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