Deux nouvelles publications sur l’indication dans les prescriptions électroniques

Depuis l’éditorial du New England en 2016, on parle souvent d’inclure l’indication dans les ordonnances électroniques afin, surtout, de minimiser les erreurs de prescription de médicaments look-alike, de faciliter la coordination des soins entre tous les intervenants impliqués dans la pharmacothérapie d’un patient et pour clarifier les informations transmises au patient.

Deux nouvelles publications, la première un sondage publié en mai 2020 dans l’AJHP, et la deuxième un commentaire publié en septembre 2020 dans le British Journal of Clinical Pharmacology, amènent de nouvelles perspectives sur le sujet.

Le sondage

Cette étude vient d’un hôpital du Veterans Affairs américain de 800 lits situé en Californie. Suite à une mise en place difficile au début de 2016 d’une exigence d’inclure un diagnostic et une indication sur toutes les ordonnances, les auteurs ont travaillé au développement d’une bibliothèque d’indications centrées sur le patient et ont mené un sondage pour évaluer les perceptions des patients, des prescripteurs et des pharmaciens sur ce sujet.

Afin d’établir la liste des indications centrées sur le patient, une liste des 2409 médicaments du système de prescription électronique a été extraite. Deux pharmaciens ont établi une liste préliminaire d’indications pour chaque médicament ayant une seule indication claire et cette liste a été retravaillée en comité. Un langage compréhensible par les patients a été utilisé et ce langage a été validé par un comité qui j’imagine incluait des patients et leur famille (le « Family Advisory Council »). Le langage utilisé était centré sur le système concerné (ex: « pour le coeur »), le diagnostic (« pour la tension artérielle »), le mécanisme d’action (« pour la tension artérielle élevée »), ou l’objectif thérapeutique (« pour diminuer la tension artérielle »). Après validation, les indications développées ont été intégrées au système de prescription. Une ordonnance de médicament comportait donc une indication par défaut modifiable par le prescripteur. Après ce travail, le nombre de médicaments (sur un total de 2409) comportant une indication par défaut est passé de 717 (29,8%) à 1742 (72,3%).

Un sondage de satisfaction de 8 questions pour les prescripteurs et pharmaciens et de 10 questions pour les patients a été mené auprès de ces groupes. 18/103 prescripteurs, 13/23 pharmaciens et 220/500 patients ont répondu au sondage (pourquoi aussi peu de médecins ?) 50% des prescripteurs et 62% des pharmaciens ont rapporté une diminution du temps perçu à gérer les indications. 11% des prescripteurs et 62% des pharmaciens ont rapporté avoir réussi à intercepter une erreur de choix de médicament sur la base de l’indication, et 54% des pharmaciens ont rapporté avoir ajusté une dose grâce à la documentation de l’indication. 97% des patients ont rapporté trouver l’indication utile sur leurs étiquettes de médicaments. 31% ont rapporté ne pas savoir à quoi servaient tous leurs médicaments. Point important, les patients ont rapporté vouloir savoir également comment ils sauraient que les médicaments fonctionnent ainsi que comment ils fonctionnent (ex: pour diminuer la tension artérielle plutôt que pour la tension artérielle).

Les auteurs notent dans la discussion que leurs système comportait des limites importantes comme l’impossibilité d’inscrire plus d’une indication et l’absence de prescription basée sur l’indication, forçant les prescripteurs à d’abord prescrire un médicament puis valider son indication. La charge de travail reliée à l’inscription des indications n’a pas été évaluée dans le cadre de cette étude.

Le commentaire

Cet article émerge de discussions qui ont eu lieu dans un hôpital en Angleterre (on ne sait pas trop quel type ni taille) pour évaluer les perceptions des prescripteurs par rapport à l’éventuel déploiement d’un système de prescription basée sur l’indication (choisir d’abord l’indication puis le médicament). Les auteurs présentent une opinion défavorable à un système de prescription de ce type dans un contexte hospitalier avec enseignement. Les arguments présentés par les auteurs sont les suivants:

  • Les médecins qui entrent les ordonnances sont des médecins juniors (équivalent à des résidents ?) qui ne prennent pas les décisions sur quel traitement donner, ils entrent les médicaments décidés par leurs patrons. En ce sens, leur tâche vise à entrer un médicament en particulier, donc d’exiger de passer d’abord par un choix d’indication serait contre-productif.
  • Le fait de choisir l’indication serait un frein à la prescription et beaucoup d’indications seraient inexactes, entraînant un enseignement au patient erroné et des erreurs.
  • Dans un contexte de represcription de médicaments déjà pris par le patient (exemple: bilan comparatif à l’admission), beaucoup d’indications sont inconnues et le fait de forcer le prescripteur à choisir entraînera inévitablement des inexactitudes ou des erreurs.

Ce que je retiens de ces deux articles

De ces deux articles, je retiens une opinion favorable axée surtout sur l’utilité de l’indication pour les patients afin d’aider ceux-ci à comprendre et prendre en charge leur pharmacothérapie, et une opinion défavorable axée sur des craintes liée à un flot de travail dysfonctionnel pour les prescripteurs.

Dans le premier article, j’aime l’effort mis pour que l’information se rendant au patient soit utile et de qualité. Je trouve totalement aberrant qu’actuellement au Québec, la simple raison pour laquelle un patient se voit prescrire un médicament soit une information communiquée informellement, parallèlement à l’ordonnance, souvent de manière verbale, avec une trace écrite dans un dossier médical non consultable en dehors de l’organisation où la prescription a eu lieu. Cependant, je n’aime pas que le système électronique décrit dans cet article obligeait les prescripteurs à sélectionner une indication accessoirement par rapport à la prescription.

Dans le deuxième article, je n’aime pas la perspective réductrice du travail des résidents où il est assumé que ceux-ci ne font que transcrire les décisions de leurs patrons. Dans mon expérience (bien sûr de centre universitaire, je n’ai pas l’expérience de plus petits centres, de GMF ou de pharmacie communautaire), les médecins « juniors » ont une tâche de prescription qui est loin d’être exclusivement de la transcription et ils sont généralement bien au fait de l’indication des médicaments. J’aime cependant qu’on met de l’emphase sur l’importance que le processus de prescription ait du sens par rapport au flot de travail clinique, que l’intervenant qui prescrit en prenant une décision puisse choisir l’indication puis le médicament, alors que celui qui veut prescrire un médicament précis puisse le retrouver directement. Cela suppose une réflexion sur comment articuler adéquatement ces options pour ne pas permettre trop facilement des contournement qui renverseraient l’effet de la prescription par indication.

Évaluation d’un système de prédiction d’ordonnances pour remplacer la recherche manuelle lors de prescription électronique

Un groupe de l’Université Stanford aux États-Unis a publié dans le JAMIA d’octobre 2020 une étude randomisée ouverte décrivant une évaluation de leur système de prédiction et de recommandation d’ordonnances. Le même article avait fait l’objet d’une pré-publication sur medRxiv en février 2020. J’avais très brièvement parlé des travaux de ce groupe en août 2019, principalement parce que leurs publications majeures dataient déjà de quelques années, mais il semble qu’ils se remettent à publier. Je parlerai plus tard d’autres travaux récents de ce groupe.

L’objectif de l’étude était de comparer les ordonnances faites par des médecins dans 5 situations cliniques simulées de médecine interne, en utilisant le système de prédiction et recommandation d’ordonnances comparativement à la pratique standard, soit une barre de recherche classique. L’issue primaire était le score d’adéquation clinique (une cote de -10 à +10 attribuée à chaque ordonnance, un score plus élevé indiquant une ordonnance plus appropriée) des ordonnances tel que coté par un panel de 4 médecins ayant évalué chaque ordonnance émise par les participants à l’étude. Les scores ont d’abord été établis indépendamment par chaque membre du panel puis les divergences ont été résolues par consensus. Les issues secondaires étaient essentiellement des façons différentes d’évaluer les scores et la correspondance des résultats de recherche aux ordonnances placées. Un sondage après la participation à l’étude a aussi été réalisé. Les participants étaient randomisés de manière à ce que 3 des 5 scénarios choisis au hasard pour chaque participant utilisent le système et 2 la recherche classique. Chaque scénario était programmé de manière à ce que le patient s’améliore avec des ordonnances adéquates et se détériore avec des ordonnances inadéquates.

L’outil de prédiction et recommandation d’ordonnances est un système basé sur des statistiques de cooccurrence qui apprend quelles ordonnances sont statistiquement probables en fonction d’ordonnances qui ont déjà été placées pour un patient. Ce modèle a été entraîné à partir d’une base de données comportant des ordonnances placées entre 2009 et 2014. Les prédictions du système étaient affichées à l’utilisateur après que celui-ci ait placé des ordonnances pour le patient, de manière à offrir d’emblée des recommandations d’ordonnances contextuellement appropriées plutôt que laisser l’utilisateur chercher dans l’ensemble des ordonnances disponibles à l’aide d’une barre de recherche. Des captures d’écran sont disponibles dans l’article.

43 médecins avec une expérience médiane de 3 ans (24 résidents et 19 patrons) ont participé à l’étude entre octobre 2018 et décembre 2019. Le score médian des ordonnances était de 6.2, avec une médiane de 6.5 dans le groupe avec le système de prédiction comparativement à une médiane de 6.0 dans le groupe avec recherche classique, une différence non statistiquement significative. Parmi les issues secondaires, un note un nombre total d’ordonnance plus élevé (15 contre 16, intervalle de confiance 95% 1,01-1,17), un score total plus élevé (82 contre 91, intervalle de confiance 1,01-1,12) et un nombre de clics plus faible (56 contre 49, intervalle de confiance 0,83-0,99) ont été observés dans le groupe avec le système de recommandation. Les participants à l’étude avaient une opinion positive du système, la plupart trouvant qu’un tel outil serait utile dans un contexte clinique où plusieurs ordonnances doivent être placées simultanément.

Je trouve cette étude très intéressante. J’aurais été quand même surpris de voir des ordonnances de meilleure qualité en utilisant le système, il s’agissait quand même de situations cliniques relativement communes pour lesquelles il est probable que les participants à l’étude savaient très bien ce qui devait être prescrit et étaient peu susceptibles de prescrire des choses très inadéquates. Il me semble donc ambitieux que les auteurs se soient attendus à de meilleures ordonnances avec leur système, d’autant plus que sa performance telle que décrite dans la publication originale en 2016 était correcte, mais pas spectaculaire. Je suis content de voir une diminution du nombre de clics avec le système de prédiction, indiquant des résultats de recherche améliorés, cependant l’effet semble quand même modeste. Ce résultat est probablement largement dépendant de la configuration du système de prescription. Par exemple, des ordonnances pré-rédigées bien conçues pour ces situations cliniques pourraient, j’imagine, réduire drastiquement le nombre de clics, c’est un peu étrange que la discussion en parle peu sachant que ce groupe s’est beaucoup intéressé aux order sets dans le passé.

J’ai l’impression que l’avantage principal d’un tel système pourrait être non pas d’impacter significativement la qualité des ordonnances, mais plutôt de réduire le risque de commettre des erreurs de prescription de type « look-alike » en sélectionnant des options erronées dans des résultats de recherche basés sur des chaînes de caractères. En effet, si le système peut privilégier les résultats contextuellement appropriés, les ordonnances peu applicables au contexte pourraient être placées plus bas dans les résultats, même si la chaîne recherchée s’y trouve, ou du moins être accompagnées d’un avertissement. Évidemment, ce genre d’erreur est rare et il est donc probablement difficile de démontrer un avantage dans une étude à petite échelle. Cependant, dans une étude de simulation, il pourrait être possible d’élaborer un scénario où le risque de choisir une ordonnance inappropriée mais d’apparence similaire est plus élevé. Bref, je pense que malgré les résultats peu convaincants de cet article, l’approche présentée a du potentiel et ne devrait pas être écartée.

Facteurs associés à la perception de l’aide à la décision pour les médicaments

Je mentionnais récemment que j’étais de l’opinion que « l’électronique » était un support pour présenter une intervention en aide à la décision, et non pas une intervention en soi, dans le contexte d’une revue systématique qui semblait vouloir évaluer d’un seul coup l’effet de n’importe quelle intervention électronique. Un nouvel article publié en septembre dernier vient synthétiser la littérature qualitative sur les facteurs qui influencent la perception et l’utilisation des alertes d’aide à la décision par les prescripteurs. On vient donc dans cet article clarifier quelles sont les caractéristiques des interventions électroniques d’aide à la décision qui sont perçues positivement par rapport à celles qui ne le sont pas.

Les auteurs ont réalisé une revue des études qualitatives ayant exploré la perception des prescripteurs par rapport à des systèmes d’aide à la décision dans un contexte hospitalier. L’aide à la décision devait être intégrée à un prescripteur électronique et non pas disponible seule, par exemple dans une application mobile. Les études publiées à partir de 2003 jusqu’à mars 2018 pouvaient être incluses. La recherche a été menée dans Medline, Embase, CINAHL, PubMed et PsycINFO ainsi qu’une liste de journaux et de sites web gouvernementaux, avec une requête standardisée. Les références des articles inclus ont aussi été examinées.

6705 articles ont été identifiés. 100 abstracts ont été révisés par 3 personnes pour évaluer les critères d’inclusion et d’exclusion, puis 32% des abstracts ont été révisés par 2 personnes pour déterminer si le résultat des critères était reproductible. Le reste a été évalué par une seule personne. 45 articles en texte complet ont été examinés et 13 articles ont été inclus. Les données des 13 articles ont été extraites par 2 personnes. 11 articles inclus ont utilisé des entrevues pour obtenir leurs données. Les articles inclus se concentraient sur les alertes (n = 10) et les ensembles d’ordonnances (order sets) (n = 7). Les perceptions des prescripteurs ont été classées en facilitateurs et en barrières à l’adoption. Contrairement à l’autre article dont je parlais dans l’introduction, dans cette revue, 10 études évaluaient un système d’aide à la décision général et non pas ciblé sur un secteur clinique, un médicament ou une condition particulière.

Les facilitateurs décrits par les participants aux études incluses comprenaient une perception que l’aide à la décision améliorait la sécurité et l’efficacité des soins. Les barrières identifiées étaient une méfiance face à l’information véhiculée par l’outil, des conflits entre les recommandations et les préférences de prescription et une crainte face à l’autonomie professionnelle. Certains médecins séniors percevaient le système comme davantage utile pour les cliniciens junior.

La qualité du système était un thème important, avec comme facilitateur un système offrant des recommandations pertinentes et personnalisées, alors que les barrières étaient un système requérant un grand nombre de clics pour consulter l’information, l’affichage de trop d’information nécessitant un déroulement (scrolling) de la page, une interruption du flot de travail clinique ou un affichage confus de l’information.

Je trouve cette étude intéressante car la revue fait ressortir des points certes déjà connus à propos des facteurs qui aident ou qui nuisent à l’utilisation des systèmes d’aide à la décision, mais qui aident à mettre en perspective le fait que le succès ou l’échec de l’intégration d’un système électronique dépend énormément des propriétés de ce système et de l’encadrement autour de l’implantation, plutôt que du système lui-même.