09 Détection automatique des effets secondaires médicamenteux en gériatrie

L’étude comportait 4 étapes :

1. Elaboration de la liste exhaustive des antithrombotiques avec leurs effets indésirables et des facteurs de risque associés aux hémorragies.
2. Extraction et harmonisation des données des dossiers médicaux électroniques des trois hôpitaux.
3. Développement des algorithmes de détection des hémorragies et de leurs facteurs de risques à partir des données structurées et textuelles des dossiers médicaux électroniques. La groupe de recherche a notamment appliqué des méthodes d’intelligence artificielle et collaboré avec des experts en science des données et en clinique.
4. Validation des algorithmes par une revue manuelle des dossiers médicaux électroniques.

Les effets indésirables médicamenteux (EIM) sont observés chez environ un tiers des personnes âgées hospitalisées. Parmi les médicaments les plus à risque figurent les antithrombotiques largement utilisés en Gériatrie pour prévenir et traiter les maladies thromboemboliques. Il est nécessaire de développer des systèmes automatisés de surveillance des EIM liés aux antithrombotiques à l’échelle nationale. Les données structurées et textuelles des dossiers médicaux électroniques hospitaliers constituent une source d’information de valeur.

L’étude a visé à développer et valider un système d’aide à la détection automatique des EIM liés aux antithrombotiques à partir des données du dossier médical électronique hospitalier dans trois hôpitaux universitaires suisses. L’étude a cherché à estimer la fréquence des hémorragies (selon leur sévérité), à identifier les facteurs associés et à étudier la causalité entre médicaments et EIM.

Ces approches ont permis d’étudier 37'079 hospitalisations de personnes âgées de 65 ans et plus, traités par antithrombotiques et hospitalisés dans les hôpitaux de Lausanne, Genève et Zurich entre 2015 et 2016. La fréquence des hémorragies dans les données structurées était de 10,8%, dont 3,4% d'hémorragies sévères. L’intégration de données portant sur les médicaments administrés et les résultats des tests de laboratoire a conduit à améliorer le taux de détection des hémorragies. Les données textuelles issues des lettres de sortie ont aussi contribué à améliorer la détection des événements hémorragiques identifiés à partir des données structurées. Finalement, un système modulable de détection des problèmes médicaux dans les données du dossier médical électronique a été construit.

Cette étude permet d’optimiser la surveillance des évènements hémorragiques dans une population âgée traitée par antithrombotiques, la sécurisation de la prescription de ces médicaments à risque dans la pratique clinique quotidienne et l’information des patients. Enfin, les méthodes et outils élaborés seront mis à disposition pour la recherche et la surveillance des événements indésirables médicamenteux.

Automated detection of adverse drug events from older inpatients’ electronic medical records using structured data mining and natural language processing