Enseignement de l’informatique clinique en pharmacie

J’ai déjà parlé de Partners in E, un programme d’une faculté de pharmacie californienne hébergé par HIMSS qui propose un curriculum standardisé à intégrer aux programmes de Pharm.D pour l’enseignement de l’informatique en santé.

Le pharmacien Alexandre Chagnon (@AlexandrChagnon) m’a également fait part via Twitter d’un programme de formation canadien provenant de l’Association des Facultés de Pharmacie du Canada développé en partenariat avec des universités canadiennes et Inforoute Santé du Canada.

J’ai lu récemment dans le American Journal of Pharmaceutical Education un énoncé sur la formation en informatique clinique et les carrières en informatique pour les pharmaciens. L’article est bien écrit, je crois que c’est un must pour bien comprendre les enjeux par rapport à ce sujet.

L’article débute par une perspective historique sur l’évolution de l’informatique en santé et de son enseignement, puis discute des exigences de certification aux États-Unis pour les facultés de pharmacie, de même que des composantes d’informatique dans ces exigences. Suit une comparaison avec les programmes similaires en soins infirmiers et en médecine.

Les initiatives existant en pharmacie sont détaillées, incluant Partners in E et même le programme canadien !

Les dernières pages de l’article comportent une liste de références et approches suggérées en informatique de pharmacie, découpée par étape du circuit du médicament et par objectif. Cette liste en elle-même est un outil très intéressant.

Un second article est prévu pour présenter un plan pour former des pharmaciens qui se destinent à devenir des experts en informatique clinique.

Articles de la semaine

États-Unis, intégration de l’informatique de la santé au curriculum des étudiants en pharmacie

Cet article est disponible gratuitement en texte complet sur PubMed Central. Il décrit la démarche d’intégration d’une formation sur l’informatique de la santé à un cours d’information sur les médicaments en deuxième année du programme de Pharm.D du California Northstate University College of Pharmacy.

Le cours ciblé pour l’incorporation de cette formation était un cours de 3 crédits sur l’information sur les médicaments et l’évaluation de la littérature, utilisant une approche d’apprentissage par équipe. Les objectifs de la partie portant sur l’informatique étaient de définir la terminologie de l’informatique de la santé, de décrire les bénéfices et les contraintes de la technologie en santé, et de comprendre les bénéfices de l’analyse de données pour les pharmaciens. Le cours était donné sur 5 semaines consécutives.

Le cours a utilisé comme matériel didactique une formation en ligne développée par l’Université de la Californie à San Francisco (UCSF) School of Pharmacy, et accessible gratuitement en ligne, appelé Partners in E. 18 équipes de 5 à 6 étudiants on été formées. Une à deux vidéos sélectionnées de ce programme devaient être visionnées par chaque étudiants avec des objectifs précis, puis un test de 10-15 minutes était administré à chaque étudiant pour évaluer son niveau de préparation. Ensuite, le niveau de préparation de chaque équipe était évalué à l’aide d’un deuxième test de 10-15 minutes. Une petite formation théorique donnée par un conférencier suivait, puis des exercices d’équipes portant sur des problèmes pratiques rencontrés par les cliniciens avaient lieu, avec une discussion en classe.

Afin d’évaluer le programme, un sondage a été diffusé aux étudiants avant le premier jour de cours, puis encore après la complétion de la formation. Le sondage évaluait le niveau d’expérience avec l’informatique de la santé avant la formation, suivi de 7 questions spécifiques sur les notions du cours, 7 questions sur l’attitude des étudiants face à l’informatique de la santé, 4 questions sur leur confiance par rapport à cette technologie, et 3 questions sur leurs intentions futures par rapport à la technologie.

83 des 99 étudiants participant au cours ont complété le sondage. 51% n’avaient pas d’expérience préalable face à la technologie en santé, 46% avaient déjà eu une exposition à travers leur emploi, et 6% à travers d’autre cours. Tous les aspects de connaissance enseignés durant le cours se sont significativement améliorés dans le sondage post comparativement au sondage pré, soit la gestion des données, l’aide à la décision, la prescription électronique, les dossiers médicaux électroniques, l’interopérabilité, et les systèmes d’information sur les médicaments. De même, la confiance des étudiants était significativement améliorée, mais leur attitude par rapport à la technologie n’a pas changé.

Les auteurs concluent que l’expérience était globalement positive, néanmoins les auteurs notent que les étudiants ont trouvé que l’opportunité d’interagir avec les systèmes étudiés était trop limitée. Ils soulignent que de telles formations devraient inclure des séances où les étudiants peuvent utiliser les logiciels par eux-mêmes.

États-Unis, erreurs liées à la prescription électronique

Cette étude avait pour objectif de décrire les erreurs de prescription liées à des logiciels de prescription électronique dans 6 organisations de santé américaines, incluant des centres hospitaliers académiques ainsi que des pratiques communautaires, des patients hospitalisés et vus en externe, ainsi que des logiciels maison ou commerciaux. 10 logiciels ont été inclus dans ces 6 sites. Cette étude s’inscrit comme une phase d’une plus grande étude sur 2 ans financée par la FDA portant sur divers aspects de la prescription électronique.

Spécifiquement, la présente étude portait sur les rapports d’erreurs enregistrés entre janvier et avril 2013 dans les centres à l’étude, pour lesquels une erreur de prescription a été identifiée. De celles-ci, les erreurs liées au logiciel de prescription électronique ont été incluses. Les rapports d’erreurs ont été analysés par deux pharmaciens, qui ont utilisé une taxonomie établie précédemment, mais raffinée en cours d’étude, pour déterminer spécifiquement les conséquences pour le patient, ce qui a failli durant la prescription électronique, et la cause de cette erreur.

2522 rapports d’erreurs de prescription ont été analysés, de ceux-ci 1308 (51,9%) ont été inclus comme étant reliés spécifiquement à la prescription électronique. Dans 171 de ces cas (13,1%), il a été déterminé que le logiciel a causé ou facilité l’erreur, tandis que dans les 1137 (86,9%) cas restants, il a été jugé que le logiciel n’a pas causé l’erreur, mais qu’il aurait pu attraper l’erreur s’il avait été mieux configuré.

Les types d’erreurs causées par les logiciels comprenaient:

  • Une nomenclature erronée dans la banque de données.
  • Des limitations du système forçant les prescripteurs à utiliser un contournement pour arriver à prescrire.
  • Un affichage confus.
  • La prépopulation de champs avec des données inadéquates.
  • L’envoi d’ordonnances au mauvais destinataire.
  • Des problèmes de sélection dans des menus.
  • Des ordonnances pré-rédigées, des protocoles ou de l’information sur les médicaments n’étant pas à jour.
  • La possibilité d’ouvrir les dossiers de plusieurs patients en même temps.

Les types d’erreurs non-interceptées par les logiciels comprenaient:

  • L’absence d’alertes pertinentes pour les duplications, les doses élevées, les interactions significatives ou l’horaire d’administration.
  • L’absence de transmission de cessations.
  • Des erreurs dans le bilan comparatif.
  • L’absence de stratégies pour prévenir le mélange de noms de médicaments similaires.

Des exemples concrets sont données dans l’article. Les conséquences les plus fréquentes étaient un délai d’administration dans 33,6% des cas, l’administration de thérapie dupliquée dans 16,2% des cas, l’administration ou l’interception juste avant l’administration d’une dose élevée dans 10,6% des cas, la non-administration d’un médicament requis dans 6,7% des cas et l’administration du mauvais médicament dans 5,4% des cas.

La cause de l’erreur n’a pu être établie que dans 30,8% des cas, en raison de l’absence de détails suffisants sur les rapports d’erreur. Les causes principales identifiées étaient:

  • Des problèmes de transmission d’ordonnances (comme l’entrée d’ordonnances dans des systèmes ou des champs non transmis à la pharmacie).
  • Le non-respect d’une procédure établie ou d’un protocole (comme l’administration d’un vaccin enregistrée comme une nouvelle prescription plutôt qu’une administration, résultant en une ordonnance générée et une deuxième administration du même vaccin).
  • Des problèmes de conception des systèmes (comme la non-transmission de la cessation d’un antihypertenseur et une nouvelle ordonnance pour un autre agent, résultant en l’administration de deux antihypertenseurs).
  • L’absence de réalisation du bilan comparatif (comme la non-represcription d’un médicament pris chroniquement lors de l’admission).
  • L’absence d’aide à la décision (comme l’absence d’alerte pour un patient en insuffisance rénale ayant mené à la prescription d’une pleine dose alors qu’une dose réduite était nécessaire).

Les auteurs concluent sur quelques recommandations pour améliorer la conception et le paramétrage des systèmes de prescription électronique afin d’éviter ces erreurs à l’avenir. Évidemment, une telle étude est limitée par le devis d’analyse de rapports d’erreur, on sait que ces rapports sous-déclarent les événements et que des détails cruciaux sont parfois manquants. Néanmoins, je trouve que ces observations correspondent plutôt bien à la réalité et ciblent des points pertinents à connaître pour bien paramétrer un logiciel de prescription électronique.

États-Unis, effets de la prescription électronique de la nutrition parentérale en néonatologie

63404113 - blood bag icon, medical signCette étude rétrospective de type pré-post avait pour objectif de comparer l’atteinte des objectifs de la nutrition parentérale en néonatologie pour les patients de moins de 1750 g à la naissance, avant et après l’implantation d’un système de prescription électronique avec aide à la décision. L’étude a eu lieu dans un centre américain tertiaire situé en Floride, dans une unité de soins intensifs néonatals de niveau III comprenant 60 lits.

Le système de prescription électronique implanté est peu détaillé, mais comprend certaines fonctionnalités comme la sélection par défaut des doses cibles d’acides aminés et de lipides, l’affichage d’informations sur le volume à prescrire, la vitesse d’infusion de glucose et les doses d’électrolytes, de même que l’affichage de valeurs de laboratoire sur l’écran de prescription.

Le groupe pré-intervention a été formé en incluant tous les patients de <1750 g à la naissance admis entre le 1er octobre 2013 et le 1er janvier 2014. L’implantation a eu lieu en avril 2014. Le groupe post comprenait tous les patients de <1750 g à la naissance admis entre le 1er juin 2014 et le 30 septembre 2014. Les patients étaient exclus si la nutrition parentérale n’était pas débutée dans les 72h de vie, s’ils avaient une maladie métabolique, ou si une voie périphérique était utilisée pour donner la nutrition parentérale durant plus de 48h.

193 patients ont été évalués (96 pré, 97 post), mais beaucoup d’exclusions ont eu lieu, en majorité en raison d’utilisation de voies périphériques. Les groupes finaux comprenaient donc 44 patients dans le groupe pré et 47 dans le groupe post. Les groupes étaient globalement similaires en caractéristiques de base; de même la progression de l’alimentation entérale n’était pas différente significativement. Plus de patients ont atteint les cibles de nutrition parentérale (10 à 12 mg/kg/min de dextrose, 4 g/kg/jour d’acides aminés et 3 g/kg/jour de lipides), soit 26% dans le groupe intervention et 5% dans le groupe contrôle, une différence significative. Cependant, cette atteinte a pris en moyenne 10 jours dans les 2 groupes, sans différence significative. Moins de patients dans le groupe post ont eu une valeur d’électrolytes hors des valeurs normales, mais les types d’anomalies n’étaient pas différents, et l’utilisation d’insuline était similaire.

Moins d’interventions des pharmaciens validant les prescriptions de nutrition parentérale ont été nécessaires dans le groupe post comparativement au groupe pré (5,6% vs 30,4%, p<0.05).

Les auteurs concluent que la prescription électronique de nutrition parentérale en néonatologie permet d’améliorer les taux d’atteinte des objectifs, et de diminuer la nécessité d’ajustements par les pharmaciens validant les ordonnances, le tout sans affecter négativement les anomalies électrolytiques et le recours à l’insuline. Je trouve l’étude intéressante car ce type de logiciel semble prometteur pour diminuer le besoin d’ajustements aux ordonnances de nutrition parentérale néonatale par les pharmaciens, une tâche qui prend énormément de temps et qui peut avantageusement être assistée par ordinateur directement au moment de la prescription.

Articles de la semaine

CONSENSUS SUR L’UTILISATION DE L’ANALYTIQUE PRÉDICTIVE DANS LES DOSSIERS MÉDICAUX ÉLECTRONIQUES

Cet article, disponible en texte complet gratuitement sur PubMed Central, est un consensus international de 17 experts à propos de l’intégration de l’analytique prédictive aux dossiers informatisés.

La méthode utilisée pour le développement du consensus a d’abord été une entrevue qualitative individuelle avec chacun des experts, afin de dégager les thèmes à aborder. Puis, l’ensemble des thèmes a été validé par l’ensemble des participants à l’unanimité. Un symposium a ensuite eu lieu où les panélistes ont été divisés en 5 groupes (un pour chaque thème), et les points amenés par chacun des 5 groupes ont enfin été discutés par l’ensemble des experts.

Les recommandations qui se dégagent sont:

  • Développement de modèles et accès aux données: les organismes possédant des données de haute qualité devraient développer un mécanisme consensuel pour l’anonymisation et le partage de ces données de manière à ce qu’elles soient disponibles pour le développement de modèles. Les données de pharmacie sont explicitement mentionnées dans le document. Ceci inclut également les données collectées par les patients, cependant les limites de ces données doivent être comprises et prises en compte.
  • Évaluation des modèles et transparence: il est important que les modèles développés le soient de manière transparente et qu’ils fassent l’objet d’une évaluation rigoureuse. Le panel propose: la définition de meilleures pratiques de modélisation, l’assurance que les modèles soient cohérents avec la pratique, l’inclusion de sources de données diverses, le développement de lignes directrices de validation et d’évaluation, et enfin l’explication des modèles en langage simplifié, compte tenu des techniques complexes de modélisation utilisées.
  • Éthique: les modèles devraient faire l’objet d’une évaluation éthique quant à leur implantation, notamment lorsque ceux-ci sont utilisés pour prendre la décision d’intensifier ou de réduire les soins prodigués à un patient. Également, les risques et bénéfices de l’utilisation (ou de la non utilisation) de ces modèles devraient être communiqués de manière compréhensible au patient. Par ailleurs, les risques de ces modèles devraient bien être compris, notamment parce qu’il est possible qu’un modèle soit bénéfique pour la prise en charge d’une population, mais néfaste dans un ou plusieurs sous-groupes.
  • Réglementation et certification: un processus d’autorégulation et de certification pour les modèles devrait être développé, le tout sans compromettre l’innovation dans ce domaine émergent. Les organismes gouvernementaux ou associations professionnelles existantes pourraient prendre en charge ce rôle. Il serait par ailleurs utile que le processus de certification comprenne un test exhaustif des modèles de prédiction ainsi qu’une synthèse de leurs failles. La notion de performance devrait aussi être comprise dans la certification.
  • Éducation: les curriculums de formation des professions cliniques en santé devrait être bonifiés pour inclure les notions nécessaires à la compréhension de ces modèles ainsi que de leurs limites. Ceci inclut des notions de probabilité, de statistique, d’informatique et d’heuristique.

J’ai déjà parlé à quelques reprises de modèles de prédiction élaborés pour diverses conditions (par exemple pour l’insuffisance rénale). Il m’apparaît que l’élaboration, la validation et la description de ces modèles dans la littérature est hautement variable, et effectivement il ne semble pas toujours clair si les failles du modèle ainsi que l’aspect éthique est bien pris en compte dans leur mise en place. Je crois donc que les recommandations présentées dans ce consensus sont bien importantes.

FRANCE, IMPACT DE LA PRESCRIPTION ÉLECTRONIQUE SUR UNE UNITÉ DE CHIRURGIE ORTHOPÉDIQUE

Il s’agit d’une étude de type pré-post où les auteurs ont comparé l’incidence d’erreurs médicamenteuses reliées à la prescription, à la dispensation et à l’administration de médicaments, avant et après l’implantation d’un système de prescription électronique avec aide à la décision, combiné à une validation pharmaceutique des ordonnances, sur une unité de chirurgie orthopédique de 66 lits dans hôpital universitaire de 700 lits. Le texte complet est disponible gratuitement sur PubMed Central.

Deux périodes de 24 heures avant et deux autres périodes de 24 après l’implantation ont été sélectionnés pour la collecte des données. Les chercheurs ont examiné la prescription par les médecins et l’administration de médicaments par les infirmières durant les deux périodes pour comparer les erreurs.

Les erreurs de prescription ont été définies comme:

  • Les prescriptions ambiguës (illisibles, sujettes à interprétation, usage d’abréviations).
  • Absence de dosage ou dosage impossible (non administrable en fonction des préparations disponibles).
  • Absence de voie d’administration.
  • Duplication de thérapie.

Les erreurs d’administration ont été définies comme:

  • Dose incorrecte.
  • Moment d’administration incorrect.
  • Administration au mauvais patient.
  • Omission de dose.
  • Administration d’un médicament non prescrit.

Durant la période pré, 111 patients ont été inclus, avec 306 prescriptions pour 1593 médicaments. Durant la période post 86 patients ont été inclus, avec 258 prescriptions pour 1388 médicaments.

À noter que, tel qu’attendu, la prescription électronique a permis l’élimination complète des ordonnances avec identification incomplète du patient, du prescripteur ou avec date manquante. En ce qui a trait aux erreurs de prescription, 30,1% des prescriptions comportaient une erreur contre 2,4% en période post (p<0,0001). Cependant, les duplications de traitement ont augmenté à la période post (0,4% contre 1,8%). Les auteurs ont attribué cela à la fonctionnalité de protocole du logiciel.

Les auteurs ont divisé les erreurs d’administration en catégories de « dispensation » et « d’administration », puisque dans leur système de travail la dispensation était effectuée par les infirmières à partir de communs d’étage vers un chariot de médicaments utilisé ensuite pour l’administration. À la phase de dispensation, le taux d’erreur était de 35,3% en pré contre 31,9% en post (p=0,07). À la phase d’administration, le taux d’erreur était de 17,1% en pré contre 14,1% en post (p<0,05).

L’étude est intéressante car elle a été réalisée de manière très pragmatique. Cependant, elle a plusieurs limites qui bien décrites dans le texte. Également, la méthode de travail et la boucle prescription-pharmacie-administration est différente dans le système français par rapport au système nord-américain. Les résultats sont donc à interpréter avec précaution dans le contexte du fonctionnement québécois.

ÉTATS-UNIS, SIMULATION DE VALIDATION D’ORDONNANCES ET DE RÉCONCILIATION MÉDICAMENTEUSE POUR LES ÉTUDIANTS EN PHARMACIE

45710227_sCette étude décrit une technique de formation utilisée pour les étudiants en pharmacie de l’Université Mercer aux États-Unis. Le texte complet de l’article est disponible sur PubMed Central.

L’objectif était de bonifier la formation d’étudiants en pharmacie par une activité où ils devaient examiner eux-mêmes un cas de patient étant admis à l’hôpital, examiner sa liste de médicaments pris à domicile, la comparer aux ordonnances d’admission et effectuer ou non la validation des ordonnances d’admission, de même que la documentation des justifications pour cette validation ou la non-validation.

Les auteurs expliquent que par cette simulation, ils cherchaient à permettre aux étudiants d’expérimenter eux-mêmes la complexité de processus, alors que ceux-ci sont d’ordinaire exposés à ce processus de manière plutôt passive durant leur processus de formation. Les auteurs expliquent bien les point négatifs de cette observation passive, notamment la difficulté de saisir toutes les subtilités du processus cognitif suivi par le pharmacien qu’ils observent.

Ils ont donc conçu une simulation basée sur l’environnement de formation d’un logiciel de dossier électronique commercial pour présenter le cas patient aux étudiants, comprenant tel que décrit plus haut une liste de médicaments à domicile, une liste d’ordonnances et des résultats de laboratoire.

Durant une période de 3 ans, un sondage a été mené auprès des 83 étudiants ayant complété cette simulation pour recueillir leur opinion par rapport à celle-ci. 95% ont affirmé que cette simulation avait été bénéfique pour leur apprentissage, et 76% que cette simulation a stimulé leur intérêt envers la pharmacie d’établissement de santé.

Je trouve que cette étude est un bon exemple de l’apport de la simulation à la formation d’étudiants en pharmacie, en particulier dans le contexte de la distribution, pour laquelle la formation est actuellement faite de manière plutôt informelle.

Crédit image: binaryproject / 123RF Stock Photo