De notre vivant, aucun événement n’a eu l’impact de la COVID-19 sur notre société. Le sentiment de vouloir contribuer contre la pandémie nous a amené à réorienter les efforts de développement de l’entreprise vers ce que nous avons appelé le « kit-covid ». Nous avons offert cette proposition sans garantie de rémunération à chacun de nos clients.
Alertes en temps réel
Gestion des états infectieux
Gestion des précautions
Calcul des cohabitations
Soutien aux enquêtes et
Support à la recherche
Voici un vidéo maison qui, je l’espère, vous aidera à comprendre comment utiliser ZINC.
De plus, ce lien vous guidera vers une explication des principaux scénarios d’utilisation de ZINC.
Malheureusement,
le son des alertes est trop commun dans le paysage de nos hôpitaux, cela qui
génère une forme de désensibilisation. Lorsqu’on regarde spécifiquement les
systèmes d’aide à la décision clinique (CDSS), l’« alerte fatigue » a
une corrélation directe avec des plusieurs effets néfastes, dont la
mortalité. Alors, comment s’y prendre ? Travailler avec des experts. Un CDSS de qualité devrait fournir des
alertes lorsqu’ils sont potentiellement exploitables. Les alertes c’est quelque
chose que nous prenons très au sérieux, nous procédons toujours à une analyse
approfondie de l’analyse d’un algorithme avant de l’intégrer. Nous visons à
garder nos alertes spécifiques en tenant comptes des paramètres du patient et
de son état clinique. Plus notre connaissance du domaine est élevée, moins nous
générons de fausses alertes.
Lorsque nous
parlons de l’« alerte fatigue » et de la façon que cela évolue, nous
devons examiner de plus près comment les règles de l’ensemble du système ont
été construites et par qui. Dans le cadre d’un système d’experts, un processus
rigoureux est généralement entrepris afin de garantir la meilleure spécificité possible
; chaque règle doit suivre une méthode stricte de conception, d’analyse, de
test et de validation avant de s’intégrer à aux autres algorithmes déjà en places. C’est tout au long de ce processus, qu’une
règle sera ajustée jusqu’à ce qu’un certain seuil de qualité soit atteint. L’expertise requise requière une équipe
multidisciplinaire de médecins et de pharmaciens, d’infectiologues, de
programmeurs et d’experts intelligence artificielle.
En plus de la
spécificité des algorithmes nos systèmes experts ont, dès le premier jour, une
majorité de règles d’évaluation prédéfinies qui permettent d’avoir des
résultats et des économies de coûts au cours des 3 premiers mois. Oui, la personnalisation est toujours
nécessaire pour correspondre aux pratiques locales, mais de débuter avec un
vaste ensemble de règles validées est certainement un avantage. Les nouvelles
règles de surveillances devront passer au travers du même processus mentionné
ci-dessus (conception, analyse, test et validation) pour éviter les règles
contradictoires et déclencher de fausses alertes. Donc, soyez averti, une offre qui fournit une
personnalisation « ouverte » peut sembler attrayante mais créera
potentiellement un environnement de règles contradictoires et de fausses
alertes, tout en consommant beaucoup de temps et de ressources de votre
hôpital. Typiquement, dans ce scénario,
les impacts mesurables tardent à venir, s’ils viennent un jour !
Les systèmes d’aide à la décision se raffinent de plus en plus, et leur
capacité à intégrer des données cliniques variées parfois en temps réel rend
les opportunités d’interagir avec le prescripteur à un niveau avancé.
Les systèmes disponibles permettent depuis longtemps d’identifier des prescriptions potentiellement sous-optimales par des règles simples comme l’identification de l’administration d’antimicrobiens à large spectre ou coûteux pour une durée limitée, la suggestion d’un relais de la voie intraveineuse (IV) à la voie orale suite à l’identification d’autres prescriptions administrées par voie orale et une durée minimale de traitement IV, etc. Au-delà de la capacité à raffiner ces règles en développant des algorithmes plus complexes améliorer la spécificité des alertes, une nouvelle tendance émerge dans la littérature scientifique : l’approche syndromique.
Une intégration de la connaissance et des variables avancées permet en
effet au prescripteur d’aller un pas plus loin dans la prise en charge de ses
patients. Par exemple, dans l’approche classique, un patient avec une
bactériémie à Staphylococcus aureus
sensible à la méthicilline aura des alertes s’il ne reçoit pas
d’antimicrobiens, si sa dose est insuffisante, s’il y a redondance de spectre,
si le spectre est trop large, s’il y a une interaction avec d’autres
médicaments, etc. Dans l’approche syndromique, on ciblera davantage des aspects
qui touchent la globalité de la prise en charge. Est-ce que le patient a des
critères cliniques pour un traitement de durée écourtée de 14 jours IV (absence
d’infections à distance, pas de critère d’endocardite, cathéters IV retirés,
pas de bactériémie persistante, évolution clinique favorable, etc.)? Au
contraire, dans l’éventualité d’une endocardite, est-ce qu’il possède des
critères chirurgicaux qui demanderaient un transfert en centre tertiaire et une
consultation en chirurgie cardiaque? D’autres syndromes génèrent le même type
de raisonnement : la candidémie, l’infection à Clostridioides difficile, les infections urinaires, etc.
En structurant la connaissance clinique, en émettant des alertes qui
servent de rappel, en traitant et en maximisant l’utilisation des données en
temps réel : les systèmes d’aide à la décision permettent aux
professionnels de la santé d’améliorer leur capacité à prodiguer des soins
sécuritaires de qualité.
