Laboratuvar ve Hastane verilerinin entegrasyonu ve A ntibiyotik kullan ımı

1. Antibiyotik uygulamasına esas teşkil eden saptama yöntemleri ve bunların LIS-HIS entegrasyonu Laboratuvar ve Hastane verilerinin entegrasyonuveAntibiyotik kullanımı Uzm. Dr. Önder Ergönül Ankara Numune Eğitim ve Araştırma Hastanesi 1. İnfeksiyon Hastalıkları ve Klinik Mikrobiyoloji Kliniği

2. Çerçeve 1. Antibiyotiklerin akılcı kullanımı için veriler en iyi nasıl değerlendirilebilir? 2. Bilgisayar desteği nasıl sağlanır? Dünyadan örnekler Avrupa; Danimarka İtalya (Roma) Almanya (Freiburg) ABD;LDS hastanesi deneyimi

3. Hekimler, çok az bildikleri ilaçları, daha da az bildikleri hastalıklar için hiç bilmedikleri “insanlara” reçeteleyen kişilerdir. Voltaire (1694-1778)

4. Klinikte bilgisayar kullanımı NE ZAMAN? NASIL? “ Hekimler farklıbaşlıklarda çok sayıda işle uğraşmak zorunda oldukları için, tekrarlayıcıve rutin işlerde hata yapmaları kaçınılmazdır. Bu nedenle Bilgisayarlardan yararlanmalıyız” McDonald CJ. Protocol-based computer reminders, the quality of care and the non-perfectability of man. N Engl J Med 1976; 295: 1351-1355 Biyokimya sonuçları çıktı mı !!?? Antibiyotik dirençli mi??? Henüz teşhis koyamadık!!! Yan etki görülmedi değil mi? Penisilin testi yaptınız mı?

5. İstenmeyen tıbbi hatalar • 1990’larda daha sık gündemde • ABD’ de 44 000 ile 98 000 ölüm (Institute of Medicine). • Yanlış ilaç kullanımına bağlı her yıl >7 000 ölüm • Yanlış antibiyotik kullanımına bağlı sorunlar yoğun bakımlarda daha fazla • İlaçların istenmeyen etkilerinin maliyeti her yıl 2 milyar dolar Kohn L, Corrigan J, Donaldsan M. To Err is Human: Building a Safer Health System. Washington, DC, Committee on Quality of Health Care in America. Institute of Medicine National Academy Press, 1999. Bates DW, Spell N, Cullen DJ, et al. The costs of adverse drug events in hospitalized patients. JAMA 1997; 277: 307-311.

6. Hastane kökenli Antimikrobiyal Direnç Gelişimi VRE MRSA Yoğun bakım dışı Yoğun bakım National Nosocomial Infections Surveillance (NNIS) System

7. Hastane kökenli Antimikrobiyal Direnç Gelişimi 3. Kuşak sefalosporin dirençliKlebsiella pneumoniae Florokinolon-dirençli Pseudomonas aeruginosa Yoğun Bakım dışı Yoğun Bakım National Nosocomial Infections Surveillance (NNIS) System

8. Sağlık kurumlarında Antimikrobiyal Direncin Önlenmesi için Kampanya Infeksiyonu Önle Bulaşı Önle İnfeksiyon Antimikrobiyal Direnç Etkin Tanı ve Tedavi Optimize Kullanım Antimikrobiyal kullanımı Antimikrobiyal Direnç Döngüsünün Kırılması Duyarlı Patojen Pathogen

9. Sağlık kurumlarında Antimikrobiyal Direncin Önlenmesi için Kampanya 12 Zinciri kır 11 Patojeni izole et 10 Şifa sonrası tedaviyi kes 9 Vanko’ya hayır demesini bil 8 Kolonizasyonu değil, inf. tx et 7 Kontaminasyonu değil, inf. tx et 6 Yerel veri kullan 5 Antimikrobiyal kullanımını kontrol et 4 Uzmanlara ulaş 3 Patojeni hedefle 2 Kateterleri çıkar 1Aşıla Bulaşın önlenmesi Antimikrobiyallerin akılcı kullanımı Etkin tanı ve tedavi İnfeksiyonların önlenmesi Hastane Ortamında Antimikrobiyal Direncin Onlenmesi için 12 Basamak

10. Antimikrobiyal Kullanımının İyileştirilmesi için YÖNTEMLER • Reçete yazanların pasif eğitimi • Antimikrobiyal istem formlarının standardizasyonu • Formülerkısıtlamalar • Başlama ya da devam için reçete onayı • İlaç kullanımının multidisipliner değerlendirilmesi • Reçete yazanların interaktif eğitimi • Karar almada bilgisayar desteği/on-line istem

11. Karar destekleme araçları

12. Klinik Kararlarda Bilgisayarların Desteği Nasıl Gerçekleşir? 1. Verilerin basitleştirilmesi Tetkiksonuçlarınıngrafiksel sunumu Örnek; Tam kan sayımı sonuçlarının değerlendirilmesi Powsner SM, Tufte ER. Graphical summary of patient status. Lancet1994; 344: 386-389.

13. Klinik Kararlarda Bilgisayar Desteği 2. Hatırlatma ve uyarılar Yeni elde edilen laboratuvar sonuçlar Önceki sonuçlarla farklılık gösteren veriler Klinisyenin düşüncesini etkilerve daha iyi sonuçlar alınmasınısağlar. Johnston ME, Langton KB, Haynes RB, et al. Effects of computer-based clinical decision support systems on clinician performance and patient outcome: a critical appraisal of research. Ann Intern Med 1994; 120: 135-142.

14. Klinik Kararlarda Bilgisayar Desteği 3. İstemlerde (order) yardım İstemlerin bilgisayar tarafından gözden geçirilmesi ilaç allerjileri, ilaç etkileşmeleri, antibiyotik duyarlılıkları Bu yolla istenmeyen etkilerin önemli ölçüde azaltıldığı gösterilmiştir. Bates ES, Leape LL, Cullen DJ et al. Effect of computerized physician order entry and a team intervention on prevention of serious medication errors. JAMA 1998; 280: 1311-1316.

15. Klinik Kararlarda Bilgisayar Desteği 4.Tanıda yardım Öykü, Fizikmuayene, Laboratuvar sonuçları Olası tanı ve sorunları Geniş bir veri tabanı üzerinde mümkündür. Evans RS, Pestotnik SL, Classen DC, et al. Acomputer assistedmanagement program for antibiotics and other antiinfective agents. N Engl J Med 1998; 338: 232-238.

16. Klinik Kararlarda Bilgisayar Desteği 5.Sendromik izlem: 11 Eylül 2001 sonrası popüler yeni infeksiyonlar, antibiyotik direnci, biyoterörizm, pandemik influenza vb. NORMAL DAĞILIMDAN SAPMALARIN SAPTANMASI Syndromic surveillance for bioterrorism following the attacks on the World Trade Center-New York City, 2001. MMWR Morb Mortal Wkly Rep. 2002 Sep 11;51 Spec No:13-5. Lazarus R, Kleinman KP, Dashevsky I, DeMaria A, Platt R. Using automated medical records for rapid identification of illness syndromes (syndromic surveillance): the example of lower respiratory infection. BMC Public Health 2001;1(1):9

17. Antibiyotik Kullanımında Bilgisayar Desteği 1. Antibiyotik seçimi infeksiyon yeri hastane içinde değişen direnç toplum ya da hastane kökenli hastaya ait klinik bigiler allerjileri önceki tedaviye yanıt durumu immün yetmezliğe yol açabilecek nedenler komorbidite

18. Antibiyotik Kullanımında Bilgisayar Desteği 2. Doz ayarlaması a. İntegre olmayan bilişim sistemleri. Eczane merkezli Doz sınırlarına ayarlı Ticari programlar Duyarlı ve özgül değil b. İntegre bilişim sistemleri. Yaş, Ağırlık, Böbrek ve karaciğer fonksiyonu, İnfeksiyon yeri, Özgün ve duyarlı McMullin ST, Reichley RM, Watson LA, et al. Experience with advanced technologies that reduce medication errors. In: Proceedings, enhancing patient safety and reducing errors in health care. Chicago, National Patient Safety Foundation of the American Medical Association, 1999, p. 132-136.

19. Antibiyotik Kullanımında Bilgisayar Desteği 3.İstenmeyen İlaç etkileşimlerinden kaçınılması Yoğun bakım hastaları İlaç sayısının artması İntegre olmayan sistemler ile mümkün değildir Kaushal R, Shojania KG, Bates DW. Effects of computerized physician order entry and clinical decision support systems on medication safety: a systematic review.Arch Intern Med. 2003 Jun 23;163(12):1409-16.

20. İyi Bir Bilgisayar Destek Sisteminin Özellikleri • Hastaya ait özelleştirilmiş bilgi sunumu, • Zamandan kazanım, • İş akışı içine yerleştirilmiş olması, • Tedavi maliyetinde azalma • Hasta bakım kalitesinde artış En iyi bilinen merkezler • LDS hastanesi/anti-infektif destek programı (Salt Lake City) • Beth Israel hastanesi/HIV rehberi (Boston) • Yeni bir merkez; Danimarka; HENÜZ ÇOK YENİ!

21. Nedensel Olasılıklar (Bayezyan yaklaşım) Leibovici L, Paul M, Andreassen S. İsrail ve Danimarka, Ocak 2004

26. Antimikrobiyal Direncin Önlenmesinde 12 Basamak Adım 5: Antimikrobiyal kontrolu uygula Bilgisayarlı Antimikrobiyal Karar Desteği • Yerel, klinisyen ürünüuzlaşı rehberleri bilgisayar destekli karar destek programlarına yerleştirilir (SLC/LDS hastanesi) • 7 yılda antimikrobiyal alan 62759 hasta 1988 1994 Medicare case-mix endeksi 1.74812.0520 Hastane mortalitesi 3.65% 2.65% Hasta başına antimikrobiyal maliyeti $122.66 $51.90 Uygun zamanlı preoperatif antimikrobiyal 40% 99.1% • Antimikrobiyal direnç kontrol altında • Ters ilaç etkileri %30 azalmış Pestotnik SL, Classen DC, Evans RS, et al. Implementing antibiotic practice guidelines through computer-assisted decision support. Clinical and financial outcomes. Ann Intern Med 1996; 124: 884-890.

27. LDS Hastanesi Antibiyotik Asistanı 1. Ergönül Ö. Antibiyotik kullanımında bilgisayar programlarının rolü. Hast İnf 2003; 7(1): 21-26

28. Bilgisayar programının, antibiyotik önerilerinigeliştirirken hasta ve hastalığa ait dikkate aldığı ve hekime sunduğu bilgiler • Hastanede bulunan anti-infektifler • 5 yıllık antibiyogramlar • Hastanın son 5 yıl içinde geçirdiği infeksiyonlar • İnfeksiyonun tedavisinde poliklinik seçenekleri • Anti-infektiflerin maliyeti • Alternatif tedaviler • Hastanın allerjileri • Laboratuvar sonuçlarına ilişkin yorumlar, öneriler ve uyarılar • Kontraindikasyonlar ve indikasyonlar • Doz, kullanım yolu ve tedavi süresine ilişkin yorumlar, öneriler ve uyarılar • İlaç etkileşimleri • Fazladan ilaç verilmesi • Farmakokinetik konsültasyon

29. Antibiyotik Asistanı Ekran Görüntüsü 000000000 Doe, Jane Q E606 67yr F Dx:ABD SEPSIS Max 24 hr WBC=21.0 (21.3)Admit:07/27/98.14:55 Max 24hr Temp=38.7 (38.2) Patient’s Diff shows a left shift, max 24hr bands = 22  (11) RENAL FUNCTION: Decreased, CrCl = 50, Max 24hr Cr= 1.0 (1.1) IBWeight: 58kg ANTIBIOTIC ALLERGIES: Ampicillin, CURRENT ANTIBIOTICS: 1. 07/29/985DAYS CIPROFLOXACIN (CIPRO), VIAL 300. Q 24 hrs 2. 08/01/982DAYSAMPHOTERICIN B (FUNGIZONE), VIAL 35 Q 24 hrs Total amphotericin given = 71mg K= 3.6mg/dl 08/03/98 MAG= 2.5mg/dl 08/03/98IDENTIFIED PATHOGENSSITE COLLECTED p Gram negative Bacilli Peritoneal Fluid 07/27/98.17:12 Yeast Peritoneal Fluid 07/27/98.17:12 Torulopsis glabrata Peritoneal Fluid 07/27/98.17:12 »THERAPEUTIC SUGGESTION DOSAGE ROUTE INTERVAL Imipenem 500mg IVq12h (infuse over 1hr) Amphotericin B 35mg IV q24h (infuse over 2-4hrs) Suggested Antibiotic Duration: 10 days *Adjusted based on patient’s renal function. P=Prelim; Susceptibilities based on antibiogram or same pathogen w/ suscept. <1>Micro <2>OrganismSuscept, <3>Drug Info, <4>ExplainLogic, <5>Empiric Abx, <6>Abx Hx <7>ID Rnds, <8>Lab/Abx Levels, <9>Xray, <10>Data Input Screen, <Esc>EXIT, <F1>Help, <0>UserInput, <.>OutpatientModels, <+orF12>Change Patient

30. Bilgisayar nerede hata yapar? 1. Antibiyotik asistanının önerilerinin uygunluğunun saptanması 2. Hekimler ile uyumunun ölçülmesi 3. Programdaki yetersizlik ve yanlış önerilerin tanımlanması

31. Ergonul O, Tettelbach W, et al. Preliminary evaluation of antiinfective agent orderssupported by computer assistance. SHEA, April 2002, Salt Lake City. Tettelbach W, Ergonul O, et al. Evaluation of antibiotic orders supported by computer assistance. ICAAC, September 2002, San Diego.

33. İnfeksiyon uzmanı antibiyotik kullanımını ne zaman desteklemez? 1. Antibiyotik gereksizdir 2. Spektrum çakışması (overlapping) 3. Spektrum fazla geniştir 4. Spektrum yeterince geniş değildir 5. Daha ucuz alternatifi vardır Kunin CM, Tupasi T, Craig WA. Use of antibiotics. A briefexposition of the problem and some tentative solutions. Ann Intern Med. 1973 Oct;79(4):555-60.

34. En sık görülen yanlış antibiyotik kullanımı nedenleri HEKİM İSTEMLERİ 1. Gereksiz antibiyotik 83/306 (27%) 2. Mikrobiyoloji sonuçlarının yanlış yorumu 47/306 (15%) 3. Spektrum çakışması (overlapping)36/306 (12%) 4. Fazla geniş spektrum 20/306 (7%) BİLGİSAYAR 1. Radyolojinin yanlış yorumu58/254 (23%) 2. Mikrobiyoloji sonuçlarının yanlış yorumu 43/254 (17%) 3. Spektrum çakışması (overlapping)20/254 (8%) 4. Yeterince geniş değil18/254 (7%)