Revue systématique sur les erreurs causées par la prescription électronique en pédiatrie

Je vous parle cette semaine d’une revue systématique sur les facteurs contribuant aux erreurs de médicaments causées par les systèmes de prescription électronique en pédiatrie. Cet article a été écrit par le même groupe qu’un article très similaire dont j’ai parlé il y a un peu moins d’un an, et qui avait le même objectif, sans être orienté vers la pédiatrie.

En rappel, les facteurs identifiés comme causes d’erreurs lors de prescription électronique en général étaient:

  • L’affichage à l’écran
  • La sélection dans les menus déroulants et la complétion automatique de champs
  • Le choix des mots et les formulations étranges
  • Les paramètres par défauts mal pensés
  • Le manque de flexibilité ou de fonctionnalité dans les flots de travail
  • Le manque d’interopérabilité
  • L’automatisation à outrance
  • Le manque d’adaptation des flots de travail au système électronique
  • Le mauvais paramétrage de l’aide à la décision

Pour cette nouvelle revue ciblant la pédiatrie, les auteurs ont effectué une recherche systématique des banques Embase, CINAHL et Medline depuis leur début jusqu’au 3 mai 2016. Les articles de recherche primaire de nature qualitative ou quantitative, ayant pour objet les erreurs de médicaments associées à la prescription électronique en pédiatrie, et qui donnaient de l’information sur les causes de ces erreurs, ont été incluses. Un processus systématique pour sélectionner les articles, les lires et en extraire les données a été suivi.

419 articles ont été identifiés, et après filtrage 47 ont été retenus, dont 29 provenant des États-Unis, 4 de l’Angleterre, 2 du Canada, 2 de l’Iran, 2 des Pays-Bas et 2 de la Suède, entre autres. 38 étaient quantitatifs, 3 qualitatifs et 6 avaient les deux méthodes. 5 thèmes majeurs ont été extraits comme causes d’erreurs:

  • Le mauvais paramétrage des alertes de dose, d’abord en omettant des alertes spécifiques aux indications. Par exemple, un système offrait des alertes de dose trop élevée de méthylprednisolone uniquement pour les doses plus grandes que 30 mg/kg/dose, la dose maximale paramétrée pour la néphrite lupique. La prescription erronée d’une telle dose pour l’asthme n’entraînait pas d’alerte.
  • Encore le mauvais paramétrage des alertes de dose, mais cette fois en générant des alertes inappropriées. Dans ce genre de cas, un système générait des alertes à la fois pour une dose trop élevée et trop faible, en même temps, pour un patient de 36 kg qui recevait une dose de 900 mg deux fois par jour d’amoxicilline, soit moins de 26 mg/kg/dose, la limite inférieure pédiatrique, mais plus de 875 mg/dose, la dose adulte. Un autre type d’alerte dans ce thème était des alertes causées par des données anthropométriques anciennes (un poids qui n’est pas à jour dans un dossier, par exemple).
  • Les alertes de duplication inappropriée, d’une part en omettant d’alerter lorsque la prescription est faite avec un nom différent (l’exemple donné est de la prednisone sur protocole de recherche et de la prednisone hors protocole), ou en générant des alertes intempestives en ne tenant pas en compte les voies d’administration différentes et les dates différentes de plusieurs entrées pour le même médicament.
  • La sélection dans les menus déroulants, par exemple en permettant de prescrire le même médicament en mg, en g ou en mL, ou encore en affichant des concentrations de suspensions orales en « 400 mg / 5 mL » plutôt qu’en mg/mL.
  • Le mauvais design du système, par exemple en forçant les prescripteurs à utiliser du texte libre en raison du manque d’options, ce qui cause des prescriptions incohérentes ou contradictoires. De même, l’utilisation d’ordonnances pré-rédigées (order sets) est un risque d’erreur lorsque des sélections se font automatiquement sans prendre en compte ce qui est déjà prescrit.

Les auteurs proposent diverses solutions pour pallier à ces problèmes, et vont même jusqu’à exposer les points positifs et négatifs des solutions qu’ils proposent.

Affiches présentées à l’Événement des pharmaciens 2017

Je n’ai malheureusement pas pu assister à l’Événement des pharmaciens 2017, congrès qui réunissait l’Association des Pharmaciens des Établissements de Santé (APES) du Québec et l’Ordre des Pharmaciens du Québec, entre autres. Cependant, les affiches présentées dans le cadre de ce congrès via l’APES ont été récemment publiées dans le Pharmactuel.

Je vous présente ici les données tirées des affiches traitant de l’utilisation de la technologie dans les pharmacies d’établissement de santé.

Temps requis pour la vérification par code-barre des services quotidiens

Un groupe du CISSS de Laval a comparé le temps requis pour la préparation des services quotidiens de médicaments par la méthode traditionnelle (feuilles de travail imprimées) par rapport à une méthode assistée par code-barre. Le temps de préparation requis pour l’assistant-technique préparateur et le nombre d’erreurs ont été collectées. 614 doses ont été évaluées par la méthode traditionnelle et 471 pour le code-barre, avec un temps moyen de 8,2 secondes par méthode traditionnelle contre 14,3 secondes par code-barres. Cependant, moins d’erreurs ont été constatées avec le code-barre. J’espère que cette étude sera publiée en texte complet car les résultats sont intéressants; j’imagine que l’effet observé est hautement dépendant du flux de travail (« workflow ») imposé par le système informatique, il serait intéressant de connaître les étapes limitantes et de réfléchir à la possibilité de les raccourcir. Il faut aussi noter que le temps calculé ne semble pas tenir en compte le temps de double vérification, soit par un autre assistant-technique dans le cadre d’une délégation, soit par un pharmacien, qui pourrait être réduit même si le temps de préparation augmente.

Sondage québécois sur l’utilisation du code-barre dans le circuit du médicament

La même équipe (j’imagine dans le cadre du même projet) a effectué un sondage québécois sur l’utilisation du code-barres dans le circuit du médicament, du 14 au 23 mars 2017. Tous les chefs de département de pharmacie listés à l’APES ont été contactés, soit 100 personnes. 35 ont répondu (35%). Seulement 5,7% des établissements n’ont aucune étape du circuit utilisant le code-barre, et 54% utilisent le code-barre pour la préparation des services quotidiens de médicaments. Ces données viennent complémenter les données québécoises du dernier sondage sur la pharmacie hospitalière datant de 2013-2014.

Chronométrage des activités du pharmacien dans une clinique externe d’oncologie

Cette étude ne ciblait pas la technologie à proprement parler, mais elle comporte des données quand même intéressantes dans ce contexte. Pendant 8 jours en mai 2016, les activités des pharmaciens à la clinique externe d’oncologie d’un hôpital du CHUM ont été chronométrées. Les données détaillées sont dans l’affiche, mais je trouve intéressant de souligner que 31,3% du temps était consacré à des activités non planifiées, comme des réponses aux appels et aux questions. Dans le contexte de la validation centralisée, une proportion significative du temps du pharmacien est justement consacrée à répondre à des questions et à des appels téléphoniques, et cette donnée pourrait servir de comparateur pour le temps passé à cette activité, en gardant en tête qu’il s’agit ici d’une clinique externe et non d’une pharmacie centrale.

Fiabilité du DSQ et du profil de pharmacie communautaire comparés à l’histoire médicamenteuse pour la prescription à l’urgence

Un groupe du CISSS Montérégie-Centre a évalué le nombre de divergences entre les listes extraites du DSQ, les profils de pharmacie communautaire et les histoires médicamenteuses faites en personne chez 250 patients admis ou en observation à l’urgence de l’hôpital Charles-Lemoyne. 1010 divergences ont été notées au DSQ et 714 au profil de pharmacie communautaire, cependant la potentiel de sévérité des divergences observées n’était pas significativement différent entre les deux méthodes. Il s’agit encore ici d’une étude pour laquelle le texte complet serait intéressant à obtenir dans le futur, car ces données viennent compléter d’autres déjà publiées sur le sujet.

Identification des combinaisons inhabituelles de médicaments

Cette étude de type preuve de concept visait à développer un algorithme de détection de combinaisons inhabituelles de médicaments, à partir d’une matrice de probabilité de combinaisons de médicaments dans les dossiers pharmacologiques historiques d’un établissement de santé. Il s’agit d’un exemple relativement simple de machine learning appliqué à la pharmacie. Une étude sur le machine learning pour la détection d’interactions médicamenteuses a d’ailleurs déjà été publiée, il s’agit ici de la première étude sur cette technique qui pourrait s’appliquer à la validation d’ordonnances, à ma connaissance. L’application pratique d’un tel algorithme serait d’indiquer au pharmacien la présence de combinaisons inhabituelles au dossier sur la base de ce qui a été validé dans le passé, ceci afin d’identifier rapidement des erreurs de saisie (par exemple des médicaments Look-Alike, Sound-Alike qui auraient été confondus à la prescription ou à la transcription).

La validation centralisée d’ordonnances en pharmacie d’établissement doit être repensée, en particulier dans le contexte de l’arrivée de la prescription électronique avec aide à la décision. Le machine learning est une avenue intéressante pour améliorer le processus, j’ai bien hâte de voir le développement de cette technique dans le futur.

Effet d’un système de prescription et administration électronique sur les erreurs de médicaments

Cette étude a eu lieu sur une unité de gériatrie de 14 lits d’un hôpital d’enseignement anglais situé à Londres. L’objectif de l’étude était d’évaluer l’effet de d’un système électronique de prescription et administration de médicaments sur les erreurs d’administration de médicaments. Un devis de type pré-post a été utilisé, où un pharmacien a observé la tournée d’administration des médicaments d’une infirmière à 8h du matin durant 12 journées dans la phase pré et 15 journées dans la phase post. Peu de détails sont données sur les caractéristiques de prescription du logiciel utilisé, mais il faut souligner que les fonctions pour l’administration des médicaments n’incluaient pas la vérification par code-barre. De même, peu de données sont données sur le système papier en place avant l’installation du logiciel, je crois comprendre que la liste de médicaments de l’infirmière n’était pas générée informatiquement mais bien manuellement.

Le pharmacien a compté les opportunités d’erreurs et les erreurs qui se sont produites, selon des définitions préalables. Il est bien sûr intervenu pour éviter que les erreurs observées se rendent au patient. Les médicaments intraveineux ont été exclus de l’étude considérant leur faible nombre sur cette unité. La qualité de documentation de l’administration a aussi été analysée.

La collecte de données a eu lieu de décembre 2014 à juin 2015. 86 rencontres patients-infirmière ont été incluses dans chaque phase. Dans la phase pré, le taux d’erreurs était de 4,2% (18 erreurs sur 428 opportunités) contre 3,4% dans la phase post (18 erreurs sur 528 opportunités), une différence non significative (p=0,64). L’article donne le détail de plusieurs erreurs. Au niveau de la documentation, une augmentation des inexactitudes a été observée, avec 5 divergences sur 460 documentations dans la phase pré (1,1%) contre 18 divergences sur 557 documentations dans la phase post (3,2%, p=0,04). Les chercheurs ont observé que la cause de divergence la plus fréquente était la documentation d’une administration qui n’avait pas eu lieu, généralement parce que la documentation avait lieu avant l’administration réelle en raison du flot de travail des infirmières et de la disponibilité physique des ordinateurs. Lorsque l’administration n’avait pas lieu (par exemple refus du patient ou patient non disponible), il y avait souvent omission d’annuler l’administration inscrite, parce que cette opération n’était pas facile dans le logiciel. De même, des erreurs de forme pharmaceutique ou de voie d’administration ont été notées alors que celles-ci n’ont pas été observées avec le papier, en raison des capacités limitées du logiciel à mettre en évidence les particularités de certaines ordonnances.

Cette étude a plusieurs lacunes, notamment la petite taille de l’unité de soins et les critères d’inclusion très spécifiques. Les conclusions semblent fortement influencées par les méthodes de travail sur l’unité de soins examinée. Je crois qu’il est très difficile d’affirmer que l’absence d’effet observée sur les erreurs, et l’augmentation des divergences de documentation, sont réellement dus à l’implantation du système électronique en tant que tel. Il me semble plutôt que les caractéristiques du logiciel choisi et les méthodes de travail sur l’unité pourraient expliquer ce qui a été conclu. L’absence de validation du médicament par code-barre dans le système utilisé est aussi un élément à considérer.

Détection de noms de médicaments similaires

Je parlais récemment d’affichage de noms de médicaments dans les systèmes informatiques. Les difficultés rencontrées avec cet affichage découlent en partie des noms de médicaments similaires, désignés en anglais par l’acronyme LASA (Look-alike, sound-alike). Un nouvel article dans le dernier AJHP discute de ce problème. Les auteurs ont développé un algorithme permettant d’identifier les erreurs potentielles liées à des paires de médicaments aux noms similaires. L’article se concentre sur la confusion entre la cyclosérine et la cyclosporine, deux médicaments précédemment identifiées comme ayant un nom similaire à risque de confusion et inclus sur la liste des « TALLman » de l’ISMP.

Un algorithme d’identification des paires de médicaments à risque a été développé à l’aide de 3 critères extraits du dossier électronique:

  1. Le médicament prescrit n’était pas justifié par un diagnostic actif.
  2. Un autre médicament au nom similaire (selon un certain seuil) existe.
  3. L’indication de cet autre médicament correspond à un diagnostic actif ou est présent dans l’historique de médicaments.

Afin d’exécuter cet algorithme, une banque d’indications des médicaments a été obtenue d’un fournisseur commercial, les données diagnostiques du dossier électronique ont été extraites (les codes ICD-9) et les 10 dernières années de prescriptions électroniques dans l’institution des auteurs ont été analysées en fonction de ces données. Un traitement extensif des données a été nécessaire pour réaliser l’analyse et est détaillé dans le texte. La similairité des noms de médicaments a été évaluée à l’aide de l’algorithme BI-SIM, un score de 0 à 1 caractérisant la similarité de deux chaînes de texte qui a déjà été étudié pour prédire le risque de confusion entre les médicaments. La paire cyclosporine/cyclosérine a un score de 0,83.

Toutes les prescriptions de cyclosérine de 2008 à 2014 ont été extraites. 16 ordonnances de cyclosérine ont été identifées, et les dossiers ont été revus manuellement. De celles-ci, 11 étaient des erreurs de confusion avec la cyclosporine. Dans 10 cas, la prescription a été faite mais changée par la suite. Dans un cas, il semble que le patient ait reçu de la cyclosérine, mais à la seule analyse du dossier cela demeurait incertain. Il est à souligner que ces deux médicaments étaient identifés par une nomenclature « TALLman » dans le dossier électronique, ce qui remet encre une fois en doute l’efficacité de cette mesure.

Les auteurs concluent en soulignant qu’une alerte basée sur l’indication aurait probablement permis d’éviter ces erreurs, en alertant le prescripteur au fait que la cyclosérine, un médicament pour la tuberculose, et rarement utilisé, n’était pas indiqué pour les patients en question. Cependant, ils mentionnent aussi qu’il est ardu de mettre en place un tel algorithme De leur propre expérience, une grande quantité de travail manuel a été nécessaire pour d’abord établir la liste d’indications par médicament à partir d’une banque de données commerciales, puis pour relier les diagnostics du dossier électronique à ces indications, sachant que les données extraites des dossiers électroniques sont hautement variables.

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 ».

Cas d’intoxication à la morphine en pédiatrie

 Cet article décrit le cas d’un enfant ayant reçu une prescription de morphine au congé de l’hôpital, après une chirurgie d’adénoïdo-amygdalectomie. La dose prescrite était de 3 mg pour un poids de 15 kg, soit 0,2 mg/kg/dose, ce qui est adéquat. À noter, la prescription précisait d’administrer le médicament régulièrement aux 4 à 6 heures (ce qui est quand même un peu illogique…) pendant 5 jours puis aux 4 à 6 heures au besoin.

Le patient a eu congé de l’hôpital au matin le lendemain de la chirurgie, puis en soirée le même jour il s’est mis à présenter de la fièvre avec de la somnolence, ce pourquoi ses parents ont appelé l’ambulance. Le patient a été amené à un centre régional puis transféré à un centre tertiaire avec de la somnolence, une tachycardie, des tremblements, un myosis, des pauses respiratoires, une cyanose buccale et même une possibilité de convulsions. Une intoxication à la morphine a été suspectée et deux doses de naloxone à 4 heures d’intervalle ont été nécessaire pour contrôler les symptômes, de même qu’une admission aux soins intensifs pour surveillance. Il a été constaté que le patient a reçu une solution orale de morphine à 5 mg/mL au lieu de 1 mg/mL, avec un volume correspondant à la dose prescrite pour la solution de 1 mg/mL; les doses administrées étaient donc de 1 mg/kg par inadvertance.

La conclusion de l’article comporte une phrase clé que je cite ici telle quelle, qui rejoint plusieurs autres articles qui ont été écrit sur le même sujet depuis les recommandations d’éviter la codéine en pédiatrie:

Depuis le retrait de la codéine des options de traitement pour les enfants de moins de 12 ans, la morphine est devenue une option intéressante pour le soulagement de la douleur. Il s’agit toutefois d’un médicament associé à un risque élevé d’erreur pouvant entraîner des conséquences graves. À la suite de la recommandation de Santé Canada, il faut se questionner pour savoir si le nombre événements évités par le retrait de la codéine en pédiatrie est plus grand que le nombre événements causés par le passage à la morphine. Étant donné la consommation croissante d’opiacés depuis le début des années 2000, l’utilisation de la morphine pour les enfants ayant subi une amygdalectomie doit faire l’objet d’une évaluation approfondie des risques et des bienfaits afin d’en justifier l’usage.

Déclaration de conflit d’intérêt: je connais tous les auteurs de cet article mais je n’ai pas été impliqué dans son écriture ni dans le cas clinique décrit.

Protocole d’une étude évaluant l’effet de la prescription et administration électronique des médicaments en pédiatrie

Cet article décrit le protocole d’une étude australienne à venir, qui sera menée dans deux hôpitaux pédiatriques tertiaires et académiques de 310 et 180 lits. L’intervention à l’étude sera le passage de la prescription et de la documentation de l’administration des médicaments sur papier, à module de prescription électronique avec aide à la décision complète, ainsi qu’à module de documentation de l’administration (une FADM électronique), dans un logiciel de dossier électronique commercial déjà en service. Le premier objectif de l’étude sera de déterminer l’effet de l’implantation sur les événements indésirables liés aux médicaments et sur la durée de séjour dans le premier hôpital. Le deuxième objectif sera de caractériser l’effet de ce système sur le flot de travail et l’efficacité des cliniciens, et le troisième sera de voir si des modifications au système suite aux observations liées à la première phase permettra d’améliorer l’effet de son implantation au deuxième hôpital.

Le devis de l’étude sera un stepped-wedge cluster randomised controlled trial (je ne m’essaierai pas à le traduire en français), c’est-à-dire un devis où le système sera implanté progressivement à travers tout l’hôpital par unité de soins, et l’ordre d’implantation sera randomisé, afin de pouvoir effectuer des comparaisons. Ce devis, selon les auteurs, est adapté aux situations où il est impossible de randomiser des patients individuels et où l’intervention doit être appliquée en bout de ligne à toute la population à l’étude.

Les fonctionnalités du système implanté sont exhaustives: prescription électronique complète sauf pour les soins intensifs et l’anesthésie, bilan comparatif des médicaments à l’admission et au congé, documentation de la dispensation, documentation de l’administration, aide à la décision avec calcul de doses, ordonnances pré-rédigées, politiques et protocoles, alertes d’interactions et de doses hors normes, et support pour les applications mobiles.

Les erreurs liées au médicaments évaluées seront celles qui se produiront réellement de même que celles interceptées avant administration. Les erreurs de prescription seront collectées par revue de dossier rétrospective, et les erreurs d’administration par observation directe des infirmières et collecte de données à l’aide d’un formulaire standardisé durant l’observation.

Je trouve ce protocole exhaustif et intéressant, il permettra de mieux caractériser l’effet de l’implantation d’un système électronique complet pour les activités cliniques liées au médicament sur les erreurs médicamenteuses et une issue clinique de première importance, la durée de séjour. J’ai bien hâte de voir les résultats.