Sistemas de soporte a la decisión clínica

Sistemas de soporte a la decisión clínica
Nú i Solà
Núria
S là Bonada
B
d
Consorci Hospitalari de Vic
SSDC
 definición – elementos – antecedentes
 Aplicación de los SSDC – ejemplos y evidencia
 Implantación


Problemas relacionados
Expectativas – hacia dónde debemos ir
SSDC: sistemas de soporte a la decisión clínica
 Qué

son?
Clinical
l
l decision
d
support = sistemas de
d soporte a la
l
decisión clínica


Sistemas de conocimiento que utilizan uno o más datos de los
pacientes para generar un aviso o alerta sobre su manejo
clínico
clínico.
Ayudan a los clínicos, médicos, farmacéuticos, enfermeras…,
con información concisa y presentada en el momento correcto,
correcto
para mejorar la atención clínica y seguridad
Osheroff JA. Clinical decision support implementers' workbook. Chicago: HIMSS, 2004.
www.himss.org/cdsworkbook.
Autoridades sanitarias  búsqueda de
sistemas para mejorar la atención
►
►
►
►
►
1 Información correcta
2 Persona correcta
3 Formato CDS correcto
4 Canal correcto
5 Momento correcto
+ seguridad
Osheroff, J.A., Improving medication use and outcomes with clinical decision support: a step-by-step
guide. Chicago, IL: The Healthcare Information and Management Systems Society, 2009
► Inicio

Sistema BICS (Brigham Integrated Computer System) del Brigham and
Women’s hospital Boston.
►
►

►
55% reducción en EM y 17% (NS) de AAM prevenibles ( Bates.D.W.
Bates D W 1998)
81% de reducción en EM (estudio en 4 fases) (Bates.D.W. 1999)
LDS Hospital Salt Lake city/Utah University  sistema HELP (Health
Evaluation through Logical Porcessing) para recomendar tratamiento
antibiótico.
►

EEUU ((década de los 90))
Disminución significativa de los AAM de antibióticos, errores de sensibilidad,
costes de antibióticos y coste total (Evans,R.S.
(Evans R S 1998)
Regenstrief Institute of the University of Indiana (Medical Record
System –RMRS-)
En Europa...
Europa
 University of Geneva: sistema DIOGENE (historia clínica informatizada)
 Erasmus University,
Universityy, Holanda –> sistema ELIAS ((SSDC en atención
primaria)
Selección de medicación
(médico/farmacéutico)
Guías clínicas / protocolos /
fármacos restringidos
Monitorización/seguimiento
Prescripción /
conciliación
(médico,
é
farmacéutico)
é
Alertas (IFF, alergias,
ajustes dosis, etc) /
order sets
Hospital
Atención
Validación/
i
i
primaria
dispensación
(médico, farmacéutico
(médico
farmacéutico,
enfermería)
Información medicamentos/
pharmacyy rules/ alertas /
p
recordatorios preventivos
Administración
(enfermería)
Alertas / información
medicamentos
(farmacéutico / técnico)
Alertas
l
/ pharmacy
h
rules
l
/ F restringidos
Osheroff et al. Improving Medication Use and Outcomes with Clinical Decision Support: A Step by Step Guide. 2009
Base de datos
Reglas de
conocimiento
Peso
Datos
Historia
paciente
Fármacos
administraciones



Edad
diagnósticos
infecciones
Externo vs Integrado
Activa vs pasiva
creación propia vs comercial


Alertas,
sugerencias,
protocolos,
guías,etc.
alergias
Intervenciones
Datos
laboratorio
Curas
p
p
, ofertas de p
j de
Depende
de: sistema aplicativo,
proveedores,, flujo
trabajo, nivel de seguridad, datos accesibles, etc.
Lugar de implantación y finalidad


i
i vs h
it l específicos
ífi
SServicio:
i i UCI
di t í
primaria
hospital,
UCI, pediatría,…
Inicio del tratamiento vs seguimiento.

M j
Mejora
lla seguridad
g id d
Reducción de errores de medicación
 Mejora adecuación de prescripción y pruebas.


Mejora la calidad en la atención






Aplicación de algoritmos y guías de práctica clínica
Aumento comunicación
Mejora la documentación clínica
Aumenta la calidad del tiempo dedicado de la atención
directa al paciente
Medicina basada en la evidencia
Mejora la eficiencia en la promoción de la Salud

Reducción costes, hospitalización

Numerosas publicaciones  efecto positivo en la calidad de la
atención y seguridad de los pacientes

Revisiones




Bright et al, Effecto of clinical decision-support systems. A Systemic review. Ann Intern Med 2012;157:29-43
Garg et al.Effects of Computerized Clinical Decision Support Systems on Practitioner Performance and Patient
Outcomes. JAMA. 2005
Chaudhry B, et al, Systematic review: impact of health information technology on quality, efficiency, and
costs of medical care. Ann Intern Med. 2009;144(10):742-52.
Variables de medida dispares
p
CLÍNICAS/SEGURIDAD ++ (EM/AAM, mortalidad, morbilidad, etc.)
 EFICIENCIA + (Estancia hospitalaria, Coste)
 EFECTOS SOBRE LA PRESCRIPCIÓN ++++ (p
promoción de tratamientos,,

adecuación tratamientos, cambio hábitos del prescriptor)
Conclusión
-revisiones con poca robustez
disparidad de resultados
-disparidad
-difícil aplicar los resultados de un centro a otro.
Alertas
 Protocolos / order sets

Alertas básicas
-Alergias
-Duplicidades
D li id d
-Interacciones F-F
-Dosis por defecto
Alertas avanzadas
-Parámetros de laboratorio
-Situaciones
Situaciones clínicas
(contraindicaciones por
enfermedad, edad, condición
clínica IR o IH,etc..)
IH etc )
-Ayuda a la selección de F – (uso
restringido)
-Guía
Guía de dosificación según
comorbilidades del paciente
Alertas complejas
Combinan las básicas + avanzadas
Kuperman GJ et al. Medication-related clinical decision support in computerized provider order entry systems: a review. J
Am Med Inform Assoc 2007;14(1):29-40.
Dosis por defecto
SAP. Hospital Clínic, Barcelona
Sistema de notificación de alergias
g
integrado
g
en la HC
Cons lta de
Consulta
información
sobre alergias
Alergias
Alerta de
alergia en el
momento de
prescripción
Consorci hospitalari de Vic
Duplicidades
Al t de
Alerta
d duplicidad
d li id d de
d metilprednisona
til d i
iv
i + prednisona
d i
Cerner Multum. Hospital Son Espases
Interacciones
Alerta de grado 1
Requiere la finalización de uno de
los fármacos
En alertas de menor severidad
puede seleccionarse seguir con la
prescripción de los dos fármacos
a pesar de la interacción
- indicación la razón de la
omisión
Alerta de grado 2
Paterno MD, Tiering drug-drug interaction alerts by severity
increases compliance rates. J Am Med Inform Assoc.2009;16:40-6.
Clasificación de las alertas de
interacción según gravedad La
aceptación
t ió de
d las
l alertas
l t es mayor
si el grado de gravedad de la
interacción es severo.
La aceptación de las alertas es mayor
sii se disparan
di
automáticamente
t áti
t
Paterno MD, Tiering drug-drug interaction alerts by severity
increases compliance rates. J Am Med Inform Assoc.2009;16:40-6.
Determinaciones
de laboratorio
Recomendación de dosificación de fármacos según función renal
FG / Última
analítica
disponible
Pauta
propuesta
según rango
FG
O i
Opciones:
Aceptar
A
t / rechazar
h
Consorci Hospitalari de Vic
 Evidencia
ajuste
j
dosis en IR
• SSDC en dosificación en p
pacientes con IR en Urgencias:
g
Prescripciones con dosis excesiva 74%  43%

Terrell KM, et al.
al Ann Emerg Med.
Med 2010;56(6):623
2010;56(6):623-9
9.
• SSDC
SS C en pacientes ambulatorios
b l
con IR (15
( fármacos,
fá
alertas
l
dirigidas
d
d a
farmacéuticos antes de la dispensación)
P
ió de
d EM 49%  33%
Proporción
►Bhardwaja
IR: insuficiencia renal
B, et al. Pharmacotherapy 2011 Apr;31(4):346-56.
Selección de
medicamentos
Indicaciones de prescripción de esomeprazol
Recomendación prescribir omeprazol si no cumple los criterios
Brigham and Women’s Hospital. Boston
• Control
C t l de
d antibióticos
tibióti
restringidos:
t i id
 debe seleccionarse la indicación de uso del
antibiótico prescrito dentro de las indicaciones
aprobadas
aprobadas.
Consorci Hospitalari de Vic
Propuesta de intercambio de medicación 
sugerencias de intercambio para alternativas
á eficientes.
fi i t
más
Programa prescripción Atención primaria. Institut Català de la Salut
Selección de antibióticos en función de sensibilidades y cultivos positivos 
idoneidad del tratamiento antibiótico
Esta prescribiendo levofloxacino para XX. Los
resultados de sensibilidad para el cultivo de
esputo del 28/11/2007 muestra un
Staphyloccocus aureus resistente a levofloxacino.
Aún quiere proseguir con esta pauta?
Bright TJ, et al. Development and evaluation of an ontology for guiding
appropriate antibiotic prescribing. J Biomed Inform 2012;45(1):120-8.
Guía dosificación
Dosificación automática
de fármacos según
edad y peso en
pacientes pediátricos
p
p
Consorci hospitalari de Vic

Evidencia dosis superior a la máxima recomendada



SSDC para proporcionar dosis máxima personalizada en
función de las características de los pacientes (edad,
función renal, medicación concomitante, etc)
170 fármacos.
fá
La tasa final de p
prescripción
p
de dosis excesivas disminuyó
y
un 20% menos (p<0.001).
Seidling HM, et al. Patient-specific electronic decision support reduces prescription of excessive doses.
Qual Saf Health Care 2010; 19(5) e15. Epub 2010 Apr 27.


Creación
C
ió d
de bl
bloques d
de prescripción
i ió
en función de recomendación de guías
clínicas
Prescribir todo el tratamiento
agrupado relacionado con una entidad
clínica.

Estandarizar pautas
p

Basados en la evidencia clínica

Aumenta la seguridad y la eficiencia
de la prescripción

Puede incluir pautas,
determinaciones necesarias,
notas, etc.
Selección de Protocolos.
Northwestern Memorial
Hospital. Chicago
Protocolos medicación según
indicación – Hospital Clínic,
Barcelona
 Evidencia
order sets

Sistema de evaluación del
riesgo de TVP  aumento
del uso de profilaxis en el
grupo
g
p del CDS

- el doble de pacientes recibieron
profilaxis en el grupo intervención

-tasa global de TVP disminuyó (no
ES) (0,51% a 0,43%). Si en los
pacientes médicos (p=0,02).
Galanter WL et al. Am J Health-Syst Pharm. 2010; 67:1265-73
2007: Encuesta Grupo TECNO para describir el grado de
implantación
p
de nuevas tecnologías
g
en los hospitales
p
españoles.
p
Describe una buena implantación de PE (22,7%) aunque no
describe directamente experiencia en SSDC.
Propuesta para el 2020  incrementar la implantación de estas
tecnologías
Sistemas propios
p p
Sistemas comercializados
SAP. Hospital Clínic de Barcelona
Ejemplos integración alertas Vademecum.
Hospital 12 de Octubre
Alertas codificadas según
tipo y gravedad con
códigos alfanuméricos y
de colores
Hospital Son Espases. Mallorca
Problemas relacionados
 Claves para que funcione
 Visión de futuro

SSDC  beneficio en seguridad y
calidad de atención
... P
Pero también
t bié puede
d aumentar
t
el riesgo de que se produzcan
errores o se crean errores
nuevos.
Koppel R, et al. Role of Computerized Physician Order
Entry Systems in Facilitating Medication Errors. JAMA.
2005;293(10):1197-203.
“Pulso acelerado, sudor, respiración
entrecortada. Según el ordenador,
usted tiene cálculos biliares”
Errores inesperados
►
 aumento inesperado de la mortalidad después de la implantación de
un sistema comercial. (Han et al. Pediatrics 2005)
►
 El bloqueo de la prescripción por una alerta de interacción entre
cotrimoxazol
cot
o a o y warfarina
a a a demoró
de o ó e
el ttratamiento
ata e to de 4 pacientes,
pac e tes, hecho
ec o que
hizo interrupir prematuramente el estudio. (Strom et al. Arch Intern Med 2010)
►
 campos de texto libre asociados a la prescripción producen
discrepancias con las prescripciones informatizadas. (Palchuk et al. J Am
Med Inform Assoc 2010)
►
 modificación de las relaciones sociales entre servicios, aumento de
dependencia de la información proporcionada, falta de razonamiento.
(Harrison et al, J Am Med Inform Assoc 2007 / Campbell EM et al. AMIA Annu Symp
Proc 2007)
Fatiga de alertas
Demasiadas alertas  saturación  omisión información
- 3089 alertas de seguridad fueron omitidas.
- 64% IFF (32  más de 10 veces)
- 22% alertas de sobredosificación
- 14% alertas de duplicidad.
Van der Sijs, H et al. Turning Off Frequently Overridden Drug Alerts: Limited Opportunities for
Doing It Safely. J Am Med Inform Assoc. 2008;15:439–448.
2008;15:439 448.
- omisión del 89% de las alertas de IFF de alta gravedad
SN Weingart, et al., Physician’s decisions to override computerized drug alerts in primary care. Arch
I t
M
d 2003
Intern
Med
- 1 de cada 9 alertas de interacción potencialmente
relevantes catalogada como útil
Spina JR, Glassman PA, Belperio P, Cader R, Asch S, Primary Care Investigative Group of the VA
Los Angeles Healthcare System. Clinical relevance of automated drug alerts from the
perspective of medical providers. Am J Med Qual 2005;20(1):7-14
Las alertas deben consensuarse y seleccionarse cuidadosamente para no
sobresaturar el sistema y produzcan el efecto deseado

Barreras que impiden la implantación:








Esfuerzo adicional (entorpece clínico atareado, saturación
trabajo)
Resistencia al cambio
Coste elevado
Actualización constante (base de datos mantenimiento
continuo)
Dependencia en los registros informatizados de los pacientes.
(si no hay dato registrado, no hay información)
Literalidad de los sistemas informáticos (blanco/negro)
Falta de adaptación y comunicación entre sistemas
(infraestructura pobre)
Poca estandarización de la terminolgía utilizada y metodología
de implantación.
Pestotnik SL. Expert clinical decision support systems to enhance antimicrobial stewardship programs:
insights from the society of infectious diseases pharmacists. Pharmacotherapy 2005 ;25(8):1116-1125.
 SNOMED

CT
Snomed CT (Systematized Nomenclature of Medicine – Clinical
Terms) es la terminología clínica integral, multilingüe y codificada
de mayor amplitud, precisión e importancia desarrollada en el
mundo



Sistema internacional
Codificación
Ayuda a “entenderse” aunque los sistemas sean distintos.
ЉЋАДм
fármaco









Inicio consensuado con los usuarios que lo utilizaran.
Construido por un equipo multidisciplinar (usuarios y técnicos)
Rapidez
Simplicidad
Objetivo  beneficio claro que justifique el coste de su diseño
e implantación.
implantación
Adaptarse a la práctica clínica
Alertas acción/alternativa
Mantenimiento continuo y revaloraciones/ modificaciones
programadas.
Educación /feedback
Bates D. J Am Med Inform Assoc. 2003; 10:523-530
 SSDC pueden ofrecer sugerencias, pero los profesionales son los
que deben razonar la información, revisar las recomendaciones y
decidir si actuar y como hacerlo ante una alerta.
MEJORA

Adecuar los niveles de alerta según centro, unidad o
usuario (personalizable)

Alertas proactivas  cambio de tratamiento con
alternativas

Multitud de información  cuadro de mando con
diferentes iconos (evitar fatiga)
IFF
analitica
Alergia

A t li ió automática
Actualización
t áti / IA

Comunicación entre sistemas (inter-hospitales /
niveles de atención) para mayor disponibilidad de datos
 sistemas entendibles entre sí. Conciliación
.

Implantación SSDC  aumento seguridad y
calidad en atención farmacoterapéutica

Diferentes tipos de implantación  adaptar

Valorar problemas y consensuar antes de
implantar

Campo de investigación prometedor para los
farmacéuticos
Gracias
nsolab@chv.cat