Buscar en
Revista de Calidad Asistencial
Toda la web
Inicio Revista de Calidad Asistencial Uso de tecnologías de la información para mejorar la seguridad de la prescripc...
Información de la revista
Vol. 25. Núm. 1.
Páginas 12-20 (Enero - Febrero 2010)
Compartir
Compartir
Descargar PDF
Más opciones de artículo
Visitas
6541
Vol. 25. Núm. 1.
Páginas 12-20 (Enero - Febrero 2010)
Original
Acceso a texto completo
Uso de tecnologías de la información para mejorar la seguridad de la prescripción en Atención Primaria
Using information technology to improve drug safety in primary care
Visitas
6541
J.J. López-Picazoa,
Autor para correspondencia
julioj.lopez-picazo@carm.es

Autor para correspondencia.
, J.C. Ruizb, J.F.. J.F. Sánchezc, A.. Á. Arizab, B.. B. Aguilerab, M.D. Lázaroa, G.R. Sanza
a Gerencia de Atención Primaria de Murcia, Servicio Murciano de Salud, Murcia, España
b Gerencia de Atención Primaria de Murcia, Unidad de Farmacia, Servicio Murciano de Salud, Murcia, España
c Dirección General de Tecnologías de la Información, Consejería de Sanidad de la Región de Murcia, Murcia, España
Este artículo ha recibido
Información del artículo
Resumen
Texto completo
Bibliografía
Descargar PDF
Estadísticas
Figuras (2)
Tablas (4)
Tabla 1. Características de los pacientes incluidos
Tabla 2. Indicadores de evaluación
Tabla 3. Valores obtenidos según tipo de paciente en los indicadores de evaluación
Tabla 4. Estimación de la mejora conseguida en los indicadores de evaluación
Mostrar másMostrar menos
Resumen
Objetivo

Ayudar a los médicos de familia a detectar y a prevenir problemas relacionados con interacciones medicamentosas para lograr una prescripción de más calidad y mejorar la seguridad de los pacientes.

Material y métodos

Estudio de intervención no controlado basado en metodología de evaluación y mejora de calidad. Emplazamiento: 2 áreas de salud de la Región de Murcia. Participantes: pacientes de 139 médicos de familia que utilizan habitualmente la historia clínica electrónica (más de 100 prescripciones electrónicas por semana: 188.353 individuos y 334.088 prescripciones al inicio del estudio y 202.988 individuos y 335.198 prescripciones al final del estudio). Intervención: 1) diseño de un programa informático detector de pacientes con interacciones clínicamente importantes que deberían evitarse (tipos 1 y 2 de la base de datos del Colegio Oficial de Farmacéuticos); 2) elaboración automatizada de un informe sobre éstas para cada médico, que incluye identificación del paciente, medicamentos, evidencias disponibles y recomendaciones de actuación, y 3) realización de sesiones clínicas por farmacéutico entrenado en el centro de salud coincidentes a su entrega.

Resultados

Interacciones preintervención: prevalencia del 1,29%; por paciente en riesgo el 6,57% y por médico de familia el 20,2%. Postintervención: prevalencia del 1,06% (mejora del 17,6%; p<0,000001); por paciente en riesgo el 5,17% (mejora del 21,4%; p<0,000001) y por médico de familia el 17,7 (mejora del 12,1%; p<0,001).

Conclusiones

Implantar este tipo de tecnología puede ser útil para la seguridad del paciente, por lo que debería extenderse a todos nuestros médicos. Deben valorarse otras tecnologías, como sistemas de alerta electrónica concurrentes con la prescripción para las interacciones de especial frecuencia o trascendencia.

Palabras clave:
Seguridad de medicamentos
Atención primaria Tecnología informática
Abstract
Purpose

To help family doctors to detect and prevent problems related to drug-drug interactions in order to attain a higher quality prescription and an improvement in patient safety.

Methods

Uncontrolled study of an intervention based on quality evaluation and improvement methods.

Setting

Two health areas in Murcia Region (Spain).

Patients

Subjects appointed to 139 family doctors regularly using electronic clinical records (including doctors who were producing over 100 electronic prescriptions per week: 188,953 subjects and 334.088 prescriptions at the start, and 202,988 subjects and 335.198 prescriptions at the end of study). Intervention: (1) A software able to collect patients who had clinically important drug-drug interactions those that should be avoided (BOT I+II) was designed. (2) A report on these interactions was drawn up and delivered periodically to every single doctor, including patient identification and information on the drugs involved, possible consequences, and recommendations about what to do. (3) Clinical and educative sessions given by a trained pharmacist were carried out in doctors’ health centre coinciding with their delivery.

Results

Drug-drug interactions pre-intervention: prevalence 1.29%; by patient at risk 6.57%; by doctor 20.2. Post-intervention: prevalence 1.06% (improvement 17.6%, P<.000001), by patient at risk 5.17% (improvement 21.4%, P<.000001), by doctor 17.7 (improvement 12.1, P<.001).

Conclusions

Developing this technology leads to progress in patient safety, therefore it should be extended to all our family doctors. Other technologies such as an electronic alert when prescribing should be considered, particularly for either higher frequency or important consequences interactions.

Keywords:
Drug safety
Community practice Computer technology
Texto completo

La incidencia de errores médicos y sus consecuencias tradicionalmente se han subestimado, ya que muchos pasan desapercibidos, no producen daños directamente reconocibles o se solucionan a tiempo1. El informe del Institute of Medicine “To err is human”2 dejó patente la magnitud del problema y su importancia en Atención Primaria, donde prescribir medicamentos constituye un complejo proceso de toma de decisiones sujeto a gran variabilidad y una de las principales causas de aparición de efectos adversos3–5. Suelen producirse en pacientes con enfermedades crónicas o ancianos5–9 por problemas con la dosificación o aparición de interacciones1. La mayoría de estas interacciones no ocasionan nueva clínica, si no que empeoran la de enfermedades ya tratadas o su evolución. Si aparece clínica nueva, ésta suele confundirse con una nueva enfermedad para la que se prescribe un nuevo tratamiento, y multiplica así la probabilidad de que aparezcan más interacciones.

Nuestro entorno reúne, además, condiciones que favorecen especialmente la aparición de interacciones. El aumento de la esperanza de vida y de la prevalencia de enfermedades crónicas hace habitual que muchos pacientes estén tomando varios medicamentos, importante predictor de interacciones10–13. Si en el control de estas enfermedades intervienen otros médicos además del médico de familia, el riesgo de combinar fármacos inapropiados se incrementa14–16. Por todo esto, estudios amplios en la Unión Europea y España muestran prevalencias altas (entre el 12 y el 15%)17–20, que hemos podido corroborar en nuestra comunidad autónoma21.

En este contexto, la clara apuesta del Servicio Murciano de Salud para explotar las tecnologías de la información y la comunicación (TIC) como apoyo a los procesos asistenciales y a su modelo de gestión lo ha llevado a una situación de liderazgo en este campo dentro del Sistema Nacional de Salud22. Como consecuencia, el desarrollo informático en su Atención Primaria es muy importante, con el 100% de los equipos de atención primaria dotados de historia clínica informatizada (sistema Oficina Médica Informatizada-Atención Primaria [OMI-AP]) y un 85% de las prescripciones de medicamentos realizadas de forma electrónica. Esta situación de ventaja hace especialmente útil y aconsejable el empleo de las TIC para incidir sobre problemas de uso de medicamentos en los pacientes atendidos por médicos de familia, como ya se ha demostrado en otros entornos23–25.

Objetivo

Ayudar a los médicos de familia en la detección y la prevención de problemas relacionados con las interacciones medicamentosas a fin de lograr una prescripción de más calidad y una mejora en la seguridad de los pacientes.

Material y métodos

Se diseñó un estudio de intervención no controlado basado en la metodología de evaluación y mejora de la calidad en la Gerencia de Atención Primaria de Murcia, que abarca las áreas i y vi de salud de la Región de Murcia. En 2007, fecha de inicio del estudio, contaba con 423 médicos de familia que atendían a 710.225 habitantes en 40 equipos de atención primaria. De ellos, seleccionamos aleatorizadamente 20 para informarles del ciclo de mejora e invitamos a participar a aquellos médicos de familia que utilizan la historia clínica electrónica OMI-AP de forma habitual (se entiende como tal al que realiza más de 100 prescripciones electrónicas por semana). Resultaron así incluidos los pacientes de 139 cupos de médicos de familia: un total de 188.353 individuos y 334.088 prescripciones electrónicas al inicio del estudio y de 202.988 individuos y 335.198 prescripciones en su finalización.

Detección de interacciones medicamentosas

Se construyó un programa informático capaz de revisar todas las prescripciones activas en un momento dado y realizadas a un mismo paciente a través de la historia clínica informatizada OMI-AP. Para ello se utilizó la duración del tratamiento especificado en la receta o, en su defecto, la duración estimada a través del número de dosis diarias definidas prescritas y su fecha de prescripción. Todos los principios activos que un determinado paciente pudiera estar tomando simultáneamente se analizaron en busca de interacciones.

Las interacciones se recopilaron y se catalogaron según la base de datos de medicamentos del Consejo General del Colegio Oficial de Farmacéuticos de España (BOT)26, y se seleccionaron para el estudio 383: aquéllas de mayor importancia (medicamentos cuya administración conjunta produce siempre una interacción con significación clínica [grupos BOT 1 y 2]), donde además la actitud recomendada por el propio BOT u otras fuentes de prestigio (Thomson Micromedex27 u otras28–31) sea la intervención activa (habitualmente la sustitución o la eliminación de uno de los fármacos) a fin de evitar la aparición de efectos adversos.

Selección de indicadores para evidenciar la mejora

Para medir la efectividad de la intervención se construyeron 3 indicadores:

  • 1.

    prevalencia de interacciones: proporción de pacientes en que se detecta al menos una de las interacciones seleccionadas;

  • 2.

    media de interacciones detectadas por cupo de medicina de familia,

  • 3.

    y número de interacciones detectadas por cada 100 pacientes en riesgo, se entiende como tales a aquellos individuos que están tomando más de un medicamento en el momento de la medición.

Desarrollo de la intervención

Se diseñó un informe que, a partir de los datos obtenidos por el programa, presenta (para cada médico de familia) las interacciones seleccionadas priorizadas por su frecuencia de aparición. Para cada una de ellas se ofrece su fecha de detección, el código del médico prescriptor, el tipo de interacción y los principios activos implicados, los pacientes en los que se ha detectado (número de historia OMI), los nombres comerciales de los medicamentos prescritos, el efecto de la interacción, las recomendaciones o las alternativas de prescripción, las nociones acerca de su importancia y mecanismo de acción, las evidencias disponibles y el listado de referencias bibliográficas relacionadas (fig. 1).

Figura 1.

Informe de interacciones que debe evitar el médico de familia*.

*Información contenida para cada interacción detectada. Ejemplo a partir de un caso.

(1,4MB).

Este informe se entregó en mano a cada uno de los 139 médicos de familia incluidos en el estudio durante una sesión clínica de una hora de duración realizada en el equipo de atención primaria para debatir sobre las interacciones seleccionadas más encontradas en esa fecha y las recomendaciones recogidas en el informe, a cargo de un farmacéutico especialmente entrenado. Se realizaron 7 entregas: mensual durante los meses de marzo a junio de 2007 (ambos inclusive) y posteriormente cuatrimestral hasta junio de 2008. Los médicos que iniciaron el estudio son los mismos que lo finalizaron.

Evaluación de la efectividad

La efectividad de la intervención se ha estimado calculando los indicadores seleccionados antes de la intervención (marzo, 2007) y después de ésta (junio, 2008) así como la mejora conseguida al medir la diferencia absoluta y relativa entre estos pares de valores. Para el cálculo de la mejora relativa, se ha referido la mejora absoluta al espacio de mejora posible. La significación estadística se ha obtenido utilizando pruebas unilaterales según el indicador: Z para comparación de proporciones o t de Student para comparación de medias emparejadas, y se fija como límite un valor de p = 0,05.

Control de factores de confusión

Como se ha podido corroborar en nuestro entorno21, situaciones como la edad del paciente, la presencia de enfermedad crónica o el número de medicamentos tomados condicionan la probabilidad de aparición de interacciones y pueden actuar como factores de confusión al evaluar la efectividad. Por esto, se han comparado estas características entre los individuos incluidos en las 2 evaluaciones, y se han calculado los indicadores estratificados por edad (mayores de 65 años), polimedicación (más de 4 medicamentos) y situación o no de enfermedad crónica, se entiende como tal la constancia en la historia clínica electrónica del diagnóstico de alguna de las enfermedades crónicas incluidas en la Cartera de Servicios de Atención Primaria del Servicio Murciano de Salud32.

Resultados

La distribución de los pacientes incluidos (tabla 1) muestra una mayor proporción de personas de edad avanzada y polimedicados en la segunda evaluación y un mayor número de pacientes con enfermedad crónica en la primera.

Tabla 1.

Características de los pacientes incluidos

  Pacientes incluidos  Sexo (mujeres)  Edad avanzada (>65 años)  Polimedicados*  Enfermedad crónica 
Primera evaluación
Casos, n  188.353  91.743  29.521  17.002  57.340 
–  48,7  15,7  9,0  30,4 
IC del 95%  –  48,5–48,9  15,5–15,8  8,9–9,2  30,2–30,7 
Segunda evaluación
Casos, n  202.988  98.985  32.581  20.323  59.285 
–  48,8  16,1  10,0  29,2 
IC del 95%  –  48,6–49,0  15,9–16,2  9,9–10,1  29,0–29,4 

IC: intervalo de confianza.

*

Más de 4 fármacos.

En la primera evaluación encontramos 2.805 interacciones en 2.430 de los 42.760 pacientes en riesgo por estar tomando más de un medicamento (307 pacientes/médico, IC del 95%: 300–314). En la segunda evaluación encontramos 47.742 pacientes en riesgo (343 pacientes/médico, IC del 95%: 336–351), y se detectaron 2.158 interacciones en 2.466 de ellos. Los resultados globales de los indicadores en ambas evaluaciones se recogen en la tabla 2 y se estratifican según los posibles factores de confusión en la tabla 3. La tabla 4 refleja la mejora global conseguida y su significación estadística, que se desglosa por tipo de paciente en la figura 2.

Tabla 2.

Indicadores de evaluación

  Prevalencia de interacciones  Interacciones por paciente en riesgo  Interacciones por médico de familia 
Primera evaluación
Numerador  2.430  2.805  2.805 
Denominador  188.353  42.670  139 
Valor  1,29%  6,57%  20,2 
IC del 95%  1,24–1,34  6,34–6,81  19,3–21,1 
Segunda evaluación
Numerador  2.158  2.466  2.466 
Denominador  202.988  47.742  139 
Valor  1,06%  5,17%  17,7 
IC del 95%  1,02–1,11  4,97–5,36  17,0–18,5 

IC: intervalo de confianza.

Tabla 3.

Valores obtenidos según tipo de paciente en los indicadores de evaluación

  Primera evaluaciónSegunda evaluación
  Valor  IC del 95%  Valor  IC del 95% 
Edad avanzada (> 65 años)
Prevalencia de interacciones  5,18%  4,93–5,43  4,29%  4,07–4,51 
Interacciones por paciente en riesgo  9,36%  8,94–9,77  7,20%  6,85–7,54 
Interacciones por médico de familia  12,78  12,21–13,36  11,27  10,81–11,73 
Sin edad avanzada (≤ 65 años)
Prevalencia de interacciones  0,57%  0,53–0,60  0,45%  0,41–0,48 
Interacciones por paciente en riesgo  4,34%  4,08–4,60  3,46%  3,24–3,68 
Interacciones por médico de familia  7,40  7,06–7,73  6,47  6,20–6,73 
Polimedicado (> 4 fármacos)
Prevalencia de interacciones  12,19%  11,70–12,68  9,06%  8,67–9,46 
Interacciones por paciente en riesgo  14,32%  13,80–14,85  10,43%  10,01–10,85 
Interacciones por médico de familia  17,52  16,73–17,64  15,25  14,63–15,87 
Polimedicado (≤ 4 fármacos)
Prevalencia de interacciones  0,21%  0,19–0,23  0,17%  0,15–0,19 
Interacciones por paciente en riesgo  1,44%  1,30–1,59  1,26%  1,13–1,39 
Interacciones por médico de familia  2,66  2,54–2,78  2,49  2,39–2,59 
Con enfermedad crónica*
Prevalencia de interacciones  3,53%  3,38–3,68  3,06%  2,92–3,20 
Interacciones por paciente en riesgo  7,97%  7,66–8,28  6,17%  5,91–6,43 
Interacciones por médico de familia  17,06  16,29–17,83  14,64  14,04–15,24 
Sin enfermedad crónica*
Prevalencia de interacciones  0,31%  0,28–0,34  0,24%  0,21–0,27 
Interacciones por paciente en riesgo  3,36%  3,05–3,67  2,92%  2,65–3,19 
Interacciones por médico de familia  3,12  2,98–3,26  3,10  2,97–3,23 

IC: intervalo de confianza.

*

Pacientes en cuya historia figura algún diagnóstico de enfermedad crónica incluido en la Cartera de Servicios de Atención Primaria del Servicio Murciano de Salud32.

Tabla 4.

Estimación de la mejora conseguida en los indicadores de evaluación

  Primera evaluaciónSegunda evaluaciónMejoraSignificación
  Valor  IC del 95%  Valor  IC del 95%  Absoluta  Relativa  Estadístico (Z/t)  p 
Prevalencia de interacciones  1,29%  1,24–1,34  1,06%  1,02–1,11  0,23  17,6  6,592  <0,000001 
Interacciones por paciente en riesgo  6,57%  6,34–6,81  5,17%  4,97–5,36  1,41  21,4  6,476  <0,000001 
Interacciones por médico de familia  20,2  19,3–21,1  17,7  17,0–18,5  2,4  12,1  3,159  <0,001 

IC: intervalo de confianza.

Figura 2.

Mejoras relativas obtenidas según tipo de paciente en los 2 indicadores del estudio*.

*La línea gris indica la mejora relativa global para cada uno de ellos.

(0,33MB).
Discusión

El estudio está orientado a mejorar la seguridad del paciente al que se le prescriben medicamentos. Para ello analiza las prescripciones efectuadas por los médicos de familia en una muestra amplia y representativa de la población a partir del registro existente en el sistema OMI-AP, de alcance prácticamente universal en el Servicio Murciano de Salud y amplia utilización por los médicos de familia22. La concepción y el desarrollo de una aplicación informática capaz de cruzar las prescripciones activas para cada paciente con la base de datos que contiene las interacciones seleccionando las de mayor relevancia clínica que deberían evitarse es un elemento crucial de éste.

La configuración de la base de datos a partir de la que se identificarán y se clasificarán las posibles interacciones es otra decisión importante que puede afectar a la validez externa del estudio. A pesar de que la clasificación propuesta por Hansten y Horn33 es, con más o menos modificaciones, la más comúnmente utilizada13,17,19, hemos optado por basarnos en la clasificación de la base de datos de medicamentos del Consejo General de Colegios Oficiales de Farmacéuticos de España (BOT)26, de concepción similar en cuanto a que categoriza las interacciones por su importancia y en su actualización regular. Es ampliamente usada en nuestro país, cuenta con un sistema de actualización diaria en su versión de Internet y tiene una creciente implantación en el ámbito sanitario con buenos criterios de calidad estructural34. Las interacciones están ampliamente documentadas con referencias bibliográficas actualizadas e informa de la actitud que debe adoptarse ofreciendo, cuando es necesario, una alternativa más segura. Seleccionar de entre todas ellas sólo las 383 de máxima importancia (BOT tipos 1 y 2) que exigen algún tipo de intervención activa por parte del médico se justifica por la mayor facilidad con que los clínicos hacen caso omiso de este tipo de advertencias cuando éstas son demasiado frecuentes, poco importantes o no implican actuaciones inmediatas35,36 (en nuestro caso, resto de tipos BOT o BOT tipos 1 y 2 en los que se recomienda observación o monitorización).

Los indicadores seleccionados pretenden medir diferentes dimensiones del impacto de nuestra intervención. La prevalencia de pacientes con interacciones se ha utilizado tanto en estudios descriptivos18,19,21 como de intervención37 y nos indica el nivel de seguridad de los pacientes frente a este problema en una determinada población y momento, mientras que la media de interacciones por cupo de medicina de familia representa un punto de vista más atractivo para los profesionales implicados, participantes activos en el ciclo de mejora. Por último, medir las interacciones detectadas por paciente en riesgo pretende ser una medición indirecta de la tendencia a una práctica más segura. Es sabido que las intervenciones sobre interacciones medicamentosas son menos efectivas en conseguir eliminar las interacciones previamente existentes (como aquéllas sobre las que se informa en nuestro estudio) que para evitar la repetición de esta misma interacción en un nuevo paciente23,38. Una mejora en este indicador traduce un uso más seguro de los medicamentos, bien porque los conocimientos aportados en nuestro informe evitan la incidencia de nuevas asociaciones peligrosas o bien porque se han buscado alternativas para las previamente existentes.

La estrategia de intervención utiliza una primera fase de información mensual con un doble fin: hacer conscientes a los médicos de familia de la magnitud y la trascendencia del problema (más de la cuarta parte no reconoce errores en su actividad clínica)39 y profundizar, a la luz de las evidencias aportadas, en el conocimiento farmacológico y clínico de las interacciones más comúnmente detectadas. La segunda fase distancia la periodicidad de las reuniones a fin de evitar el efecto de “cansancio” con tendencia a ignorar las recomendaciones que observan algunos autores cuando las alertas son demasiado frecuentes, en especial si se ofrecen a través de un medio electrónico40. Ésta es también una de las razones por la que decidimos complementar el informe obtenido mediante sesiones dirigidas por un farmacéutico entrenado frente a otras alternativas a nuestro alcance que juzgamos menos efectivas, como su remisión por correo electrónico, a través de nuestra intranet o mediante un aplicativo instalado en el ordenador de la consulta. Conseguimos así aprovechar también la efectividad que han demostrado las intervenciones basadas en estrategias educativas por pares41.

Conclusiones

Quizá por las razones expuestas, la intervención alcanza mejoras cercanas al 20% en los 3 indicadores seleccionados, muy significativas tanto desde el punto de vista estadístico como de la trascendencia clínica (son cientos los pacientes que han resultado exentos de riesgo [tabla 2]), similares e incluso superiores a las obtenidas por otros autores a pesar que éstos diseñaron sus intervenciones sobre un menor número de interacciones23,36. El análisis estratificado por los posibles factores de confusión demuestra su efectividad en todo tipo de pacientes, incluso alcanza, por lo general, mejores resultados en los pacientes comúnmente considerados como de mayor riesgo (ancianos, polimedicados, con enfermedad crónica, etc.), como se observa en la figura 2.

Por esto, pensamos que sería útil extender esta actividad a los médicos de familia mediante sesiones periódicas sólidamente fundamentadas y más o menos espaciadas (3–4 por año). El concurso de otras TIC, como la creación de un sistema de alerta electrónica concurrente con la prescripción para un reducido número de interacciones de especial frecuencia o trascendencia, debe valorarse a fin de complementar la actuación con medidas destinadas más directamente a reducir la incidencia de interacciones medicamentosas.

Bibliografía
[1]
S.N. Weingart, R.M. Wilson, R.W. Gibberd, B. Harrison.
Epidemiology of medical error.
BMJ, 320 (2000), pp. 774-777
[2]
L.T. Kohn, J. Corrigan, M.S. Donaldson.
To err is human: Building a safer health system.
National Academies Press, (2000),
[3]
J. Sandars, A. Esmail.
The frequency and nature of medical error in primary care: Understanding the diversity across studies.
Fam Pract, 20 (2003), pp. 231-236
[4]
L. Jacobson, G. Elwyn, M. Robling, R. Tudor-Jones.
Error and safety in primary care: No clear boundaries.
Fam Pract, 20 (2003), pp. 237-241
[5]
Estudio APEAS: estudio sobre la seguridad de los pacientes en Atención Primaria de Salud.
Ministerio de Sanidad y Consumo, (2008),
[6]
S. Vladislavona, H. Reyes-Morales, L. Torres-Arreola, M. Suárez-Ortega.
Potential drug-drug and drug-disease interactions in prescriptions for ambulatory patients over 50 years of age in family medicine clinics in Mexico City.
BMC Health Serv Res, 7 (2007), pp. 147
[7]
K. Johnell, I. Klarin.
The relationship between number of drugs and potential drug-drug interactions in the elderly: A study of over 600.000 elderly patients from the Swedish Prescribed Drug Register.
Drug Saf, 30 (2007), pp. 911-918
[8]
L. Tulner, S. Frankfort, G. Gijsen, J. Van Campen, C. Koks, J. Beinjnen.
Drug-drug interactions in a geriatric outpatient cohort: Prevalence and relevance.
Drugs Aging, 25 (2008), pp. 343-355
[9]
J.J. Gagne, V. Maio, C. Ravinowitz.
Prevalence and predictor of potential drug-drug interactions in regione Emilia-Romagna, Italy.
J Clin Pharm Ther, 33 (2008), pp. 141-151
[10]
R.A. Weideman, W.P. McKinney, I.H. Bernstein.
Predictors of potential drug interactions.
Hosp Pharm, 33 (1998), pp. 835-840
[11]
J. Coste, A. Venot.
An epidemiologic approach to drug prescribing quality assessment: A study in primary care practice in France.
Med Care, 37 (1999), pp. 1294-1307
[12]
S.E. Bedell, S. Jabbour, R. Goldberg, H. Glaser, S. Gobble, Y. Young-Xu, et al.
Discrepancies in the use of medications: Their extent and predictors in an outpatient patient.
Arch Intern Med, 160 (2000), pp. 2129-2134
[13]
L. Bjerrun, B. González, G. Petersen.
Risk factor for potential drug interactions in general practice.
Eur J Gen Pract, 14 (2008), pp. 23-29
[14]
R.M. Tamblyn, P.J. McLeod, M. Abrahamowicz, R. Laprise.
Do too many cooks spoil the broth? Multiple physician involment in medical management of elderly patients and potentially inappropriate drug combinations.
Can Med Assoc J, 154 (1996), pp. 1177-1184
[15]
T. Morera, G. Gervasini, J.A. Carrillo, J. Benitez.
Using a computerized drug prescription screening system to trace drug interactions in an outpatient setting.
Ann Pharmacother, 38 (2004), pp. 1301-1308
[16]
Y.F. Chen, A.J. Avery, K.E. Neil, C. Johnson, M.E. Dewey, I.H. Stockley.
Incidence and possible causes of prescribing potentially hazardous/contraindicated drug combinations in General Practice.
Drug Safety, 28 (2005), pp. 67-80
[17]
R. Linnarsson.
Drug interactions in primary health care.
Scand J Prim Health Care, 11 (1993), pp. 181-186
[18]
J. Merlo, H. Liedholm, U. Lindblad, A. Björck-Linné, J. Fält, G. Lindberg, et al.
Prescription with potential drug interactions dispensed at Swedish pharmacies in January 1999: Cross sectional study.
BMJ, 323 (2001), pp. 427-428
[19]
L. Bjerrum, M. Andersen, G. Petersen, J. Kragstrup.
Exposure to potential drug interactions in primary health care.
Scan J Prim Health Care, (2003),
[20]
A. Calvet, M. Díez de Ulzurrun, M.T. Pérez, J. Esteras.
Interacciones farmacológicas en tratamientos crónicos: medidas correctoras para su prevención en un área básica de salud rural.
Aten Primaria, 27 (2001), pp. 33-37
[21]
López-Picazo JJ, Ruiz JC, Sánchez Ruiz JF, Ariza A, Aguilera B, Lázaro MD, et al. Reducing drug interactions in GP prescriptions, a challenge on patient safety. En: WONCA Europe. EQUIP 5th Invitational Conference “The impact of Health System Reform on Quality in GP/FM”; 2006 Nov 23–25; Barcelona, España; 2006. p. 27.
[22]
Consejería de Sanidad de la Región de Murcia.
Estrategias para el desarrollo sostenible de la sanidad 2005–2010.
Consejería de Sanidad, (2006),
[23]
R. Tamblyn, A. Huang, R. Perreault, A. Jacques, D. Roy, J. Hanley, et al.
The medical office of the 21st century (MOXXI): Effectiveness of computerized decision-making support in reducing inappropriate prescribing in primary care.
CMAJ, 169 (2003), pp. 549-556
[24]
T. Morera, G. Gervasini, J.A. Carrillo, J. Benitez.
Using a computerized drug prescription screening system to trace drug interactions in a outpatient setting.
Ann Pharmacother, 38 (2004), pp. 1301-1306
[25]
R. Gaikwad, I. Sketris, M. Shepherd, J. Duffy.
Evaluation of accuracy of drug interaction alerts triggered by two electronic medical record systems in primary healthcare.
Health Informatics J, 13 (2007), pp. 163-177
[26]
Consejo General del Colegio Oficial de Farmacéuticos. Base de datos del medicamento del Colegio Oficial de Farmacéuticos de España (BOT). Enero 2006. Disponible en: URL: http://www.portalfarma.com/home.nsf.
[27]
Thomson Healthcare. DRUGDEX System [Internet Database] 2006 [citado 5 Feb 2006]. Disponible en: http://www.thomsonhc.com/hcs/librarian?partner=true (acceso restringido)
[28]
Stockley, I. Stockley interacciones farmacológicas: fuente bibliográfica sobre interacciones, sus mecanismos, importancia clínica y orientación terapéutica. 2 Ed. Barcelona: Ars Médica; 2006.
[29]
Lexi-Comp, Inc. Lexi-Interact online [Internet database] 2007 [citado 12 Feb 2007]. Disponible en: URL: http://www.uptodate.com/crlsql/interact/frameset.jsp.
[30]
Express Scripts, Inc. Drugdigest Interactions [Internet database] 2007 [citado 13 Feb 2007]. Disponible en: URL: http://www.drugdigest.org/wps/portal/ddigest
[31]
Drugsite Trust. Drug Interactions Checker [Internet database] 2007 [citado 13 Feb 2007]. Disponible en: UR: http://www.drugs.com/drug_interactions.html
[32]
López-Picazo JJ, Barragán A, Bravo G. Cartera de servicios de Atención Primaria 2003-2004 del Servicio Murciano de Salud. Murcia: Consejería de Sanidad de la Región de Murcia; 2003.
[33]
P.D. Hansten, J.R. Horn.
Drug interactions and updates quaterly.
Applied Therapeutics Inc, (2002),
[34]
M.O. Caraballo, A. Rodríguez, C.L. Palma, M. Nieto, T. Desongles, B. Santos.
Análisis comparativo de bases de datos de interacciones en función de indicadores de calidad estructural.
Farm Aten Prim, 5 (2007), pp. 104
[35]
R. Gaikwad, I. Sketris, M. Shepherd, J. Duffy.
Evaluation of accuracy of drug interaction alerts triggered by two electronic medical record systems in primary healthcare.
Health Informatics J, 13 (2007), pp. 163-177
[36]
K.L. Lapane, M.E. Waring, K.L. Schneider, C. Dubé, B.J. Quilliam.
A mixed method study of the merits of e-prescribing drug alerts in primary care.
J Gen Intern Med, 23 (2008), pp. 442-446
[37]
T.L. Humphries, N. Carroll, E.A. Chester, D. Magid, B. Rocho.
Evaluation of an electronic critical drug interaction program coupled with active pharmacist intervention.
Ann Pharmacother, 41 (2007), pp. 1979-1985
[38]
A.J. Grizzle, M.H. Mahmood, Y. Ko, J.E. Murphy, E.P. Armstrong, G.H. Skrepnek, et al.
Reasons provided by prescribers when overriding drug-drug interaction alerts.
Am J Manag Care, 13 (2007), pp. 573-580
[39]
F. Borrell-Carrió, C. Páez, R. Suñol, C. Orrego, N. Gil, M. Martí.
Errores clínicos y eventos adversos: percepción de los médicos de atención primaria.
Aten primaria, 38 (2006), pp. 25-32
[40]
L. Taylor, R. Tamblyn.
Reasons for physician non-adherence to electronic drug alerts.
Stud Health Technol Inform, 107 (2004), pp. 1101-1105
[41]
O’Brien MA, Rogers S, Jamtvedt G, Haynes RB, Freemantle N, Harvey EL. Educational outreach visits: Effects on professional practice and health care outcomes. Cochrane Database of Systematic Reviews [revista electrónica] 2007 [citado 1 Oct 2008];(4):CD000409. Disponible en: URL: http://mrw.interscience.wiley.com/cochrane/clsysrev/articles/CD000409/frame.html

Este trabajo se ha realizado en el seno de un proyecto para la mejora de la seguridad del paciente, becado por la Agencia Nacional de Calidad del Ministerio de Sanidad y la Consejería de Sanidad de la Región de Murcia (BOE, 6 de febrero, 2007), que los autores agradecen expresamente.

Copyright © 2009. SECA
Opciones de artículo
Herramientas
es en pt

¿Es usted profesional sanitario apto para prescribir o dispensar medicamentos?

Are you a health professional able to prescribe or dispense drugs?

Você é um profissional de saúde habilitado a prescrever ou dispensar medicamentos