Ajustement des alertes d’aide à la décision avec les données d’utilisation

Plusieurs études supportent le suivi prospectif des alertes générées par les systèmes d’aide à la décision, et cette pratique se retrouve même dans les pratiques examinées par des organismes d’agrément. Une nouvelle étude de Nouvelle-Zélande décrit la démarche d’amélioration des alertes dans un système de prescription électronique à l’aide de plusieurs exemples. Le système est utilisé sur touts les unités de soins des hôpitaux publics d’une région de ce pays, à l’exception de l’urgence et des soins intensifs. Des données de 2016 à 2018 ont été extraites afin de montrer quatre exemples d’utilisation de données réelles pour améliorer la performance des alertes. Ce n’est pas un article révolutionnaire, mais il démontre bien l’utilité de ce processus. Voici les quatre exemples:

  • Les données d’utilisation de janvier à mars 2017 ont été analysées pour ajouter des alertes de doses élevées. Pour la spironolactone, par exemple, seulement 3% des prescriptions avaient une dose quotidienne de plus de 100 mg par jour. Considérant le risque d’erreur de 10x avec une dose de 12.5 mg, une alerte de dose élevée a été ajoutée à un seuil de 100 mg.
  • Durant une rupture de ceftriaxone, une alerte interruptive a été ajoutée et ceci a mené à une diminution significative des ordonnances pour ce médicament.
  • Des alertes ont été implantées en 2015 pour aviser les prescripteurs d’ordonnances multiples pour des combinaisons d’anticoagulants. Les données de août à décembre 2016 ont été examinées pour vérifier l’effet de ces alertes. Lorsqu’une alerte de ce type était générée, l’ordonnance était modifiée dans 6% des cas immédiatement, dans 22% des cas dans les 30 minutes et dans 4% des cas dans les 12 heures.
  • Suite à l’examen de données d’alertes sur le fentanyl entre janvier et juin 2017, il a été constaté que l’alerte visant à prévenir la prescription de timbres de fentanyl à changer plus fréquemment qu’aux 48h était déclenchée erronément lors de la prescription de toute ordonnance de fentanyl ne spécifiant pas de formulation précise. Étrangement, aucun commentaire à propos de cette alerte intempestive n’avait été reçu par les comités concernés. L’alerte a été révisée pour se déclencher avec la voie d’administration transdermique plutôt que la forme pharmaceutique de timbre. Le taux de faux positifs pour l’alerte est ainsi passé de 43% à 3%.

Impact de la complexité d’une ordonnance sur son temps de validation

Cette étude avait pour objectif de caractériser le temps passé par des pharmaciens à valider 30 dyades courantes de médicament et voie d’administration en relation avec la complexité de ces ordonnances, dans une optique d’évaluer si le fait de ne plus exiger la vérifications d’ordonnances « simples » permettrait d’épargner du temps aux pharmaciens.

L’étude a été menée dans un centre académique tertiaire de 1000 lits situé aux États-Unis. Les pharmaciens travaillaient des quarts de travail de 8 heures et procédaient à la vérification des ordonnances de façon mixte avec d’autres activités comme la réponse à des questions téléphoniques et la vérification contenant-contenu des produits dispensés. À noter que l’établissement utilisait un dossier patient électronique intégré moderne et les pharmaciens travaillaient dans le module de pharmacie de ce système. Les chercheurs ont d’abord développé une classification d’ordonnances en catégories simple, modérée et complexe. Puis, ils ont implanté une technologie de capture d’écran pour suivre le travail des pharmaciens, et enfin ils ont extrapolé les données collectées à l’ensemble du volume d’activité de vérification d’ordonnances pour estimer le temps passé à valider chaque catégorie d’ordonnances.

La classification de la complexité des ordonnances était basée sur trois critères:

  • La présence sur la liste d’alerte élevée d’ISMP.
  • Le niveau « d’atypicité » de l’ordonnance basé sur la variabilité des doses et fréquences prescrites pour une combinaison de médicament + voie d’administration.
  • Le niveau de complexité cognitive de la validation des 30 dyades médicament + voie d’administration tel que déterminé par un sondage mené auprès des 60 pharmaciens du centre (27 ayant répondu).

Les résultats des dyades pour ces 3 critères ont été utilisés pour effectuer une classification par consensus en niveaux de complexité. Le logiciel de capture d’écran a été utilisé pour enregistrer le processus de validation de 12 pharmaciens expérimentés travaillant à la validation d’ordonnances et calculer le temps nécessaire à la validation. Chaque médicament a été observé 30 fois pour obtenir une puissance suffisante. Les vérifications d’ordonnances où il était possible que le pharmacien ait été interrompu (tel que déterminé par l’inactivité de la souris) ont été exclues et remplacées dans le jeu de données.

Un modèle de régression linéaire mixte a été utilisé pour comparer les temps de vérifications entre les ordonnances hautement complexes et faiblement complexes, modérément complexes et hautement complexes, et modérément complexes et faiblement complexes. L’analyse a pris en compte les mesures répétées pour un même pharmacien et les corrélations entre observations. Une analyse de sensibilité a aussi été menée en excluant deux antibiotiques qui se sont avérés aberrants dans leur groupe de complexité.

Les médicaments hautement complexes avait un temps de validation de 18,6 ± 23,1 secondes, les ordonnances modérément complexes un temps de 23,7 ± 23,3 secondes, et les ordonnances faiblement complexes un temps de 8,0 ± 14,4 secondes. L’analyse n’a pas démontré de différence statistiquement significative entre ces temps. L’analyse de sensibilité excluant la céfazoline et la pipéracilline + tazobactam qui avaient des temps de validation très longs malgré leur classification à faible complexité, a démontré une différence statistiquement significative entre les médicaments à haute complexité et ceux à faible complexité.

Les auteurs concluent que l’exclusion des médicaments à faible complexité de la validation des ordonnances par un pharmacien permettrait de récupérer 196 heures de temps de travail par année par pharmacien, temps qui pourrait être assigné à des activités avec davantage de valeur ajoutée. Cependant, en excluant la céfazoline dont les résultats s’apparentaient davantage à un médicament à complexité élevée, le temps récupéré diminue à 82 heures par année.

Je trouve cet article intéressant car il ramène dans l’actualité le sujet du temps passé par les pharmaciens à effectuer de la vérification prospective d’ordonnances et amène de nouvelles données sur l’impact clinique réel de cette activité. L’étude n’amène pas de réponses claires et c’est dommage, mais elle illustre bien la difficulté de bien caractériser l’activité cognitive des pharmaciens durant la validation d’ordonnances. La discussion de l’article est très bonne, elle met bien en perspective les résultats de l’étude et je vous invite à la lire. Je suis bien d’accord avec ce paragraphe en particulier, qui illustre bien selon moi la nécessité de repenser l’activité de vérification d’ordonnances à la lumière des outils technologiques modernes à la disposition des pharmaciens:

The verification of low complexity orders is a basic and repetitive drug distribution function that pharmacists frequently characterize as rote work due to the extremely low rate of problems. The most serious concerns, such as drug allergies, drug interactions, and dosing errors are generally identified using clinical decision support rules and alerts, while others would need to be identified through anomalous or important patient-specific factors that arise during routine profile review or clinical rounds. Verification of these low complexity orders may actually increase the risk of error due to the lack of vigilance by the pharmacist when reviewing these orders, similar to errors of omission seen with alert fatigue.

Revue systématique de l’effet de la prescription électronique sur les erreurs médicamenteuses

Je vous parlais au début 2019 d’une revue systématique sur les effets de la prescription électronique avec aide à la décision. Cette revue avait inclus des articles allant jusqu’à 2016. Une nouvelle revue systématique avec méta-analyse sur le même sujet a été publiée au mois d’août.

Les auteurs de cette nouvelle revue ont révisé la littérature de 2007 à 2017 (inclusivement) et ont inclus les études randomisées ou prospectives chez les patients hospitalisés, à l’urgence ou en soins de longue durée. Les études incluses devaient avoir comme intervention une « stratégie de prescription électronique », définie comme de l’aide à la décision seule ou de la prescription électronique avec ou sans aide à la décision, comparée à un contrôle sans intervention électronique. Je trouve que cette définition est très large, l’aide à la décision seule (« standalone ») est une chose très différente de la prescription électronique (« computerized provider order entry ») intégrée à un dossier électronique. Les études rétrospectives, comparant deux modalités électroniques, avec plusieurs interventions à la fois, ou ciblant les patients externes, ont été exclues. Les issues évaluées étaient les erreurs médicamenteuses et les événements indésirables touchant le patient (« patient harm »).

Une stratégie de recherche systématique, incluant la sélection des articles et l’extraction de leur contenu de façon indépendante par deux chercheurs, a été menée. Les recommandations GRADE ont été suivies pour coter les articles. En fonction de critères prédéterminés, certains articles ont été inclus dans une méta-analyse pour des issues choisies, avec évaluation de l’hétérogénéité et du biais de publication.

2832 études ont été retrouvées, desquelles 38 ont été incluses après tout le processus de sélection, provenant de 12 pays. Le tableau 1 de l’étude décrit les études incluses. À la lecture de ce tableau, on constate au premier coup d’œil que les articles inclus sont extrêmement disparates. Parmi 11 études randomisées, 7 avaient comme sujet le contrôle automatisé de la glycémie avec une perfusion d’insuline aux soins intensifs ou en post-chirurgie, une ciblait le contrôle glycémique chez les diabétiques de type 2, une était à propos du dosage de mycophénolate après une transplantation rénale, une visait le choix d’antibiotiques empiriques en sepsis et une était à propos de la réhydratation chez les enfants avec vomissements ou diarrhée. Aucune étude avec un devis randomisé n’était donc réellement à propos de l’effet de la prescription électronique comme tel, il s’agissait toutes d’études portant un outil d’aide à la décision électronique dans un contexte clinique très précis. Les 11 études randomisées ont rapporté des données sur les événements indésirables touchant le patient et aucune n’a rapporté de données sur les erreurs de médicaments.

De même, parmi les 27 études non randomisées, seules 6 études chez l’adulte et 4 en pédiatrie portaient réellement sur l’effet d’un système de prescription électronique. Les autres portaient sur des outils d’aide à la décision dans le choix d’antibiotiques (8), le contrôle de la douleur (2), la détection d’interactions médicamenteuses (1), l’ajustement en insuffisance rénale (1), les nausées et vomissements post-opératoires (2), le bilan comparatif des médicaments (1), le traitement de la pneumonie (1) et la sédation (1). 18 de ces études ont rapporté des données sur les événements indésirables et 13 des données sur les erreurs médicamenteuses.

Au total, 10 de 13 études ont rapporté une diminution des erreurs médicamenteuses. La méta-analyse de 11 de ces études a démontré une réduction du risque d’erreur avec un risque relatif de 0.24 (intervalle de confiance 95% 0.13-0.46) avec une grande hétérogénéité et un possible biais de publication. L’effet était plus prononcé dans les études récentes.

En ce qui a trait aux événements indésirables, les événements rapportés étaient la mortalité, la durée de séjour, l’hypoglycémie, l’échec de traitement, l’hospitalisation et la réadmission, le délai de traitement, le contrôle de la douleur, les nausées et vomissements post-opératoires et les infections. On voit donc qu’il s’agit d’issues précises tirées des contextes cliniques des études incluses et qu’il ne s’agit pas d’issues évaluées à travers un grand nombre d’études. Ceci compromet la capacité de tirer des conclusions généralisables à la prescription électronique ou à l’aide à la décision dans son ensemble à partir de ces données. Les auteurs ont quand même réalisé une méta-analyse sur les différentes catégories d’événements indésirables mais rien de particulier n’en n’est ressorti hormis une diminution des « adverse drug events » avec un risque relatif à 0,52 (intervalle de confiance 95% 0,40-0,68), mais sur la base de seulement deux études. La définition de précise de cette issue n’est pas bien décrite, les auteurs semblent se baser sur la catégorisation des études incluses telle quelle, laquelle n’est pas expliquée.

Je crois que cette étude, malgré une méthode très solide et une intention louable, souffre d’avoir mal défini le type d’intervention qu’elle souhaitait évaluer. On a l’impression que les auteurs souhaitaient examiner d’un seul coup l’effet de n’importe quelle intervention électronique touchant à la prescription de médicaments ou à l’aide à la décision. Malheureusement, comme les auteurs le mentionnent dans leur discussion, les publications sont hétérogènes. Beaucoup d’études se focalisent sur un contexte clinique précis avec une intervention spécifique à ce contexte, et ceci ne produit pas de données pouvant être mises en commun avec d’autres interventions ou d’autres contextes.

Dans le contexte de l’aide à la décision, je suis de l’opinion que « l’électronique » est un support pour exposer un clinicien à une intervention (par exemple une alerte, une recommandation, une liste de choix filtrée, etc.) et qu’on ne peut pas évaluer l’effet de n’importe quelle intervention amenée via ce support comme un tout, en tout cas pas pour une variété de situations cliniques en même temps. J’ai déjà parlé abondamment sur ce blogue de l’importance de bien paramétrer les systèmes d’aide à la décision et en particulier les alertes, et je crois que la recette gagnante demeure d’afficher la bonne information, à la bonne personne, au bon moment et par le bon support.

En ce qui a trait à la prescription électronique, je pense qu’il est assez clair que cette technologie permet de réduire certains types d’erreurs, et, comme d’autres revues sur le sujet ont montré, que d’autres types d’erreurs peuvent survenir en fonction des caractéristiques du système mis en place.

L’article présenté ajoute à la masse de données qui suggère un effet bénéfique des technologies d’aide à la décision et de prescription électronique sur les erreurs médicamenteuses, néanmoins il est difficile d’attribuer l’effet observé à l’un ou l’autre considérant l’hétérogénéité des études incluses et la définition trop large de l’intervention étudiée.