants. Tous les participants ont fait au moins une erreur.

Comparativement à la situation contrôle, l’aide à la décision adéquate a réduit les erreurs de prescription de 58,8%, alors que l’aide à la décision incorrecte a augmenté les erreurs de prescription de 86,6%. Fait intéressant, les interruptions et la complexité du scénario n’ont pas affecté significativement les biais cognitifs induits par l’aide à la décision. Les résultats complets sont bien plus détaillés, ça vaut la peine de lire le texte complet pour bien en comprendre toutes les nuances.

Les auteurs soulignent que les participants avaient de la difficulté à déterminer si les alertes d’aide à la décision étaient correctes ou non, et même si des omissions avaient lieu.

Je trouve l’article pertinent car il illuste comment l’aide à la décision peut avoir un impact positif si les alertes sont bien paramétrées et adéquates, et comment les effets de cette technologie peuvent être délétères en présence d’omissions ou d’alertes inadéquates. Bien sûr, la tâche de paramétrage d’un système d’aide à la décision est colossale. Bien souvent, la possibilité de personnaliser les alertes, d’en ajouter ou d’en désactiver est inexistante ou limitée, et le nombre d’alertes livrées avec le système est très grand, rendant la révision de celles-ci une par une irréaliste. Plusieurs articles ont décrit les problèmes liés à l’inclusion de nombreuses alertes pour des raisons légales ou administratives, et ont fait des recommandations pour filtrer ce contenu. Encore faut-il avoir les ressources et la capacité technique de le faire.

Revue systématique sur l’administration des médicaments assistée par code-barre

Revue systématique sur l’administration des médicaments assistée par code-barre

J’ai déjà parlé à plusieurs reprises de code-barre. Plusieurs articles récents décrivent les bénéfices de cette technologie pour aider à la traçabilité des médicaments tout au long de leur circuit en établissement de santé, pour améliorer la documentation de la vaccination, pour sécuriser le processus de préparation stérile des médicaments et pour remplacer la vérification contenant-contenu visuelle par le pharmacien, entre autres. Ce nouvel article est une revue systématique des effets de l’administration des médicaments assistée par code-barre (barcode medication administration), lorsqu’elle est combinée à la prescription électronique. au formulaire d’administration des médicaments électronique (eMAR) et à la dispensation des doses automatisée (par cabinets ou robots, par exemple). Toutes ensembles, ces technologies forment une boucle fermée allant de la prescription à l’administration, en anglais on parle de closed-loop medication administration system. Par boucle fermée on entend qu’il n’y a aucune retranscription de la prescription jusqu’à l’administration et que tout le processus est sécurisé électroniquement; cela suppose une interface avec le système pharmacie ou une intégration de celui-ci au même système que le reste, ce que bien des publications négligent malheureusement de décrire.

Une revue de littérature de Medline, PubMed et Embase entre 1992 à 2015 a été effectuée de manière systématique. 430 publications ont été identifiées, dont 393 ont été exclues sur la base du sujet ou des données rapportées. 30 autres ont été exclues car elles ne parlaient pas de code-barre dans le contexte d’une boucle fermée. Enfin, 2 autres ont été exclues car l’une n’était qu’un rapport préliminaire et l’autre ne comprenait pas de système avec prescription électronique. 5 articles ont donc ultimement été inclus, dont 3 avec un devis d’observation directe pour la collecte des données et 2 qui étaient basées sur des déclarations volontaires d’erreurs.

Globalement, 2 articles parmi les trois basées sur l’observation directe ont trouvé une diminution des erreurs non reliées au moment d’administration de 4,6% et 4,7% (en absolu), soit de 11,5 à 6,8% pour la première, et 8 à 3,4% pour la deuxième. Une augmentation de l’incidence de distractions (15,5 à 25,2%) et de l’administration sans explications au patient (10,9 à 14,9%) a été observée dans la deuxième étude, probablement en raison de la nécessité d’interaction avec le système informatique au moment de l’administration. La troisième étude a trouvé une diminution de 3,7% en absolu des erreurs de tous types, soit de de 7 à 4,3%. La première étude a également constaté une élimination complète des erreurs de transcription.

En ce qui a trait aux études basées sur des déclarations volontaires, la première a trouvé une augmentation des erreurs (20 erreurs par millions de doses contre 38), ce qui était probablement lié simplement à une meilleure détection, considérant une diminution relative de 75% des erreurs ayant touché le patient observée de manière concomitante. La dernière étude a quant à elle observé une différence non significative des erreurs de 2,89 par 10 000 doses contre 1,48.

Les auteurs soulignent que leur revue ne considérait que les études sur l’administration assistée par code-barre dans le contexte d’un circuit fermé avec prescription électronique, administration des médicaments informatisée et dispensation automatisée. Un autre article de revue paru en 2009 et cité par les auteurs évaluait le code-barre sans le contexte du circuit fermé, cependant cet article commence à dater un peu. Considérant l’état actuel du système de santé canadien (les auteurs sont de la Colombie-Britannique), il aurait été intéressant de présenter quelques données dans des systèmes sans prescription électronique ou avec des transcriptions à l’entrée ou à la sortie du système pharmacie.

Néanmoins, cet article est intéressant et permet de se faire une bonne idée des bénéfices attendus avec cette technologie.

Utilisation d’une bibliothèque d’ordonnances pré-rédigées dans un hôpital américain

Utilisation d’une bibliothèque d’ordonnances pré-rédigées dans un hôpital américain

Malgré plusieurs articles qui décrivent l’impact positif d’ordonnances pré-rédigées (order sets) utilisées seules ou comme partie d’un groupe d’interventions pour améliorer la prise en charge de divers problèmes, peu de publications détaillent les systèmes en place pour gérer et diffuser ces ordonnances.

L’article présenté ici est un « abrégé » (plutôt long) présenté au congrès de l’American Medical Informatics Association. Le texte complet est disponible gratuitement sur PubMed Central, ce qui est rare pour le contenu de l’AMIA.  L’article décrit la mise en place du logiciel Cerner EHR dans une organisation de soins de santé américaine située en Utah. L’organisation est énorme et englobe 22 hôpitaux, 1 hôpital pédiatrique, 185 cliniques externes, 18 cliniques communautaires et un plan d’assurance. Près de la moitié des résidents de l’Utah sont suivis dans cette organisation. Le logiciel mis en place permet le développement d’ordonnances pré-rédigées et permet à chaque prescripteur de développer des ordonnances personnalisées dérivées des modèles institutionnels. Suite à l’implantation du système, un tableau de bord d’indicateurs a été développé pour permettre l’analyse de l’utilisation des ordonnances pré-rédigées et pour fournir de la rétroaction à leurs auteurs. Les données d’utilisation de 12 mois, de février 2015 à février 2016, ont été extraites.

Les fonctionnalités du tableau de bord étaient entre autres:

  • Afficher les volumes d’utilisation de chaque ordonnance, découpés en utilisation du modèle de base et de variantes personnalisées.
  • Afficher l’utilisation d’une ordonnance en fonction du temps, découpé par version et par modèle.
  • Détailler les versions de chaque ordonnance, incluant les dates et heures de versions, les auteurs, ainsi que les différents changements dans chaque modèle standard et dans chaque version personnalisée.
  • L’évolution schématisée graphiquement des éléments individuels inclus dans l’ordonnance pré-rédigée, notamment ce qui a été ajouté, retiré ou modifié.

Dans les données d’une année qui ont été extraites, les auteurs ont constaté que 107 auteurs avaient développé plus de 1400 modèles standards d’ordonnances pré-rédigées, cependant moins de la moitié de ce qui avait été développé avait été réellement utilisé. Près de 300 000 instances d’utilisation ont été collectées. Ils ont constaté que différents départements avaient une approche très différente, par exemple le département de cardiologie ne permettait pas la personnalisation de ses modèles tandis que d’autres départements encourageaient cette pratique. Les utilisateurs avaient tendance à créer des modèles personnalisés des ordonnances pré-rédigées simplement pour en changer le nom à quelque chose qu’ils étaient plus susceptibles de retrouver facilement, plutôt qu’à en changer le contenu. En effet, 80% du volume d’ordonnances générées à partir de ces documents était conforme au contenu standard. Une fonctionnalité utile du logiciel était que les mises à jour du modèle standard étaient poussées aux modèles personnalisés, diminuant ainsi le risque d’utiliser une ordonnance désuète. Les auteurs considèrent que leur tableau de bord s’est avéré utile pour améliorer le développement des ordonnances pré-rédigées. Ils citent en exemple les ordonnances post-partum qui ont été modifiées suite à l’examen des données d’utilisation.

Il est cependant souligné que la non utilisation d’une grande quantité d’ordonnances pré-rédigées est préoccupante, car un formulaire non utilisé pourrait devenir désuet ou même diverger de nouvelles recommandations cliniques. Les auteurs suggèrent de considérer la suppression d’ordonnances pré-rédigées inactives pour un certain temps et pour réduire les ressources nécessaires au maintien de la bibliothèque.

Je trouve cet article intéressant car il décrit bien les problèmes vécus dans la gestion d’une grande bibliothèque d’ordonnances pré-rédigées, et il montre bien comment l’informatisation d’un tel processus peut avantageusement inclure un volet de collecte de données, d’indicateurs et d’analytique.

Nouvel article sur l’utilisation du DSQ pour les ordonnances initiales à l’urgence

Nouvel article sur l’utilisation du DSQ pour les ordonnances initiales à l’urgence

Cet article est le troisième à ma connaissance sur l’utilisation des données du DSQ pour la rédaction d’ordonnances dans le cadre du bilan comparatif des médicaments à l’admission. Le premier était dans le contexte de la pédiatrie et le deuxième en adulte. Dans ce deuxième article, on évaluait en particulier un nouvel outil de Cristal-Net permettant l’affichage des informations du DSQ directement dans le dossier clinique informatisé de manière à faciliter la represcription à l’urgence, souvent avant l’élaboration du MSTP et la réalisation du bilan comparatif.

Cette nouvelle étude a aussi été réalisée au CHU de Québec mais sur un site différent (à l’hôpital Enfant-Jésus plutôt qu’à l’Hôtel-Dieu) et après l’autre étude, soit du 6 au 31 juillet 2015. À cet hôpital, contrairement à celui de l’étude précédente, le processus de BCM en place antérieurement incluait la saisie des informations transmises par les pharmacies communautaires dans le système d’information pharmacie comme étape initiale pour la réalisation du BCM.

Les patients installés sur civière à l’urgence durant la période de collecte qui ont eu une ordonnance rédigée à partir de l’outil informatique du DSQ dans Cristal-Net et qui ont eu un profil pharmacologique de leur pharmacie communautaire versé au dossier ont été inclus, et ont été suivis jusqu’à la fin de leur hospitalisation. Les divergences ont été notées et catégorisées, et les problèmes d’utilisation de l’outil informatique ont été notés.

118 patients ont été inclus, dont 59 ont été admis. L’âge moyen était de 70±15,8 ans. 1617 médicaments ont été relevés sur les formulaires et 867 ont été represcrits, pour une moyenne de 7,3±4,5 médicaments prescrits par formulaire. 17 duplications ont été identifiées et 8 ordonnances ont été faites pour des médicaments non renouvelés depuis plus de 90 jours. 111 patients avec profil de pharmacie communautaire au dossier ont été inclus pour l’analyse des divergences, dont 58 admis. Fait intéressant, dans 46,6% des cas, le formulaire d’ordonnances a été imprimé après l’obtention du profil de pharmacie communautaire.

641 divergences ont été identifiées, dont 13,1% étaient intentionnelles et documentées, 70% intentionnelles et non documentées, et 16,8% non intentionnelles. En contraste, dans l’étude précédente, plus de la moitié des divergences intentionnelles étaient documentées. La majorité des divergences non intentionnelles concernaient des médicaments absents du DSQ. À la fin de l’étude, 42,4% des divergences intentionnelles non documentées ou non intentionnelles ont été résolues, dont 84,3% de celles-ci dans les 24 heures de l’admission. 42,2% des divergences ont été résolues par les équipes médicales, 4,4% par les urgentologiques et 53,3% par les pharmaciens.

Les auteurs notent que depuis la mise en place de ce processus, une justification est maintenant requise pour la prescription de médicaments à haut risque, afin de sécuriser le processus. Élément très important à souligner, 83,3% des divergences non intentionnelles ont été résolues suite à l’intervention des pharmaciens à la distribution dans cette étude (comparativement à 30,4% dans l’étude précédente), ce que les auteurs attribuent à une meilleure connaissance de l’outil que dans le précédent projet.

Je trouve cette étude intéressante car elle ajoute aux connaissances sur l’impact du DSQ en pratique comme outil de prescription lors de l’arrivée à l’urgence et lors de l’admission. Ce qui est clair, c’est que cet outil constitue un point de départ intéressant pour la réalisation du MSTP et du BCM, mais qu’il ne doit pas être utilisé seul et qu’il ne faut certainement pas s’y fier aveuglément. De plus, la vigilance des pharmaciens de la distribution, lors de la validation des ordonnances d’admission, est nécessaire pour l’identification d’éventuelles divergences.