【独家】信息技术能否阻止Off-label用药事故？

[导读]医疗机构管理人员和医生逐渐认识到电子病历、电子处方、计算机化医嘱录入系统、临床决策支持等医疗信息系统的价值，这些系统可以跟踪、收集数据，避免大规模不良用药事故发生。

【HC3i独家翻译】坐诊医生开具的处方药中，21%是Off-label药物，即使用没有得到监管批准用于某些疾病治疗的药物(《内科学文献》2006;166(9)：1021-1026)。这个问题并非仅出现门诊中。针对这个问题，个别医疗机构正在进行内部调查，但综合住院病人数据并不可用。使用Off-label药物并不违法，对某些人来说可能很有好处，但是在一些情况下却可能导致浪费甚至对患者造成伤害。无论如何，大多数医生认为有必要对该行为进行跟踪，并做出正确评价。

医疗机构管理人员和医生逐渐认识到电子病历、电子处方、计算机化医嘱录入系统、临床决策支持等医疗信息系统的价值，这些系统可以跟踪、收集数据，避免大规模不良用药事故发生。

首先是数据采集。2005年1月至2009年12月，在对加拿大21世纪医生办公室(MOXXI)初级护理电子健康档案网络进行评估的过程中，蒙特利尔麦吉尔大学理科硕士、医学博士Tewodros Eguale等人发现，113名初级护理医生为50,823名患者开具了253,347张电子处方，他们根据加拿大卫生部的药物数据库，将每种药物适应症进行了分类，分成了“on-label”和“off-label”两种，并确定标识外使用缺乏“强有力的”科学依据(《内科学文献》2012：172(10)：781-788)。

“我们的总体目标是找到计算机通过药物信息和患者信息，对初级护理医生的日常工作提供帮助的方式，”Eguale表示，“我们并不依赖不太靠谱的调查数据，而是在电子健康档案实施治疗指导环节节，帮助我们获得更详细的治疗适应症信息。”

研究发现，Off-label出现率达到11%。其中79%的Off-label处方缺乏有力的科学依据。中枢神经系统的Off-label使用率最高，达到26.3%，其中抗痉挛药的Off-label使用率达66.6%、抗精神病药达43.8%、抗抑郁药达33.4%。重症患者获得Off-label药物的可能性稍小，原因可能是“因为身体状况不佳，无法经受药物的考验。”儿童疾病治疗方面也出现了相同的趋势。

更重要的是了解医生为何及如何做出临床决策。“一般来说，医生在开具处方时，并不需要写出适应症，”伊利诺大学芝加哥校区博士Surrey Walton解释说，“将适应症进行编码的目的在于出具账单。但是ICD-9代码很宽泛，所以对评估临床诊断、确定医生为什么将药物另作他用并没有太大帮助。”

如果要改善开处方这个环节，Eguale表示，医生在做决策时需要注意三点：药物是否通过审核、某种药物治疗某种适应症的证据是否充足、是否有药物不良反应的报告以及不良反应的严重性。

Eguale建议，解决方法其实非常简单，可以在CDS中对“On-label”和“Off-label”的情况进行彩色编码，或者采取其它技术抑或可视化方法，通知医生可能出现潜在的错误。

“将处方药与适应症联系起来是meaningful use的目标之一，厂家们很容易把这个功能运用到EHR系统中，”这项研究的作者写道，“HER系统可以在医生开处方时，记录治疗适应症。”

住院测试

认识到Off-label使用并不仅限于门诊环节后，伊利诺大学芝加哥校区的小组推行了一个试点项目，制定电子干预计划，收集住院过程中Off-label用药信息。该项目旨在识别、锁定住院环节中的特定药物，找出住院环节中Off-label使用存在的临床和经济问题。同样，研究者收集医生关于为何开具某种药物所给予的答案。

他们的在某独立的住院部研究评估了CDS系统，该系统可用于获得CPOE药物排序过程中的适应症及相关信息，CPOE药物常常作为Off-label药物使用，即质子泵抑制剂(proton pump inhibitor，PPI)、兰索拉唑、静脉注射免疫球蛋白抗体、活化凝血因子7(Factor VIIa)诺其(《内科学文献》2011;2：94-103)。

具体来说，该研究验证了“如果信息技术系统要求医生详细解释使用某种药物的原因，以及如果他们花长一点时间反思一下自己为何要开某种药物，将会发生的情况。”加利福尼亚州斯坦福大学医学院医学博士Randall S. Stafford指出。活化凝血因子7的使用尤其令人担忧。这个药物适用于血友病A或B患者出血时使用，但是却被人们滥用于治疗其它病症。每次使用的费用高昂，达到40,000美元至50,000美元。

质子泵抑制剂治疗在60天操作过程中产生873个警报，静脉注射免疫球蛋白在93天中产生55个警报，活化凝血因子7在175天中产生25个警报。记录适应症和病历审查的一致性，质子泵抑制剂为63%，静脉注射免疫球蛋白为49%，活化凝血因子7为29%。质子泵抑制剂、静脉注射免疫球蛋白和活化凝血因子7警报产生问题列表中，正确诊断所占比例分别为9%、16%和24%。

“这项研究表明，某些药物存在大量的Off-label使用，但是获得适应症信息困难重重。尤其是试点研究产生的适应症数据并不十分准确，”Walton等人写道。但是，因为联合委员会要求住院药物使用的适应症和药事管理与药物治疗学委员会(Pharmacy and Therapeutics Committee，即P&T Committee)通过的适应症之间存在关联性。“这种类型的CDS可以帮助医疗机构遵守这些规定。”作者补充道，CPOE过程产生的提示提醒医生药物的适应症可以改善药物的循证使用状况，可以完善问题清单文档。

数据收集至关重要

Stafford近期发表的一篇社论，很好地概括了人们对完善该领域数据达成的共识。“客观、综合、对比的Off-label用药数据将对医护人员、患者和医疗服务支付者大有好处，”他写道(《自然》2012;91(5)920-925)，“如果某种药物的Off-label使用情况增加，药物处方的电子病历数据可以提供早期预警。除此之外，对医疗服务支付者索赔信息的数据挖掘可以帮助确定Off-label导致的安全问题。”

Stafford表示，获得度量指标的首要目标是降低药物不良反应带来的风险，确保病人安全，并通过使用更廉价的药物(这些廉价药物的药效等同于更昂贵药物的药效)，提高性价比。

随着质量改善计划的推进，项目进展可能会视情况而定。Eguale举例说，他们的21世纪医学办公室系统正在跟踪治疗期间的药物适应症以及治疗各阶段发生的各种情况。如果医生停止给药或改变某种药物的剂量，电子病历系统就会强制要求输入原因(例如不良药物反应、没有效果)——这是CDS和用药监控生成数据的新方法。

“在电子病历具备治疗适应症和治疗终止功能后，我们编制了‘药物治疗适应症—药物终止原因’的时序记录，”Eguale表示。而且，这些数据可以分别为医生或药物监管机构进行CDS或药物进行相对安全、有效的筛选。

“最终，使用信息系统的好处是医生愿意输入制定决策的相关信息，”Walton表示。输入信息可能要求首席医疗信息官的一臂之力。