Archive for the ‘E-prescribing’ Category

Carta SUS digital

4 de setembro de 2012

No último domingo o Fantástico mostrou uma reportagem sobre fraudes no SUS:
http://fantastico.globo.com/Jornalismo/FANT/0,,MUL1681664-15605,00.html

Foi citado também fraudes com a Farmácia Popular. Foi citado que o Departamento de Assistência Farmacêutica tem doze funcionários sendo três para conferir documentação da Farmácia Popular.

No site do ministério é possível ver um software de assistência farmacêutica chamado HÓRUS – Sistema Nacional de Gestão da Assistência Farmacêutica :
http://portal.saude.gov.br/portal/saude/profissional/area.cfm?id_area=1675

Uma olhada rápida permite perceber que não foi criado para ser usados nos serviços privados que atuam com os medicamentos da Farmácia Popular. O diretor do DAB citou no Twitter que uma solução será o Sistema Farmácia Popular, mas não encontrei nada no google. Também citou a Carta SUS que é enviada ao paciente para conferir sobre internações. A reportagem cita pacientes que foram questionados sobre internações, mas citam apenas atendimento ambulatorial.

Os gastos com a Farmácia Popular em 2013 está estimado em R$ 2 bilhões. Supondo 10% desviado para fraudes, cerca de R$ 200 milhões, dá e sobra para criar softwares para distribuir para as farmácias (dispensação dos medicamentos), médicos (prontuário eletrônico) e pacientes (prontuário pessoal de saúde) para fazer auditoria eletrônica. A economia com a diminuição das fraudes poderia viabilizar facilmente toda a informatização do SUS.

A interface abaixo é do Facebook com um mock-up da CartaSUS digital. Claro que só o paciente veria o conteúdo da carta. Após comprar um medicamento, a Farmácia colocaria os dados no computador. Com o número do Cartão Nacional de Saúde do paciente seria enviado automaticamente a mensagem para o Facebook do paciente, caso o paciente use o sistema. A ferramenta faria parte de um Prontuário Pessoal de Saúde.

Clique na Imagem para ampliar

O prontuário eletrônico, pelo menos os usados pelos médicos do SUS, permitiria indicar se a medicação foi prescrita e evitar que seja fornecida várias vezes ou em vários estabelecimentos.

A limitação da Carta SUS digital é o acesso dos pacientes a informática, mas um tablet dos Agentes Comunitários de Saúde faria a mesma função assim como o atendimento informatizado feito pelas Enfermeiras antes da consulta com o médico.

Anúncios

Artigo sobre o “National ePrescribing Patient Safety Initiative (NEPSI)”

10 de março de 2010

O  blog do Núcleo de Telemedicina e Telessaúde tem um artigo muito interessante sobre prescrição eletrônica que transcrevo abaixo.  O governo americano está subsidiando o uso de programas de prescrição eletrônica e interação medicamentosa, no caso o NEPSI, o que demonstra que é necessário um incentivo pois estes programas caros para serem desenvolvidos e comercializados. Abaixo está o artigo:

Erros na prescrição de medicamentos são comuns e causam um número significativo de efeitos adversos para os pacientes, como já demonstrado por diversos estudos. Nos Estados Unidos, uma iniciativa que vem tomando corpo é a National ePrescribing Patient Safety Initiative (NEPSI), um projeto conjunto de diversas organizações da área de saúde, com o objetivo de resolver a crise atual dos erros de prescrição medicamentosa. Uma das medidas defendidas pela NEPSI é a adoção ampla e universal de sistemas de prescrição eletrônica, visando combater aqueles erros potencialmente preveníveis que ocorrem durante o processo de prescrição. A (ambiciosa) meta da NEPSI é fazer com que TODOS os médicos dos Estados Unidos obtenham (e utilizem) a um software de prescrição gratuito e de qualidade.

A prescrição eletrônica é uma ferramenta cada vez mais utilizada nos serviços de saúde de vários níveis de complexidade, que apresenta várias vantagens. Um exemplo é a elminação das prescrições ilegíveis – a famosa “letra de médico”, que gera tanta dor de cabeça aos profissionais da enfermagem e da farmácia. Além disso, o uso de sistemas informatizados de prescrição de medicamentos, se associado a bancos de dados e calculadoras específicas, possibilita que o médico receba instantaneamente avisos úteis sobre interações medicamentosas, ajustes de dose na insuficiência renal, dosagens pediátricas etc., permitindo maior segurança ao paciente.

No entanto, os softwares existentes ainda têm suas limitações, e podem inclusive gerar novas categorias de erros, inexistentes nas prescrições feitas manualmente, razão pela qual ainda precisam de alguns melhoramentos para que possam efetivamente aumentar a segurança dos pacientes.

A página da NEPSI na internet permite o download grátis de um software de prescrição, mediante o preenchimento de um cadastro online pelo próprio profissional de saúde.

Prevenção Quaternária – Calculando Fator

17 de janeiro de 2010

Fábio Castro

O primeiro Prontuário Eletrônico que usei tinha uma ferramenta muito interessante para calcular a dose de medicações em pediatria. Era o “fator”, ou o número que multiplicado pelo peso irá mostrar a dose adequada (para cada esquema de administração). Os “fatores” não vinham embutidos no programa e o usuário tinha que determinar qual fator usar para cada droga.

O programa ainda tinha limitações pois a dose de uma medicação nem sempre é fixa e pode variar conforme a patologia e não havia esta flexibilidade no software. Funcionava bem criando um fator médio para poder facilitar arredondar os valores para facilitar o uso.

A interface gráfica abaixo é um exemplo de prescrição usando fator (clique na imagem para aumentar de tamanho). Primeiro é necessário indicar o peso do paciente (1). Escolhendo a patologia o software calcula automaticamente a dose (2). O médico então preenche o campo com a dose desejada fazendo ajustes (3) o que não foi necessário no exemplo abaixo. Depois é só escolher a duração do tratamento e imprimir.

Prescrição Eletrônica

27 de dezembro de 2009

Fábio Castro

O erro médico é responsável por 44 a 98 mil mortes por ano nos EUA, sendo 7 mil por medicações, com um custo de US$ 17 a 29 bilhões. No mundo é estimado 770 mil mortes hospitalares por ano por erro médico. Nos EUA são realizados três bilhões de prescrições por ano. Os farmacêuticos contatam o médico 150 milhões de vezes para tirar duvidas como escrita ilegível.

Estudos de 1988 já mostravam que o Prontuário Eletrônico tem potencial de diminuir os erros médicos especialmente quando integrados com outros aplicativos como sistemas de apoio a decisão como a prescrição eletrônica (E-prescribing). A prescrição eletrônica implica no uso de computador ou Palmtop para submeter a prescrição para a farmácia eletronicamente. O E-prescribing pode melhorar a eficiência, diminuir erros e melhorar a obediência com formulários de gerenciamento de cuidado.

Em uma pesquisa com médicos que usam E-prescribing, 75% indicou que pode diminuir erros, 70% citou que aumenta a produtividade, 60% indica ter potencial de diminuir recusas a ajudar paciente a assumir mais responsabilidade, e 50% acham que diminui o tempo de consulta e o número de pacientes que procuram serviço sem necessidade. Os benefícios percebidos variam de alto, médio e baixo. Também avaliaram a resposta do paciente, tempo de consulta mais curta, procura desnecessária do serviços de saúde, procura rápida do serviço de saúde para iniciar tratamento, menos testes e tratamentos desnecessários.

O CPOE (Computerized Physician Order Entry), ou entrada de dados estruturada, é uma abordagem para a padronização do cuidado, melhorar a eficiência do cuidado e diminuir erros. O CPOE, com ou sem apoio de um Sistema de Apoio a Decisão, é citado como um dos melhores meios para diminuir erros de prescrição, controle de formulário, alerta sobre alergias e interação de drogas, além de melhorar a eficiência como evitar repetir prescrições. O CPOE evita erros de escrita, dose incorreta, forma errada de dose, e tempo inapropriado de administração. O CPOE é capaz de diminuir os erros em geral em 80%, e os erros sérios potenciais em 55%.

O ciclo de medicação inclui a prescrição, transcrição, dispensação, administração e o monitoramento. Na prescrição ocorre metade dos erros e geralmente está relacionada com a falta de conhecimento da droga e do paciente. A interação droga-droga (DDI – drug-drug interactions) é o erro mais frequente, mas a maioria sem evento adverso com apenas 10-15% tendo significância clinica. A frequência também varia com o local como no caso de ambulatório, emergência e paciente internado/CTI. Em cerca de 50% das vezes o médico não vê esta interação e 1/3 desses casos tem interação séria.

O CPOE ajuda a evitar DDI e metade dos médicos que usam concordam que ajuda, mas 57 a 95% ignora os alertas. A principal razão é a grande frequência de alertas falsos. As causas estão relacionadas com banco de dados projetado errado, interface dos alertas, e falta de inspeção da interação entre o sistema e usuários para melhorias frequentes.

A imagem abaixo é de um CPOE onde o médico pode escolher a medicação e doses indicando ao software os dados. A imagem também mostra um alerta de alergia. Clique na imagem para aumentar o tamanho.

O uso do CPOE para prescrição está se tornando comum no Japão. Em hospitais com 500 ou mais leitos o uso é de 70%. O CPOE melhora a qualidade do cuidado principalmente a segurança. Detectam dose inapropriada ou combinação inadequada e criam um alerta. O médico clica em “issue prescription” e o sistema compara os dados e a dose.

Um sistema de apoio a decisão para e-Prescribing usam o mesmo limiar de alerta para todos os pacientes em todos os casos estava levando a alertas excessivos e a “fadiga de alerta”, também chamada de síndrome “cry wolf”, quando o médico não dá mais atenção para os alertas, seja por errarem com frequência, atrasar as tarefas e atrapalhar o fluxo de trabalho. Os sistemas de alerta que usam limiar estatístico comparando a prescrição com os dados de uma tabela mestre são chamados de “static alert system”. O resultado pode ser alertas em excesso que o médico passa a desprezar.

Uma abordagem para evitar a “fadiga de alerta” foi criar um sistema de alerta apropriado considerando apenas se o tratamento presente difere muito dos tratamentos anteriores. O sistema considera tratamentos comuns como sendo certos e inclui os já prescritos para o paciente. O sistema foi chamado de “real-time case-based medication alerting and recommender system” ligado a uma base de dados de prescrição.

O sistema faz alerta e apoio a decisão. No sistema de alerta recebe dados de prescrição e compara os dados com estatísticas similares já prescritas da medicação. Se a prescrição passar do limiar o sistema cria um alerta em uma janela “pop-up”. Os gatilhos são a dosagem, regime de dose, duração da administração e drogas concomitantes. O limiar de alerta é o percentil 95 e a média +2. O sistema também pode considerar a especialidade, doença, sexo e idade. O sistema de alerta é graduado em “atenção”, “cuidado/alerta” e “proibido”.

Como apoio a decisão o sistema orienta o médico caso queira saber se a dose é apropriada assim como a duração da administração mostrando os valores mais usados. Também considera os atributos do pacientes. Por exemplo, o uso de Prednisolona varia muito de especialidade para outra.

A abordagem escolhida mostrou ser mais simples de implementar que manter e atualizar uma tabela de dosagem. O lado negativo é a necessidade de muitas prescrições para criar o banco de dados.

Em outro trabalho o sistema de alerta foi redesenhado com quatro níveis de significância clínica e recomendação para cada interação. Os alertas eram ativos e passivos. Os alertas ativos, com interações mais graves, se apresentam para o médico interrompendo a prescrição, com o médico tendo que justificar se continuar a prescrição, enquanto os alertas passivos permitem que o médico aceite a recomendação ou não, com o alerta aparecendo no fundo e não interrompendo a prescrição.

Foi criado um banco de dados a partir de uma bibliografia com 4.300 DDI. No final foram mantidas 3.809 DDI que depois foi dividido em quatro níveis:

– Nível 1 (695 DDI) – dano potencial grave, frequente, boa predicabilidade e bem documentado

– Nível 2 (1494 DDI) – dano potencial moderado, menos previsível, documentação incompleta

– Nível 3 (1653 DDI) – dano mínimo ou pouco potencial, infrequente, pouca documentação

– Nível 4 (62 DDI) – sem significância clinica e sem efeito adverso.

O sistema de alerta envia recomendações durante o uso:

– Evitar uso junto – O médico tem que justificar por escrito no programa se for usar as medicações com interação. Neste caso o alerta é ativo como no caso das interações do Nível 1.

– Necessidade de monitoramente clinica ou exames. Pode ser com a observação de sintomas e sinais, ou checar toxicidade (ulcera, PA, exantema, ECG, função hepática, hemograma etc)

– Avaliar droga alternativa – o sistema mostra outras medicações incluindo com o efeito similar desejado (ex trocar AAS por Paracetamol; Cimetidina por Famotidina; Eritromicia por Azitromician, etc)

– Modificar a administração. Ex: espaçar o uso entre as drogas, modificar a medicação ou ambas, forma farmacêutica, ou forma de administração.

– Informar o paciente: dos sinais de alerta como hepatotoxicidade, diminuição do efeito (anticoncepcionais orais – sugere usar preservativo); dieta adequada (vitamina K no caso de Marevan).

Bibliografia

Development of Case-based Medication Alerting and Recommender System: A New Approach to Prevention for Medication Error – Medinfo 2007 – Studies in Health Technology and Informatics

Analysis and Redesign of a Knowledge Database for a Drug-Drug Interactions Alert System – Medinfo 2007 – Studies in Health Technology and Informatics

Modeling and Acquisition of Drug-Drug Interaction Knowledge – Medinfo 2007 – Studies in Health Technology and Informatics

Exploring the Unintended Consequences of Computerized Physician Order Entry – Medinfo 2007 – Studies in Health Technology and Informatics

Information Technology in Primary Care Practice in the United States – Cap VII – Healthcare Information Systems and Informatics: Research and Practices

CPOE – Computerized Physician Order Entry – CAP 11 – Healthcare Informatics

Information Technology (IT) and the Healthcare Industry: A SWOT Analysis – Chapter 1.12 – Medinfo 2009 – Medical Informatics: Concepts, Methodologies, Tools, and Applications