Upload
others
View
4
Download
0
Embed Size (px)
Citation preview
1
Analyse prospective des risques: un support à la sécurisation des processus
Prof. Pascal BONNABRY
Berne, 14 septembre 2007
Congrès « La sécurité des patients en Suisse »
Prof
. Pas
cal B
ONNA
BRY
Analy
se pr
ospe
ctive
des r
isque
sBe
rne,
14 se
ptemb
re 20
07
Le risqueLa cible à atteindre…
Le risque zéro n’existe pas• Déterminer le niveau d’acceptabilité du risque• Atteindre au moins ce niveau
Ne pas attendre l’incident…
Surtout • Quand le risque est rare• Quand les conséquences
peuvent être lourdes
2
Prof
. Pas
cal B
ONNA
BRY
Analy
se pr
ospe
ctive
des r
isque
sBe
rne,
14 se
ptemb
re 20
07
• Prévention• analyse de risque• sécurisation du processus• formation du personnel
• Diagnostic• déclaration d’incidents• analyse de causes racines
• Traitement• mise en place de mesures correctrices
Le risqueStratégie de maîtrise
Prof
. Pas
cal B
ONNA
BRY
Analy
se pr
ospe
ctive
des r
isque
sBe
rne,
14 se
ptemb
re 20
07
Analyses de risqueOrigine
Techniques développées dans les industries à haut risque• nucléaire• aviation• aérospatiale• chimique /
pétrolière
Peu appliquées dans le domaine de la santé
3
Prof
. Pas
cal B
ONNA
BRY
Analy
se pr
ospe
ctive
des r
isque
sBe
rne,
14 se
ptemb
re 20
07Méthode AMDECCaractéristiques principales
• Vision globale de l’ensemble d’un processus
• Permet de remettre en question le fonctionnement, sans attendre un incident
• Evaluation de la fiabilité et détermination des points critiques
• Support à la détermination de l’acceptabilité
• Définition de priorités d’action et estimation de l’impact de mesures correctives
Prof
. Pas
cal B
ONNA
BRY
Analy
se pr
ospe
ctive
des r
isque
sBe
rne,
14 se
ptemb
re 20
07
Méthode AMDECMéthode générale
• Groupe de travailinterdisciplinaire
• Brainstorming Modes de défaillance « Qu’est-ce qui pourrait mal se passer ? »
• Cotation consensuelle(fréquence, sévérité, détectabilité)
• Classement des indices de criticité, comparaison et acceptabilité des risques résiduels
• Proposition d’amélioration et calcul de leur impact potentiel
4
Prof
. Pas
cal B
ONNA
BRY
Analy
se pr
ospe
ctive
des r
isque
sBe
rne,
14 se
ptemb
re 20
07AMDECTables de cotation
Williams E, Hosp Pharm 1994;29:331-7
Indice de criticité
Fréquence x
Sévéritéx
Détectabilité
Prof
. Pas
cal B
ONNA
BRY
Analy
se pr
ospe
ctive
des r
isque
sBe
rne,
14 se
ptemb
re 20
07
AMDECUtilisation aux HUG
• Nutrition parentérale (Qual Saf Health Care 2005;14;93)
• Chimiothérapies (Int J Qual Health Care 2006;18:9)
• Fabrication de radionucléides (cyclotron)
• Contrôle qualité des productions en série
• Prescription informatisée
• Préparation / administration en néonatologie
• Injections intrathécales
• …
5
Prof
. Pas
cal B
ONNA
BRY
Analy
se pr
ospe
ctive
des r
isque
sBe
rne,
14 se
ptemb
re 20
07AMDECPrescription informatisée
Prof
. Pas
cal B
ONNA
BRY
Analy
se pr
ospe
ctive
des r
isque
sBe
rne,
14 se
ptemb
re 20
07
AMDECPrescription informatisée
• 35 modes de défaillance• Electronique: ↓ criticité globale (IC ↓ 14, ↑ 13, = 8)
• 20 propositions d’amélioration
4468
3669
2019
0500
100015002000250030003500400045005000
Handwritten CPOE ImprovedCPOE
Sum of criticality indexes
- 18% - 55%
6
Prof
. Pas
cal B
ONNA
BRY
Analy
se pr
ospe
ctive
des r
isque
sBe
rne,
14 se
ptemb
re 20
07AMDECPrescription informatisée
• Plus grandes réductions de risque
- 245
- 217
- 196
- 140
- 84
- 84
- 84
Prof
. Pas
cal B
ONNA
BRY
Analy
se pr
ospe
ctive
des r
isque
sBe
rne,
14 se
ptemb
re 20
07
AMDECPrescription informatisée
• Plus grandes augmentations de risque
+ 140
+ 84
+ 28
+ 24
+ 16
+ 8
7
Prof
. Pas
cal B
ONNA
BRY
Analy
se pr
ospe
ctive
des r
isque
sBe
rne,
14 se
ptemb
re 20
07AMDECPrescription informatisée
• Propositions les plus prometteuses
Targeted alerts
Link patient – drugs CIs
Integration in EPR
Automatic edition
Pop-up alerts
- 189
- 168
- 140
- 126
- 120
Prof
. Pas
cal B
ONNA
BRY
Analy
se pr
ospe
ctive
des r
isque
sBe
rne,
14 se
ptemb
re 20
07
AMDEC Chimiothérapies
Centralisation Prescription informatisée
Contrôle pesée (CATO®) Contrôle ultime
8
Prof
. Pas
cal B
ONNA
BRY
Analy
se pr
ospe
ctive
des r
isque
sBe
rne,
14 se
ptemb
re 20
07AMDEC Chimiothérapies
0
500
1000
1500
2000
2500
3000
3500
4000
Décentralisé Centralisé Demandeélectronique
Fabrication CATO Contrôle ultimescanning
Indi
ce d
e cr
itici
této
tal - 25% - 48%
Prof
. Pas
cal B
ONNA
BRY
Analy
se pr
ospe
ctive
des r
isque
sBe
rne,
14 se
ptemb
re 20
07
AMDEC Chimiothérapies
0 50 100 150 200 250 300 350 400 450
Faux patient
Erreur débit
Erreur de prescription (dose, patient, voie, etc…)
Erreur préparation matériel
Erreur étiquetage (inversion)
Erreur voie d'administration
Choix du faux protocole
Erreur rédaction / validation protocole prescription
Contamination microbienne (admin)
Contamination microbienne (fabric)
Non détection d'une erreur de prescription
Extravasation
Erreur de fabrication (produit/dose)
Erreur de dose (protocole fabric)
Indices de criticité
DécentraliséCentraliséIT
Mesures +++
Accepté
9
Prof
. Pas
cal B
ONNA
BRY
Analy
se pr
ospe
ctive
des r
isque
sBe
rne,
14 se
ptemb
re 20
07
0
100000
200000
300000
400000
500000
150020002500300035004000Sum of criticality indexes (CI)
Add
ition
al c
osts
(Frs
)
AMDEC Chimiothérapies
23
45
1
Prof
. Pas
cal B
ONNA
BRY
Analy
se pr
ospe
ctive
des r
isque
sBe
rne,
14 se
ptemb
re 20
07
Analyse par arbre des pannesMéthode générale
• Détermination des événements finaux• Détermination des chaînes pouvant conduire à
l’événement final• Construction d’un arbre des pannes (modèle)
• Portes « ET »• Portes « OU »
• Quantification des probabilités de chaque événement
• Quantification des probabilités des évènements finaux
10
Prof
. Pas
cal B
ONNA
BRY
Analy
se pr
ospe
ctive
des r
isque
sBe
rne,
14 se
ptemb
re 20
07Analyse par arbre des pannesModélisation
Ph. Garnerin, HUG, 2006
Prof
. Pas
cal B
ONNA
BRY
Analy
se pr
ospe
ctive
des r
isque
sBe
rne,
14 se
ptemb
re 20
07
Analyse par arbre des pannesEstimation des fréquences
• Résultats expérimentaux
• Erreurs de dispensation 3%• Erreurs de sélection 2%
• Erreurs de dilution 3%• Erreurs de calcul 10%
• Performance des contrôles 85%
Garnerin Ph, Eur J Clin Pharmacol 2007;63:769
Baalbaki R, HUG, 2006
11
Prof
. Pas
cal B
ONNA
BRY
Analy
se pr
ospe
ctive
des r
isque
sBe
rne,
14 se
ptemb
re 20
07Analyse par arbre des pannesMédicaments injectables
Préparation seringue Sélection seringue Contrôle ultime
Erreur d’administration 0.3%
Echec du contrôle
ultime
15%
Erreur de
sélection
2%
ET
Erreur de préparation 5%
Erreur de
dilution
3%
Erreur de
sélection
2%
OU
Erreur médicamenteuse 5.3%
OU
Prof
. Pas
cal B
ONNA
BRY
Analy
se pr
ospe
ctive
des r
isque
sBe
rne,
14 se
ptemb
re 20
07
Analyse par arbre des pannesInjectables prêts à l’emploi (CIVAS)
Préparation seringue Sélection seringue Contrôle ultime
Erreur d’administration 0.3%
Echec du contrôle
ultime
15%
Erreur de
sélection
2%
ET
Erreur de préparation 0%
Contrôle qualité
défaillant
0%
Erreur de
préparation
<1%?
Erreur médicamenteuse 0.3%
OU
ET
12
Prof
. Pas
cal B
ONNA
BRY
Analy
se pr
ospe
ctive
des r
isque
sBe
rne,
14 se
ptemb
re 20
07Analyse par arbre des pannesIdentification des doses unitaires
Erreur administration
0.05%
Echec du
1er contrôle
15%
ET
Echec du contrôle
ultime
15%
Erreur de
sélection
2%
Si 100% des contrôles sont possibles
Prof
. Pas
cal B
ONNA
BRY
Analy
se pr
ospe
ctive
des r
isque
sBe
rne,
14 se
ptemb
re 20
07
Analyse par arbre des pannesIdentification des doses unitaires
Si 0% des contrôles sont possibles
Erreur administration
2%
Echec du
1er contrôle
100%
ET
Echec du contrôle
ultime
100%
Erreur de
sélection
2%
13
Prof
. Pas
cal B
ONNA
BRY
Analy
se pr
ospe
ctive
des r
isque
sBe
rne,
14 se
ptemb
re 20
07
OU OU
Echeccontrôle
15%
ET
DU identifiable
50%
Echeccontrôle
100%
ET
DU NON identifiable
50%
Erreur administration
0.7%
Si 50%des contrôles sont possible
ET
Echec du
1er contrôle
57%
Echec du contrôle
ultime
57%
Erreur de
sélection
2%
Prof
. Pas
cal B
ONNA
BRY
Analy
se pr
ospe
ctive
des r
isque
sBe
rne,
14 se
ptemb
re 20
07
Analyse par arbre des pannesIdentification des doses unitaires
0%
1%
2%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Taux identification DU
Erre
urs
d'ad
min
istra
tion
Hypothèse 50%0.7% erreurs
0.05%
2%
Extrapolation130’000 erreurs atteignant le patient1’300 ADE significatifs
14
Prof
. Pas
cal B
ONNA
BRY
Analy
se pr
ospe
ctive
des r
isque
sBe
rne,
14 se
ptemb
re 20
07Analyse par arbre des pannesIdentification des doses unitaires
0
5
10
15
20
25
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Taux identification DU
Coû
ts H
UG
/ an
[Mio
Frs
]
Hypothèse 50%8 Mio Frs /an
0.55
24 Extrapolation
Prof
. Pas
cal B
ONNA
BRY
Analy
se pr
ospe
ctive
des r
isque
sBe
rne,
14 se
ptemb
re 20
07
Conclusion générale
• Les analyses de risque permettent• d’avoir une vue d’ensemble des risques• de les hiérarchiser • de prendre conscience de l’ensemble des risques • de décider de l’acceptabilité des risques• de remettre en question l’organisation des
processus (re-engineering)• d’accompagner des démarches d’amélioration
continue• … de manière interdisciplinaire
15
Prof
. Pas
cal B
ONNA
BRY
Analy
se pr
ospe
ctive
des r
isque
sBe
rne,
14 se
ptemb
re 20
07Conclusion générale
• La méthode AMDEC…• s’applique bien aux processus du domaine de la
santé• est simple à mettre en œuvre• permet une quantification des risques,
même s’il subsiste une part de subjectivité(ordres de grandeur)
• permet d’obtenir une vision commune et partagée des processus
Prof
. Pas
cal B
ONNA
BRY
Analy
se pr
ospe
ctive
des r
isque
sBe
rne,
14 se
ptemb
re 20
07
Conclusion générale
• La méthode des arbres des pannes …• nécessite la connaissance des fréquences
d’occurrence d’éléments simples• permet de calculer les probabilités d’erreurs de
combinaisons complexes • permet d’évaluer l’impact de modifications du
processus
16
Prof
. Pas
cal B
ONNA
BRY
Analy
se pr
ospe
ctive
des r
isque
sBe
rne,
14 se
ptemb
re 20
07La sécurité, ça ne s’obtient pas du jour au lendemain
Prof
. Pas
cal B
ONNA
BRY
Analy
se pr
ospe
ctive
des r
isque
sBe
rne,
14 se
ptemb
re 20
07
Cette conférence peut-être téléchargée:
www.hcuge.ch/Pharmacie/ens/conferences.htm