En juillet 2021, NHS England a mis en place le service national Learn From Patient Safety Events (LFPSE) - un système centralisé que le personnel de santé peut utiliser pour enregistrer et accéder aux informations relatives aux événements liés à la sécurité des patients dans tout le pays en utilisant la base de données du NHS.
En tant que fournisseur fournisseur conforme à la LFPSEnous rédigeons une série d'articles de blog pour aider les professionnels de la santé à mieux comprendre ce nouveau système d'enregistrement des incidents. Si vous souhaitez connaître les bases, vous pouvez consulter notre premier article : Les cinq W de la LFPSE - Le nouveau système de déclaration des incidents au Royaume-Uni.
En guise de suivi, nous nous plongeons maintenant dans l'écosystème LFPSE et qui de mieux pour nous éclairer sur le sujet que Lucie Mussett, Senior Project Owner and Lead for LFPSE at NHS England.
Avec une formation en gestion de la politique clinique et une maîtrise en politique de santé de l'Imperial College London, Lucie fait partie de l'équipe nationale de sécurité des patients depuis 2013. Ces dernières années, elle a dirigé l'équipe de développement agile travaillant sur LFPSE - le successeur de l'actuel NRLS (National Reporting and Learning System).
Nous avons eu le privilège de discuter avec Lucie de la nécessité de la LFPSE, de l'aspect du nouveau système, de l'avenir de l'apprentissage à partir des événements liés à la sécurité des patients, etc. Jetez un coup d'œil à ce qu'elle avait à dire !
Pourquoi un nouveau service national d'enregistrement des événements liés à la sécurité des patients est-il nécessaire ? Quelles sont les principales lacunes du NRLS que la LFPSE va améliorer ?
Il y a plus de dix ans, l'Agence nationale pour la sécurité des patients prévoyait de réunir la NRLS et le StEIS afin de rationaliser la procédure et d'encourager davantage de médecins à signaler les incidents. Cependant, lorsque l'Agence a été dissoute, cette mission a été mise en suspens tandis que les responsabilités en matière de sécurité des patients ont été transférées à la nouvelle équipe nationale de sécurité des patients au sein du NHS Commissioning Board nouvellement formé, qui est devenu NHS England.
Lorsque le travail a repris, il ne s'agissait plus seulement de rationaliser NRLS et StEIS. Il s'agissait davantage de comprendre comment le personnel de santé utilise actuellement le service et comment nous aimerions qu'il l'utilise à l'avenir. Nous voulions tirer parti des différentes possibilités offertes par la technologie et améliorer les choses pour aider le personnel à fournir des soins plus sûrs. Essentiellement, nous espérions créer un système axé sur la sécurité des patients et une culture de l'apprentissage à partir des événements liés à la sécurité.
Le NRLS est un système unique en son genre, fantastique, avec une base de données de plus de 20 millions de rapports. Cependant, comme il repose sur une technologie vieille de 20 ans, il a souffert d'une certaine stagnation en termes de développement. Bien que nous ayons essayé de modifier certains aspects du service, en particulier la taxonomie, l'infrastructure ne nous permettait tout simplement pas d'apporter des changements significatifs. Il y avait des problèmes pour faire correspondre les différents champs aux structures de données locales, des défis technologiques pour sortir les données, et une limite de code qui ne nous permettait pas d'ajouter d'autres fonctionnalités/améliorations à la NRLS.
Nous avons donc décidé de tirer les enseignements de 20 ans de système NRLS et de les transposer dans le projet LFPSE afin de créer un service flexible, accessible et offrant une plus grande transparence des données. Les gens consacrent un temps précieux à enregistrer les incidents de sécurité afin d'améliorer la sécurité des patients, mais avec le système NRLS, nous n'avons pas toujours été en mesure de tirer tout le potentiel d'apprentissage de ces enregistrements, et nous avons parfois l'impression qu'ils se retrouvent dans une boîte noire. Nous avons reconnu que l'utilisation d'une technologie de pointe, telle que l'apprentissage automatique, nous permettrait d'obtenir un apprentissage et une analyse bien plus poussés de tous les incidents enregistrés. Si les données entrantes sont excellentes et répondent à certains besoins, les données sortantes constituent la véritable capacité de changement et d'apprentissage.
Pouvez-vous nous parler des mises à jour de la taxonomie de la LFPSE, de la manière dont elles seront utilisées à l'avenir et de l'amélioration de la qualité des données qu'elles apporteront ?
En ce qui concerne la taxonomie, nous avons modifié et mis à jour l'ensemble de données "qui, quoi, où, quand, pourquoi" dans la LFPSE.
Pour la question "qui", il est désormais possible d'avoir plusieurs patients impliqués dans un événement plutôt que de créer des dossiers d'incident distincts dans le cas d'événements affectant plus d'une personne.
Nous avons mis à jour certaines données catégorielles, telles que la spécialité et le type de service pour le "Où". Cela permet une plus grande granularité et une plus grande flexibilité, en particulier lorsque vous essayez de tirer des enseignements de ces données. Nous n'avons pas non plus limité ce champ à l'intérieur de votre organisation - vous pouvez enregistrer un incident lorsque vous pensez que quelque chose s'est mal passé alors que quelqu'un d'autre avait fourni des soins plus tôt dans le parcours du patient.
De même, pour "quand", nous avons ajouté l'option d'estimer le temps dans les cas où les personnes ne connaissent pas la période exacte. Tout cela dans le but d'améliorer la qualité des données, d'offrir une plus grande flexibilité et de ne pas forcer les gens à donner des réponses noires ou blanches.
C'est au niveau du "quoi" que nous avons apporté les changements les plus importants. Dans la NRLS, il existait une liste limitée de types et de sous-types d'incidents, et les enregistreurs ne pouvaient choisir qu'une seule catégorie. Cela limitait considérablement les possibilités d'analyse et d'apprentissage, car les incidents sont souvent complexes et ne peuvent être attribués à un seul paramètre, et la liste elle-même était toujours incomplète.
Pour cette raison, ils seraient simplement placés dans la catégorie "AUTRES", où ils pourraient être négligés, car la tendance est de se concentrer sur les incidents dont on sait déjà qu'ils constituent un problème et qui peuvent être facilement classés. Cela signifie également que nous manquons des occasions d'identifier des risques méconnus et d'effectuer un travail plus proactif et préventif, en particulier dans les catégories de dommages les plus faibles, ce qui est essentiel pour la sécurité.
C'est pourquoi, dans le LFPSE, nous avons essayé de décomposer les événements liés à la sécurité en éléments. Nous posons des questions sur ce qui a été physiquement impliqué (médicaments, dispositifs médicaux et autres aspects tangibles), les gens peuvent les sélectionner plusieurs fois et, en fonction de leurs réponses, ils voient d'autres questions pour déchiffrer précisément ce qui s'est passé. Certaines questions descendent de plusieurs niveaux dans les détails, tandis que d'autres sont des catégories assez larges.
La dernière partie du puzzle est le "pourquoi", qui relève du PSIRF (Patient Safety Incident Response Framework), la nouvelle politique qui remplace le Serious Incident Framework. Dans le cadre du PSIRF, au sein de la LFPSE, les personnes peuvent effectuer leurs examens, enquêtes et explorations des choses qui ont mal tourné et de leurs raisons, et enregistrer leurs apprentissages par le biais de la porte d'entrée de la LFPSE.
Tout cela est conçu pour être mis à jour au fur et à mesure que l'on dispose de plus d'informations. Comme les dossiers sont partagés automatiquement avec le service national, il n'y a pas de rechargement fastidieux en cas de mise à jour : il suffit de continuer à modifier le dossier au fur et à mesure que l'image devient plus claire, et nous aurons tous accès à ces mêmes informations au fur et à mesure que la qualité s'améliorera.
Quel rôle joue l'apprentissage automatique dans les informations recueillies au niveau national ? Quels enseignements peut-on tirer de ces données ?
L'apprentissage automatique (Machine Learning) fait l'objet d'un travail considérable en ce moment et pourrait révolutionner la manière dont nous traitons les données.
Nous recevons plus de 2,6 millions d'enregistrements par an ; c'est dans le texte libre que se trouvent toutes les informations essentielles. Cependant, à l'heure actuelle, nous n'avons la capacité de lire manuellement que 10 000 dossiers par an (généralement des événements classés comme dommages graves/décès dans la NRLS). L'apprentissage automatique va complètement changer la donne. Il n'automatisera pas l'ensemble du processus, mais identifiera des mots-clés, des signaux et des déclencheurs pour trier les enregistrements qui doivent être lus, ce qui nous permettra de faire davantage de travail préventif.
L'apprentissage automatique nous aidera également, nous l'espérons, à mieux catégoriser et étiqueter les enregistrements et à fournir au personnel de santé qui enregistre les incidents un retour d'information tangible et un soutien basé sur l'enregistrement créé. Par exemple, si vous avez enregistré un incident médicamenteux, l'algorithme peut rapidement analyser votre dossier et le LFPSE peut alors vous envoyer directement des conseils sur la préparation et l'administration du médicament en question.
Cela répondra donc à la question soulevée plus tôt, à savoir que les gens ont l'impression de prendre tout ce temps loin de leurs patients, ce qu'ils veulent, pour rédiger ce dossier, et qu'ils ne le reverront jamais, sans savoir s'il a été utile et sans savoir comment faire différemment. Au lieu d'être un processus unilatéral, cela créera un flux d'informations beaucoup plus important, qui reviendra vers les personnes et les organisations chargées de l'enregistrement d'une manière vraiment constructive et utile.
Que nous réserve l'avenir de la LFPSE et de la sécurité des patients ?
Nous avons des plans de projet pour aborder différents aspects du système, mais avec le développement Agile, vous ne savez pas vraiment ce que vous allez obtenir. Notre objectif, avec un processus de conception centré sur l'utilisateur, n'est pas seulement d'affiner ce que nous pensons devoir faire, mais de vraiment écouter nos utilisateurs pour savoir ce qu'ils veulent et ce qui va les aider à faire leur travail mieux et plus facilement.
Cela étant dit, nous avons actuellement quelques domaines d'intérêt différents. L'apprentissage automatique est un domaine important, tout comme l'application d'accès aux données, que nous utilisons pour présenter les données aux prestataires. Pour l'instant, il ne s'agit que de chiffres, de tableaux et de quelques filtres, mais nous travaillons activement avec le personnel de santé pour explorer les outils et les présentations de données qui les aideront.
Nous cherchons également à améliorer la collecte d'informations sur les caractéristiques protégées afin de soutenir nos travaux sur la lutte contre les inégalités dans les soins de santé et le déclassement de la NRLS.
Plus tard dans l'année, nous travaillerons sur un meilleur processus de collecte des données sur les événements liés à la sécurité des patients auprès des patients et de leurs familles. Actuellement, la NRLS dispose d'un formulaire électronique que le patient peut remplir. Toutefois, il faut pour cela que le patient sache que ce qui lui est arrivé est un incident lié à la sécurité des patients, qu'il comprenne le concept de sécurité des patients et qu'il sache qu'il existe quelque part une équipe à laquelle il peut signaler l'incident au moyen d'un formulaire en ligne isolé ; c'est une lourde charge pour quelqu'un qui n'est peut-être pas en forme.
Notre objectif est de trouver un meilleur moyen d'inclure le point de vue du patient et de contribuer à l'apprentissage sans faire peser cette responsabilité sur le patient.
Quel est le rôle des différents types d'événements (incidents, risques, bons soins et résultats) dans la LFPSE ?
Le NRLS a toujours été alimenté par un mélange d'éléments - parfois des risques, parfois des résultats ou des incidents liés à la sécurité des patients. Cependant, ils étaient tous soumis au même moule et devaient être rapportés dans une seule catégorie : les incidents.
Par exemple, si quelqu'un signalait un risque, il devait également fournir un niveau de préjudice, ce qui était impossible à faire puisqu'il n'y avait pas encore eu de préjudice. Nous avons donc reconnu que les gens voulaient nous parler de différents types d'événements et nous avons créé un système qui leur permettait de le faire - si vous enregistrez un risque, nous ne vous demanderons pas les coordonnées du patient ou le niveau de préjudice parce qu'ils n'existent pas. C'est la stratégie que nous avons adoptée.
L'axe de travail sur les bons soins est un sujet qui nous passionne. Nous voulions nous concentrer non seulement sur la réduction de ce qui ne va pas, mais aussi sur l'optimisation de ce qui va bien et sur les enseignements à en tirer.
À ce stade, les prestataires doivent utiliser les types d'événements "Incident" et "Bons soins", mais ont la possibilité de ne pas utiliser les types "Risque" et "Résultats". Nous gardons ces types d'événements à l'étude, mais personne n'est obligé de les utiliser. Toutefois, si vous souhaitez les utiliser, nous serions ravis d'avoir votre avis sur la manière dont ils fonctionnent et sur leur utilité pour le personnel de votre organisation.
Nous espérons qu'ils présentent un certain intérêt, mais nous devons, comme pour tous les services, tenir compte des réactions et trouver des moyens de les rendre plus conviviaux et plus efficaces pour les citoyens.