Articles de la semaine

ANGLETERRE, UNE MÉTHODE POUR ANALYSER LE TEXTE LIBRE D’ORDONNANCES ÉLECTRONIQUES EN COMMUNAUTÉ

Cette étude présente une application du machine learning, partiellement assisté par des humains. Les chercheurs visaient à développer un algorithme pour analyser le texte libre associé aux ordonnances électroniques de soins primaires en Angleterre. L’article est disponible en texte complet gratuitement sur PubMed Central.

Les auteurs ont noté que le texte libre, contrairement aux champs à usage spécifique, était surtout utilisé pour décrire la variabilité dans la prise de doses, par exemple « prendre 1 à 2 fois par jour si besoin ». On comprend donc que le système de prescription électronique en place ne permettait pas de noter cette variabilité dans les champs spécifiques.

Une banque d’environ 200 prescriptions extraites du registre national contenant plus de 56 000 prescriptions en texte libre ont été utilisées pour construire des règles permettant d’interpréter le texte libre et de le coder sous forme de données analysables. Trois personnes ont validé indépendamment les résultats de cette phase d’apprentissage, qui a montré un succès de plus de 90% pour interpréter le texte.

Par la suite, les règles ont été appliquées aux 56 114 prescriptions du registre. Faits à souligner, près du quart des ordonnances comportaient une variabilité dans au moins un des paramètres (dose, fréquence, jours de prise). Malgré tout, seulement 0,72% des prescriptions n’ont pu être interprétées. Pour environ 20% des ordonnances, au moins un paramètre n’a pas pu être interprété (dose minimale, maximale, fréquence ou intervalle).

Je trouve cet article intéressant en raison des stratégies d’interprétation des instructions posologiques qui sont très bien décrites et analysées. Les auteurs décrivent bien comment découper du texte de prescription de manière à le rendre interprétable par une machine. Dans le contexte de la prescription électronique, ces règles devraient servir à concevoir les champs utilisés pour spécifier les posologies. Et surtout, il est nécessaire de prévoir une manière de coder les paramètres variables dans des champs spécifiques, pour éviter de se retrouver avec un problème d’interprétation de texte libre.

CONSENSUS international SUR LES ALERTES ÉLECTRONIQUES POUR L’INSUFFISANCE RÉNALE AIGUE

Cette publication est le résultat d’une conférence d’experts internationaux qui sont arrivés à un consensus sur les caractéristiques des alertes électroniques d’insuffisance rénale aigue. Une revue de la littérature (malheureusement non systématique) combinée à un processus Delphi ont été utilisés pour mener au consensus. Le texte complet est disponible gratuitement sur PubMed Central.

Les grandes lignes sont:

  1. Les études sont hétérogènes et contradictoires, en plus d’être hautement dépendantes de la manière dont chaque alerte a été évaluée et des pratiques locales.
  2. La mise en place d’une alerte électronique doit prendre en compte beaucoup de facteurs, dont la fiabilité de l’alerte et sa « philosophie », le contexte clinique, la méthode d’alerte, le niveau de dérangement causé, et les attentes en termes de résultat clinique.
  3. La performance des alertes mises en place devraient être mesurées en terme d’assurance-qualité, de réponse des cliniciens et d’issues cliniques.
  4. L’alerte devrait mener à une réponse clinique, à la confirmation du diagnostic par le médecin, à la documentation dans le dossier électronique, et au suivi des paramètres du patient.

Ce qui est bien de ce consensus, c’est que malgré qu’il ait été fait spécifiquement pour l’insuffisance rénale aigue, on pourrait pratiquement l’exporter tel quel à une grande variété d’autres situations.

Autriche et france, les lacunes des fonctions d’alertes électroniques reliées à la médication

Cet article de revue avait pour objectif de caractériser les problèmes reliés au design des fonctions d’alertes électroniques reliées à la médication présentes dans les systèmes de dossiers médicaux électroniques et de prescription électronique.

La méthode de recherche, sélection et révision des articles est décrite en détail. 6380 publications ont été identifiées pour finalement aboutir à 26 qui ont rencontré les critères d’éligibilité, soit des articles ciblant des fonctions d’alertes électroniques dans des systèmes de prescription électronique de médicaments, en milieu communautaire ou en hôpital général (excluant l’urgence, et l’anesthésiologie), décrivant les problèmes d’utilisation de manière objective, et avec une qualité de méthode et de description acceptable.

Les résultats ont montré d’abord des problèmes qualifiés de généraux, en ce sens qu’ils pourraient être observés dans n’importe quel programme informatique et pas spécifiquement dans la prescription de médicaments:

  • Une mauvaise présentation visuelle, l’illisibilité, ou le manque de visibilité
  • La surcharge d’information ou une densité d’information trop élevée
  • De l’information imprécise ou un message d’erreur imprécis
  • Un comportement du système non constant d’alerte en alerte
  • Certains types d’utilisateurs ne voyant pas des alertes pertinentes pour eux
  • L’impossibilité de prendre l’action appropriée à partir de l’affichage de l’alerte

D’autres problèmes étaient spécifiques aux fonctions reliées à la médication:

  • L’affichage d’alertes peu pertinentes ou intempestives (ratio signal/bruit faible)
  • Un contenu d’alerte non à jour ou erroné
  • L’absence de texte décrivant le problème ou l’absence de références
  • L’affichage au mauvais moment durant la prescription
  • L’alerte ne s’affichant pas à la bonne personne
  • L’alerte ne pouvant pas être reportée ou vue de nouveau
  • L’alerte ne pouvant pas être transférée à un autre utilisateur

Ces éléments devraient donc être pris en considération par les personnes qui programment les alertes affichées par des systèmes informatiques.

Laisser un commentaire

Entrer les renseignements ci-dessous ou cliquer sur une icône pour ouvrir une session :

Logo WordPress.com

Vous commentez à l’aide de votre compte WordPress.com. Déconnexion /  Changer )

Photo Google+

Vous commentez à l’aide de votre compte Google+. Déconnexion /  Changer )

Image Twitter

Vous commentez à l’aide de votre compte Twitter. Déconnexion /  Changer )

Photo Facebook

Vous commentez à l’aide de votre compte Facebook. Déconnexion /  Changer )

Connexion à %s

This site uses Akismet to reduce spam. Learn how your comment data is processed.