Inteligência artificial no serviço farmacêutico de análise de prescrições médicas em um hospital público

Clara Lemos  LEITÃO; Amanda Fonseca  MEDEIROS; Elaine Ferreira  DIAS; Renan Pedra  SOUZA; Maria Auxiliadora  MARTINS

doi:10.30968/rbfhss.2023.143.0991

Autores

Clara Lemos LEITÃO https://orcid.org/0009-0000-2982-0991
Amanda Fonseca MEDEIROS https://orcid.org/0000-0002-6747-6172
Elaine Ferreira DIAS https://orcid.org/0000-0003-1530-1757
Renan Pedra SOUZA https://orcid.org/0000-0002-9479-4432
Maria Auxiliadora MARTINS https://orcid.org/0000-0002-5211-411X

DOI:

https://doi.org/10.30968/rbfhss.2023.143.0991

Resumo

Objetivo: avaliar aspectos relacionados a análise das prescrições por farmacêuticos clínicos e a taxa de erros relacionados a medicamentos após a implantação de uma ferramenta IA para análise das prescrições médicas em um hospital público de Ensino de grande porte na cidade de Belo Horizonte/MG. Método: Trata-se de estudo observacional em que se verificou os resultados da análise das prescrições médicas realizadas em dois períodos: o primeiro (denotado ANTES), período prévio a utilização da ferramenta de IA (NoHarm.ai), nos meses de março a setembro de 2021; o segundo (denotado DEPOIS), compreendeu o mesmo período em 2022, já em uso da ferramenta de IA. Resultados: No período ANTES, verificou-se que a taxa de prescrições avaliadas foi de 0,6%, com taxa de erro de 13% e em média 85 intervenções farmacêuticas/mês, que resultaram em economia média dos custos diretos de medicamentos de R$1020,76/mês. No período DEPOIS, verificou-se taxa de prescrições avaliadas igual a 49% e uma taxa de erro de 0,3% e a realização em média de 239 intervenções farmacêuticas/mês com valor médio de economia estimado de R$7848,39/mês. Conclusão: O uso da ferramenta IA contribuiu substancialmente na análise farmacêutica das prescrições médicas com aumento médio de 50% nas prescrições avaliadas, redução em 43 vezes o número de erros e gerou quase o triplo de intervenções farmacêuticas após a implantação da ferramenta, além da economia direta obtida com essas intervenções que aumentou em sete vezes. Os resultados desse estudo apontam que a ferramenta IA analisada gerou provável economia de recursos financeiros, aumento na produtividade do serviço de Farmácia Clínica e maior segurança relacionada ao uso de medicamentos.

Downloads

Não há dados estatísticos.

Referências

Mendes W, Martins M, Rozenfeld S, Travassos C. The assessment of adverse events in hospitals in Brazil. Int J Qual Health Care. 2009 Aug;21(4):279-84. DOI: 10.1093/intqhc/mzp022.

National Coordinating Council for Medication Error Reporting and Prevention. What is a Medication Error? Available in: https://www.nccmerp.org/about-medication-errors. Accessed on 16th January 2023.

World Health Organization. Medication Without Harm. Available in: https://www.who.int/initiatives/medication-without-harm. Accessed on 13th May 2022.

Luxford K. ‘First, do no harm’: shifting the paradigm towards a culture of health. Patient Exp J 2016;3:5–8. DOI: 10.35680/2372-0247.1189.

Instituto para práticas seguras no uso de medicamentos. Prevenção de erros de prescrição. Boletim ISMP 2021;10. Available in: https://www.ismp-brasil.org/site/wp-content/uploads/2021/03/Boletim-ISMP-Prevencao-Erros-Prescricao.pdf. Accessed on 14th January 2023.

Schiff GD, Volk LA, Volodarskaya M, et al. Screening for medication errors using an outlier detection system. Journal of the American Medical Informatics Association: JAMIA. 2017 Mar;24(2):281-287. DOI: 10.1093/jamia/ocw171.

Corny J, Rajkumar A, Martin O, Dode X, Lajonchère JP, Billuart O, Bézie Y, Buronfosse A. A machine learning-based clinical decision support system to identify prescriptions with a high risk of medication error. J Am Med Inform Assoc. 2020 Nov 1;27(11):1688-1694. DOI: 10.1093/jamia/ocaa154.

Botelho SF, Neiva Pantuzza LL, Marinho CP, Moreira Reis AM. Prognostic prediction models and clinical tools based on consensus to support patient prioritization for clinical pharmacy services in hospitals: A scoping review. Res Social Adm Pharm. 2021 Apr;17(4):653-663. DOI: 10.1016/j. sapharm.2020.08.002.

Alshakrah MA, Steinke DT, Lewis PJ. Patient prioritization for pharmaceutical care in hospital: A systematic review of assessment tools. Res Social Adm Pharm. 2019 Jun;15(6):767- 779. DOI: 10.1016/j.sapharm.2018.09.009.

Santos HDP. Applying machine learning to electronic health records: a study on two adverse events. Programa de Pós-Graduação em Ciência da Computação - Doutorado em Ciência da Computação. Pontifícia Universidade Católica do Rio Grande do Sul, 2021.Available in: https://repositorio.pucrs.br/dspace/handle/10923/17324. Accessed on 14th January 2023.

NoHarm.ai. Como a IA da NoHarm calcula os escores dos medicamentos? n.d. https://noharm.octadesk.com/kb/article/escore-e-tags-clicaveis. Accessed on 16th January 2023.

Ministério da Saúde. Portaria no 2.095. Aprova os Protocolos Básicos de Segurança do Paciente; 2013. Available in https://bvsms.saude.gov.br/bvs/saudelegis/gm/2013/prt2095_24_09_2013.html. Accessed on 13th May 2022.

Conselho Federal de Farmácia. Resolução no 585 de 29 de agosto de 2013. Regulamenta as atribuições clínicas do farmacêutico e dá outras providências. Available in https://www.cff.org.br/userfiles/file/resolucoes/585.pdf. Accessed on 13h May 2022.

Rotta I, Salgado TM, Felix DC, Souza TT, Correr CJ, Fernandez-Llimos F. Ensuring consistent reporting of clinical pharmacy services to enhance reproducibility in practice: an improved version of DEPICT. J Eval Clin Pract. 2015 Aug;21(4):584-90. DOI: 10.1111/jep.12339.

Donabedian A. Evaluating the quality of medical care. 1966. Milbank Q. 2005;83(4):691-729. DOI: 10.1111/j.1468-0009.2005.00397.x.

Ooi PL, Zainal H, Lean QY, Ming LC, Ibrahim B. Pharmacists’ Interventions on Electronic Prescriptions from Various Specialty Wards in a Malaysian Public Hospital: A Cross-Sectional Study. Pharmacy (Basel). 2021 Oct 1;9(4):161. DOI: 10.3390/pharmacy9040161.

Klopotowska JE, Kuiper R, van Kan HJ, de Pont AC, Dijkgraaf MG, Lie-A-Huen L, Vroom MB, Smorenburg SM. On-ward participation of a hospital pharmacist in a Dutch intensive care unit reduces prescribing errors and related patient harm: an intervention study. Crit Care. 2010;14(5):R174. DOI: 10.1186/cc9278.

Moyen E, Camiré E, Stelfox HT. Clinical review: medication errors in critical care. Crit Care. 2008;12(2):208. DOI: 10.1186/cc6813.

Conselho Federal de Farmácia. Resolução no 675, de 31 de outubro de 2019. Regulamenta as atribuições do farmacêutico clínico em unidades de terapia intensiva, e dá outras providências; 2019. Available in: https://pesquisa.in.gov.br/imprensa/jsp/visualiza/index.jsp?data=21/11/2019&jornal=515&pagina=128&totalArquivos=133https://pesquisa.in.gov.br/imprensa/jsp/visualiza/index.jsp?data=21/11/2019&jornal=515&pagina=128&totalArquivos=133. Accessed on 22th January 2023.

Levivien C, Cavagna P, Grah A, Buronfosse A, Courseau R, Bézie Y, Corny J. Assessment of a hybrid decision support system using machine learning with artificial intelligence to safely rule out prescriptions from medication review in daily practice. Int J Clin Pharm. 2022 Apr;44(2):459-465. DOI: 10.1007/s11096-021-01366-4.

Reis WC, Scopel CT, Correr CJ, Andrzejevski VM. Analysis of clinical pharmacist interventions in a tertiary teaching hospital in Brazil. Einstein (Sao Paulo). 2013 Apr-Jun;11(2):190-6. DOI: 10.1590/s1679-45082013000200010.

Lewis PJ, Dornan T, Taylor D, Tully MP, Wass V, Ashcroft DM. Prevalence, incidence and nature of prescribing errors in hospital inpatients: a systematic review. Drug Saf. 2009;32(5):379- 89. DOI: 10.2165/00002018-200932050-00002.

Korb-Savoldelli V, Boussadi A, Durieux P, Sabatier B. Prevalence of computerized physician order entry systems-related medication prescription errors: A systematic review. Int J Med Inform. 2018 Mar;111:112-122. DOI: 10.1016/j.ijmedinf.2017.12.022.

Naseralallah LM, Hussain TA, Jaam M, Pawluk SA. Impact of pharmacist interventions on medication errors in hospitalized pediatric patients: a systematic review and meta-analysis. Int J Clin Pharm. 2020 Aug;42(4):979-994. DOI: 10.1007/s11096-020-01034-z.

Tasaka Y, Tanaka A, Yasunaga D, Asakawa T, Araki H, Tanaka M. Potential drug-related problems detected by routine pharmaceutical interventions: safety and economic contributions made by hospital pharmacists in Japan. J Pharm Health Care Sci. 2018 Dec 13;4:33. DOI: 10.1186/s40780-018-0125-z.

Barros ME, Araújo IG. Evaluation of pharmaceutical interventions in an intensive care unit of a teaching hospital. Rev Bras Farm Hosp Serv Saude. 2021;12(3):0561. DOI: 10.30968/rbfhss.2021.123.0561.

Blum MR, Sallevelt BTGM, Spinewine A, O’Mahony D, Moutzouri E, Feller M, et al. Optimizing Therapy to Prevent Avoidable Hospital Admissions in Multimorbid Older Adults (OPERAM): Cluster randomised controlled trial. BMJ 2021;374. DOI: https://doi.org/10.1136/bmj.n1585.

Dias D, Wiese LPL, Pereira EM, Fernandes FM. Evaluation of pharmaceutical clinical interventions in the icu of a public hospital of Santa Catarina. Rev Bras Farm Hosp Serv Saude, 9(3): 1-5, 2019. DOI: https://doi.org/10.30968/rbfhss.2018.093.005.

Arantes T, Durval C, Pinto V. Avaliação da economia gerada por meio das intervenções farmacêuticas realizadas em um hospital universitário terciário de grande porte. Clin Biomed Res 2020;40:96–104. DOI: https://doi.org/10.22491/2357-9730.95646.