Logo Aerzteverlagszeitung
ArchivÖÄZ 2018ÖÄZ 19 - 10.10.2018

Paper of the Month: Alarm-Müdigkeit bei Warnmeldungen


Beim Übergehen von Warnmeldungen bei der automatischen Interaktionsprüfung gibt es eine große Variation – sowohl bei der Arzneimittelklasse, den medizinischen Disziplinen und bei den jeweiligen Ärzten. Eine Analyse der Log-Dateien ermöglicht ein besseres Verständnis der Alarm-Müdigkeit.

Cho et al. werteten in ihrer Studie (International Journal for Quality in Health Care, 2018) die Verordnungsmuster von 560 Ärzten über einen Zeitraum von vier Monaten in einem südkoreanischen Krankenhaus aus. In der dort eingesetzten Verordnungssoftware lösten 706 Arzneimittelkombinationen (77 Arzneimittelklassen-Kombinationen) Warnmeldungen aus.

Die Forscher verwendeten die Log-Dateien aller Verordnungen und Warnmeldungen und kombinierten sie mit den Merkmalen der verordnenden Ärzte, zum Beispiel ihre Erfahrungsstufe oder die Verordnungsfrequenz. Zusätzlich analysierten sie anhand einer Zufallsstichprobe von übergangenen Warnmeldungen (n=253) und den dazugehörigen Patientenakten den klinischen Kontext und die Angemessenheit der Overrides – das heißt das Übergehen der Warnmeldungen. Insgesamt wurden im Beobachtungszeitraum 18.360 Warnmeldungen ausgelöst, von denen 13.155 übergangen wurden (72 Prozent). Die Anzahl der Warnmeldungen und deren Varianz waren höher bei Assistenzärzten als bei Fachärzten, während Fachärzte die Warnungen häufiger übergangen. Es gab keinen Zusammenhang zwischen der Anzahl der Warnmeldungen und der Rate der übergangenen Warnmeldungen.

Anhand der medianen Anzahl von Warnmeldungen je Arzt (18) und der durchschnittlichen Override-Rate (70 Prozent) konnten die Ärzte in vier Quadranten klassifiziert werden: unerfahrene unvorsichtige Personen (überdurchschnittliche Anzahl Warnmeldungen, überdurchschnittliche Override-Rate); unerfahrene vorsichtige Personen (überdurchschnittliche Anzahl Warnmeldungen, unterdurchschnittliche Override-Rate); erfahrene vorsichtige Personen (unterdurchschnittliche Anzahl Warnmeldungen, unterdurchschnittliche Override-Rate); erfahrene unvorsichtige Personen (unterdurchschnittliche Anzahl Warnmeldungen, überdurchschnittliche Override-Rate). In der Gruppe 2 (unerfahrene vorsichtige Personen) waren 92 Prozent der so klassifizierten Personen Assistenzärzte. In dieser Gruppe lagen die Anzahl der Warnmeldungen bei knapp 97 und die Override- Rate bei 55 Prozent. In der Gruppe 4 hingegen (erfahrene unvorsichtige Personen) waren nur 54 Prozent Assistenzärzte und 46 Prozent Fachärzte. Hier waren die durchschnittliche Anzahl der Warnungen 6 und die Override-Rate 94 Prozent.

Es gab deutliche Zusammenhänge zwischen der Häufigkeit der Warnmeldungen und der Override- Rate und dem jeweiligen medizinischen Department. Beispielsweise lösten die Verordnungen in der Herzchirurgie recht viele Warnmeldungen aus, die durchschnittlich häufig übergangen wurden. Dahingegen gab es in der Anästhesie und Schmerzmedizin selten Warnmeldungen, die aber sehr häufig übergangen wurden. Ein erheblicher Anteil der Warnmeldungen (89 Prozent) konzentrierte sich auf nur fünf der 77 geprüften Arzneimittelklassen- Kombinationen. Der relative Anteil der nach Prüfung als „angemessen“ bewerteten übergangenen Warnmeldungen variierte stark je nach Arzneimittelklasse. So war das Übergehen einer Warnmeldung bezogen auf QT-prolongierende Substanzen mit Beta-Adrenozeptor-Antagonisten/ Amphetaminen und Derivaten in 75 Prozent angemessen; unter den Warnmeldungen, die sich auf nicht-steroidale Antirheumatika mit ebensolchen bezogen, wurden das Übergehen nur in 15 Prozent als angemessen bewertet.

Die Analyse von Cho et al. bestätigt, dass es eine große Variation in der Produktion und beim Übergehen von Warnmeldungen gibt. Diese Variation entsteht auf Ebene der Arzneimittelklasse und den implementierten Algorithmen, auf Ebene der medizinischen Disziplinen und auf Ebene der individuellen Ärzte. Um eine Optimierung des automatischen Interaktionen-Checks zu erreichen, sind Interventionen auf allen drei Ebenen sinnvoll. Die Studie zeigt auch, wie nützlich die Analyse von Logs ist, um das Phänomen der Alarm-Müdigkeit besser zu verstehen.

*) Prof. Dr. Dieter Schwappach, Patientensicherheit Schweiz