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.

Détection de noms de médicaments similaires

Variations dans la nomenclature des médicaments en prescription électronique

J’ai parlé il y a quelque temps de l’importance la nomenclature des médicaments dans les systèmes informatiques de santé, incluant les systèmes de pharmacie, les dossiers électroniques et la prescription électronique. Un article publié dans le dernier AJHP amène des données intéressantes sur cet enjeu. Il s’agit d’un article qui avait pour objectif de décrire la variabilité des noms de médicaments utilisés dans 10 systèmes de prescription électronique utilisés dans 6 organisations de santé américaines. Les logiciels évalués incluaient des systèmes locaux de même que des produits commerciaux. Des tests ont été développés par un pharmacien de l’équipe de recherche pour pour générer des alertes, en particulier pour les duplications. Des sessions à distance ont été menées avec les utilisateurs locaux du système de manière standardisée, afin de bien évaluer l’interaction normale des utilisateurs avec le système. De plus, dans un site en particulier, les données de 4 millions d’ordonnances émises entre 2011 et 2015 ont été extraites et analysées en détail.

Les auteurs ont observé une énorme variabilité dans la manière dont les médicaments étaient nommés et affichés dans les systèmes, par exemple l’affichage de médicaments en nom générique ou original, selon ce qui avait été prescrit, dans les listes de médicaments. Ça vaut la peine de lire le texte complet pour voir tous les exemples. L’analyse détaillée d’un site a montré que la plupart des prescriptions étaient faites en nom générique, sauf pour les produits combinés, pour lesquels 77,3% des prescriptions étaient faites en nom commercial.

Divers problèmes ont été notés, notamment la présence de 3137 duplications où le même médicament, avec la même posologie, avait été prescrit deux fois, une fois avec le nom générique et une fois avec le nom commercial, et l’alerte générée en réponse à cette duplication avait probablement été ignorée ou désactivée. L’affichage de noms multiple pour le même médicament, parfois dans le même écran, a été obervée. Enfin, la présence de noms “maison” incluant des modificateurs locaux (par exmple des indications, ou des restrictions) a été observée.

Les auteurs terminent en listant les principes émis par l’ISMP pour l’affichage des noms de médicaments:

  • Lister à la fois le nom générique et le nom commercial.
  • Inclure l’indication dans la prescription pour éviter les erreurs liées aux noms de médicaments similaires qui n’ont pas la même indication.
  • Différencier les noms de médicaments similaires à l’aide de modifications de police de caractères ou l’utilisation de majuscules [à souligner: la recherche tend plutôt à démontrer que le TALLman lettering a une efficacité douteuse, voir un article précédemment publié et un autre dans le même numéro de l’AJHP dont je parlerai plus tard].

Je trouve qu’il s’agit d’un bon article, mais il manque de preuves que les problèmes soulevés ont un impact réel. Je ne doute pas que ce soit un problème, encore faut-il le démontrer pour justifier des changements dans cette pratique. Néanmoins, malgré le peu de données probantes sur le sujet, il faut bien décider d’une manière d’afficher les noms de médicaments dans les systèmes, et il est tout à fait vrai que la nomenclature peut entraîner de la confusion et des erreurs. Il s’agit un sujet de recherche très intéressant.

Variations dans la nomenclature des médicaments en prescription électronique

Articles de la semaine

ÉTATS-UNIS, EFFET DU “TALL MAN LETTERING” SUR LES ERREURS DE DISPENSATION DE MÉDICAMENTS EN PÉDIATRIE

Il s’agit d’une étude rétrospective qui avait pour objectif de comparer le taux d’erreurs potentielles de dispensation de médicaments avant et après l’implantation du “Tall man lettering” dans 42 hôpitaux américains regroupés au sein d’un réseau de recherche. Les données de 2004 à 2012 ont été incluses, l’implantation du Tall man étant devenue requise par le Joint Commission américain en 2007.

À partir des listes d’ISMP et du Joint Commission, 12 paires de médicaments au noms similaires ont été sélectionnées par deux médecins et un pharmacien. Les paires identifiées étaient des médicaments pour lesquels une substitution volontaire était cliniquement improbable, et qui étaient susceptibles d’être utilisés en pédiatrie. Les données de dispensation des médicaments provenant des 42 hôpitaux durant la période étudiée ont été découpées en périodes de 4 jours, et si, durant une de ces périodes de 4 jours, un médicament d’une des paires identifiées était tout à coup changé pour l’autre médicament de la paire, ceci était défini comme une erreur potentielle survenue à une étape du circuit du médicament entre la prescription et la dispensation. Les critères exacts incluant les scénarios de substitution de médicaments retenus sont décrits en détail dans l’article.

1 676 700 hospitalisations d’une durée d’au moins 4 jours ont été incluses dans l’analyse. Le taux d’erreurs potentielles durant l’étude était de 0,9 par 1000 hospitalisations. Des erreurs potentielles ont été identifiées pour 11 des 12 paires retenues. Aucun changement statistiquement significatif dans le taux d’erreur n’a été détecté avant et après l’implantation du Tall man, que ce soit en analysant toutes les paires ensembles ou de manière individuelle.

Je trouve l’étude pertinente car elle démontre que l’effet du Tall man lettering sur les erreurs médicamenteuses en pédiatrie, s’il y en a un, est extrêmement minime. Cependant, l’étude se concentre uniquement sur les étapes du circuit du médicament entre la prescription et la dispensation, telle qu’enregistrée électroniquement. On parle donc de mauvaise sélection de médicament lors de la prescription électronique, ou de mauvaise transcription dans le système pharmacie. Dans ma pratique, les erreurs que j’ai vues qui ont été interceptées par cette nomenclature étaient principalement des erreurs de pige manuelle de médicaments par rapport à ce qui avait été entré (correctement) dans le système informatique; l’inscription en Tall man a permis à la personne qui lisait l’information sur une étiquette ou une liste de pige de distinguer le bon médicament dans la paire. Il faut dire cependant que ceci est avec la prescription manuscrite et non électronique. Néanmoins, ces erreurs de pige manuelle n’étaient pas, de l’aveu même des auteurs, capturées par les données analysées dans cette étude. Par ailleurs, le Tall man lettering, comme n’importe quelle autre stratégie d’alerte, induit une certaine désensibilisation avec le temps. Moi-même, je ne vois même plus cette nomenclature pour certains médicaments que je manipule souvent. Je vous invite à lire un bon article de blogue sur le sujet.

ÉTATS-UNIS, AIDE À LA DÉCISION POUR AMÉLIORER L’UTILISATION DU PALIVIZUMAB

L’objectif de cette étude, réalisée dans le cadre d’une plus grande étude visant à améliorer la prise en charge des enfants nés prématurément, était de comparer un module d’aide à la décision spécifiquement conçu pour identifier les patients éligibles à l’immunisation passive par le palivizumab et à gérer les barrières à son utilisation, comparativement à un module d’aide à la décision non spécifique destiné aux enfants nés prématurément.

Toutes les cliniques de première ligne affiliées au Children’s Hospital of Philadelphia (CHOP) ont été invitées à participer à l’étude. La population incluse était composée d’enfants nés avant 35 semaines d’âge gestationnel, suivis dans une de ces 20 cliniques entre le 1er mai 2009 et le 30 avril 2012, qui étaient éligibles à recevoir le palivizumab selon les critères de l’American Academy of Pediatrics. Spécifiquement, les saisons d’immunisation 2009-2010, 2010-2001 et 2011-2012 ont été incluses. Les deux premières saisons étaient utilisées comme contrôles, et la troisième comme année active, où les cliniques étaient randomisées en grappes à recevoir soit le module d’aide à la décision spécifique au palivizumab, ou bien le module d’aide à la décision général. Le module pour le palivizumab incluait un suivi de l’éligibilité, du statut d’assurance, de la livraison des doses, de l’administration et des rendez-vous. Le module général ne comportait pas d’aide à la décision spécifique au palivizumab.

365 enfants éligibles ont été inclus. 114 étaient dans la première saison, 115 dans la deuxième et 146 dans la troisième, donc certains enfants se sont retrouvés dans plus d’une saison. Dans le groupe intervention, la proportion de doses éligibles réellement reçues était de 68,4% à la première saison, 65,5% à la deuxième et 84,7% à la troisième. Dans le groupe contrôle, ce taux était de 71,9% à la première, 62,4% à la deuxième et 67,9% à la troisième. Cette différence était statistiquement significative. Les doses manquées dues à des problèmes de flot de travail (organisation des rendez-vous, dose non donnée, problèmes d’assurances) ont diminué dans le groupe intervention et n’ont pas statistiquement changé dans le groupe contrôle.

L’étude démontre donc un effet positif sur les taux d’administration, pour ce médicament compliqué à gérer ,d’un module d’aide à la décision spécifiquement conçu à cette fin.

À noter, cette étude ciblait spécifiquement les enfants nés prématurément. Au Québec, l’utilisation du palivizumab est encadrée par des critères d’utilisation définis par l’INESSS annuellement. La revue de littérature menant à ces critères pour la saison 2016-2017 est disponible en ligne sur le site de l’INESSS, les enfants prématurés sont une des populations ciblés mais pas la seule. La distribution est gérée par Héma-Québec, la circulaire annuelle est aussi disponible en ligne, bien que ce ne soit qu’un scan de document papier.

ÉTATS-UNIS, ÉVÉNEMENTS INDÉSIRABLES ET DOSSIERS ÉLECTRONIQUES EN HÔPITAL

42646877_sCette étude rétrospective avait pour objectif d’évaluer l’association entre l’hospitalisation dans un centre avec un dossier médical électronique complet et le risque d’événements indésirables au cours de l’hospitalisation. Les données du Medicare Patient Safety Monitoring System de 2012 à 2013 ont été utilisées pour l’étude. Cette banque de données est utilisée pour le suivi des événements indésirables dans les hôpitaux américains et comporte 21 mesures d’événements indésirables standardisées. Les données incluaient également les données démographiques des patients hospitalisés et l’état d’implantation des dossiers électroniques.

Les patients âgés de 18 ans ou plus hospitalisés pour une maladie cardiovasculaire aiguë, une pneumonie ou un problème de nature chirurgicale ont été inclus. Les 21 événements indésirables ont été découpés en 4 catégories, les infections nosocomiales, les événements liés aux médicaments, les événements généraux (chutes, ulcères) et les événements post procédure (thrombose, néphropathie de contraste, etc.). Les événements liés aux médicaments retenus étaient seulement ceux liés aux hypoglycémiants, à l’héparine ou aux anticoagulants comme la warfarine et à la digoxine, tous des médicaments à haut risque. À noter cependant que les opiacés, les sédatifs, les antibiotiques, et plusieurs autres classes de médicaments n’étaient pas incluses dans les données. En ce qui a trait à l’exposition aux dossiers électroniques, un dossier complètement électronique était défini comme un système où les notes médicales et infirmières, les listes de problèmes et de médicaments, les ordonnances et les résumés au congé étaient électroniques. Les technologies comme l’administration des médicaments assistée par code-barre et l’aide à la décision ne faisaient malheureusement pas partie des données. Les événements indésirables ont été définis comme possibles s’ils pouvaient se produire chez un patient (par exemple pour pouvoir développer une pneumonie sur ventilateur, un patient devait avoir été intubé), puis s’ils se sont produits ou non.

Une régression logistique multivariée a été menée. 45 235 patients, dans 1351 hôpitaux, avec 347 281 possibilités d’événements indésirables ont été incluses dans l’analyse. 7820 événements indésirables se sont produits. 5876 patients (13%) ont été exposés à des dossiers électroniques complets. L’exposition à un dossier complètement électronique était associée à un risque de 17 à 30% plus faible d’événements indésirables selon le type de diagnostic d’admission, une association statistiquement significative. Les types d’événements indésirables les plus associés à une réduction étaient les événements liés aux médicaments, les infections nosocomiales et les chutes et ulcères. Spécifiquement chez les patients hospitalisés pour une maladie cardiovasculaire, les risques d’événements post procédure étaient les plus grandement réduits, et chez les patients chirurgicaux, la plus grande réduction était pour les infections nosocomiales.

Bien sûr, ce genre d’étude ne démontre pas de lien de cause à effet mais permet de remettre en perspective certaines données anecdotiques provenant d’un seul centre où de rapports de cas où l’implantation de cette technologie est présentée comme désastreuse.

Articles de la semaine

Classification et nomenclature de médicaments

La gestion de banques de données sur les médicaments, par exemple celle d’un système d’information pharmacie, implique la définition d’une classification des médicaments dans cette banque, ainsi qu’une attention particulière à leur nomenclature.

La classification thérapeutique permet par exemple une affichage trié par classe de médicament ou l’extraction de rapports et de statistiques par classe. Les particularités de nomenclature, quant à elles, en plus d’assurer l’intégrité référentielle entre les systèmes et d’être importantes pour reconnaître les médicaments aux noms génériques obscurs (par exemple: carboxyméthycellulose sodique / gélatine / pectine…), servent à différencier les médicaments aux noms similaires (les LASA, “look-alike, sound-alike”).

Évidemment, les classifications et la nomenclature des médicaments d’un centre hospitalier devraient être conformes aux normes gouvernementales (Canada, Québec), réglementaires (OPQ, RAMQ), aux critères d’Agrément Canada et surtout, être uniformes à travers tous les systèmes informatiques et tous les documents papiers du centre. Ceci n’est pas une tâche facile !

Classifications

La classification thérapeutique internationale provenant de l’Organisation Mondiale de la Santé est la classification ATC (Anatomical Therapeutic Chemical). Les principes de classification sont disponibles sur le site web de l’OMS. Les classes peuvent être recherchées facilement par nom de molécule, et les DDD correspondantes sont disponibles dans le même index (voir par exemple la classification de l’anakinra).

Au Québec, l’INESSS et la RAMQ n’utilisent pas la classification ATC mais plutôt la classification américaine AHFS (American Hospital Formulary Service). La liste des médicaments – établissements de la RAMQ est élaborée avec celle-ci. Malheureusement, la classification AHFS n’est pas disponible gratuitement. Pour les médicaments qui n’ont pas été classés par la RAMQ, il est donc nécessaire de s’abonner à l’AHFS ou de tenter d’obtenir la classe par des moyens détournés (par exemple d’autres documents disponibles sur internet qui mentionnent la classe AHFS).

Une autre classification importante est celle des médicaments dangereux, exemplifiée par la fameuse liste du NIOSH américain. Au Québec, cette liste doit bien sûr être interprétée en gardant en tête les normes pour les préparations stériles dangereux et non-stériles de l’OPQ; la liste devrait également être adaptée au formulaire de chaque centre et aux pratiques en vigueur. Pour creuser davantage le sujet, voir une présentation de l’URPP (déclaration de conflit d’intérêt: je connais bien les auteurs). Les médicaments doivent être clairement identifiés dans la banque de données pharmacie et sur les documents générés à partir de celle-ci, notamment pour que personne ne se retrouve en situation de devoir manipuler un tel médicament sans prendre les précautions appropriées.

Encore une autre classification importante: celle des médicaments à haut risque, pour lesquels une erreur comporte un risque plus élevé de conséquences graves. En anglais, on parle de high alert medications. L’ISMP a émis une liste de ces médicaments en contexte de soins aigus et en pratique communautaire. Comme pour les médicaments dangereux, une liste locale doit être élaborée et appliquée aux banques de données sur les médicaments, de manière à ce que tous les systèmes et documents alimentés à partir de cette banque affichent l’information de haut risque, et que les différents professionnels (médecins, infirmières entre autres) comprennent bien de quoi il s’agit.

Nomenclature

L’exemple classique de modification à la nomenclature des médicaments visant à réduire les risques d’erreurs est le TALLman lettering, dont l’objectif est de différencier les médicaments LASA. Comme tout l’anglais dans la dernière phrase l’illustre, ces listes sont en général élaborées à partir des sonorités de la langue anglaise, et bien que l’orthographe des médicaments soit très proche, voire identique en français, la sonorité n’est pas nécessairement la même. Il serait intéressant qu’une liste similaire soit établie en prenant en compte le français. Ça pourrait donner une liste presque identique, mais je me demande ce qu’on pourrait trouver comme différences

Il existe plusieurs listes de médicaments pour lesquels l’écriture TALLman est recommandée, dont une provenant d’ISMP aux États-Unis, une d’ISMP Canada parue en octobre 2015, et une autre d’ISMP Canada ciblant l’oncologie. L’examen du formulaire local et des erreurs passées dans chaque centre peut évidemment mener à des variantes locales.

Avec les percées de la prescription électronique, et de la FADM électronique à venir au Québec, une autre stratégie sera à envisager et à évaluer: l’affichage “intelligent” des médicaments dans les listes, plutôt que par bête ordre alphabétique non filtré. Cela viserait à utiliser des stratégies pour trier, filtrer et différencier les affichages en listes de médicaments aux noms alphabétiquement proches, mais qui sont cliniquement différents, le tout pour éviter une erreur de sélection de médicament.

En bref

Un pharmacien qui doit tenir à jour une banque de données de médicaments dans un établissement de santé devrait selon moi avoir dans ses documents favoris:

  • La liste établissement de la RAMQ et une copie (ou un abonnement en ligne) de l’AHFS.
  • La liste NIOSH 2014 et son adaptation locale.
  • La liste des médicaments à alerte élevée de l’ISMP et son adaptation locale.
  • La liste TALLman de l’ISMP et les listes TALLman d’ISMP Canada, ainsi que leur adaptation locale.

Avez-vous d’autres sources de classification et de nomenclature à souligner ?

 

Classification et nomenclature de médicaments