À la une

Notre présentation à Machine Learning for Healthcare 2020

Le congrès Machine Learning for Healthcare 2020 a lieu en ligne les 7 et 8 août 2020. Les présentations ont été mises en ligne sur YouTube. Notre groupe y présente un abstract clinique intitulé Unsupervised identification of atypical medication orders: A GANomaly-based approach. Il s’agit d’un modèle d’apprentissage automatique étant capable d’identifier de manière non supervisée les profils pharmacologiques atypiques, c’est-à-dire déviant des patrons de prescriptions habituellement observés dans un certain contexte. L’application pratique d’un tel modèle serait en support au pharmacien clinicien, afin que celui-ci puisse identifier visuellement de manière rapide les profils pharmacologiques susceptibles de contenir des éléments atypiques, et ainsi optimiser son temps et mieux planifier ses interventions.

Étude temps-mouvement sur l’effet de la prescription et de l’administration électronique sur les activités des pharmaciens

En novembre 2015, je vous parlais d’un protocole d’étude sur l’effet de l’implantation d’un système électronique de prescription et d’administration des médicaments, sur les activités des pharmaciens, qui me semblait intéressant. Les résultats ont été publiés en mars et sont disponibles en texte complet sur PubMed Central.

L’étude avait un devis pré-post et comportait un volet quantitatif ainsi qu’un volet qualitatif. 8 pharmaciens travaillant sur deux unités de soins, l’une de soins aigus et l’autre de soins aux personnes âgées, ont été inclus. La méthodologie du volet quantitatif consistait en l’observation directe des pharmaciens pendant des périodes de temps définies avec une mesure échantillonnée de la répartition du temps passés à leurs diverses activités cliniques. La collecte pré a eu lieu en janvier 2016 et la collecte post en juin 2016, alors que le déploiement du système était en mars 2016. Pour la partie qualitative, des entrevues semi-structurées ont été menées en mai 2016, et avaient comme sujet les activités cliniques des pharmaciens, les interactions avec les patients et les professionnels, la localisation où leur travail avait lieu, et les erreurs médicamenteuses.

7 des 8 pharmaciens ont pu être observés. Les activités prenant le plus de temps étaient la communication professionnelle, la vérification des médicaments des patients et la vérification des ordonnances de départ, et la proportion de temps passée à ces activités n’a pas changé avec la mise en place du système électronique. Les deux activités ayant vu leur durée significativement modifiée après la mise en place du système était le temps passé à chercher des dossiers, qui a diminué de 2 minutes par 10 patients, et le temps passé à vérifier les médicaments des patients, qui a augmenté de 16 minutes par 10 patients. La proportion de temps passé en interaction directe avec les patients a significativement baissé de 5,1% à 1,6% (p=0,03).

À l’analyse qualitative, les thèmes abordés étaient les suivants:

  • Les pharmaciens étaient souvent appelés à entrer des ordonnances dans le système à la place des médecins, et aussi à répondre aux questions d’autres professionnels sur le fonctionnement du système.
  • Les ordinateurs étaient en nombre insuffisant pour que les pharmaciens puissent avoir un accès facile au dossier.
  • Les pharmaciens percevaient l’impact sur le temps passé en interaction avec les patients et l’augmentation du temps nécessaire à la vérification des médicaments pris par les patients, confirmant les observations quantitatives.

Parmi les impacts perçus au niveau de la sécurité des soins, on note:

  • Des choix inadéquats encouragés par le système, par exemple choisir le premier médicament dans une liste déroulante alors que ce n’est pas le bon.
  • Des choix par défaut inadéquats, comme un antibiotique 2 fois par jour débutant à 22 h car il a été prescrit après 10h.
  • Plusieurs points sur des éléments plus ou moins visibles qu’avec les dossiers papiers.

Les deux premiers points sont des enjeux de fonctionnalité ou de configuration du système, ce sont des problèmes déjà bien décrits. Je ne sais pas quoi penser des points sur la visibilité de l’information, car ils sont largement dépendants de l’apparence des dossiers papiers et des choix de design du système électronique; j’ai l’impression que ça pourrait aller dans tous les sens dans d’autres hôpitaux.

Bref, c’est une étude très intéressante qui décrit très bien à quoi les pharmaciens peuvent s’attendre lorsqu’on implante un système électronique de prescription et d’administration des médicaments.

Alertes pour la détection des problèmes liés à la pharmacothérapie

Cette étude a été réalisée en Espagne dans un hôpital universitaire de 431 lits, et avait pour objectif de décrire l’utilisation d’un système d’aide à la décision offrant des alertes intégrées au logiciel de prescription électronique et au dossier électronique, pour une détection de problèmes liés à la pharmacothérapie.

Le système offrait la possibilité de programmer des déclencheurs d’alerte liés aux paramètres suivants:

  • L’âge ou le sexe
  • La dose maximale, minimale ou cumulative, les voies d’administration et la durée de traitement
  • Les tests de laboratoire et les indicateurs et scores dérivés (clairance à la créatinine, score MELD, etc.)
  • Les interactions médicamenteuses

À noter, le système n’offrait pas d’alerte pour les allergies.

À chaque jour, les pharmaciens cliniciens de l’hôpital révisaient les alertes générées par le système qui s’affichaient dans le module de pharmacie du dossier électronique. Ces alertes étaient visibles uniquement pour les pharmaciens. Ceux-ci prenaient action selon la pertinence clinique et l’urgence de l’alerte, soit en inscrivant une note au dossier électronique visible pour les autres professionnels ou en intervenant directement auprès de l’équipe clinique. Évidemment, les pharmaciens cliniciens révisaient aussi les profils pharmacologiques de manière indépendante du système d’alertes pour détecter tous les problèmes.

Les données de ce système ont été collectées pour l’année 2012. 83% des médicaments existant dans le système avaient des paramètres d’alertes programmées, pour un total de 7879 alertes potentielles, correspondant à 99,4% des médicaments prescrits durant l’année.  185 131 prescriptions ont été faites avec le système durant l’année, et 3552 interventions pharmaceutiques ont été faites. De celles-ci 79,1% ont été détectées par le système d’alerte et le reste n’ont été détectées que par le pharmacien clinicien. Au moins un problème a été détecté chez 10,7% des admissions et 12,4% des patients.

Au total, 13 833 alertes ont été générées par le système durant l’année, dont 2808 (20%) ont été jugées cliniquement significatives par les pharmaciens cliniciens. 53,2% des alertes pertinentes concernaient le dosage, 25,7% les tests de laboratoire (47% fonction rénale, 38,4% électrolytes), 15,4% les interactions, 4,6% les duplications et 28% les combinaisons.

Le pourcentage d’alertes cliniquement significatives dans cette étude est relativement élevé à 20%, ce qui, je crois, pourrait être lié à la programmation des alertes gérée par les pharmaciens de l’établissement plutôt qu’à l’utilisation d’un système commercial. J’aime bien l’idée d’automatiser, au moins partiellement, la détection des problèmes de pharmacothérapie en assistance au pharmacien clinicien qui doit réviser des profils pharmacologiques, afin de s’assurer de ne rien « échapper » par inadvertence. Néanmoins, ce genre de système doit être bien paramétré pour être cliniquement utile et ne pas contribuer au alert fatigue causé par les systèmes qui génèrent plein d’alertes inutiles.