Titre : Essai randomisé d'un calculateur de risque intégré au DSE par rapport à la prophylaxie standard de la TEV pour les patients médicaux

La thromboembolie veineuse (TEV) est une source sérieuse de morbi-mortalité hospitalière. Il a été démontré que la chimioprophylaxie à l'héparine réduit l'apparition de TEV, mais elle augmente le risque de saignement et est inconfortable à recevoir. Pour cette raison, la prophylaxie de la TEV doit être réservée aux patients à risque modéré à élevé de TEV et à faible risque de saignement. Cependant, l'identification des patients à faible risque de TEV peut être difficile, car la plupart des patients présentent au moins un facteur de risque de TEV et il n'existe aucun outil de prédiction du risque validé à utiliser dans les hôpitaux américains. Au lieu de cela, de nombreux hôpitaux ont opté pour une approche unique avec une prophylaxie quasi universelle, exposant de nombreux patients à un risque inutile de saignement. Cependant, pour fournir des soins véritablement centrés sur le patient, les médecins américains sont confrontés à plusieurs défis. Premièrement, il n'y a pas de calculateur de risque accepté qu'ils peuvent utiliser pour estimer le risque d'un patient individuel. Deuxièmement, les calculateurs de risque ne sont pas facilement disponibles au point de service. En conséquence, les taux de prophylaxie sont restés obstinément bas dans certains établissements, tandis que dans d'autres, le taux de prophylaxie est élevé, mais le taux de prophylaxie inappropriée est également élevé. Cette étude utilise un outil de prédiction du risque développé à la Cleveland Clinic pour évaluer le risque de TEV d'un patient individuel. L'outil est intégré au dossier de santé électronique sous la forme d'un ensemble de commandes intelligentes. Dans cet essai randomisé, nous évaluerons les effets de l'ordonnance sur le comportement du médecin et les résultats pour les patients. L'examen de l'efficacité d'une aide à la décision électronique intégrée dans un DSE dans la pratique clinique de routine permettra de tester si un ensemble d'ordonnances intelligent peut améliorer les soins aux patients en incorporant des facteurs spécifiques au patient dans un processus de décision complexe.