• Aucun résultat trouvé

Prescription informatisée et aide à la décision : the good, the bad and the ugly

N/A
N/A
Protected

Academic year: 2022

Partager "Prescription informatisée et aide à la décision : the good, the bad and the ugly"

Copied!
2
0
0

Texte intégral

(1)

0 Revue Médicale Suisse www.revmed.ch 25 janvier 2012 Revue Médicale Suisse www.revmed.ch 25 janvier 2012 207 introduction

Depuis un peu plus d’une dizaine d’an­

nées, la sécurité des processus de soins est devenue un objectif majeur en santé et une cible importante dans l’utili­

sation des systèmes d’information clinique.

On estime que le nombre d’erreurs fatales potentiellement évitables aux Etats­Unis se situe dans une fourchette de 44 000 à 98 000 cas annuels,1,2 et il a été calculé que près de 7000 Américains décèdent chaque année en raison d’erreurs liées aux médicaments.3,4 Dans une étude prospec­

tive très bien menée, les auteurs rapportent un taux de 6,5 événements indésirables par 100 admissions, dont 28% auraient été évitables. Les erreurs se répartissent dans toutes les étapes du circuit du médicament, lors de la prescription (49%), de la trans­

cription (11%), de la dispensation (14%) et finalement lors de l’administration (26%).5 Des chiffres similaires se retrouvent dans d’autres études, par exemple jusqu’à 10%

d’erreurs lors de calculs de doses.6,7 Ce taux d’erreurs élevé est en partie lié à la complexité de l’environnement dans les hôpi taux et à la forte charge cognitive asso­

ciée à l’activité des médecins et du person­

nel soignant en général. Les technologies de l’information, principalement dans leur capa cité à soutenir la standardisation et la forma lisation des processus, se sont rapi­

dement imposées comme le plus important facteur d’amélioration dans le cadre de ce type d’erreurs,8 d’autant que ces technolo­

gies sont bien adaptées à des approches systémiques plutôt qu’individuelles, comme ceci a été bien démontré dans d’autres

domai nes tels que l’industrie spatiale ou l’aviation.9

the good

De nombreux travaux démontrent l’im­

pact de la prescription informatisée sur les erreurs, d’une part lié à la formalisation qu’elle impose, et d’autre part grâce à l’aide à la décision qu’elle peut fournir, avec des réductions pouvant dépasser les 80%.10­12 Sans surprise, la baisse la plus faible tou­

che la prescription (­19%), alors que la re­

transcription (­84%), la dispensation (­68%) et l’administration (­59%) sont particulière­

ment améliorées.13 La baisse modérée lors de la prescription est essentiellement due au fait que les erreurs sont peu liées à la formalisation et beaucoup à l’aide à la déci­

sion.

the bad

Hélas, ces dernières années, il s’est avéré que le problème n’était pas si simple, et que l’informatisation du processus, si elle dimi­

nue les erreurs liées à certaines étapes du processus, comme la transcription, la dis­

pensation et l’administration, peut en revan­

che avoir des effets contraires sur d’autres étapes, notamment la prescription, ou en­

co re sur le processus global dans certains contextes. Un des articles ayant fait le plus de bruit est sans doute celui publié dans Pediatrics en 2005, qui montre une aug­

mentation de la mortalité de 2,8% à 6,57%

après l’introduction de la prescription infor­

matisée, avec un odds ratio de 3,28 attri­

buable à la prescription après analyse multivariée.13 D’autres études montrent des résultats tout aussi inquiétants, par exemple le fait que la prescription informatisée favo­

rise certains types d’erreurs, ce qui a amené Ross Koppel à parler de e­iatrogénicité.14,15

Un des problèmes importants relevé est lié à la multiplicité des alertes non pertinentes, particulièrement en ce qui concerne les in­

teractions médicamenteuses.16

theugly

En résumé, il existe une littérature abon­

dante sur l’introduction, la gestion, la main­

tenance et l’utilisation des systèmes d’infor­

mation cliniques, en particulier de la pres­

cription informatisée. De nombreuses études sont en cours, et devront encore être réali­

sées, afin de définir les conditions suscep­

tibles d’améliorer réellement la sécurité des patients, l’efficience du processus. On sait d’ores et déjà que la formation des utilisa­

teurs est un élément capital, trop souvent négligé. On sait aussi que l’aide à la déci­

sion doit être intimement intégrée au proces­

sus de prescription pour être efficace, et en aucun cas déconnectée. Finalement, il a été récemment démontré que la valeur pré­

dictive positive des systèmes d’alertes basés sur des bases de connaissances com mer­

ciales est très basse, de l’ordre de 20%. De même, la surcharge cognitive entraînée par des alertes non pertinentes amène à la non­

prise en compte des alertes utiles et réduit la vigilance du prescripteur. Ces éléments montrent que ces outils ne sont utiles que s’ils sont manipulés en connaissance de cause, en se basant sur l’évidence, et que leur utilisation peut entraîner une augmen­

tation des erreurs dans certaines situations.

Il s’agit d’une science, au même titre que le reste de la médecine, et il est important que les mesures appropriées soient prises afin de créer les compétences requises à l’utili­

sation adéquate de ces outils, et que la re­

cherche dans ce domaine soit soutenue avec vigueur.

Prescription informatisée et aide à la décision : the good, the bad and the ugly

Quadrimed 2012

C. Lovis

Pr Christian Lovis

Département d’imagerie et des sciences de l’information médicale Service des sciences de l’information médicale

HUG, 1211 Genève 14 christian.lovis@hcuge.ch

Rev Med Suisse 2012 ; 8 : 207-8

Bibliographie

1 Brennan TA, Leape LL, Laird NM, et al. Incidence of adverse events and negligence in hospitalized patients : Results of the Harvard medical practice study. N Engl J Med 1991;324:370-6.

2 Thomas EJ, Studdert DM, Newhouse JP, et al. Costs of medical injuries in Utah and Colorado. Inquiry 1999;

36:255-64.

3 Phillips DP, Christenfeld N, Glynn LM. Increase in US medication-error deaths between 1983 and 1993.

Lancet 1998;351:643-4.

4 Institute of medicine. To err is human. Building a sa- fer health system. Washington DC : National academy

press, 1999.

5 Bates D, Cullen D, Laird N, et al. Incidence of ad- verse drug event and potential adverse drug events. J Am Med Assoc 1995;274:29-34.

6 Bayne T, Bindler R. Effectiveness of medication cal- culation enhancement methods with nurses. J Nurs

63_64_36190.indd 1 18.01.12 15:54

(2)

208 Revue Médicale Suisse www.revmed.ch 25 janvier 2012 Revue Médicale Suisse www.revmed.ch 25 janvier 2012 0

Staff Dev 1997;13:293-301.

7 Hassall TH, Daniels CE. Evaluation of three types of control chart methods in dose error monitoring. Am J Hosp Pharm 1983;40:970-5.

8 Oren E, Shaffer ER, Guglielmo BJ. Impact of emer- ging technologies on medication errors and adverse drug events. Am J Health-Syst Pharm 2003;60:1447-58.

9 Leape LL, Bates DW, Cullen DJ, et al. Systems ana- lysis of adverse drug events. J Am Med Assoc 1995;274:

35-43.

10 Kaushal R, Shojania KG, Bates DW. Effect of com- puterized physician order entry and clinical decision support systems on medication safety. A systematic re-

view. Arch Intern Med 2003;163:1409-16.

11 Bates DW, Leape LL, Cullen DJ, et al. Effect of com- puterized physician order entry and a team interven- tion on prevention of serious medication errors. J Am Med Assoc 1998;280:1311-6.

12 Bates DW, Teich J, Lee J, et al. The impact of com- puterized physician order entry on medication error prevention. J Am Med Informatics Assoc 1999;6:313-21.

13 Han YY, Carcillo JA, Venkataraman ST, et al. Unex- pected increased mortality after implementation of a commercially sold computerized physician order entry system. Pediatrics 2005;116:1506-12.

14 Koppel R, Metlay JP, Cohen A, et al. Role of compu-

terized physician order entry system in facilitating me- dication errors. J Am Med Assoc 2005;293:1197-203.

15 Harrison MI, Koppel R, Bar-Lev S. Unintended con- sequences of information technologies in health care – An interactive sociotechnical analysis. J Am Med Inform Assoc 2007;14:542-9.

16 Strom BL, Schinnar R, Aberra F, et al. Unintended effects of a computerized physician order entry nearly hard-stop alert to prevent a drug interaction : A rando- mized controlled trial. Arch Intern Med 2010;170:1578- 83.

63_64_36190.indd 2 18.01.12 15:54

Références

Documents relatifs

Dabei haben wir schnell festgestellt, dass vor einer Automa- tisierung noch viele offene Fragen auf konzeptueller Ebene zu klären sind, hinsichtlich Kriterien und Indi- katoren für

The classification from the ANN seems to give better results than the other methods. This is expected from supervised meth- ods where the training is performed on pre-defined class

Although Canada’s health system outcomes have been good relative to most OECD countries, at least based on indicators of fiscal sustainability, financial protection, equity

byas na ’ong zer ba la rwa chen gyis khyod su yin / chos ci shes gsungs pas / kho na re / nga mu stegs purṇa nag po yin / chos rig byed bzhi la sogs pa shes zer bas / rwa chen

In particular, this article analyses the Dansk Industri judgment of the Danish Supreme Court, where the Danish court decided not to apply a preliminary ruling of the Court

The mathematicians’ Digital mathematics library (DML), which is not to be confused with libraries of mathematical objects repre- sented in some digital format, is the generous idea

The five “exceptional cases” are the already mentioned CRAS, handled by Gallica, two Elsevier journals whose titles are not currently owned by an academic institution (which are

After a hiatus of about 15 years, preprint platforms have become popular in many disciplines (e.g., bioRxiv for biological sciences) due to the increasing drive towards