Une étude sur l’évaluation de la causalité des événements indésirables médicamenteux évalués par des professionnels de la santé en milieu hospitalier
Notice bibliographique
Résumé
Un événement indésirable (EI) est une conséquence néfaste et imprévue provenant de la consommation d’un médicament. Chaque année, on estime que 200 000 EI graves surviennent au Canada, tuant jusqu'à 22 000 Canadiens et coûtant au système de santé canadien environ 17,7 milliards de dollars. Santé Canada est chargé d'évaluer la balance risques-bénéfices des médicaments. Ce ratio dépend en partie de la manière dont les professionnels de la santé identifient et déclarent les EI aux autorités de santé. Cependant, identifier le médicament possiblement en cause, et signaler l’EI conformément à la réglementation reste un défi majeur et un processus très subjectif. Ce processus est appelé évaluation de la causalité et constitue une étape très importante dans le domaine de la pharmacovigilance. L'évaluation de la causalité est importante dans le domaine de la santé, mais demeure un défi car malgré l’existence de plusieurs outils, aucun n’étant standardisé, à ce jour. De plus, aucun n'a été universellement accepté jusqu'à présent amenant une sous-estimation des déclarations d’EI à Santé Canada. Le premier objectif de mon programme doctoral était d'identifier l'outil d’évaluation de la causalité le plus exhaustif et le plus simple à utiliser. Nous avons, donc, effectué une revue de littérature narrative dans trois bases de données (MEDLINE via PubMed, Embase and Cochrane) afin d’identifier tous les outils avant d’effectuer une analyse d’exhaustivité. Le pourcentage de domaines couverts par chaque outil a été calculé. Nous avons ensuite vérifié leur facilité d'utilisation dans quatre contextes cliniques différents, à savoir le Canada, l'Inde, la Hongrie et le Brésil. Notre recherche a abouti à la découverte de l'outil le plus exhaustif et le plus simple à utiliser dans quatre pays différents, à savoir celui publié par Naranjo et al. en 1981. L’insertion systématique de cet outil dans les dossiers médicaux pourrait encourager la réalisation de l’évaluation de la causalité des EI. Néanmoins, les recherches futures devraient investiguer les performances de chacun des outils lorsqu’ils sont utilisés en milieu clinique. Afin de répondre à notre second objectif de recherche, nous avons déterminé si l'évaluation de la causalité réalisée par les professionnels de la santé est reproductible lorsqu'elle est évaluée systématiquement avec un outil standardisé. Pour ce faire, nous avons réalisé une étude pilote rétrospective incluant une cohorte de patients hospitalisés à l'Institut universitaire de cardiologie et de pneumologie de Québec-Université Laval (IUCPQ-ULaval) de janvier à décembre 2021. Les dossiers médicaux électroniques (DME) ont été examinés pour extraire des données dans une base de données de recherche électronique. Au total, 125 DME de patients, sélectionnés aléatoirement, ont été investigués pour détecter les événements indésirables graves (EIG). Parmi l’ensemble des EIG identifiés dans les 125 DME investigués, 12 EIG ont été sélectionnés pour cette étude. L'outil d'évaluation de la causalité de Naranjo (1981) a été utilisé, par 2 membres de l’équipe de recherche, pour évaluer séparément tous les médicaments suspectés. Par la suite, un professionnel de la santé a utilisé le DME afin d’effectuer, également, son évaluation de la causalité selon son expertise. Afin de calculer la fiabilité de l’outil entre les 2 membres de l’équipe de recherche, le coefficient Kappa a été utilisé. Puis ce même coefficient a été utilisé pour calculer le degré d'accord entre les membres de l’équipe et le professionnel de la santé. Nous avions également vérifier la validité de l'outil d'évaluation de la causalité Naranjo (1981) dans le contexte clinique canadien. Ainsi, parallèlement à la validité des critères, la sensibilité et la spécificité de l'outil ont été calculées. Nos recherches ont abouti aux résultats suivants : le kappa pondéré était de 0,92, ce qui montrait une bonne fiabilité inter-évaluateurs, tandis que le kappa était de 0,84, ce qui montrait un bon accord entre les évaluateurs. Aucune évaluation de causalité par un professionnel de la santé n'a été documentée dans les dossiers investigués, empêchant ainsi l’évaluation de la reproductibilité de l’outil. L'outil Naranjo (1981) a montré une corrélation monotone positive avec l'opinion d'experts [rs = 0,208 (p <0,001)]. La classification des scores de Naranjo en variables binaires a abouti à une sensibilité de 1,00 et une spécificité de 0,31. Les résultats de ces recherches dans le cadre de mes études doctorales contribueront, éventuellement, à améliorer la santé des Canadiens. En effet, l’augmentation des connaissances et la sensibilisation à l’évaluation de la causalité des EI parmi les professionnels de la santé pourraient contribuer à l’identification et la déclaration plus exhaustives d’EI survenant en milieu clinique.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,067 | 0,161 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».