Cette page a été traduite automatiquement et l'exactitude de la traduction n'est pas garantie. Veuillez vous référer au version anglaise pour un texte source.

Évaluer l'impact des photographies de patients pour prévenir les erreurs de mauvais patients

26 février 2025 mis à jour par: Columbia University

Un essai contrôlé randomisé évaluant l'efficacité de l'affichage des photographies des patients dans un dossier de santé électronique pour éviter les commandes électroniques erronées des patients

Il s'agit d'un essai contrôlé randomisé multi-sites pour tester l'efficacité des photographies de patients affichées dans les systèmes de dossiers de santé électroniques (DSE) pour éviter les erreurs de commande de mauvais patients. L'étude sera menée dans trois centres médicaux universitaires qui utilisent deux systèmes de DSE différents. Étant donné que les systèmes EHR ont des fonctionnalités différentes pour afficher les photographies des patients, deux conceptions d'étude différentes seront utilisées. Dans Allscripts EHR, un essai randomisé à 2 bras sera mené dans lequel les prestataires sont randomisés pour afficher les alertes de vérification des commandes avec ou sans photographies des patients lors de la passation de commandes électroniques. Dans Epic EHR, un essai factoriel 2x2 sera mené dans lequel les prestataires sont randomisés dans l'une des quatre conditions suivantes : 1) pas de photographie ; 2) photo affichée dans la bannière uniquement ; 3) photographie affichée dans une alerte de vérification uniquement ; ou 4) photographie affichée dans la bannière et l'alerte de vérification. L'hypothèse principale de cette étude est que l'affichage de photographies de patients dans le DSE réduira considérablement la fréquence des erreurs de commande de mauvais patients, fournissant aux systèmes de santé les preuves nécessaires pour adopter cette pratique de sécurité.

Nous utiliserons la mesure RAR (Wrong-Patient Retract-and-Reorder), une méthode valide, fiable et automatisée pour identifier les commandes de mauvais patients, comme principale mesure de résultat. La mesure RAR identifie les commandes passées pour un patient qui sont rétractées dans les 10 minutes, puis commandées à nouveau par le même fournisseur pour un patient différent dans les 10 minutes suivantes. Il s'agit d'erreurs évitées de justesse, auto-attrapées par le prestataire avant qu'elles n'atteignent le patient et ne causent un préjudice. Dans une étude, la mesure RAR a identifié plus de 5 000 commandes de mauvais patients en 1 an, avec un taux de 58 erreurs de mauvais patients pour 100 000 commandes. Des entretiens téléphoniques en temps réel avec des cliniciens ont déterminé que la mesure RAR identifiait correctement les quasi-erreurs dans 76,2 % des cas. Ainsi, la mesure RAR fournit suffisamment de données de résultats valides et fiables pour cette étude.

Aperçu de l'étude

Description détaillée

L'hypothèse principale de cette étude est que l'affichage de photographies de patients dans les systèmes de dossiers de santé électroniques (DSE) réduira considérablement la fréquence des erreurs de commande électronique de mauvais patients.

OBJECTIFS SPÉCIFIQUES

Les enquêteurs testeront cette hypothèse à l'aide d'un essai contrôlé randomisé multisite et poursuivront les objectifs spécifiques suivants :

Objectif 1 : Tester l'efficacité de l'affichage des photographies de patients dans les systèmes de DSE pour prévenir les mauvaises commandes de patients, en utilisant la mesure Retract-and-Reorder pour identifier le résultat.

Objectif 2 : identifier les caractéristiques des prestataires, des patients et des commandes qui ont un impact sur l'efficacité des photographies de patients affichées dans un système de DSE pour éviter les mauvaises commandes de patients.

MÉTHODES Sites d'étude. L'étude sera menée au NewYork-Presbyterian Hospital, au Johns Hopkins Medicine et au Montefiore Medical Center dans deux systèmes de dossiers de santé électroniques (DSE) différents. Cinq campus de l'hôpital NewYork-Presbyterian qui utilisent Allscripts EHR seront inclus : l'hôpital Milstein, le centre médical Weill Cornell, l'hôpital pour enfants Morgan Stanley de New York, l'hôpital Lower Manhattan et l'hôpital Allen. De plus, les sites de consultations externes affiliés au Réseau de soins ambulatoires seront inclus. L'efficacité des photographies de patients dans Epic sera testée à l'hôpital Johns Hopkins et sur trois campus du centre médical Montefiore (hôpital Moses, hôpital Weiler, hôpital Wakefield).

Conception de la recherche. L'hypothèse principale de cette étude est que l'affichage de photographies de patients dans un système de DSE au moment de passer des commandes électroniques réduira considérablement la fréquence des commandes de mauvais patients. Les enquêteurs testeront cette hypothèse avec un essai contrôlé randomisé utilisant une conception à 2 bras dans Allscripts et une conception factorielle 2 x 2 dans Epic pour déterminer la configuration optimale des photographies de patients. La conception des différents sites est basée sur la fonctionnalité des systèmes EHR. Dans Allscripts, les prestataires randomisés dans le bras d'intervention recevront une alerte de vérification avec une photographie du patient au moment de passer les commandes ; les prestataires randomisés dans le groupe témoin recevront l'alerte de vérification avec un avatar indiquant le sexe du patient. Epic a la fonctionnalité d'afficher une photo du patient dans la bannière en haut de l'écran et dans une alerte de vérification au moment de passer des commandes. Par conséquent, dans Epic à Johns Hopkins et Montefiore, les prestataires seront randomisés dans l'une des quatre conditions suivantes : pas de photo ; photographie affichée dans la bannière uniquement ; photographie affichée dans l'alerte de vérification uniquement ; ou photographie affichée dans la bannière et l'alerte.

Critères d'inclusion des patients. Dans cette étude, tous les patients pour lesquels une commande est passée pendant la période d'étude sur les sites d'étude seront inclus dans l'analyse. À NewYork-Presbyterian, tous les patients âgés de 5 ans et plus seront inclus ; à l'hôpital Johns Hopkins et au centre médical de Montefiore, tous les patients âgés de 2 ans et plus seront inclus. L'obtention d'une photographie lors de l'inscription est une procédure standard dans les sites d'étude participants. Les patients ne seront pas tenus de fournir un consentement écrit ou oral pour que leur photographie soit prise, car les photographies sont utilisées dans le cadre des soins de routine. Cependant, les patients ou leurs tuteurs légaux peuvent refuser.

Critères d'inclusion des fournisseurs. Tout fournisseur qui passe une commande électronique peut potentiellement passer une commande au mauvais patient. Par conséquent, tous les prestataires randomisés qui passent une commande électronique sur les sites d'étude au cours de la période d'étude seront inclus.

Randomisation. Dans Allscripts à NewYork-Presbyterian, le système EHR a été configuré de telle sorte que la première fois qu'un fournisseur ouvre l'écran de saisie de commande, il sera automatiquement randomisé dans le groupe de contrôle ou d'intervention (1: 1 selon la conception à 2 bras) à l'aide d'un algorithme de randomisation informatisé. Dans Epic, la randomisation sera effectuée en utilisant le même algorithme de randomisation ; cependant, les prestataires seront affectés manuellement aux groupes de contrôle ou d'intervention (1:1:1:1 selon la conception 2 x 2) à l'aide de la fonction Grouper dans Epic.

Résultat primaire. Le critère de jugement principal est la fréquence des événements de rétractation et de commande erronés du patient (RAR), identifiés à l'aide de la mesure RAR et définis comme une commande passée pour un patient, rétractée dans les 10 minutes suivant la commande, puis commandée à nouveau par le même prestataire pour un autre patient dans les 10 minutes suivant la rétraction.

Regroupement des commandes au sein des sessions de commande. Si un fournisseur commence à placer des commandes dans le mauvais dossier du patient, il est possible que plusieurs de ces commandes soient passées consécutivement, puis toutes retirées ensemble. Par conséquent, les commandes individuelles ne représentent pas des opportunités indépendantes pour que des événements RAR se produisent. Les commandes sont plutôt regroupées au sein de sessions de commande. Une session de commande est définie comme une série de commandes passées par un fournisseur sur un seul patient qui commence par l'ouverture du dossier de commande de ce patient et se termine lorsqu'une commande est passée sur un autre patient ou après 60 minutes, selon la première éventualité.

Unité d'analyse. L'unité d'analyse sera la session de commande. Covariables au niveau du fournisseur, au niveau du patient, au niveau de la session de commande et au niveau de la commande. Les données de cette étude auront une structure hiérarchique imbriquée avec des commandes regroupées au sein de sessions de commande et des sessions de commande regroupées au sein de fournisseurs. L'analyse rendra compte de cette structure hiérarchique. Des variables supplémentaires seront extraites du dossier médical électronique, y compris les attributs du fournisseur (traitant, résident, assistant médical, infirmière praticienne ou autre), du patient (âge, race, origine ethnique, sexe, statut d'assurance, unité), de la session de commande ( lieu, durée, nombre de commandes) et commande (médicaments, radiologie, laboratoire, autre). La présence ou l'absence d'une photographie de patient sera suivie en tant que covariable au niveau de l'ordre.

Analyse primaire. L'unité d'analyse est la session de commande. La variable dépendante est la proportion de sessions de commande qui contiennent au moins une commande qui a été retirée et re-commandée (un événement RAR). L'inférence sur l'efficacité de l'intervention sera basée sur un test de Wald du coefficient d'un terme d'interaction entre l'affectation du bras d'étude et un indicateur de la période de temps avant ou après l'intervention. L'estimation de l'efficacité sera le rapport de cotes (coefficient exponentiel) rapporté avec son intervalle de confiance à 95 %. Avec la randomisation des grappes au niveau du prestataire, les attributs au niveau du patient et de la session de commande peuvent ne pas être répartis uniformément entre les groupes. Pour réduire les biais de confusion, les covariables à ces niveaux qui sont à la fois distribuées de manière différentielle dans les groupes d'étude et associées au résultat seront incluses dans cette analyse primaire. Les covariables au niveau des prestataires seront probablement équilibrées entre les groupes d'étude par randomisation et ne seront incluses dans cette analyse primaire que si les statistiques descriptives montrent le contraire.

ECR à 2 bras : puissance statistique/taille de l'échantillon. La conception globale est un essai randomisé en grappes, avec des observations de session de commande imbriquées au sein de prestataires randomisés. Le nombre de prestataires (clusters) est un attribut fixe du site d'étude et ne sera pas soumis au contrôle de l'investigateur. Sur la base des données préliminaires, l'hypothèse est que les données sur 12 000 prestataires seront collectées, la moitié étant randomisée dans chaque bras de l'étude. Sur 2,5 ans d'observation, on estime qu'en moyenne 5 000 sessions de commandes par fournisseur seront comptabilisées, avec un coefficient de variation de 1,27. Une corrélation intra-prestataire de 0,001 pour le résultat est anticipée. Les analyses les plus récentes disponibles du NYP suggèrent que le taux de sessions de commande de mauvais patients (une moyenne pondérée des taux de patients hospitalisés et ambulatoires) est d'environ 130 pour 100 000 sessions de commande. À l'aide d'un test bilatéral au niveau de signification de 0,05, cela fournira une puissance > 90 % pour détecter une réduction de 25 % du taux de session de commande de mauvais patient dans le groupe d'intervention dans l'analyse principale.

ECR factoriel 2x2 : puissance statistique/taille de l'échantillon. Une simulation de puissance statistique a été réalisée pour l'étude factorielle 2x2 des photographies de bandeau (photo/pas de photo dans le bandeau) et des photos d'alerte (alerte avec photo/pas d'alerte). Sur la base d'études antérieures et des conseils des enquêteurs de l'étude, on estime qu'environ 8 268 prestataires seront randomisés selon un ratio 1:1:1:1 dans les quatre bras de l'étude (pas de photo, photo dans la bannière uniquement, photo dans l'alerte de vérification uniquement, ou photographie dans la bannière et l'alerte de vérification). On a supposé que les fournisseurs généraient en moyenne 74 sessions de commande par mois, avec une distribution de Poisson, et que la collecte de données se poursuivrait pendant 1 an. D'après des études antérieures, la composante de variance (dans la métrique log-odds) au niveau du fournisseur serait de 1,9 (correspondant à une corrélation intra-fournisseur de 0,52). Le taux de base des événements RAR a été supposé être de 90 pour 100 000 sessions de commande. Sur la base de 400 simulations réalisées selon ces hypothèses, il a été déterminé que l'étude aurait une puissance de 91 % (IC à 95 % 88 %-94 %) pour détecter un rapport de cotes de 0,75 (c'est-à-dire une réduction de 25 % des événements RAR) pour l'un ou l'autre -intervention photographique par rapport à l'absence d'intervention. Le pouvoir de détecter une réduction supplémentaire de 15 % par la combinaison des deux photographies (par rapport à l'une ou l'autre seule) est de 99,8 % (IC à 95 % 98,6 %-99,9 %).

Données manquantes. En raison du fonctionnement automatique du DSE, aucune donnée manquante concernant les événements Retract-and-Reorder, le mode du groupe d'intervention par rapport au groupe témoin ou les covariables au niveau du fournisseur n'est attendue. Il peut y avoir des informations manquantes sporadiques concernant les covariables au niveau du patient. S'il manque des variables pour plus d'un enregistrement pour 1 000 (après remplissage basé sur d'autres enregistrements impliquant le même patient), les analyses seront étendues pour résoudre ce problème. Les données seront présumées manquantes au hasard et appliqueront une imputation multiple avec des équations enchaînées.

Analyse provisoire. Pour se prémunir contre la possibilité que l'intervention aggrave (augmente) le taux d'événements RAR et pour éviter la poursuite inutile d'une étude déjà concluante, un comité de surveillance de la sécurité des données procédera à un examen intermédiaire des données. À mi-parcours de l'étude, on s'attend à ce que 50 % des données aient été accumulées. En utilisant la procédure de dépenses alpha de Lan-Demets avec des limites O'Brien-Fleming symétriques, la règle d'arrêt lors de l'examen intermédiaire sera une statistique z de magnitude 3,0318 ou plus. La valeur P nominale associée est de 0,0024. Combiné avec une analyse finale utilisant une valeur z critique de 1,9669 (P nominal = 0,0492), l'alpha global de 0,05 sera dépensé d'ici la fin de l'étude. Les effets de cette procédure d'analyse intermédiaire sur la puissance statistique nominale (voir ci-dessus) sont négligeables, moins de 0,5 point de pourcentage, de sorte qu'aucun ajustement de la collecte de données n'est nécessaire pour en tenir compte.

Analyses en intention de traiter par rapport aux analyses telles que traitées. Certains patients refuseront probablement d'être photographiés ou pour lesquels des photographies ne sont pas prises pour diverses raisons. Le taux de capture de photos (le nombre de patients avec une photo divisé par le nombre de patients avec une visite pendant la période d'étude) sera surveillé tout au long de la période d'étude. Dans les analyses primaires de tous les essais, un principe d'intention de traiter sera utilisé, et les dossiers de ces patients et sites seront inclus dans l'analyse comme s'ils avaient été photographiés et avaient participé. Une seconde analyse « tel que traité » sera effectuée, limitée aux patients et aux sites conformes, en reconnaissant que de telles analyses peuvent être sujettes à confusion par des facteurs liés au patient et au site.

Type d'étude

Interventionnel

Inscription (Réel)

10426

Phase

  • N'est pas applicable

Contacts et emplacements

Cette section fournit les coordonnées de ceux qui mènent l'étude et des informations sur le lieu où cette étude est menée.

Lieux d'étude

    • Maryland
      • Baltimore, Maryland, États-Unis, 21287
        • Johns Hopkins Medicine
    • New York
      • New York, New York, États-Unis, 10032
        • Columbia University Irving Medical Center / NewYork-Presbyterian Hospital
      • New York, New York, États-Unis, 10065
        • Weill Cornell Medical Center - Weill Cornell Medicine

Critères de participation

Les chercheurs recherchent des personnes qui correspondent à une certaine description, appelée critères d'éligibilité. Certains exemples de ces critères sont l'état de santé général d'une personne ou des traitements antérieurs.

Critère d'éligibilité

Âges éligibles pour étudier

  • Enfant
  • Adulte
  • Adulte plus âgé

Accepte les volontaires sains

Non

La description

Critère d'intégration:

  • Tous les patients pour lesquels une commande a été passée au cours de la période d'étude.
  • Tous les fournisseurs autorisés à passer des commandes électroniques et qui ont passé des commandes électroniques pendant la période d'étude.

Critère d'exclusion:

  • Aucun

Plan d'étude

Cette section fournit des détails sur le plan d'étude, y compris la façon dont l'étude est conçue et ce que l'étude mesure.

Comment l'étude est-elle conçue ?

Détails de conception

  • Objectif principal: Recherche sur les services de santé
  • Répartition: Randomisé
  • Modèle interventionnel: Affectation parallèle
  • Masquage: Aucun (étiquette ouverte)

Armes et Interventions

Groupe de participants / Bras
Intervention / Traitement
Comparateur actif: Photo dans l'alerte de vérification
Photo du patient affichée dans une alerte de vérification de l'identité du patient lors de la passation de commandes électroniques dans le dossier de santé électronique.
Photographie du patient affichée dans une alerte de vérification de l'identité du patient lors de la passation de commandes électroniques dans le dossier de santé électronique.
Comparateur actif: Photo dans la bannière
Photo du patient affichée dans le bandeau (en haut de l'écran).
La photo du patient sera affichée dans la bannière en haut de l'écran du dossier de santé électronique.
Comparateur actif: Photo dans la bannière et alerte de vérification
Photo du patient affichée dans le bandeau (en haut de l'écran) ET photo du patient affichée dans une alerte de vérification lors de la passation de commandes électroniques.
La photographie du patient sera affichée dans la bannière en haut de l'écran du dossier de santé électronique ET la photographie du patient sera affichée dans une alerte de vérification de l'identité du patient lors de la passation de commandes électroniques dans le dossier de santé électronique.
Aucune intervention: Pas de photo
Aucune photo de patient affichée dans le dossier de santé électronique.

Que mesure l'étude ?

Principaux critères de jugement

Mesure des résultats
Description de la mesure
Délai
Nombre de séances d'ordre avec au moins un événement de rétract et de recueil (RAR), identifié par la mesure de rétract et de réordre (RAR) du mauvais patient.
Délai: 2 ans
En utilisant la mesure de rétractaire et de réorganisation de mauvais patient (WP), le résultat était les séances de commande WP, définies comme une série de commandes passées par 1 clinicien pour 1 patient qui comprenait ≥ 1 ordre WP. La mesure de rétract et de réorganisation (RAR) du mauvais patient est une mesure automatisée, validée et fiable approuvée par le Forum national de qualité (NQF # 2723). La mesure RAR identifie les ordres passés pour un patient qui est rétracté dans les 10 minutes, puis placé par le même fournisseur pour un patient différent dans les 10 prochaines minutes. Ce sont des erreurs quasi-manque, le fournisseur avant d'atteindre le patient et de nuire.
2 ans

Collaborateurs et enquêteurs

C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.

Publications et liens utiles

La personne responsable de la saisie des informations sur l'étude fournit volontairement ces publications. Il peut s'agir de tout ce qui concerne l'étude.

Dates d'enregistrement des études

Ces dates suivent la progression des dossiers d'étude et des soumissions de résultats sommaires à ClinicalTrials.gov. Les dossiers d'étude et les résultats rapportés sont examinés par la Bibliothèque nationale de médecine (NLM) pour s'assurer qu'ils répondent à des normes de contrôle de qualité spécifiques avant d'être publiés sur le site Web public.

Dates principales de l'étude

Début de l'étude (Réel)

16 novembre 2021

Achèvement primaire (Réel)

1 octobre 2023

Achèvement de l'étude (Réel)

1 avril 2024

Dates d'inscription aux études

Première soumission

6 août 2018

Première soumission répondant aux critères de contrôle qualité

9 août 2018

Première publication (Réel)

13 août 2018

Mises à jour des dossiers d'étude

Dernière mise à jour publiée (Réel)

25 mars 2025

Dernière mise à jour soumise répondant aux critères de contrôle qualité

26 février 2025

Dernière vérification

1 février 2025

Plus d'information

Termes liés à cette étude

Autres numéros d'identification d'étude

  • AAAR0080
  • R01HS024713 (Subvention/contrat AHRQ des États-Unis)
  • R01HD094793 (Subvention/contrat des NIH des États-Unis)

Plan pour les données individuelles des participants (IPD)

Prévoyez-vous de partager les données individuelles des participants (DPI) ?

NON

Informations sur les médicaments et les dispositifs, documents d'étude

Étudie un produit pharmaceutique réglementé par la FDA américaine

Non

Étudie un produit d'appareil réglementé par la FDA américaine

Non

Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .

S'abonner