Revue systématique sur les erreurs causées par la prescription électronique

Une revue systématique, parue fin 2017 dans le International Journal of Medical Informatics, s’est intéressée aux erreurs médicamenteuses causées par la prescription électronique et à leurs mécanismes. Les données de cette revue viennent compléter d’autres que j’ai déjà présentées, dont deux par un autre groupe de chercheurs chez l’adulte et en pédiatrie.

Les chercheurs ont effectué une revue de Medline, Embase, du registre Cochrane et d’autres références de 1982 à août 2017 selon divers mots-clés. Ensuite, les articles sélectionnées ont été revus et filtrés selon une méthode systématique et appuyée sur des lignes directrices. Les auteurs ont cherché à conserver uniquement les études ayant évalué quantitativement les erreurs, avec une analyse explicite du rôle de la prescription électronique, et avec une description de la typologie de l’erreur. Les études qualitatives, ciblant un seul type spécifique d’erreurs, ciblant des logiciels spécialisés comme pour la chimiothérapie, et les études de simulation, ont été exclues.

2086 articles ont été identifiés et 14 ont été inclus dans l’analyse. 7 étaient des études prospectives, 3 rétrospectives et 4 étaient des analyses de bases de données d’événements indésirables. 7 venaient de l’Europe, 4 des États-Unis, 2 d’Australie et 1 de Singapour. Les études était de qualité assez bonne, avec la moitié rapportant plus de 7 critères de haute qualité sur 14.

Les erreurs les plus fréquemment rapportées étaient des erreurs  de dose ou de sélection de médicaments. Les mécanismes rapportés étaient:

  • Liées à l’ergonomie:
    • Sélection erronée dans un menu déroulant
    • Erreur de frappe
    • Entrave à la vision de la prescription complète
    • Plus d’un prescripteur dans la même ordonnance
  • Liées aux alertes:
    • Absence d’alerte ou mauvaise configuration
    • Contournement d’alertes liée à la désensibilisation (alert fatigue)
  • Liée aux particularités du système
    • Obligation de spécifier une date de fin même pour traitements chroniques
    • Incapacité d’inscrire une ordonnance complexe (par exemple sevrage de corticostéroïdes)
  • Mauvais paramétrage du système
    • Paramètres par défaut inadéquats
  • Mauvais usage du système
    • Texte libre contradictoire avec champs dédiés pour la même information
    • Modification erronée d’une prescription existante
    • Absence de rappels pour ordonnances importantes
    • Incapacité de consulter l’information nécessaire lors de la prescription
    • Fonctionnalités du logiciel mal adaptées (par exemple option de dire qu’un patient prend ses médicaments lui-même alors que ce n’est pas le cas, ordonnance conditionnelle mal configurée)

Les points soulevés dans cet article recoupent largement ceux dont j’ai parlés dans des blogues précédents, comme quoi la littérature commence à faire ressortir des points cruciaux pour prévenir les erreurs de prescription électronique. Cependant, je trouve que les auteurs se concentrent un peu trop sur des fonctionnalités très spécifiques à des systèmes précis. Par exemple, ils discutent longuement d’une boîte pour indiquer qu’un patient prend un médicament lui-même, alors que ceci n’est pas inhérent à la prescription électronique elle-même, mais plutôt à un système particulier où cette option est mal conçue.

Cependant, je trouve que l’article est quand même très bon et que les points qui y sont soulevés devraient faire partie de ce qui est évalué pour prévenir les erreurs lors de l’implantation de 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.

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.