1

Les systèmes d’aide à la décision médicale (SADM) sont des outils ayant le potentiel d’améliorer le suivi des recommandations de pratique clinique (RPC) mais leur efficacité n’est pas systématique et les conditions de succès sont mal connues. Le « mode guidé » d’ASTI (ASTIMG) est un SADM où l’utilisateur médecin décrit de façon interactive son patient pour obtenir les traitements recommandés. Une étude en ligne d’ASTI-MG, de type avant-après, a été réalisée afin d’estimer dans quelle mesure le système permettait d’améliorer la performance des médecins généralistes vis à vis des RPC, mais aussi comment la qualité des données saisies lors de l’utilisation du système influait sur cette performance. Cinq cas cliniques étaient à résoudre, d’abord sans le système puis avec le système. Sur 2 mois, 266 généralistes ont participé et 752 couples d’ordonnances appariées (avant, après) ont été recueillis. Le taux global d’ordonnances conformes aux bonnes pratiques a significativement augmenté de 28,3 % à 64,5 %. L’augmentation est plus importante si on considère le sous-groupe des prescriptions effectuées alors que la qualité des données dans la phase après, soit avec ASTI-MG, était bonne, de 28,5 % à 86,1 %. À l’inverse, lorsque les données saisies lors de l’utilisation du système sont de mauvaise qualité, le taux de conformité des prescriptions augmente faiblement, de 28,1 % à seulement 36,6 %. Les SADM, lorsqu’ils sont bien utilisés, améliorent significativement le suivi des RPC.

Importance of data quality in health care qualityClinical decision support systems (CDSSs) have the potential to increase physician compliance with clinical practice guidelines (CPGs). However, CDSS impact is not guaranteed and the factors of success are not well known. The “guiding mode” of ASTI (ASTI-MG) is a CDSS where the user interactively describes her patient to obtain appropriate therapeutic recommendations. An on-line before-after study of ASTI-MG was performed to estimate how the system could increase practitioners’ performance with respect to CPGs, and how the quality of data input could impact this performance. Five clinical cases had to be solved, first without the system, then after using it. During a 2-month period, 266 general practitioners participated and 752 couple of prescriptions (before, after), paired by practitioner, have been collected. The overall rate of CPG-compliant orders significantly increased from 28.3% to 64.5% between the two phases. The increase is even higher in the subgroup of orders which quality of the data describing the clinical case is good, in the after phase, from 28.5% to 86.1%. Otherwise, the compliance rate increases from 28.1% to only 36.6% when the quality of the description is bad. CDSSs significantly improve physicians compliance with CPGs when they are correctly used, i.e. when data input are of good quality.