Facteurs associés à la perception de l’aide à la décision pour les médicaments

Je mentionnais récemment que j’étais de l’opinion que « l’électronique » était un support pour présenter une intervention en aide à la décision, et non pas une intervention en soi, dans le contexte d’une revue systématique qui semblait vouloir évaluer d’un seul coup l’effet de n’importe quelle intervention électronique. Un nouvel article publié en septembre dernier vient synthétiser la littérature qualitative sur les facteurs qui influencent la perception et l’utilisation des alertes d’aide à la décision par les prescripteurs. On vient donc dans cet article clarifier quelles sont les caractéristiques des interventions électroniques d’aide à la décision qui sont perçues positivement par rapport à celles qui ne le sont pas.

Les auteurs ont réalisé une revue des études qualitatives ayant exploré la perception des prescripteurs par rapport à des systèmes d’aide à la décision dans un contexte hospitalier. L’aide à la décision devait être intégrée à un prescripteur électronique et non pas disponible seule, par exemple dans une application mobile. Les études publiées à partir de 2003 jusqu’à mars 2018 pouvaient être incluses. La recherche a été menée dans Medline, Embase, CINAHL, PubMed et PsycINFO ainsi qu’une liste de journaux et de sites web gouvernementaux, avec une requête standardisée. Les références des articles inclus ont aussi été examinées.

6705 articles ont été identifiés. 100 abstracts ont été révisés par 3 personnes pour évaluer les critères d’inclusion et d’exclusion, puis 32% des abstracts ont été révisés par 2 personnes pour déterminer si le résultat des critères était reproductible. Le reste a été évalué par une seule personne. 45 articles en texte complet ont été examinés et 13 articles ont été inclus. Les données des 13 articles ont été extraites par 2 personnes. 11 articles inclus ont utilisé des entrevues pour obtenir leurs données. Les articles inclus se concentraient sur les alertes (n = 10) et les ensembles d’ordonnances (order sets) (n = 7). Les perceptions des prescripteurs ont été classées en facilitateurs et en barrières à l’adoption. Contrairement à l’autre article dont je parlais dans l’introduction, dans cette revue, 10 études évaluaient un système d’aide à la décision général et non pas ciblé sur un secteur clinique, un médicament ou une condition particulière.

Les facilitateurs décrits par les participants aux études incluses comprenaient une perception que l’aide à la décision améliorait la sécurité et l’efficacité des soins. Les barrières identifiées étaient une méfiance face à l’information véhiculée par l’outil, des conflits entre les recommandations et les préférences de prescription et une crainte face à l’autonomie professionnelle. Certains médecins séniors percevaient le système comme davantage utile pour les cliniciens junior.

La qualité du système était un thème important, avec comme facilitateur un système offrant des recommandations pertinentes et personnalisées, alors que les barrières étaient un système requérant un grand nombre de clics pour consulter l’information, l’affichage de trop d’information nécessitant un déroulement (scrolling) de la page, une interruption du flot de travail clinique ou un affichage confus de l’information.

Je trouve cette étude intéressante car la revue fait ressortir des points certes déjà connus à propos des facteurs qui aident ou qui nuisent à l’utilisation des systèmes d’aide à la décision, mais qui aident à mettre en perspective le fait que le succès ou l’échec de l’intégration d’un système électronique dépend énormément des propriétés de ce système et de l’encadrement autour de l’implantation, plutôt que du système lui-même.

Notre présentation à Machine Learning for Healthcare 2020

Le congrès Machine Learning for Healthcare 2020 a lieu en ligne les 7 et 8 août 2020. Les présentations ont été mises en ligne sur YouTube. Notre groupe y présente un abstract clinique intitulé Unsupervised identification of atypical medication orders: A GANomaly-based approach. Il s’agit d’un modèle d’apprentissage automatique étant capable d’identifier de manière non supervisée les profils pharmacologiques atypiques, c’est-à-dire déviant des patrons de prescriptions habituellement observés dans un certain contexte. L’application pratique d’un tel modèle serait en support au pharmacien clinicien, afin que celui-ci puisse identifier visuellement de manière rapide les profils pharmacologiques susceptibles de contenir des éléments atypiques, et ainsi optimiser son temps et mieux planifier ses interventions.

Le rôle du pharmacien en informatique clinique, l’expérience canadienne

Il y a 4 ans, je parlais de mes perceptions sur le rôle du pharmacien en informatique clinique sur la base de deux énoncés de position par l’ASHP et l’AMIA. Depuis, plusieurs choses ont évolué plus près de nous et certaines provinces canadiennes ont commencé le déploiement de dossiers électroniques complets, ce qui implique évidemment les pharmaciens et amène la concentration de la pratique de certains pharmaciens en informatique clinique moderne.

Je vous parle aujourd’hui d’un article dans le CHJP de l’été dernier, qui est disponible en texte complet gratuitement sur PubMed Central, et qui a été écrit par des pharmaciens de Toronto. L’article présente l’expérience des auteurs en relation avec les 5 compétences identifiées dans l’énoncé de position de l’ASHP, dans le cadre de certaines situations qu’ils ont vécues en pratique.

Gestion des données, de l’information et des connaissances sur les médicaments

Les auteurs discutent de l’importance de la nomenclature des médicaments et des ensembles d’ordonnances (order sets). Ils expliquent qu’ils ont mis en place des standards pour les noms des médicaments, pour l’utilisation d’abréviations et pour les troncatures lorsque les limites de caractères ne permettent pas de tout écrire au long. Les exemples sont intéressants, par exemple le cas d’une insuline au nom trop long qui dépassait d’une ligne affichée à l’écran, rendant impossible la lecture du nom du produit à utiliser.

Dissémination de l’information et des connaissances sur les médicaments

Les fonctionnalités d’aide à la décision des dossiers électroniques permettent l’affichage d’information utile à la tâche en cours et de contraintes dans le flot de travail afin de s’assurer que certaines tâches soient accomplies. L’article décrit le développement d’un ensemble d’ordonnances pour prévention de la thromboembolie veineuse qui a été intégré aux ordonnances d’admission afin d’assurer l’évaluation du risque dans les 24 heures suivant l’admission. On mentionne aussi l’ajout d’alertes de double-vérification dans la FADM électronique, l’affichage de résultats de laboratoire pertinents au moment de la prescription, et le développement de règles de surveillance des antimicrobiens.

Les auteurs mentionnent l’importance de collecter et analyser l’information sur le déclenchement et les actions prises face aux alertes pour réduire le phénomène de désensibilisation.

Analyse des données

L’analyse des données disponibles dans les dossiers électroniques est illustrée à l’aide d’un exemple de calcul d’indicateurs de l’activité clinique des pharmaciens à partir de ces données. Cela repose sur un formulaire standardisé dans le dossier électronique pour les consultations initiales et les notes de suivi. Les auteurs expliquent aussi qu’ils ont collaboré à la création d’un entrepôt de données, et qu’ils participent à l’analyse des demandes d’extraction d’information pour valider l’exactitude des informations sur les médicaments.

Application de principes d’informatique

Les auteurs décrivent comment la gestion de ruptures d’inventaire de médicaments leur permet de combiner leur expérience de cliniciens aux principes de gestion des systèmes d’information pour que la conduite à tenir soit claire dans les systèmes au moment de la prescription.

Leadership et la gestion du changement

L’article explique comment les pharmaciens en informatique clinique ont contribué au déploiement de la prescription électronique, des pompes à perfusion, des cabinets automatisés et du bilan comparatif des médicaments électronique.

Les auteurs concluent en mentionnant l’importance d’assurer une formation en informatique clinique pour les étudiants en pharmacie, le rôle des pharmaciens dans l’interprétation des données pouvant servir aux applications l’intelligence artificielle, ainsi que les défis de l’harmonisation des pratiques dans des réseaux d’hôpitaux de plus en plus gros et complexes.