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