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.

Revue systématique des causes d’erreurs de prescription électronique

L’objectif de cette revue systématique était de recenser les articles publiés sur les erreurs spécifiquement causées par les systèmes de prescription électronique. La période d’inclusion allait du 1er janvier 2004 au 22 juin 2015. Une recherche a été menée dans CINAHL, Medline et Embase. La sélection a été menée par deux chercheurs de manière indépendante, puis l’inclusion a été arbitrée par une troisième et quatrième personne.

1185 publications ont été identifiées initialement, dont 34 ont été incluses dans l’analyse finale, 31 articles complets et 3 résumés de conférences. Les pays les plus représentés dans l’échantillon étaient les États-Unis (19), les États-Unis et le Canada (4), l’Angleterre (4), et l’Australie (2). Un seul article provenait du Canada seul. 8 thèmes clés de facteurs contribuant aux erreurs ont été identifiés:

  • L’affichage à l’écran, en particulier le fractionnement des médicaments pris par un patient sur plusieurs pages ou plusieurs écrans. De même, un affichage incomplet n’incluant pas tous les types d’ordonnances (actifs, administrés récemment, PRN, STAT, etc.) peut entraîner des erreurs d’interprétation de ce qui est prescrit au patient.
  • Les menus déroulants et l’auto-population de champs, causant des erreurs de sélection en raison de juxtaposition de choix très différents. De même, un système lent qui incite les prescripteurs à cliquer de manière insistante peut entraîner une mauvaise sélection dans les menus.
  • Les choix des mots et des formulation étranges, par exemple les mots « volume total » où on ne sait pas si on désigne le volume à administrer ou le volume du médicament contenu dans un format. De même, une erreur assez incroyable était l’affichage d’une dose de 20 mg comme « 0020.000 mg ».
  • Les choix par défaut mal pensés qui peuvent entraîner une prescription inappropriée par inadvertance.
  • Un système aux fonctionnalités limitées ou mal adapté au flot de travail qui force les utilisateurs à employer des contournements pour arriver à leurs fins, par exemple des instructions en texte libre qui ne correspondent pas aux champs dédiés.
  • Des problèmes d’interopérabilité entre les systèmes, comme un cas où un système de pharmacie a mal interprété les instructions poussées par un système de prescription, ou une transmission incomplète en raison de champs non poussés dans le système pharmacie.
  • Les processus automatisés entraînant une diminution de la vigilance et la facilité de répéter une prescription erronée.
  • Un flot de travail mal adapté à l’électronique, comme la saisie a posteriori des ordonnances dans le logiciel ou le partage de noms d’utilisateurs et de mot de passe.
  • Les systèmes d’aide à la décision mal paramétrés qui ne détectent pas adéquatement les erreurs ou qui en détectent trop et causent une désensibilisation aux alertes.

Un tableau détaillant chacun de ces problèmes est disponible dans l’article. Je trouve l’étude pertinente car ces critères devraient être pris en compte dans le design, la sélection et le paramétrage de logiciels de prescription électronique. De même, ils peuvent être appliqués aux logiciels de pharmacie. Point bonus: la première phrase de l’article cite « To Err Is Human ».

Articles de la semaine

ANGLETERRE, UNE MÉTHODE POUR ANALYSER LE TEXTE LIBRE D’ORDONNANCES ÉLECTRONIQUES EN COMMUNAUTÉ

Cette étude présente une application du machine learning, partiellement assisté par des humains. Les chercheurs visaient à développer un algorithme pour analyser le texte libre associé aux ordonnances électroniques de soins primaires en Angleterre. L’article est disponible en texte complet gratuitement sur PubMed Central.

Les auteurs ont noté que le texte libre, contrairement aux champs à usage spécifique, était surtout utilisé pour décrire la variabilité dans la prise de doses, par exemple « prendre 1 à 2 fois par jour si besoin ». On comprend donc que le système de prescription électronique en place ne permettait pas de noter cette variabilité dans les champs spécifiques.

Une banque d’environ 200 prescriptions extraites du registre national contenant plus de 56 000 prescriptions en texte libre ont été utilisées pour construire des règles permettant d’interpréter le texte libre et de le coder sous forme de données analysables. Trois personnes ont validé indépendamment les résultats de cette phase d’apprentissage, qui a montré un succès de plus de 90% pour interpréter le texte.

Par la suite, les règles ont été appliquées aux 56 114 prescriptions du registre. Faits à souligner, près du quart des ordonnances comportaient une variabilité dans au moins un des paramètres (dose, fréquence, jours de prise). Malgré tout, seulement 0,72% des prescriptions n’ont pu être interprétées. Pour environ 20% des ordonnances, au moins un paramètre n’a pas pu être interprété (dose minimale, maximale, fréquence ou intervalle).

Je trouve cet article intéressant en raison des stratégies d’interprétation des instructions posologiques qui sont très bien décrites et analysées. Les auteurs décrivent bien comment découper du texte de prescription de manière à le rendre interprétable par une machine. Dans le contexte de la prescription électronique, ces règles devraient servir à concevoir les champs utilisés pour spécifier les posologies. Et surtout, il est nécessaire de prévoir une manière de coder les paramètres variables dans des champs spécifiques, pour éviter de se retrouver avec un problème d’interprétation de texte libre.

CONSENSUS international SUR LES ALERTES ÉLECTRONIQUES POUR L’INSUFFISANCE RÉNALE AIGUE

Cette publication est le résultat d’une conférence d’experts internationaux qui sont arrivés à un consensus sur les caractéristiques des alertes électroniques d’insuffisance rénale aigue. Une revue de la littérature (malheureusement non systématique) combinée à un processus Delphi ont été utilisés pour mener au consensus. Le texte complet est disponible gratuitement sur PubMed Central.

Les grandes lignes sont:

  1. Les études sont hétérogènes et contradictoires, en plus d’être hautement dépendantes de la manière dont chaque alerte a été évaluée et des pratiques locales.
  2. La mise en place d’une alerte électronique doit prendre en compte beaucoup de facteurs, dont la fiabilité de l’alerte et sa « philosophie », le contexte clinique, la méthode d’alerte, le niveau de dérangement causé, et les attentes en termes de résultat clinique.
  3. La performance des alertes mises en place devraient être mesurées en terme d’assurance-qualité, de réponse des cliniciens et d’issues cliniques.
  4. L’alerte devrait mener à une réponse clinique, à la confirmation du diagnostic par le médecin, à la documentation dans le dossier électronique, et au suivi des paramètres du patient.

Ce qui est bien de ce consensus, c’est que malgré qu’il ait été fait spécifiquement pour l’insuffisance rénale aigue, on pourrait pratiquement l’exporter tel quel à une grande variété d’autres situations.

Autriche et france, les lacunes des fonctions d’alertes électroniques reliées à la médication

Cet article de revue avait pour objectif de caractériser les problèmes reliés au design des fonctions d’alertes électroniques reliées à la médication présentes dans les systèmes de dossiers médicaux électroniques et de prescription électronique.

La méthode de recherche, sélection et révision des articles est décrite en détail. 6380 publications ont été identifiées pour finalement aboutir à 26 qui ont rencontré les critères d’éligibilité, soit des articles ciblant des fonctions d’alertes électroniques dans des systèmes de prescription électronique de médicaments, en milieu communautaire ou en hôpital général (excluant l’urgence, et l’anesthésiologie), décrivant les problèmes d’utilisation de manière objective, et avec une qualité de méthode et de description acceptable.

Les résultats ont montré d’abord des problèmes qualifiés de généraux, en ce sens qu’ils pourraient être observés dans n’importe quel programme informatique et pas spécifiquement dans la prescription de médicaments:

  • Une mauvaise présentation visuelle, l’illisibilité, ou le manque de visibilité
  • La surcharge d’information ou une densité d’information trop élevée
  • De l’information imprécise ou un message d’erreur imprécis
  • Un comportement du système non constant d’alerte en alerte
  • Certains types d’utilisateurs ne voyant pas des alertes pertinentes pour eux
  • L’impossibilité de prendre l’action appropriée à partir de l’affichage de l’alerte

D’autres problèmes étaient spécifiques aux fonctions reliées à la médication:

  • L’affichage d’alertes peu pertinentes ou intempestives (ratio signal/bruit faible)
  • Un contenu d’alerte non à jour ou erroné
  • L’absence de texte décrivant le problème ou l’absence de références
  • L’affichage au mauvais moment durant la prescription
  • L’alerte ne s’affichant pas à la bonne personne
  • L’alerte ne pouvant pas être reportée ou vue de nouveau
  • L’alerte ne pouvant pas être transférée à un autre utilisateur

Ces éléments devraient donc être pris en considération par les personnes qui programment les alertes affichées par des systèmes informatiques.