Lignes directrices de l’ASHP sur la prévention des erreurs médicamenteuses

L’ASHP a publié dans le numéro d’octobre de l’AJHP de nouvelles lignes directrices sur la prévention des erreurs médicamenteuses dans les hôpitaux. Je trouve cet article très important car il amalgame en un seul document beaucoup de pratiques décrites dans de multiples références de sources diverses. Je vous parlerai ici uniquement des aspects qui touchent la technologie mais le reste de l’article comporte des points majeurs dont je ne parlerai pas par souci de temps. Points bonus: l’article débute en citant le rapport To Err is Human: Building a Safer Health System de 1999.

L’article débute en énumérant des stratégies de prévention en vrac. Parmi celles comportant des aspects de technologie on note:

  • L’utilisation de pompes intelligentes
  • La prescription électronique avec aide à la décision
  • L’utilisation du code-barres lors de la préparation, la dispensation et l’administration de médicaments

Ces trois points sont bien simples à nommer ainsi mais chacun comporte son lot de difficultés et de complications, en particulier pour la prescription électronique, et fait l’objet de nombreuses publications et directives d’organismes comme l’ISMP.

Les auteurs mentionnent spécifiquement des stratégies pour réduire les erreurs liés aux médicaments aux noms similaires (Look-alike, sound-alike – LASA):

    L’article détaille ensuite les mesures à prendre à chaque étape du circuit du médicament pour prévenir les erreurs.

    Étapes de sélection et d’approvisionnement

    Un élément majeur à cette étape du circuit du médicament est l’intégration des médicaments choisis et achetés à la technologie en place dans l’établissement. Les choix de formes pharmaceutiques et de concentrations disponibles devraient prendre en considération les possibilités des logiciels qui permettront de gérer, prescrire et administrer ces médicaments.

    Les éléments à considérer incluent

    • Les choix de voie d’administration possibles
    • La nomenclature du médicament et la nécessité de distinction avec d’autres, par exemple avec une écriture TALLman
    • Les interactions médicamenteuses significatives à programmer et tester
    • Les autres alertes pertinentes du médicament (tests de laboratoire, restrictions de prescription, etc.)
    • L’intégration des recommandations de dose à tous les systèmes ainsi qu’aux pompes intelligentes
    • Le besoin d’une ordonnance pré-rédigée
    • La disponibilité dans les cabinets et les alertes spécifiques à la dispensation à partir de cabinets

    On souligne aussi l’importance de la nomenclature du médicament. Celle-ci devrait être standardisée à travers l’ensemble du circuit du médicament, notamment dans le dossiers électronique, le systèmes de pharmacie, les pompes, les cabinets, et prendre en compte dans chaque système la possibilité de confusion avec d’autres médicaments. Le nom générique devrait être favorisé (je commenterais que parfois le nom commercial est nécessaire car le nom générique est incompréhensible pour les professionnels non pharmaciens, par exemple pour des produits qui ne comportent pas de « vrais médicaments » comme les onguents opthalmiques, les gels pour lésions cutanées, les pansements, les produits hydratants en général…). On souligne aussi l’importance de ne pas abrévier le nom d’un médicament, mais ici la technologie est parfois une limite, combien de produits ont une limite de caractères tellement basse que le nom générique du médicament n’entre même pas ?

    Une section de l’article détaille spécifiquement les recommandations pour la dispensation à partir de cabinets, notamment la configuration de la dispensation à partir du profil pharmacologique ou hors profil.

    Étapes de transcription et vérification

    L’article met une emphase sur la vérification des ordonnances de médicaments par un pharmacien, et insiste sur l’importance de ne pas « échapper » les ordonnances rédigées lorsque la pharmacie est fermée. Il faut aussi qu’il y ait une procédure en place pour que les ordonnances rédigées lorsque la pharmacie est fermée puissent être revues si besoin, par exemple avec un pharmacien de garde, un service de télépharmacie, et avec une formation adéquate du personnel sur place durant la nuit pour identifier les situations non conformes ou demandant davantage de vérifications

    Étapes de dispensation et d’administration

    La validation des médicaments peut être assistée par de la technologie, notamment par les code-barres. En particulier, les médicaments qui sont reconditionnées doivent aussi comporter un code-barres. Une procédure doit donc être mise en place pour la génération de ce code-barres et pour encadrer son utilisation.

    Lorsque les cabines sont utilisés, les fonctions de sécurité offertes par le cabinet doivent être connues et revues pour que les meilleures politiques soient mises en place et diminuer le besoin de contournements dans la pratique clinique. De plus, des audits d’utilisation doivent avoir lieu pour identifier les situations problématiques.

    Révision d’ordonnances pré-rédigées assistée par machine learning

    Un article paru au début du mois dans le JAMIA a attiré mon attention. Le titre laisse entendre que les auteurs ont élaboré un processus de révision d’ordonnances pré-rédigées assisté par machine learning. Ma propre expérience m’a montré que ce processus est généralement long et complexe, même pour des ordonnances pré-rédigées apparemment simples. J’étais donc bien intéressé à voir ce que ces chercheurs ont fait. J’ai été un peu déçu…

    L’objectif de l’étude est vaguement décrit. Les auteurs ont comparé six approches de révision d’une seule ordonnance pré-rédigée dans leur institution. L’ordonnance en question est celle de demande d’analyses de laboratoire le matin, un exemple très simple. Les approches comparées étaient individuellement:

    • Par les connaissances cliniques
    • Par les statistiques populationnelles
    • Par machine learning

    Et les auteurs arrivent à 6 méthodes en combinant celles-ci. La variable dépendante était la charge de travail définie par le nombre de clics de souris nécessaires lors de la rédaction de l’ordonnance (une mesure assez discutable). Les données sur l’utilisation de cette ordonnance ont été extraites de septembre 2014 à octobre 2015 du dossier électronique de l’institution (plus ou moins décrite, mais on comprend de l’affiliation des auteurs que c’est un hôpital situé à New York), et incluaient 998 946 instances d’ordonnance pour 37 924 patients, ainsi que 3561 ordonnances d’analyses de laboratoire additionnelles placées dans un intervalle de 10 minutes avant ou après l’ordonnance pré-rédigée.

    L’apport du machine learning dans le processus de révision était essentiellement de déterminer si chaque analyse de laboratoire devait être sélectionnée par défaut ou non dans l’ordonnance révisée, ce pourquoi je disais être déçu. En effet, cette technique ne semble pas avoir été appliquée à la sélection du contenu de l’ordonnance.

    L’approche de machine learning semble valide mais est peu décrite, je crois comprendre que les auteurs ont utilisé une approche de régression logistique sans réseaux de neurones, autrement dit un modèle plutôt simple. Les résultats sont décrits de façon un peu confuse avec chaque combinaison de facteurs nommée de M1 à M6. Il en ressort que de combiner la révision du contenu sur la base des connaissances cliniques et de la sélection par défaut avec machine learning était l’approche la plus efficace et a permis de diminuer le nombre de clics nécessaires à la rédaction d’une ordonnance d’environ 25%.

    Je crois que l’objectif de l’article, soit de réviser l’ordonnance pré-rédigée de manière à réduire la charge de travail, est louable, mais que l’approche de diminution du nombre de clics va nécessairement mener à l’optimisation du modèle en fonction des pratiques les plus populaires, qui ne sont pas nécessairement les plus souhaitables. Par exemple, si les cliniciens ont tendance à cocher une analyse de laboratoire fréquemment, mais que ce n’est pas une pratique optimale (par exemple mesurer trop souvent les électrolytes), le modèle va optimiser pour sélectionner cette option par défaut pour réduire les clics alors qu’il est peut-être préférable cliniquement de ne pas faire cela.

    Pour cette raison, je trouve que l’article est un peu décevant, et que la « cible » du modèle de machine learning devrait être un paramètre offrant un bénéfice clinique, plutôt qu’une mesure intermédiaire dont l’optimisation peut produire des effets cliniques imprévisibles.

     

    Lignes directrices ASHP-PPAG sur les services et soins pharmaceutiques en pédiatrie

    Le dernier numéro de l’AJHP contenait cet article, qui découle d’un effort conjoint de l’ASHP et du PPAG pour décrire la prestation de services et de soins attendue d’un département de pharmacie dans une institution desservant des patients pédiatriques. Le document comporte des points couvrant l’ensemble des activités d’un département, incluant notamment la distribution des médicaments, la validation des ordonnances, les préparations stériles et non stériles, la recherche, les soins aux patients, etc. Je vous présente ici quelques points liés aux technologies.

    Dans la section des infrastructures, on mentionne qu’un système d’information pharmacie doit être utilisé et devrait être interfacé avec les autres systèmes d’information de l’établissement, notamment:

    • La prescription électronique
    • L’administration des médicaments assistée par code-barre
    • Le dossier patient électronique (comprenons le DCI Cristal-Net dans le contexte québécois)
    • Le système de facturation (comprenons au Québec le système de tarification à l’activité qui ne manquera pas d’arriver)

    Les fonctions devant être supportées par des outils technologiques sont:

    • L’accès au dossier patient
    • La documentation des activités
    • La tenue de dossiers et de profils pharmacologiques
    • La gestion d’inventaire
    • La tarification
    • La prescription
    • L’aide à la décision
    • L’obtention d’information sur les médicaments.

    On mentionne qu’un pharmacien possédant des compétences en pédiatrie devrait être impliqué dans le développement et la maintenance des ordonnances pré-rédigées et des références, notamment des doses, disponibles dans les systèmes.

    Dans la section spécifique à la technologie, on décrit les technologies de pharmacie (pharmacy HIT) comme devant être intégrées aux systèmes cliniques et financiers de l’institution et que les décisions concernant ces systèmes devraient inclure le département de pharmacie comme partie prenante.

    Les logiciels de prescription électronique et d’aide à la décision devraient être adaptés à la pédiatrie, personnalisables, et comprendre au minimum la prise en charge des doses selon l’âge, le poids ou la surface corporelle avec des doses maximales, la détection d’allergies ou d’interactions. Les ordonnances pré-rédigées de mêmes que les « order sentences » (les phrases d’ordonnances non incluses dans une ordonnance pré-rédigée complète) devraient être révisées par le département de pharmacie. Le département de pharmacie devrait participer à la gouvernance des systèmes d’aide à la décision. Les paramètres de ces systèmes impactant les services du département de pharmacie et les interventions mises en place devraient faire l’objet d’un suivi post implantation.

    L’ensemble des technologies liées au circuit du médicament (cabinets, carrousels, robots, etc.) devraient prendre en charge les particularités des médicaments pédiatriques et des technologies comme le code-barres, la traçabilité des médicaments et les logiciels d’assistance à la production stérile devraient être considérés.

    La feuille d’administration des médicaments devrait être électronique et directement interfacée ou intégrée au système d’information pharmacie, et devrait utiliser une vérification des médicaments par RFID ou code-barres avant l’administration.

    Les pompes à perfusion devraient être choisies avec l’aide du département de pharmacie et prendre en charge les doses pédiatriques. Les bibliothèques devraient être sous la responsabilité d’un pharmacien avec des compétences en pédiatrie et comprendre des limites contournables et non contournables.

    Les sections subséquentes ajoutent des particularités, notamment sur la terminologie dans la prescription électronique, sur l’utilisation des profils pharmacologiques pour la dispensation de médicaments à l’aide des cabinets automatisés; ce sont des points relativement bien connus et recoupant d’autres références.

    Je trouve que cet article donne un bon tour d’horizon des meilleures pratiques pour l’ensemble d’un département de pharmacie offrant des services pédiatriques, et offre un bon sommaire des technologies disponibles et de la manière de les mettre en place. Les pratiques décrites font écho aux lignes directrices d’autres organismes, notamment l’ISMP. Bref, cet article est un incontournable.