Événements indésirables

Commentaires

Le retour d’expérience sur les événements indésirables (EI) et l’apprentissage organisationnel qui devrait en découler contribuent à la culture de sécurité [1]. Il est admis que cette culture contribue à réduire la survenue d’EI [2]. Il est donc souhaitable que tous les soignants puissent avoir connaissance des signalements d’EI, de leur analyse et des mesures correctives apportées [3]. Le respect de l’anonymat des personnes est essentiel à la pérennité du système de signalement, notamment pour son caractère non punitif [4]. Pour cela, les règles d’accès et de confidentialité sont précisées et rappelées régulièrement. La gestion informatique des EI impose un paramétrage de l’outil numérique pour des autorisations d’accès adaptées à chaque type d’utilisation. Cela est d’autant plus vrai qu’il s’agit d’un EI grave (EIG). En ce qui concerne les EI récurrents de faible gravité, le choix de ceux à suivre repose sur l’hypothèse qu’ils peuvent être précurseurs d’EIG. Cette hypothèse est fortement contestée, notamment car les circonstances de survenue des EIG et des EI de faible gravité sont rarement superposables [5]. De plus, leur analyse individuelle risque de mobiliser des ressources disproportionnées au regard du bénéfice de sécurité, quand bien même les mesures correctives préconisées seraient appliquées [6]. Cependant, il est des situations où l’analyse par des méthodes relevant des facteurs organisationnels et humains (FOH) permet d’apporter des solutions à la récurrence d’EI de gravité modérée [7]. Il convient donc de définir les objectifs et une stratégie vis-à-vis des EI récurrents à suivre : évaluation de la fréquence en vue d’une cartographie ; recherche de défaillances de cause commune à ces événements ; alimentation des comités de retour d’expérience (Crex). En fonction de ces choix, les logiciels utilisables varient essentiellement dans leur capacité à être paramétrés en fonction des besoins du moment. Si un tableur élaboré du type Excel® peut suffire pour estimer une fréquence ou alimenter un Crex, il est insuffisant pour orienter une recherche de défaillances de causes communes. En particulier, le descriptif des circonstances de survenue est essentiel pour juger du caractère réellement récurrent des EI. Les logiciels intégrant une intelligence artificielle contribuent à leur classification, moyennant une définition des synonymes [8]. L’échange avec les fournisseurs de logiciels permet de préciser les besoins de l’établissement et d’évaluer les capacités de paramétrage et de repérage des signalements d’EI méritant d’être suivis pour le type d’utilisation envisagé. Les besoins évoluant avec le temps, l’équipe de gestion des risques et la direction informatique devraient pouvoir revoir le paramétrage de façon autonome.

Références

1- Reason J. Managing the Risks of Organizational Accidents. Aldershot: Ashgate Publishing; 1997. 252 p.

2- Laurent M. La culture de sécurité : graal ou panacée ? Quel lien avec les événements indésirables. In: Qualité et sécurité des soins. Une approche alternative. Lyon: Health and Co; 2024. p. 121-122.

3- Reason J. The components of a safety culture. In: Managing the risks of organizational accidents. Aldershot: Ashgate Publishing Limited; 2017. p. 195.

4- World Health Organization (WHO). World alliance for patient safety: who draft guidelines for adverse event reporting and learning systems. From Information to Action. Geneva: WHO; 2005. 80 p. Accessible à : https://iris.who.int/server/api/core/bitstreams/ca6b372b-e56b-4229-8b47-349480a4e8b9/content (Consulté le 07-11-2026).

5- Yorio PL, Moore SM. Examining factors that influence the existence of Heinrich’s safety triangle using site-specific H&S data from more than 25,000 establishments. Risk Anal. 2018;38(4):839-852. Doi : 10.1111/risa.12869.

6- Woodier N, Burnett C, Moppett I. The value of learning from near misses to improve patient safety: a scoping review. J Patient Saf. 2023;19(1):42-47. Doi : 10.1097/PTS.0000000000001078.

7- Rousse C, Bulot M, Thellier S, Sfez M. L’analyse organisationnelle au secours des Crex : une expérience en médecine nucléaire. Techniques hospitalières. 2017;751:59-68.

8- Mertes PM, Morgand C, Barach P, et al. Validation of a natural language processing algorithm using national reporting data to improve identification of anesthesia-related adverse events: the “ADVENTURE” study. Anaesth Crit Care Pain Med. 2024;43(4):101390. Doi : 10.1016/j.accpm.2024.101390.