Applicabilité du théorème de Bayes aux alertes d’interactions médicamenteuses

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.

Raisonnement clinique en présence d’alertes électroniques

L’objectif de cette étude était d’explorer le raisonnement de cliniciens exposés à des alertes lors de la prescription de médicaments dans des dossiers électroniques avec aide à la décision, en particulier la manière dont le contexte clinique influençait leurs décisions de conduite à tenir.

32 médecins ont été recrutés dans des centres aux Pays-Bas et aux États-Unis. Une simulation a été effectuée avec le logiciel qu’ils utilisaient habituellement dans leur pratique. Durant cette simulation, qui durait environ 40 minutes, ceux-ci devaient prescrire des médicaments pour un patient fictif avec un contexte clinique complet (allergies, autres médicaments, résultats de laboratoire, etc). Les cliniciens devaient répondre aux alertes émises par le logiciel de la même manière qu’ils le feraient en pratique, tout en décrivant à voix haute leur raisonnement. Les simulations étaient filmées et transcrites afin de pouvoir être analysées. Les problèmes simulés étaient des interactions médicamenteuses, lesquelles sont décrites dans l’articles et étaient divisées en alertes de haute sévérité et de faible sévérité.

La réponse des cliniciens a été divisée en catégories:

  • Éviter le problème (« avoid », par exemple en changeant un médicament pour un autre sans interaction).
  • Reporter la décision (« defer », par exemple ne pas prescrire le médicament problématique et prévoir consulter un pharmacien).
  • Contrôler le problème (« control« , par exemple en ajoutant un suivi clinique ou de laboratoire pour détecter les effets d’une interaction).
  • Tolérer le problème (« allow », par exemple lorsqu’une interaction était jugée non cliniquement significative).

Les chercheurs ont enfin analysé la réponse des cliniciens de manière qualitative à la lumière de leurs commentaires afin de décrire leur raisonnement.

171 décisions ont été prises par les 32 cliniciens durant les simulations. 75% étaient en réponse à des alertes de haute sévérité et 25% de faible sévérité, et les décisions prises étaient significativement différentes entre les deux catégories de sévérité (p<0,0001).

Dans le contexte des alertes de haute sévérité, la réponse la plus fréquente était de quand même prescrire les deux médicaments et de contrôler à l’aide de tests de laboratoire, de suivis cliniques ou d’une diminution de dose, dans 40% des cas. Dans 37% des cas, les cliniciens ont choisi de reporter la décision, en particulier lorsqu’ils affirmaient ne pas avoir assez d’information pour bien évaluer le risque. Le problème a été évité par une substitution dans 14% des cas et le problème a été toléré tel quel dans 9% des cas.

En contraste, pour les alertes de faible sévérité, le problème a été toléré tel quel dans 71% des cas.

La réponse clinique était similaire dans tous les centres et ne variait pas significativement en fonction des logiciels utilisés. Afin de prendre les décisions, les participants ont utilisé leurs connaissances en pharmacologie ou les monographies des médicaments (55%), les données de laboratoire et les paramètres cliniques des patients (25%), des consultations à des spécialistes ou une discussion avec le prescripteur de l’autre médicament impliqué dans l’interaction (44%). Plus rarement, le traitement désiré a été retardé pour éviter l’usage concomitant des deux médicaments interagissant (14%).

Fait intéressant à souligner, dans 40% des cas où la situation a été tolérée tel quel, les cliniciens ont affirmé ne pas avoir remarqué une alerte non interruptive, si bien qu’il apparaît que cette décision a été prise involontairement.

Les chercheurs concluent que les décisions prises par les cliniciens en réponse à des alertes liées aux interactions médicamenteuses sont hautement dépendantes du contexte et que le design de dossiers électroniques devrait permettre de tenir compte facilement de ce contexte dans le flot de travail prévu.

Même dans les systèmes d’information pharmacie, on constate souvent ce genre de situation où une alerte apparaît, mais il faut quitter l’action qu’on était en train de faire au moment de l’alerte pour aller obtenir davantage d’informations dans d’autres écrans ou d’autres programmes.

Articles de la semaine

États-Unis, révision des ordonnances de chimiothérapie orale en externe à l’aide d’un logiciel

Il s’agit d’une étude rétrospective de type pré-post menée au Medical University of South Carolina Hollings Cancer Center. Cette étude décrit l’effet de l’implantation d’un logiciel de prescription électronique de la chimiothérapie permettant la documentation des interventions sur le travail des pharmaciens en oncologie, en ce qui a trait à la révision des ordonnances de chimiothérapie orale en externe. Dans cette organisation, avant l’implantation de ce logiciel, les ordonnances de chimiothérapie orale n’étaient pas systématiquement révisées par un pharmacien avant la dispensation en pharmacie externe, à l’exception de deux cliniques ciblées et d’une révision ad hoc selon la situation. Après l’implantation du logiciel, la fonctionnalité d’identification des prescriptions de ce type a permis la mise en place d’un processus de révision systématique de toutes ces ordonnances, à l’exception de celles formulées à l’extérieur d’un plan de traitement standardisé. Le logiciel permet également la documentation des interventions pharmaceutiques liées à la révision de ces ordonnances.

Les patients ayant reçu au moins une ordonnance de chimiothérapie orale en externe ont été inclus dans cette étude si l’ordonnance avait été émise durant une période pré-implantation (octobre-décembre 2013) ou une période post-implantation (octobre-décembre 2014). Les ordonnances révisées et les interventions pharmaceutiques reliées ont été collectées; durant la période pré, celles-ci étaient documentées à l’extérieur du dossier électronique dans une feuille de calcul. Le temps requis pour les interventions a aussi été collecté, et les interventions ont été classées selon leur importance clinique à l’aide d’une classification reconnue établie dans d’autres études.

240 patients ayant reçu 450 ordonnances ont été inclus, dont 134 ordonnances révisées dans la période pré et 316 dans la période post. 89 interventions ont été réalisées dans la période pré, comparativement à 681 durant la période post. Les types d’interventions les plus fréquents étaient la coordination des calendriers de traitement, la coordination des soins et l’assistance avec les plans de traitement. 41 erreurs de prescription ont été interceptées durant la période pré, comparativement à 250 durant la période post.

Bien sûr, ceci était lié à une augmentation du temps passé à faire ces activités. Durant la période pré, 9.3 heures par mois étaient consacrées à la révision des ordonnances et 14.7 heures aux interventions, comparativement à 34 heures de révision et 79 heures d’intervention durant la période post.

Je trouve cette étude pertinente car elle est un bon exemple d’un effet positif d’une meilleure disponibilité de l’information sur le travail des pharmaciens. Dans le centre étudié, les ordonnances n’étaient pas systématiquement révisées car il n’y avait pas de système en place pour rendre ces ordonnances disponibles aux pharmaciens; tandis qu’après l’arrivée du logiciel, un flot de travail permettant cela a pu être mis en place. De même, la documentation des interventions de manière électronique, associée en temps réel à celles-ci, est un bénéfice pour illustrer l’effet bénéfique des pharmaciens sur ce processus.

Néanmoins, l’augmentation du temps associé à ces activités doit inévitablement s’accompagner d’une diminution du temps accordé à une autre activité si aucune ressource n’est ajoutée. En ce sens, il est utile de se demander si l’activité ainsi développée est la meilleure utilisation possible du temps de ces pharmaciens, mais on n’en parle pas dans cet article.

États-Unis, variabilité des interactions médicamenteuses de haute priorité dans les dossiers électroniques

Ce sondage avait pour objectif de décrire l’état d’implantation d’une liste de 15 interactions médicamenteuses jugées prioritaires par un organisme américain, dans l’optique de mieux caractériser la variabilité entre les différents centres, de la méthode d’évaluation et d’alertes pour ces interactions. L’article est disponible gratuitement en texte complet sur le site de l’éditeur.

La liste a été obtenu d’un consensus d’experts avec l’aval du Office of the National Coordinator for health information Technology américain. L’article décrivant la méthode d’élaboration et la liste elle-même sont disponibles en ligne.

21 centres américains représentant un échantillon de convenance ont été sélectionnés pour participer au sondage, et de même 2 logiciels gratuits ont été évalués par les chercheurs de la même manière. Des centres contactés, 19 ont répondu et 17 ont complété le sondage.

L’évaluation consistait en la création dans le logiciel de prescription électronique d’un patient test, suivi de prescriptions fictives des médicaments impliqués dans les 15 interactions évaluées. Durant cette phase, les chercheurs supervisaient le test par partage d’écran. Les résultats sont présentés en agrégé pour tous les centres, et une sous catégorie des 6 systèmes Epic représentés dans l’étude a été isolée.

Dans 17 des 19 systèmes évalués (89%), la capacité de présenter diverses sévérités d’interactions existait. Cependant, dans 4 systèmes (21%), seules les interactions les plus sévères apparaissaient en alerte, alors que toutes les interactions peu importe leur sévérité apparaissaient en alerte dans 8 (42%) systèmes.

Aucun système n’a affiché d’alerte pour les 15 interactions identifiées. Le meilleur résultat est 14/15 (93%), par un seul système. En moyenne, 58% des interactions ont généré une alerte interruptive (requérant confirmation de l’utilisateur pour continuer), et 12% ont produit uniquement des alertes passives. Un seul système a présenté des alertes avec interruption définitive (hard stop), empêchant l’utilisateur de continuer la prescription. Dans ce système, 7 des 15 interactions étaient configurés en interruption définitive.

En ce qui a trait aux interactions spécifiques, le comportement était très variable. L’interaction entre les ISRS et les IMAO était détectée dans pratiquement tous les système, alors que l’interaction entre le ramelteon et les inhibiteurs du CYP1A2 n’était détectée dans aucun système.

L’étude est intéressante car illustre bien la grande variabilité dans la gestion des interactions médicamenteuses, même dans un écosystème mature avec des produits commerciaux à grand déploiement. À noter qu’une liste d’interactions jugées prioritaires en pédiatrie existe; il serait intéressant qu’une étude similaire soit menée dans le contexte de la pédiatrie.

États-Unis, capacité des logiciels à intercepter des erreurs médicamenteuses dans les hôpitaux pédiatriques

52145965_sL’objectif de cette étude était d’évaluer la performance des logiciels de prescription électronique avec aide à la décision en utilisation dans 41 institutions américaines, certaines exclusivement pédiatriques et d’autres desservant une clientèle mixte pédiatrique et adulte. L’analyse a été effectuée avec la version pédiatrique du Leapfrog CPOE evaluation tool, un outil standardisé reconnu et couramment utilisé aux États-Unis. L’étude a eu lieu de février 2008 à décembre 2010, et comportait pour certaines institutions plusieurs évaluations dans le temps, ce qui a permis aux auteurs de décrire l’évolution temporelle des scores obtenus.

La méthode d’évaluation est bien décrite dans l’article. En résumé, il s’agit de créer des patients fictifs dans le système en place, d’entrer les ordonnances fictives demandées par le test et de noter ce que le système détecte comme erreurs. De surcroît, des ordonnances sans erreurs doivent être elles aussi testées et une limite de temps de 6 heures est imposée, afin de détecter les alertes inutiles, et de prévenir la tentation que certains pourraient avoir d’ajuster leur système d’aide à la décision aux ordonnances demandées par le test.

96 résultats de tests ont été obtenus, pour une moyenne de 2.2 par institution. 6 ont été exclus en raison de violation de la limite de temps ou de détection de résultats louches à partir des ordonnances sensées ne pas générer d’alertes. 90 résultats ont donc été exclus dans l’analyse. 73,2% des hôpitaux étaient des affiliés à des institutions académiques, et en moyenne, les hôpitaux participants étaient un peu plus grands que l’hôpital pédiatrique américain moyen.

Le score moyen pour l’ensemble des composantes testées était de 62%, avec un intervalle de confiance 95% de 57,9 à 66,1%. Les composantes testées étaient divisées en fonctionnalités de base (interactions, allergies, duplications, doses uniques, voies d’administration) et avancées (doses ou indications par diagnostic et par résultats de laboratoire, coûts, monitoring, doses cumulatives et alertes inutiles). Pour les composantes de base, le score moyen était de 71,6% et il était de 50,4% pour les fonctions avancées. Les fonctions avec les scores les plus élevés étaient la détection d’allergies (99,2%), de doses uniques inappropriées (81,1%), de doses cumulatives inappropriées (70,2%) et les voies d’administrations inappropriées (70,8%). Les pires performances étaient pour la détection d’interactions et de duplications. La performance n’était pas liée au type d’hôpital, au logiciel lui-même, au temps depuis le déploiement et à l’affiliation académique.

En moyenne, les systèmes de prescription électronique étaient en place depuis 4.1 ans. Les auteurs ont trouvé que les scores de performance avaient tendance à s’améliorer, d’en moyenne 4% par année après le test initial.

Je trouve cette étude pertinente en raison des données qu’elle offre sur la performance des logiciels de prescription électronique en pédiatrie. Dans notre contexte, on pourrait utiliser cet outil ou un autre similaire pour tester la performance des systèmes de prescription électronique qui seront inévitablement déployés au Québec dans les prochaines années. De même, un tel test serait applicable aux logiciels de pharmacie, qui offrent des fonctionnalités similaires. Ces résultats pourraient aider à développer un guide de paramétrage pour ces applications.

À noter: la première phrase de cet article est: « The Institute of Medicine’s 1999 report To Err Is Human… »

Articles de la semaine

JAPON, CONTOURNEMENT D’ALERTES PAR UN MOT DE PASSE DANS UN SYSTÈME D’AIDE À LA DÉCISION

Cet étude, écrite par des auteurs japonais dont un pharmacien, a eu lieu dans un hôpital universitaire d’environ 1000 lits. Il n’est pas clair si le devis était prospectif ou rétrospectif, mais considérant la méthodologie de l’article, je doute que cela fasse une grande différence. L’étude avait pour objectif de décrire la réponse des médecins à un système de contournement par mot de passe des alertes d’interactions médicamenteuses générées par un système d’aide à la décision. L’article a été publié dans BMC Medical Informatics & Decision Making et est disponible gratuitement en texte complet sur PubMed Central.

Le système mis en place est, de l’aveu même des auteurs, unique. Je doute d’ailleurs qu’il survivrait longtemps dans le système nord-américain ! L’hôpital utilisait un système de prescription électronique avec aide à la décision intégré. Les interactions médicamenteuses de chaque médicament, telles que décrites dans les monographies officielles japonaises, étaient entrées dans le système par le département de pharmacie, et lors de la prescription de deux médicaments présentant une interaction médicamenteuses cotée comme contre-indication relative ou absolue, une alerte était générée. Afin de contourner l’alerte, le médecin devait téléphoner au pharmacien afin d’obtenir un mot de passe, généré aléatoirement et changé quotidiennement, et documenter la raison de contournement de l’alerte.

La période à l’étude allait de décembre 2011 à novembre 2012. Durant cette période, 268 622 prescriptions ont été traitées, et ont mené à 1449 alertes. De celles-ci, la majorité étaient des doublons et ont été exclues de l’analyse, pour finir en 170 vraies alertes incluses dans l’analyse. Après affichage de l’alerte, dans 111 cas le mot de passe a été obtenu et l’alerte contournée, alors que dans 59 cas, la combinaison a été évitée. L’alerte la plus fréquente était la combinaison de statine et fibrates, suivi de la combinaison de tacrolimus et de diurétiques épargneurs de potassium. Malheureusement, les raisons de contournement des alertes ont été peu documentées et une analyse n’a pu être menée sur ce paramètre.

Évidemment, une telle étude présente de nombreuses limites, dont l’utilisation de monographies comme source d’information pour la décision d’afficher une alerte à documentation obligatoire. Les monographies officielles sont bien sûr une source importante d’information, mais plusieurs banques de données plus ciblées pourraient être utilisées. On pourrait aussi argumenter que l’exigence de devoir téléphoner au pharmacien pour obtenir un mot de passe généré aléatoirement pour contourner l’alerte est une mesure qui devrait s’appliquer aux interactions les plus sévères, voire absolument contre-indiquées.

ÉTATS-UNIS, RECOMMANDATIONS POUR LA SÉLECTION DES MÉDICAMENTS À INCLURE DANS LES MOTEURS DE DÉTECTION

37146138_sCette publication a fait l’objet d’un épisode du podcast AJHP Voices. L’article consiste en un ensemble de recommandations émises par un panel de 20 experts en interactions, en pharmacologie clinique, et en systèmes d’aide à la décision provenant de divers milieux (académique, industrie, système de santé, etc.) Leur objectif, par ces recommandations, était d’établir les bases d’une banque nationale (aux États-Unis) d’interactions médicamenteuses à intégrer dans les systèmes d’aide à la décision des dossiers cliniques informatisés, afin que les interactions ainsi détectées soient cliniquement significatives, que l’information pertinente soit présentée aux cliniciens, et que les caractéristiques de ces systèmes cessent d’être différentes d’un produit à l’autre.

L’argument de développer un tel système national est bien logique: l’état actuel de la situation avec plusieurs banques émanant de plusieurs fournisseurs est loin de bien fonctionner. Les banques sont très variables en termes d’interactions présentes ou absentes, de nomenclature, d’information présentée, et même de mises à jour. Par ailleurs, la crainte de la responsabilité légale incite souvent les banques de données à inclure plus d’interactions que nécessaire; la supervision de ce processus par un organisme public au processus transparent permet d’encadrer ce risque.

  • L’article présente les recommandations en réponse à quatre questions:
    • Quel processus devrait être utilisé pour établir et tenir à jour la banque d’interactions ?
    • Établir un processus national à travers un organisme public, intégrant des parties prenantes de tous les milieux, avec un financement assuré par le public et le privé.
    • Ce comité doit réviser les données probantes sur les interactions et produire des synthèses de ces données.
    • Les risques posés par les interactions doivent être cotés par ce comité.
    • Le comité doit avoir un processus en place pour recevoir du feedback et y réagir de manière transparente.
    • Les recommandations de ce comité doivent avoir un processus de mise à jour.
  • Quelle information devrait être incluse dans la banque de données ?
    • Une définition et une hiérarchisation des interactions. Les auteurs insistent sur le fait que le terme sévérité (severity) n’est pas le bon terme pour décrire le degré de gravité d’une interaction, parce qu’une interaction peut être sévère sans nécessairement être cliniquement importante; ils proposent plutôt le terme seriousness.
    • Ils proposent une classification en trois cotes, soit la cote à la seriousness la plus élevée qui requerrait des alertes interruptives, une cote de seriousness moyenne qui générerait une alerte non interruptive, et une cote moins sévère qui ne générerait pas d’alerte.
    • Un résumé des conséquences cliniques pour le patient, ainsi que de la fréquence de ces conséquences.
    • La présence de facteurs du patient qui peuvent affecter l’interaction (on n’a qu’à penser aux interactions touchant l’intervalle QT pour comprendre l’importance de ces facteurs).
    • Le mécanisme de l’interaction, incluant si celle-ci est pharmacocinétique ou pharmacodynamique.
    • Des recommandations de prise en charge.
    • Un résumé des données probantes.
  • Une liste d’associations contre-indiquées est-elle possible ?
    • Les auteurs insistent sur le fait que le terme “contre-indiqué” devrait s’appliquer exclusivement aux cas où l’association ne devrait en aucun cas être possible. Les contre-indications « absolues » ou « relatives » sont donc exclues de la nomenclature proposée.
  • Peut-on filtrer intelligemment les listes d’interactions ?
    • Lorsque des établissements ou organisations mettent en place des banques de détection d’interaction, un paramétrage local est souvent appliqué. Un comité interprofessionnel incluant des pharmaciens devrait être en place pour établir les règles de filtrage local.
    • Il existe une notion de paramétrage personnalisé de la détection ou de l’affichage d’alertes (cette notion est d’ailleurs reprise dans le guide de l’OPQ sur les logiciels en pharmacie). Les auteurs argumentent qu’il existe peu de données probantes sur les effets de tels systèmes.
    • Un paramétrage par patient est également possible, afin par exemple d’éviter les alertes pour une combinaison qu’un patient tolère bien.
    • Encore une fois, les données sur les effets d’un tel paramétrage sont manquantes.
    • Un filtrage en fonction de facteurs inhérents au dossier d’un patient est possible (par exemple ne pas alerter pour une interaction s’appliquant à une prise concomitante lorsque les heures de prise sont séparées), ceci devrait être évalué au cas par cas selon les auteurs.

Les auteurs font également des recommandations pour la recherche future sur ce sujet, incluant sur la présentation de celles-ci.

ÉTATS-UNIS, OPTIMISER LES ALERTES D’ALLERGIE MÉDICAMENTEUSE

L’objectif de l’intervention décrite dans ce court article était de réduire le nombre d’alertes générées pour des allergies aux médicaments ainsi que le taux de contournement des alertes. Dans le centre, le système de prescription électronique mis en place en juin 2012 intégrait un système d’aide à la décision avec alertes. Durant la période pré ajustement (du 1er janvier au 31 mars 2013), 0,6 alerte par ordonnance était générée (!), dont 0,14 alerte par ordonnance pour les allergies, pour un total de 120 669 alertes pour allergie durant la période. 94% des alertes étaient contournées.

Sur la base des données ainsi collectées, les auteurs ont constaté que plus de la moitié des alertes concernaient des ingrédients non médicinaux, des substances diverses ou des aliments qui n’étaient pas bien interprétées par le système. Les alertes pour des substances non actives ont donc été éliminées. Durant une période de 2 mois en post intervention (1er mai au 30 juin 2013), le taux d’alertes pour allergie a diminué à 0,09 alerte par ordonnance, et le taux de contournement a baissé à 90%.

Je trouve que l’article est un bon exemple d’un système ou trop d’alertes sont générées.

Crédit image: yupiramos / 123RF Stock Photo