Fréquence de l’indication dans les ordonnances électroniques destinées à la communauté

Plusieurs articles parus dans les dernières années sont clairs sur la nécessité d’inclure l’indication dans les ordonnances afin de prévenir les erreurs liées à la dispensation du mauvais médicament. On peut facilement s’imaginer comment ceci peut survenir dans le cas d’ordonnances manuscrites, mais on constate le même problème avec les ordonnances électroniques, notamment dans le cas de médicaments ayant un nom similaire qui peuvent se retrouver côte à côte dans des menus déroulants.

Une nouvelle étude parue dans l’AJHP de juillet visait à quantifier la présence de l’indication dans les ordonnances électroniques rédigées à l’intention de patients en communauté.

Les auteurs ont extrait les instructions posologiques en texte libre des ordonnances émises en clinique ambulatoire d’une organisation de santé américaine sur une période de 5 ans, de 2011 à 2015 inclusivement. Une approche de traitement du langage a été utilisée pour extraire les indications de ce texte libre. Le programme utilisé est intéressant et a été initialement décrit en 2011. Il s’agit d’une approche prometteuse qui permet même d’interpréter les négations (ex: « ne pas prendre si… ») dans le texte. Un contrôle de qualité a été fait sur 10% des ordonnances pour valider l’extraction.

4 356 086 ordonnances ont été analysées. L’indication était présente dans 7,4% de celles-ci. Parmi les ordonnances incluant l’indication, 77% avaient été prescrites avec une posologie au besoin (« PRN »). Les auteurs détaillent le taux d’indications par spécialité médicale et par indication. De façon peu surprenante, les indications qui correspondent davantage à des prises au besoin (ex: douleur, anxiété, nausée, toux, prurit, insomnie) avaient davantage d’ordonnances incluant l’indication dans les instructions posologiques. Des résultats par classe et par molécule sont aussi présentés.

Je trouve cette étude intéressante car elle démontre qu’il y a encore beaucoup de chemin à faire pour inclure l’indication dans les ordonnances: la vaste majorité des ordonnances analysées ne la comportaient pas, quoique les données dataient quand même un peu. Les auteurs concluent que la recherche devrait examiner les designs des logiciels de prescription électronique qui favorisent l’inclusion de l’indication, et je suis d’accord avec cela.

Effets d’un système de préparations stériles avec gravimétrie sur la détection d’erreurs et le temps de préparation

Un nouvel article sur les systèmes d’assistance aux préparations stériles avec gravimétrie est paru dans l’AJHP du mois de juillet. Cet article vient du même centre ayant décrit en 2018 l’implantation du même système dans le contexte des produits stériles dangereux. Les auteurs affirment qu’il s’agit ici de la première étude sur un tel système dans le contexte des préparations stériles non dangereuses. Une méthode très similaire à leur autre étude a été utilisée. À noter, le dernier auteur est en conflit d’intérêts avec le manufacturier du système étudié, ce qui teinte négativement cette étude.

L’étude a eu lieu dans un centre académique américain de 803 lits avec des patients adultes et pédiatriques. Le centre a implanté le système avec gravimétrie pour remplacer une technique de préparation sans technologie. Les auteurs parlent d’un système « volumétrique » avant l’implantation. Ceci pourrait être mal interprété en croyant que le système remplacé était un logiciel avec prise de photos ou de vidéos. En réalité, le centre utilisait la méthode « syringe pull-back » (je n’ai pas de bonne traduction française), cette technique qui semble prévalente aux États-Unis (je n’ai jamais entendu parler de ça au Québec !) où le technicien préparateur ramène le piston de la seringue du produit injecté dans un contenant au volume pré-injection pour que le pharmacien vérifie le volume. On comprend donc ici le risque considérable d’erreurs de préparation. Il était donc facile pour cette étude de détecter une amélioration puisque le point de départ était loin d’être optimal.

Les temps de préparation des produits stériles en période pré ont été compilés sur des formulaires papier à l’aide d’un horodateur durant une période de 14 jours. Les données sur les taux d’erreurs durant la période pré ont été compilées lors d’une étude précédente réalisée en 2015, encore une fois avec des formulaires papier. Après l’implantation, les données étaient extraites du logiciel de préparation. Les taux d’erreurs de préparation ont été comparés entre la phase pré et les 90 jours post-implantation, et les temps de préparation ont été comparés entre la période pré et 90 jours et 180 jours post. Les erreurs ont été catégorisées en erreurs de dose et erreurs de produit/diluant. Point positif à noter, les erreurs de produits détectées par le système ont été exclues par les chercheurs si elles étaient sans conséquence, comme par exemple la sélection d’une fiole non ouverte du bon produit pour lequel une fiole ouverte était disponible (étais-ce ce genre de détection qui propulsait à la hausse les taux d’erreurs de sélection de produit dans d’autres études récemment publiées ?) Des opinions par rapport au produit et au flot de travail ont aussi été collectés.

Autre point important à noter, seulement 15 produits ont été inclus dans l’étude. On ignore combien de types de préparations sont faites dans cette unité de production stérile et on ignore quels sont ces 15 produits.

Pour les taux d’erreurs, selon les auteurs, en phase pré, 116 686 préparations ont été incluses, avec 0,12% d’erreurs de produit ou de diluant, et 0,13% d’erreurs de dose. En période post, 5195 préparations ont été incluses avec 6366 erreurs détectées par le logiciel dont 2176 incluses dans l’étude, avec 0,79% d’erreurs de produit et 41,23% d’erreurs de dose. Les différences de taux d’erreurs détectées sont statistiquement significatives.

J’ai de la difficulté à comprendre les chiffres présentés. Les auteurs affirment que seuls 15 produits ont été inclus en pré comme en post, et les deux périodes étaient de 90 jours pour la détection d’erreurs, alors comment est-il possible que 22 fois plus de préparations aient été compilées en pré ? L’article n’apporte pas de clarification sur ce point. Autre élément surprenant, le système a détecté en moyenne plus d’une erreur à chaque préparation ! Dans le contexte de l’aide à la décision, on parle sans cesse de alert fatigue. Si un système de ce type génère en moyenne plus d’une alerte à chaque dose, il me semble qu’il y a un risque de désensibilisation. Aussi, un taux d’erreurs de dose de 41% me semble tout simplement aberrant. Dans la discussion, les auteurs expliquent que certaines alertes catégorisées comme erreurs de dose dans le système n’en sont pas réellement. Ils parlent aussi du problème récurrent, rapporté dans toutes les études sur ce système à ma connaissance, de l’incapacité de bien mesurer les petits volumes par gravimétrie. Enfin, l’analyse statistique n’a tenté aucune évaluation ou correction pour le fait que près de 3 ans séparent les deux phases; d’autres changements dans la pratique ont-ils eu lieu qui pourraient expliquer ces différences ?

En ce qui a trait au temps, on constate une augmentation du temps nécessaire pour préparer le matériel requis et du temps de préparation avec le système, ainsi qu’une diminution du temps de vérification par le pharmacien, mais une augmentation du temps total par préparation. Évidemment, il est difficile d’interpréter ces chiffres puisque la durée d’une préparation dépend grandement de sa complexité et on ignore quelles préparations étaient incluses dans l’étude.

En bref, il s’agit d’une autre étude sur les systèmes d’assistance aux préparations stériles, et d’une autre sur les systèmes avec gravimétrie, mais ces études continuent d’être affectées par des problèmes de méthode et des résultats étranges rendent difficile la généralisation de leurs conclusions. En ce qui a trait à la gravimétrie, on n’offre toujours aucune solution au problème des petits volumes, et il n’y a toujours aucune donnée démontrant l’impact clinique du gain de précision dans les doses sensé être amené par un tel système.

Réduction du nombre d’alertes dans un système d’aide à la décision

Je vous parle aujourd’hui d’un article paru dans l’AJHP du mois d’avril, où des pharmaciens d’un centre universitaire de soins de santé situé au Texas décrivent leur intervention visant à améliorer la qualité des alertes générées par un système d’aide à la décision dans leur dossier clinique informatisé. On sait que les alertes générées par les systèmes disponibles commercialement sont beaucoup trop nombreuses, trop sensibles, fournissent peu d’informations pertinentes, et les quelques alertes cliniquement significatives sont noyées dans une marée d’alertes inconséquentielles. Ceci contribue à une désensibilisation aux alertes (alert fatigue).

L’institution à l’étude a procédé à l’implantation d’un dossier clinique informatisé commercial intégrant une banque de données d’aide à la décision en mai 2016. Afin d’améliorer la qualité des alertes proposées par défaut dans le système, un comité multidisciplinaire, incluant des pharmaciens, a été mis en place pour réviser les alertes et les optimiser. Les modifications ont commencé à être mises en place à partir de janvier 2017. L’étude décrit la quantité d’alertes et les taux d’actions sur les alertes de manière pré et post début des interventions du comité.

29 semaines ont été incluses dans la période pré et 52 dans la période post. Le nombre d’alertes générées à chaque semaine, de même que les taux d’acceptation d’alertes avec ou sans modification du traitement, ont été compilées. Les alertes ont été découpées en alertes d’interaction ou de duplication, et en alertes vues par les médecins ou les pharmaciens. L’analyse a été faite à la manière d’une série temporelle afin d’éliminer les effets d’autocorrélation entre la période pré et la période post.

En plus de la désactivation des alertes de duplication et interaction entre les médicaments d’une même ordonnance pré-établie, 802 alertes d’interactions médicamenteuses de sévérité modérée sur 875 ont été désactivées, certaines catégories d’alertes liées à la grossesse ont aussi été désactivées, ainsi que les alertes de duplication pour les ordonnances du même médicament dans diverses périodes de soins (ex: ordonnances intra-opératoires vs post-opératoires).

Le nombre médian d’alertes hebdomadaires est passé de 68 900 à 50 300, une différence statistiquement significative. Le taux d’acceptation d’alertes est passé de 11,8% en pré à 13,7% en post, et le taux de modifications de traitement est passé de 5% à 7,3%, des différences statistiquement significatives. Cependant, ces différences étaient dues à des augmentations des acceptations et modifications par les pharmaciens, et non par les médecins.

Je trouve cet article intéressant car il illustre bien comment s’y prendre pour mieux gérer les alertes à travers toute une institution. Je trouve cependant que toute cette situation est un peu surréelle. Les logiciels d’aide à la décision acquis par les établissements de santé devraient être performants et cliniquement utiles. On voit ici qu’un processus décisionnel lourd et impliquant une multitude de professionnels doit être mis en place pour gérer les alertes intempestives générées par un système commercial. Les coûts en temps et en ressources pour optimiser ce logiciel commercial doivent être assez élevés. Malgré la désactivation et l’optimisation de plusieurs alertes, en période post, on constate tout de même que plus de 85% des alertes étaient tout simplement ignorées. Je rappelle ici que certains hôpitaux ont décidé de tout simplement désactiver toutes les alertes de duplication, afin de réduire davantage le nombre d’alertes intempestives.

La démarche décrite dans cet article est louable et les résultats sont intéressants, mais le message clé à en tirer, je crois, est qu’il y a encore beaucoup de chemin à faire en ce qui a trait aux logiciels d’aide à la décision.