The objective of this original article was to reduce fatigue alert in our Assisted Electronic Prescription System, through the optimization in the number and quality of alerts, and the standardization of the pharmacist action when faced with the different types of alerts.

The fatigue alert we have detected in our daily practice is something frequent in Assisted Electronic Prescription (AEP) alert systems. It has been confirmed that many deficiencies are still identified, in spite of the wide experience and the literature available about the implementation of these systems. Moreover, there is a limited number of studies about their efficacy in terms of the relevance and quality of the information offered, as well as about the response of users to this information, and all this can compromise the efficacy and safety of the system.

We believe that the reason for both the originality and the relevance of these outcomes is the methodology followed, Lean Six Sigma, which presents the characteristic of being supported by a work team, that is to say, it requires consensus by users; and most of all, improvements are introduced according to the „Client Voice“ or user opinion. Regarding this, we consider that there was a enough level of participation (approximately 10% of hospital physicians).

This evaluation of the alert system by a high number of users, together with the analysis of the quality of the most frequent types of alert and the improvements implemented, will gradually generate valuable information about the real utility of alert systems in AEP programs.

Assisted Electronic Prescription Systems (AEPS) represent, in the setting of safety improvement for patients, an important support tool for making clinical decisions at the time of prescription1.

These systems have had a significant development in recent years; therefore, besides a wide range of clinical information, the majority of them include a potent system of safety alerts. However, there are few studies on their efficacy, and their clinical benefits for patients have not always been demonstrated2,3,4,5.

It has been described that the alerts generated by an AEP system are ignored in up to 49-96% of cases3. This shows a problem in user adherence to recommendations; one of the main causes for this is the high number of alerts generated (between 34 and 90% of prescriptions); moreover, these are not always relevant, specific, and easy to manage. All this will lead to the development of „fatigue“6.

Peterson and Bates7 describe „alert fatigue“ as „the state of mind resulting from receiving too many alerts, which are time-consuming and require too much mental energy, and that can be the cause for some clinically relevant alerts to go unnoticed among other non-relevant alerts“. That is to say, there is a desensitization of the user, who ignores the alerts that are not important as well as those that are important, thus compromising the objective of these alerts, which is patient safety.

Our AEP system features various information and safety levels. Firstly, it provides basic information that will make prescription easier. Secondly, it conducts a basic check of the prescription, according to a knowledge base of reference (defined regimens, maximum dosing, maximum number of treatment days, interactions, contraindications and duplications). And finally, it includes an advance check that integrates relevant patient data, such as history of allergies and certain clinical conditions, even decision algorithms, such as the renal impairment module for dose adjustment in those medications that require it, and dosing based on body weight and/or age for paediatric patients. All this will generate alerts that appear interactively and/or as a report at the end of the prescription (this option can be set up by each user based on their preferences and experience). But the prescription is never blocked, and there is no obligation to justify the decision to ignore the alert; and therefore, there is no feedback that would be required for updating the system1.

Despite this, and the fact that there has been a selection of clinically significant alerts, and these have been customized according to the clinical situation of the patient and adverse event severity, the presence of alert fatigue has been detected in our daily practice. Therefore, it is necessary to improve the efficiency of the alert system, reducing the workload but without any negative impact on patient safety.

These improvements require consensus by users and clinical committee; they must be introduced cautiously and their results must be assessed. Therefore, this project has been developed following the Lean Six Sigma (LSS) methodology; its use is not widespread in the healthcare setting, but it has already provided some successful experiences8. Indeed, this is a scientific methodology for continuous quality improvement, supported by a work team, and understanding client needs. The key idea is to apply Lean tools to eliminate any unnecessary stages without any value (waste), and reduce the cycle times (efficiency), as well as the Six Sigma Techniques in order to reduce variability and deficiencies (effectiveness and safety)9.

The objective of the present article is to optimize the number and quality of alerts in our AEP program, to standardize the action by pharmacists when faced with different types of alerts, and to increase user satisfaction.

The ideal AEP system would provide information to the user that is perceived as very useful, and achieve the adequate balance between the number of alters and the guarantee of patient safety. Our alert system already features the essential alert categories described in literature, and those characteristics defining a good alert system, such as specificity, sensitivity, clear and justified information, stating severity and the action required, and no interruption of the work flow (only the most important alerts appear in an interactive format).11 However, there is room for improvement. And this article is an approach to real practice, based on user opinion about the alert system, in terms of quantity and quality, in order to suggest measures to reduce alert fatigue.

According to the survey, the majority of prescribers (93%) claim that they read the alerts, but only 30% declare that they always follow their recommendations, which shows system alert fatigue. Prescribing physicians become sceptic regarding the validity of the system, trusting their own knowledge or assumptions, and/or underestimating the potential adverse effects of medications10. In fact, very few users (6%) acknowledge that they have detected some negative consequence by not following the recommendations. This coincides with the results of previous studies, where adverse effects have been detected only for 2.3 to 6% of those alerts ignored3.

Regarding the total number of alerts, even though it was not considered excessive by users, it has been reduced by 28%. Therefore, from visualizing an alert for each 3.6 lines modified, there is now an alert per each 5.1 lines modified. And all this without any negative impact on patient safety, because there is still a 100% proportion of alerts ignored with justification, and only those alerts ignored without justification represent a threat from the point of view of safety.

The most valued alert is that regarding drug allergies; and practically all participants (89%) answers that they would like the line of treatment to be blocked when this type of alert appears. In our case, even though there is high sensitivity, it only generates 2% of the total number of alerts, but still presents false positive results, mainly due to an incorrect record of the history of patient allergies (real allergy vs. lack of tolerance) and/or when the alert is based upon potential cross-sensitivities12,13. The improvement consisted in standardizing pharmacist action at the level of allergy coding and intervention to be conducted.

The renal impairment alert is the third most valued alert, and responsible for 25% of those alerts recorded. The information available has been reviewed and updated, in order to improve its perceived utility.

Four molecules were practically responsible for geriatric alerts, mainly regarding a gradual increase in dose and monitoring in geriatric patients when, in the majority of cases, these medications were already part of their chronic treatment; therefore, it was decided to eliminate these recommendations.

Regarding maximum doses, low adherence has been detected, which can only be corrected through pharmacist intervention.

In terms of interactions, it is known that the sensitivity and specificity of interaction alerts have a high impact on the quality and number of alerts presented. It is recommended to include only those which are clinically relevant and require some action14. The module of interactions has been reviewed and updated, and pharmacist action has been improved. Algorithms must still be introduced that combine the prescription of one or more drugs with lab test data and their adequate range; this would increase the specificity of these alerts, because one of the most frequent reasons to ignore them is the intent to monitor the patient13,15,16. The incorporation of these highly specific algorithms would also allow to alert about other contraindications in general, which is information highly valued by physicians, according to this survey.

All this has achieved a 25% reduction in false positive results; that is to say, there has been an increase in the utility of the alert systems (PPV). But alert fatigue is a complex situation, associated with a human component which determines that the user will read the alert and value its level of utility at the time of making a clinical decision. Therefore, the real impact of reducing the volume of alerts is still to be determined16,17. And even though the number of alerts has been reduced, no improvement has been achieved regarding the level of adherence by the user, who continues eliminating them instinctively. In order to improve this adherence, it will probably be necessary to inform users about these improvements; and this has been done by publishing computer graphics in the hospital intranet, and allowing for a period of adaptation.

Regarding the personal alert setup (question F), very few medical users remember that they can change their profile (after their initial training). Even though this is one of the factors most frequently mentioned in literature as an example of how to optimize the alert systems, in the study by Jung et al. it appears as the aspect least valued by physicians18. And according to the opinion of users in our centre, this is not an option that they consider essential for the improvement of the system.

One step further in order to improve process efficiency has consisted in reviewing the variability in pharmacist action when faced with the alerts. Through a training session we have standardized our action, defining how, when, who, and in which circumstances there must be an intervention.

An important aspect in the future will be to establish the relationship between making clinical decisions by alert and the quality of patient care or health outcomes. In fact, an evolution in AEP system information towards health outcomes is already being demanded14,17.

As a conclusion, there has been a quantitative and qualitative improvement in the alert system, following the LSS methodology. However, continuous maintenance will be required, with iterative refining and function monitoring, in order to ensure an optimal function of these tools for supporting clinical decision, as well as trust by the user and their ability to react when faced with the information offered,

The authors declare that there is no conflict of interests, and that there has been no funding whatsoever for this project.

To Asunción Albert, Manuela Martinez, Emilio Monte, Amparo Perisand Carmen Planells for being partof the work team for the project, and their commitment and advice.

Este trabajo original se planteó con el objetivo de reducir la fatiga por alertas de nuestro sistema de prescripción electrónica asistida, mediante la optimización del número y la calidad de las alertas y la normalización de la actuación farmacéutica ante los diferentes tipos de alertas.

El fenómeno de fatiga por alertas que hemos detectado en nuestra práctica diaria es algo que ocurre frecuentemente con los sistemas de alertas en prescripción electrónica asistida (PEA). Se ha constatado que a pesar de la amplia experiencia y la literatura disponible acerca de la implantación de estos sistemas, todavía se identifican muchas deficiencias. Además, existen pocos estudios sobre su eficacia en cuanto a la pertinencia y la calidad de la información ofrecida, así como sobre la respuesta de los usuarios ante esta información, y todo esto puede comprometer la eficacia y seguridad del sistema.

Pensamos que tanto la originalidad como la relevancia de los resultados radican en la metodología seguida, Lean Six Sigma, que se caracteriza por apoyarse en un grupo de trabajo, es decir, requiere el consenso de los usuarios, y sobretodo que las mejoras se introducen en función de la „voz del cliente“ u opinión de los usuarios. En este sentido, consideramos que hubo un alto nivel de participación (aprox. Un 10 % de los facultativos del hospital).

Esta valoración del sistema de alertas por parte de un gran número de usuarios, junto con el análisis de la calidad de los tipos de alertas más frecuentes y las mejoras introducidas, contribuyen a ir generando una valiosa información sobre la verdadera utilidad de los sistemas de alertas en los programas de PEA.

Los sistemas prescripción electrónica asistida (PEA) constituyen, en el marco de la mejora de la seguridad del paciente, un importante instrumento de soporte para la toma de decisiones clínicas en el momento de la prescripción1.

Estos sistemas se han desarrollado considerablemente en los últimos años de modo que, además de un amplio espectro de información clínica, la mayoría incluye un potente sistema de alertas de seguridad. Sin embargo, existen pocos estudios sobre su eficacia, y no siempre se ha conseguido demostrar los beneficios clínicos que suponen para el paciente2-3,4-5.

Se ha descrito que las alertas generadas en un sistema de PEA son ignoradas hasta en un 49-96% de los casos3. Esto pone de manifiesto un problema de adherencia de los usuarios a las recomendaciones, y una de las principales causas es el elevado número de alertas generadas (entre un 34-90% de las prescripciones), que, además, no siempre son pertinentes, específicas, y de fácil manejo. Todo esto introduce un fenómeno de „fatiga“6.

Peterson y Bates7 describen la „fatiga por alertas“ como „el estado mental resultante de recibir demasiadas alertas que consumen tiempo y energía mental, y que puede ser la causa de que alertas relevantes clínicamente, puedan pasar inadvertidas entre aquellas que no lo son“. Es decir, se produce una desensibilización del usuario, que ignora tanto las no importantes como las que sí lo son, comprometiendo así el objetivo de estas alertas que es la seguridad del paciente.

Nuestro sistema de PEA cuenta con varios niveles de información y seguridad. En primer lugar proporciona información básica que facilita la prescripción. En segundo lugar realiza un chequeo básico de la prescripción sobre una base de conocimiento de referencia (pautas definidas, dosis máximas, número máximo de días de tratamiento, interacciones, contraindicaciones y duplicidades). Y por último, incluye un chequeo avanzado que integra datos relevantes del paciente como antecedentes alérgicos y determinadas condiciones clínicas, incluso algoritmos de decisión, como el módulo de insuficiencia renal para el ajuste de la pauta de los medicamentos que lo requieren y la dosificación en función del peso corporal y/o edad en los pacientes pediátricos. Todo esto genera alertas que aparecen de forma interactiva y/o a modo de informe al final de la prescripción (esta opción es configurable por usuario en función de sus preferencias y experiencia). Pero en ningún caso se bloquea la prescripción ni existe obligación de justificar la decisión de ignorar la alerta, con lo que no se obtiene la retroalimentación necesaria para la actualización del sistema1.

A pesar de ello, y de que se ha realizado una selección de alertas clínicamente significativas y su parametrización en función de la situación clínica del paciente y de la gravedad de los eventos adversos, se ha constatado el fenómeno de fatiga por alertas en nuestra práctica diaria. Por consiguiente es necesario mejorar la eficiencia del sistema de alertas, reduciendo la carga de trabajo, pero sin menoscabar la seguridad para el paciente.

Estas mejoras requieren el consenso de los usuarios y un compromiso clínico, se deben introducir con precaución y evaluar los resultados. Así pues, este proyecto se ha desarrollado siguiendo la metodología Lean Six Sigma (LSS) que, aunque no está muy extendida en el ámbito sanitario, cuenta ya con alguna experiencia de éxito8. En efecto, es una metodología de mejora continua de calidad, científica, que se apoya en un grupo de trabajo y entiende las necesidades del cliente. La idea clave es aplicar las herramientas de Lean para eliminar etapas innecesarias, que no aportan valor (desperdicios) y reducir tiempos de ciclo (eficiencia), así como las técnicas de Six Sigma para reducir la variabilidad y los defectos (efectividad y seguridad)9.

El presente trabajo tiene como objetivo optimizar el número y la calidad de las alertas de nuestro programa de PEA, normalizar la actuación de los farmacéuticos ante los diferentes tipos de alertas y aumentar la satisfacción de los usuarios.

Se sometieron los resultados a la prueba de análisis estadístico z de comparación de dos proporciones. El nivel de significación establecido fue de 5%. El análisis se realizó con el programa de análisis estadísticos G-Stat 2.0.

Un sistema de PEA ideal sería el que proporciona al usuario información que percibe como muy útil y que consigue el equilibrio adecuado entre el número de alertas y la garantía de la seguridad del paciente. Nuestro sistema de alertas ya cuenta con las categorías de alertas fundamentales descritas en la bibliografía y con características que definen un buen sistema de alertas, como especificidad, sensibilidad, información clara y justificada, indicando la gravedad y acción necesaria, y no interrumpir el flujo de trabajo (solo aparecen de forma interactiva las alertas más importantes)11. Sin embargo, existen posibilidades de mejora. Y el presenta trabajo es una aproximación a la práctica real, ya que se basa en la opinión del usuario acerca del sistema de alertas, en términos de cantidad y calidad, y a partir de ahí se plantean medidas para reducir la fatiga por alertas.

Según la encuesta, la mayoría de los prescriptores afirma leer las alertas (93%), pero sólo un 30% de ellos declara seguir siempre sus recomendaciones lo que demuestra una fatiga por alertas en el sistema. Los prescriptores se vuelven escépticos en cuanto a la validez del sistema, confiando en sus propios conocimientos y asunciones y/o infraestimando los potenciales efectos adversos de los medicamentos10. De hecho, muy pocos usuarios (6%) reconocen haber detectado alguna consecuencia negativa por no seguir las recomendaciones. Esto coincide con los resultados de estudios previos, en los que se han detectado efectos adversos sólo entre 2,3-6% de las alertas ignoradas3.

En lo referente a la cantidad total de alertas, aunque no se consideraba del todo excesiva por los usuarios, se ha reducido el número total en un 28%. De modo que se ha pasado de visualizar una alerta por cada 3,6 líneas modificadas a una alerta por cada 5,1 líneas modificadas. Y todo esto sin afectar a la seguridad del paciente, ya que la proporción de alertas ignoradas de forma justificada se mantiene en el 100% y sólo las alertas ignoradas injustificadamente constituyen una amenaza desde el punto de vista de la seguridad.

La alerta más valorada es la referente a alergias medicamentosas, y prácticamente la totalidad de los encues- tados (89%) responde que le gustaría que se bloqueara la línea de tratamiento ante una alerta de este tipo. En nuestro caso, aunque la sensibilidad es muy elevada, apenas genera el 2% del total de las alertas, pero sigue presentando falsos positivos, fundamentalmente por un registro incorrecto de los antecedentes alérgicos del paciente (verdadera alergia frente a intolerancia) y/o cuando la alerta se basa en potenciales sensibilidades cruzadas12,13. La mejora consistió en estandarizar la actuación farmacéutica a nivel de la codificación de la alergia y la intervención a realizar.

La alerta de insuficiencia renal, es la tercera alerta más valorada, y responsable del 25% de las alertas registradas. Se ha revisado y actualizado la información disponible para mejorar su utilidad percibida.

Prácticamente cuatro principios activos eran los responsables de las alertas de geriatría, que hacían referencia fundamentalmente al aumento gradual de las dosis y monitorización en pacientes geriátricos, cuando, en la mayoría de los casos, estos medicamentos ya formaban parte del tratamiento crónico del paciente, por lo que se decidió eliminar estas recomendaciones.

En cuanto a las dosis máximas, se detecta una baja adherencia que solo se corrige con la intervención por parte del farmacéutico.

Respecto a las interacciones, se sabe que la sensibilidad y especificidad de las alertas de interacciones tienen un alto impacto en la calidad y número de alertas presentadas. Se recomienda incluir únicamente aquellas clínicamente relevantes y que requieren una actuación14. Se ha revisado y actualizado el módulo de interacciones, y mejorado la actuación farmacéutica. Queda pendiente la introducción de algoritmos que combinen la prescripción de uno o más fármacos con el registro de un dato analítico y los límites permitidos de éste, con lo que se conseguiría aumentar la especificidad de estas alertas, ya que una de las razones más habituales para ignorarlas es la intención de monitorizar al paciente13,15,16. La incorporación de estos algoritmos altamente específicos permitiría también alertar sobre otras contraindicaciones en general, información muy valorada por los médicos como se desprende de la encuesta.

Con todo se ha conseguido reducir en un 25% los falsos positivos, es decir, se ha incrementado la utilidad del sistema de alertas (VPP). Pero la fatiga de alertas es un fenómeno complejo, que lleva asociado un componente humano que determina el que el usuario lea la alerta y valore el grado de utilidad en el momento de tomar una decisión clínica. Por lo que el impacto real de reducir el volumen de alertas está por determinar16, 17. Así pues, a pesar de reducir el número de alertas no se ha logrado mejorar el grado de adherencia del usuario, que sigue anulándolas instintivamente. Probablemente para mejorar esta adherencia sea necesario informar de las mejoras a los usuarios, y se ha hecho a través de la publicación de una infografía en la intranet del hospital, y dejar un periodo de adaptación.

En cuanto a la configuración personal de alertas (pregunta F), muy pocos usuarios médicos recuerdan (tras una formación inicial) que la pueden cambiar. A pesar de que es uno de los factores que más se nombra en la literatura como ejemplo de cómo optimizar el sistema de alertas, en el estudio de Jung et al., es el aspecto menos valorado por los médicos18. Y atendiendo a la opinión de los usuarios en nuestro centro, tampoco es una opción que consideren fundamental para la mejora del sistema.

Un paso más para mejorar la eficiencia del proceso ha consistido en revisar la variabilidad de la actuación farmacéutica ante las alertas. Así, mediante una sesión formativa hemos normalizado nuestra actuación, definiendo cómo, cuándo, quien y en qué circunstancias se debe intervenir.

Un aspecto importante para un futuro será establecer la relación entre la toma de decisiones clínicas por la alerta y la calidad de la atención o resultados en salud. De hecho, ya se está reclamando de los sistemas de PEA una evolución de la información a resultados en salud14,17.

En conclusión, se ha mejorado cuantitativa y cualitativamente el sistema de alertas, siguiendo la metodología LSS.

Si bien, para garantizar el funcionamiento óptimo de estas herramientas de soporte a la decisión clínica, la confianza del usuario y su capacidad de reacción ante la información ofrecida, es necesario un mantenimiento continuo, con un refinamiento iterativo y monitorización de su funcionamiento.

Los autores declaran no tener conflicto de intereses, ni haber obtenido financiación alguna para este proyecto.

A Asunción Albert, Manuela Martínez, Emilio Monte, Amparo Peris y Carmen Planells por su pertenencia al grupo de trabajo del proyecto, dedicación y asesoramiento.