Cet article, court mais intéressant, a été publié dans l’AJHP du mois de novembre. Les auteurs décrivent la manière dont le théorème de Bayes est applicable aux alertes générées lors de la détection d’interactions médicamenteuses. La plupart du temps, la détection de telles interactions par les logiciels, que ce soit pour la prescription électronique ou les systèmes d’information pharmacie, est simplement basée sur la présence de médicaments dans le profil pharmacologique. Ces médicament sont comparés à une table d’interactions connue, possiblement stratifiée par sévérité, et les alertes sont générées selon la présence ou absence de médicaments dans les tables.

L’application du théorème de Bayes aux soins de santé montre que la valeur prédictive positive d’un test réalisé sur un individu pour détecter une condition dépend non seulement de la sensibilité et de la spécificité du test, mais également de la prévalence de la condition. Quand la prévalence est faible, même pour une bonne sensibilité et spécificité, le nombre de faux positifs peut outrepasser largement le nombre de vrais positifs. Si on se représente la détection d’interactions comme un test de ce type, la fréquence des cas où cette interaction est réellement significative devient très importante pour évaluer si la détection générera davantage de faux positifs (de fausses alertes) que de vraies interactions évitées. De là découle le problème de la désensibilisation aux alertes, le alert fatigue.

Les auteurs proposent quelques idées pour tenter de diminuer les faux positifs:

• Dans l’évaluation des détections d’interactions, adopter la perspective de l’utilisateur en calculant la valeur prédictive positive en plus de la sensibilité et de la spécificité.
• Inclure des caractéristiques du patient dans le moteur d’analyse afin de restreindre la population où l’interaction est détectée à celle où cette interaction est cliniquement significative. Par exemple, les alertes de somnolence accrue en combinant les benzodiazépines et les opiacés sont appropriées en soins ambulatoires, mais pas aux soins intensifs.