Erreurs de poids à l’urgence

Cette étude a évalué l’incidence d’erreurs de poids entrés dans le dossier électronique de patients ayant visité l’urgence de trois hôpitaux affiliés (deux généraux / adultes et un pédiatrique) situés à Hawaii. Tous les patients de moins de 5 ans ayant visité l’urgence durant une période de référence variable selon le centre (allant de 2009-2010 à 2012-2013) ont été inclus. Les poids enregistrés ont été extraits, et les poids plus petits que le 3è percentile, ou plus grands que le 97è percentile, ont été considérés comme des erreurs potentielles. Ceux-ci ont été révisés, si les autres poids documentés dans le dossier étaient similaires, le poids n’était pas considéré une erreur. De la même manière, si l’information était jugée insuffisante pour déterminer s’il s’agissait d’une erreur, la donnée était placée dans une catégorie à part. Enfin, les ordonnances de médicaments associées à ces poids ont été revues pour déterminer l’incidence d’erreurs.

79 000 visites à l’urgence ont été incluses. La proportion de poids erronés était de 0,46% dans l’hôpital pédiatrie et 0,30 et 1,1% dans les deux hôpitaux généraux, ces proportions étant statistiquement différentes (p<0,001). Les taux de poids extrêmes ne pouvant être classés comme erreur étaient aussi statistiquement différents entre les groupes ,avec 0,69% dans l’hôpital pédiatrique et 0,029 et 1,1% dans les deux hôpitaux généraux (p<0,001). À noter que les taux d’erreurs de poids comparés entre les deux hôpitaux généraux regroupés et l’hôpital pédiatrique n’étaient pas différents (0,46% contre 0,49%, p=0,54).

Les erreurs de poids ont été corrigées au dossier avant la prescription de médicament dans 17% des cas dans l’hôpital pédiatrique, contre 8% dans les deux hôpitaux généraux combinés. Ils n’ont pas été corrigés et ont mené à une erreur de prescription dans 34% des cas dans l’hôpital pédiatrique, contre 33% des cas dans les hôpitaux généraux combinés. Dans d’autres cas, aucun médicament n’a été prescrit et l’erreur n’a pas été corrigée.

Les médicaments les plus affectés par les erreurs de prescription étaient, dans l’ordre, l’acétaminophène, l’ibuprofène, l’ondansétron, la diphenhydramine, l’amoxicilline, et la prednisolone. Ces médicaments reflètent selon moi davantage le volume de prescription à l’urgence pour ces médicaments plutôt qu’une susceptibilité particulière aux erreurs.

Les auteurs soulignent des causes possibles des erreurs de poids: l’utilisation de balances affichant un poids à la fois en livres et en kilogrammes, la saisie de données dans le mauvais champ (par exemple entrer la température à la place du poids) et les erreurs de frappe à la saisie des données. Je souligne que les hôpitaux à l’étude utilisaient des dossiers électroniques. Dans ma pratique avec les dossiers papiers, d’autres causes d’erreurs que j’ai constatées sont l’inscription du poids dans le mauvais dossier, et les erreurs de communication verbale de poids (par exemple regarder dans le mauvais dossier et transmettre verbalement le poids d’un autre patient).

Les auteurs suggèrent des mesures informatiques pour limiter ces erreurs, notamment l’ajout d’une limite contournable lorsque le poids sort d’une plage de percentiles selon l’âge, ou l’affichage d’une courbe de croissance avec la valeur entrée. Ces idées sont intéressantes, mais comme les auteurs le soulignent, elles doivent être prises en compte dans le contexte de la désensibilisation aux alertes.

Erreurs de poids à l’urgence

Revue systématique sur les erreurs causées par la prescription électronique en pédiatrie

Je vous parle cette semaine d’une revue systématique sur les facteurs contribuant aux erreurs de médicaments causées par les systèmes de prescription électronique en pédiatrie. Cet article a été écrit par le même groupe qu’un article très similaire dont j’ai parlé il y a un peu moins d’un an, et qui avait le même objectif, sans être orienté vers la pédiatrie.

En rappel, les facteurs identifiés comme causes d’erreurs lors de prescription électronique en général étaient:

  • L’affichage à l’écran
  • La sélection dans les menus déroulants et la complétion automatique de champs
  • Le choix des mots et les formulations étranges
  • Les paramètres par défauts mal pensés
  • Le manque de flexibilité ou de fonctionnalité dans les flots de travail
  • Le manque d’interopérabilité
  • L’automatisation à outrance
  • Le manque d’adaptation des flots de travail au système électronique
  • Le mauvais paramétrage de l’aide à la décision

Pour cette nouvelle revue ciblant la pédiatrie, les auteurs ont effectué une recherche systématique des banques Embase, CINAHL et Medline depuis leur début jusqu’au 3 mai 2016. Les articles de recherche primaire de nature qualitative ou quantitative, ayant pour objet les erreurs de médicaments associées à la prescription électronique en pédiatrie, et qui donnaient de l’information sur les causes de ces erreurs, ont été incluses. Un processus systématique pour sélectionner les articles, les lires et en extraire les données a été suivi.

419 articles ont été identifiés, et après filtrage 47 ont été retenus, dont 29 provenant des États-Unis, 4 de l’Angleterre, 2 du Canada, 2 de l’Iran, 2 des Pays-Bas et 2 de la Suède, entre autres. 38 étaient quantitatifs, 3 qualitatifs et 6 avaient les deux méthodes. 5 thèmes majeurs ont été extraits comme causes d’erreurs:

  • Le mauvais paramétrage des alertes de dose, d’abord en omettant des alertes spécifiques aux indications. Par exemple, un système offrait des alertes de dose trop élevée de méthylprednisolone uniquement pour les doses plus grandes que 30 mg/kg/dose, la dose maximale paramétrée pour la néphrite lupique. La prescription erronée d’une telle dose pour l’asthme n’entraînait pas d’alerte.
  • Encore le mauvais paramétrage des alertes de dose, mais cette fois en générant des alertes inappropriées. Dans ce genre de cas, un système générait des alertes à la fois pour une dose trop élevée et trop faible, en même temps, pour un patient de 36 kg qui recevait une dose de 900 mg deux fois par jour d’amoxicilline, soit moins de 26 mg/kg/dose, la limite inférieure pédiatrique, mais plus de 875 mg/dose, la dose adulte. Un autre type d’alerte dans ce thème était des alertes causées par des données anthropométriques anciennes (un poids qui n’est pas à jour dans un dossier, par exemple).
  • Les alertes de duplication inappropriée, d’une part en omettant d’alerter lorsque la prescription est faite avec un nom différent (l’exemple donné est de la prednisone sur protocole de recherche et de la prednisone hors protocole), ou en générant des alertes intempestives en ne tenant pas en compte les voies d’administration différentes et les dates différentes de plusieurs entrées pour le même médicament.
  • La sélection dans les menus déroulants, par exemple en permettant de prescrire le même médicament en mg, en g ou en mL, ou encore en affichant des concentrations de suspensions orales en “400 mg / 5 mL” plutôt qu’en mg/mL.
  • Le mauvais design du système, par exemple en forçant les prescripteurs à utiliser du texte libre en raison du manque d’options, ce qui cause des prescriptions incohérentes ou contradictoires. De même, l’utilisation d’ordonnances pré-rédigées (order sets) est un risque d’erreur lorsque des sélections se font automatiquement sans prendre en compte ce qui est déjà prescrit.

Les auteurs proposent diverses solutions pour pallier à ces problèmes, et vont même jusqu’à exposer les points positifs et négatifs des solutions qu’ils proposent.

Revue systématique sur les erreurs causées par la prescription électronique en pédiatrie

Arrondissement des doses de médicaments en pédiatrie

Cet article avait pour objectif de déterminer la prévalence de doses de médicaments “non mesurables”, soit trop petites ou impossibles à mesurer avec précision, chez les patients pédiatriques d’un hôpital tertiaire académique mère-enfant américain de 354 lits. Le texte complet est disponible gratuitement sur PubMed Central. Les patients de moins de 18 ans admis sur une période d’une semaine, du 11 au 17 août 2013, ont été inclus. Les médicaments étaient prescrits dans un dossier électronique commercial, qui pour la plupart des médicaments n’avait pas de fonctions d’arrondissement de dose, permettant donc de prescrire des doses avec plusieurs chiffres après la virgule. Les médicaments pour lesquels le concept d’arrondissement ne s’applique pas (topiques, gouttes, perfusions continues…) ont été exclus, de même que l’insuline.

Les auteurs ont défini une dose non mesurable comme une dose précise à <0,1 unité (unité étant mg ou mcg selon le médicament) pour les patients hors néonatologie, et précise à <0,01 unité en néonatologie, ou bien une dose de <0,1 mL hors néonatologie, ou <0,01 mL en néonatologie. Une régression logistique multivariée à deux niveaux a été réalisée pour tenir compte des multiples médicaments chez un même patient et de plusieurs patients par prescripteur.

395 patients ont été admis durant l’étude, dont 391 ont eu des prescriptions de médicament. Quatre autre patients ont été exclus en raison de données manquantes. Pour les 387 patients restants 686 prescriptions ont été exclues car elles étaient pour des médicaments exclus. 2426 prescriptions ont été incluses, parmi celles-ci 723 (29,8%) étaient non arrondies ou non mesurables. L’analyse multivariée a montré que les facteurs liés au patient et au médicament prédisaient mieux le non-arrondissement que les facteurs liés au prescripteur; notamment avec un odds de dose non-arrondie diminuant de 4% pour chaque augmentation de 1 kg du poids du patient.

Les auteurs discutent des implications des doses non mesurables ou non arrondies, notamment le risque associé aux erreurs de mesure en raison de la mauvaise correspondance des volumes à mesurer aux unités de mesure des seringues. Des études ont rapporté l’utilisation de protocoles pour l’arrondissement des doses, dans certains cas pilotés par des pharmaciens. Il est aussi possible d’intégrer l’arrondissement des doses au logiciel de prescription électronique. Cette avenue m’apparaît intéressante car elle permet d’aviser le prescripteur directement au moment de la prescription que la dose indiquée est trop petite pour être mesurée ou qu’elle ne correspond pas aux unités de mesure des seringues. En pratique, avec la prescription papier où le volume correspondant à la dose prescrite est parfois inconnu du prescripteur lors de la prescription, il m’arrive fréquemment de voir des doses non mesurables (<0,02 mL mesurées dans une seringue graduée aux 0,01 mL) ou prescrites avec beaucoup trop de précision pour les outils disponibles. Citons en exemple l’énoxaparine, concentrée à 100 mg/mL mais souvent prescrite à des doses inférieures à 10 mg pour de très jeunes patients. Dans ce genre de cas, il est fréquent de voir des doses prescrites avec plusieurs chiffres après la virgule, alors que ce degré de précision n’est pas atteignable avec une seringue de 1 mL qui est graduée aux 0,01 mL (1 mg dans ce cas). Une étude s’est d’ailleurs penchée sur ce problème spécifiquement et a montré que l’arrondissement au mg est faisable et sécuritaire. De plus, on sait que la précision d’une seringue diminue rapidement lorsque le volume est faible; il est illusoire de prétendre que les doses administrées lorsqu’on s’approche du minimum mesurable sont précises. Dans ce genre de circonstances, les patients sont probablement exposés à des quantités très variables du médicament de dose en dose. L’alerte directe au prescripteur dans le logiciel de prescription me semble l’avenue à privilégier pour améliorer cette situation.

Arrondissement des doses de médicaments en pédiatrie

Données sur les pharmacies d’hôpitaux américaines 2016

Je vous parle aujourd’hui d’un sondage publié récemment dans l’AJHP sur les pharmacies d’hôpitaux aux États-Unis, réalisé en 2016 et décrivant surtout les processus de prescription et transcription d’ordonnances. Il s’agit d’une partie du sondage national des pharmacies d’hôpitaux de l’ASHP; la méthode de ce sondage est décrite dans l’introduction de l’article. Les données publiées ici complètent celles publiées l’année dernière sur les volets de surveillance de la pharmacothérapie et de suivi des patients. À noter cependant que plusieurs données se recoupent.

Contrairement au sondage québécois, le sondage américain ne cible pas tous les hôpitaux et utilise un échantillonage. 392 hôpitaux parmi les sondés ont répondu, représentant un taux de réponse de 30%, et les répondeurs n’étaient pas statistiquement différents des non-répondeurs. Voici quelques faits saillants du sondage:

  • 99,1% des hôpitaux avaient un dossier électronique au moins partiellement en place, dont 43,3% avec un système complètement électronique sans papier (comparativement, ces chiffres étaient 97,5% et 37,5% en 2015 aux USA, je ne trouve pas de données québécoises claires sur ce chiffre).
  • 95,6% des hôpitaux ont un système de prescription électronique avec aide à la décision (comparativement à 84,1% aux USA en 2015, et au Québec 7% en 2014 et 5% en 2012).
  • Les ordonnances sont transmises électroniquement (en données numériques) à la pharmacie dans 90,7% des hôpitaux, 4,2% des hôpitaux numérisent des ordonnances papier, 2,8% utilisent encore le fax et 2,3% utilisent le transport manuel d’ordonnances papier. Comparativement, au Québec, la seule donnée que je connaisse est un sondage présenté comme affiche au congrès de l’APES 2016 qui a montré l’utilisation d’ordonnances numérisées dans 51% des hôpitaux, contre 26% qui utilisaient le fax, 21% des ordonnances papier et 2% un prescripteur électronique.
  • Au niveau de la validation d’ordonnances, 51,6% des hôpitaux utilisent des fonctions de validation automatisée. Parmi-ceux-ci, 58,2% utilisent des fonctions par département (p.ex. urgence), 40,3% des médicaments spécifiques dans certains départements (p.ex. médicaments pour la douleur à l’urgence), et 12% pour des médicaments spécifiques à travers l’hôpital (p.ex. vaccins, médicaments de soins de confort).
  • 92,6% des hôpitaux utilisent la vérification de l’administration des médicaments avec le code-barre (comparativement à 93,7% aux USA en 2015, et aucun hôpital au Québec en 2012 ou 2014).
  • Pour l’élaboration de politiques de prescription et de gestion du formulaire, 75% des hôpitaux font de l’évaluation comparative des médicaments avant l’inscription au formulaire, élaborent des lignes directrices, font de la substitution thérapeutique, délèguent les choix de produits et de dose aux pharmaciens, et font des revues d’utilisation. Deux tiers des hôpitaux restreignent la prescription de certains médicaments à certains praticiens, et environ la moitié utilisent des données pharmacoéconomiques dans leur évaluation.

L’utilisation de dossiers électroniques offre des nouvelles possibilités reliées à la gestion du formulaire et des ordonnances:

  • Trois quarts des hôpitaux affichent uniquement les médicaments au formulaire lors de la prescription.
  • Environ la moitié des hôpitaux utilisent des fonctions d’arrondissement ou de standardisation de doses lors de la prescription (sans doute pour faciliter la correspondance aux médicaments produits en lot à la pharmacie).
  • La moitié des hôpitaux offrent des liens vers de l’information sur les médicaments lors de la prescription, et offrent des alternatives lors d’une tentative de prescription d’un médicament hors formulaire.
  • Un peu plus d’un tiers des hôpitaux envoient certaines ordonnances à un autre service pour approbation (par exemple antibiotiques à usage restreint) et incluent un support décisionnel lié à l’optimisation de l’utilisation des antimicrobiens.
  • Un tiers des hôpitaux limitent l’entrée de médicaments hors formulaire aux pharmaciens.

En ce qui a trait aux fonctions de prescription hors formulaire, il est à noter que ce sont en général les plus gros hôpitaux qui ont des politiques plus strictes sur le contrôle du formulaire et les possibilités de prescription.

Les éléments liés à la pratique clinique du pharmacien sont:

  • 56,9% des hôpitaux requièrent la documentation électronique des recommandations et des notes du pharmacien dans les dossiers médicaux.
  • 89,9% des hôpitaux permettent aux pharmaciens de demander des tests de laboratoire et dosages de médicaments.
  • 86,8% des hôpitaux permettent aux pharmaciens d’écrire des ordonnances, 7,2% permettent aux pharmaciens de prescrire (sélection, initiation, suivi et ajustement du médicament), et 92,8% des hôpitaux permettent aux pharmaciens de modifier ou initier des médicaments selon un protocole.
  • 64% des hôpitaux collectent des données pour démontrer les effets des interventions des pharmaciens; ces données incluent surtout le type d’intervention, le temps passé sur ces interventions, et l’impact de ces interventions sur les coûts.

D’autres données sont fournies dans le sondage, je vous invite à lire le texte complet car elles sont plus difficiles à résumer. Celles-ci incluent:

  • Les services fournis par les pharmaciens au congé et le lien avec les soins en communauté et les pharmacies communautaires.
  • Les services offerts en clinique ambulatoire.
  • Le paiement des services pharmaceutiques.
  • Le lien avec les pharmacies de spécialité.
  • Les données de ressources humaines (équivalents temps plein, postes occupés, diplômes et certifications).
  • Les activités des techniciens en pharmacie.
Données sur les pharmacies d’hôpitaux américaines 2016

Réduction du nombre d’appels pour clarification avec la prescription électronique

La saisie et la validation des ordonnances à la pharmacie d’un établissement de santé requiert régulièrement des appels aux infirmières et aux médecins afin d’obtenir des précisions sur des ordonnances mal écrites, ou dont les instructions sont contradictoires ou ambigues. Dans le contexte de la prescription électronique, les appels pour illisibilité sont (en théorie) éliminés, mais il demeure que les instructions inscrites, même en électronique, peuvent requérir des clarifications. Il peut aussi être nécessaire d’obtenir d’autres informations qui ne sont pas nécessairement incluses dans l’ordonnance comme le poids, la taille ou les allergies d’un patient. Dans le cas où des pharmaciens sont présents sur les unités de soins, les appels peuvent être dirigés vers eux afin de faciliter l’obtention de l’information, mais ce n’est pas toujours possible.

Une étude publiée récemment s’est intéressée à ce problème. Elle avait pour objectif d’évaluer l’impact de l’ajout d’alertes dynamiques lors de la prescription électronique sur le nombre d’appels requis pour clarifier les ordonnances à la pharmacie.

Dans un centre hospitalier et ses cliniques affiliées située au Mississippi, utilisant un dossier électronique commercial, des alertes ont été ajoutées permettant d’aviser le prescripteur au moment même où il rédige l’ordonnance lorsque:

  • Le prescripteur n’était pas indiqué.
  • La pharmacie n’était pas indiquée.
  • Les spécifications pour les ordonnances de médicament contrôlés n’étaient pas rencontrées.
  • Les instructions pour l’administration ou pour les données patient étaient trop longues ou fractionnées.
  • Les instuctions étaient à la fois entrées en champs granulaires et en texte libre.

On voit qu’il s’agit ici d’une validation technique plutôt que clinique, mais j’ose imaginer, même si ce n’est pas clairement indiqué, que les appels pour clarification en pré-intervention étaient souvent réalisés pour ces éléments. 9 mois de données de prescription ont été extraites en pré et en post intervention, puis, en fonction d’un calcul de puissance, 301 ordonnances en pré et 301 en post ont été sélectionnées aléatoirement. Un pharmacien et une infirmière ont révisé ces prescriptions pour déterminer si un appel de clarification aurait été nécessaire. À noter, il ne s’agit donc pas ici d’un dénombrement des appels réellement effectués. Un calcul de coûts en fonction du salaire des intervenants impliqués à aussi été effectué.

En pré intervention, 61 ordonnances sur 301 (20,3%) auraient généré un appel contre 39 sur 301 (13,0%) en post, une différence significative.  Cette réduction du nombre d’appels était associée à des coûts en temps épargné de 76$ par tranche de 100 ordonnances.

L’article a évidemment plusieurs limites. Personnellement, les éléments de validation technique ajoutés me semblent être surtout liés à une mauvaise fonctionnalité du système de prescription électronique. Dans les systèmes que j’ai vus en pratique, les problèmes de sauts de ligne et de longueur de champs ne sont pas fréquents. Cependant, dépendamment des systèmes, l’absence de nom de prescripteur et les instructions en texte libre qui sont ambigues ou qui discordent avec les champs granulaires sont assez fréquents.

En ce sens, je trouve qu’il s’agit d’un bon article sur une problématique pour laquelle les données manquent. La plupart de la littérature citée par les auteurs provient des pharmacies communautaires, et les différences en validation d’ordonnances par rapport à la pratique en établissement me font douter de la généralisation de ces données.

Il y a donc ici une opportunité pour mieux quantifier ce problème en établissement de santé, et en particulier dans un contexte de prescription à la main ou avec divers systèmes et modèles de pratique.

Réduction du nombre d’appels pour clarification avec la prescription électronique

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

Biais cognitif lié à l’aide à la décision

Les systèmes d’aide à la décision gagnent en popularité avec l’informatisation croissante des dossiers médicaux, en particulier dans le contexte de la prescription électronique. Il existe également de tels outils intégrés aux systèmes d’information pharmacie, notamment pour la détection d’interactions médicamenteuses. Néanmoins, l’impact clinique de tels systèmes est sujet à débat, en particulier quand on constate à quel point les alertes générées peuvent être de pertinence clinique douteuse, ou bien lorsque des problèmes importants ne sont pas détectés.

Cette étude avait pour objectif d’évaluer la présence de biais cognitif induit par les systèmes d’aide à la décision, notamment l’omission de problèmes en absence d’alerte, les interventions inappropriées en présence d’alertes inexactes, et l’impact des interruptions et de la complexité des tâches sur ces éléments.

120 étudiants en médecine dans les deux dernières années de leur formation dans des universités australiennes ont participé à l’étude.  Chaque participant devait compléter des scénarios de simulation les exposant à neuf situations, soit une situation contrôle sans aide à la décision, une aide à la décision adéquate et une aide à la décision inadéquate, chacune en condition normale, en présence d’interruptions et en présence d’une tâche plus complexe. Durant chaque scénario, ils devaient prescrire des médicaments dans un logiciel simulé en présence d’un contexte clinique réaliste. Les scénarios ont été développés et révisés par plusieurs spécialistes, incluant des pharmaciens, afin de s’assurer que ceux-ci étaient adéquats. Notamment, les prescriptions à faire étaient représentatives des responsabilités des étudiants en médecine, et les erreurs à détecter étaient sans ambiguité et clairement à éviter. De plus, les participants étaient avisés que les alertes fournies par le système pouvaient être inexactes ou absentes.

4065 prescriptions ont été faites, comportant 1049 erreurs, incluant les non-prescriptions de médicaments requis. 70% de ces erreurs ont été induites par les scénarios, et 30% ont été jugées comme originant purement des participants. Tous les participants ont fait au moins une erreur.

Comparativement à la situation contrôle, l’aide à la décision adéquate a réduit les erreurs de prescription de 58,8%, alors que l’aide à la décision incorrecte a augmenté les erreurs de prescription de 86,6%. Fait intéressant, les interruptions et la complexité du scénario n’ont pas affecté significativement les biais cognitifs induits par l’aide à la décision. Les résultats complets sont bien plus détaillés, ça vaut la peine de lire le texte complet pour bien en comprendre toutes les nuances.

Les auteurs soulignent que les participants avaient de la difficulté à déterminer si les alertes d’aide à la décision étaient correctes ou non, et même si des omissions avaient lieu.

Je trouve l’article pertinent car il illuste comment l’aide à la décision peut avoir un impact positif si les alertes sont bien paramétrées et adéquates, et comment les effets de cette technologie peuvent être délétères en présence d’omissions ou d’alertes inadéquates. Bien sûr, la tâche de paramétrage d’un système d’aide à la décision est colossale. Bien souvent, la possibilité de personnaliser les alertes, d’en ajouter ou d’en désactiver est inexistante ou limitée, et le nombre d’alertes livrées avec le système est très grand, rendant la révision de celles-ci une par une irréaliste. Plusieurs articles ont décrit les problèmes liés à l’inclusion de nombreuses alertes pour des raisons légales ou administratives, et ont fait des recommandations pour filtrer ce contenu. Encore faut-il avoir les ressources et la capacité technique de le faire.

Biais cognitif lié à l’aide à la décision

Surveillance des antimicrobiens à l’aide d’une stratégie électronique

Cet article décrit une stratégie de surveillance des antimicrobiens mise en place dans un hôpital de réadaptation français de 255 lits de courte durée et 108 lits de réadaptation ciblé sur les blessures à la moëlle épinière. Une équipe composée d’un pharmacien, d’un microbiologiste et d’un médecin spécialiste en maladies infectieuses a été mise en place pour surveiller la prescription d’antimicrobiens en ciblant certaines classes.

La stratégie de surveillance consistait en l’identification d’antimicrobiens de certaines classes prescrits pour plus d’une journée (par exemple piperacilline-tazobactam, carbapénèmes). Le prescripteur devait détailler l’indication dans le système de prescription électronique, puis effectuer un suivi au jour 3 de la prescription. Une requête d’extraction des données vers un chiffrier Excel a été mise en place, et permettait à l’équipe de surveillance d’effectuer un suivi des prescriptions. D’abord, un pharmacien vérifiait les doses prescrites et la présence d’interactions médicamenteuses, puis alertait le prescripteur selon la conformité de la prescription aux lignes directrices du centre. Ensuite, le microbiologiste validait la prescription en fonction des résultats de culture et de susceptibilité. Les prescriptions étaient classées en appropriées ou inappropriées pour une de trois raisons: l’absence de culture requise, la non susceptibilité à l’antibiotique prescrit, ou un spectre trop large. Les prescriptions jugées inappropriées et non cessées malgré l’alerte étaient transmises par courriel à l’infectiologue, qui effectuait une intervention directement auprès du prescripteur pour évaluer si la prescription était adéquate ou pour recommander une modification. Pour l’étude rapportée, les données de janvier 2012 à décembre 2014 ont été collectées.

2216 prescriptions ont été revues. Le microbiologiste a évalué 1224 (58.1%) prescriptions comme inappropriées, et de celles-ci 835 (68.2%) ont été modifiées sans intervention. 389 (31.8%) prescriptions ont mené à une alerte, pour lesquelles 293 interventions ont effectivement eu lieu. Dans 157 (53,6%) interventions, le traitement a été jugé adéquat en fin de compte, et dans 136 (46,4%), le traitement a été jugé inapproprié, puis modifié dans 132 de ces cas.

Le système décrit est relativement “low-tech”, consistant en une simple extraction de données puis un suivi partagé à l’aide d’un chiffrier Excel. Ça a l’avantage d’offrir un suivi des antimicrobiens plus fin qu’à l’aide d’alertes complètement automatisées, mais il n’est pas clair si l’investissement de temps requis de la part de chacun des membres de l’équipe pour ce suivi manuel est vraiment rentable. Par ailleurs, dans le cadre de cette étude l’antibioprophylaxie chirurgicale et médicale était exclue, probablement en raison du volume, mais dans mon expérience beaucoup d’interventions de ce type sont nécessaires avec les prescriptions de prophylaxie.

Surveillance des antimicrobiens à l’aide d’une stratégie électronique

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.

Alertes pour la détection des problèmes liés à la pharmacothérapie