Yenidoğan hastalarda ilaç kaynaklı sorunlar

Abstract

Hastaneye yatışı yapılan yenidoğanlarda ilaç kaynaklı sorunların daha yüksek olmasının, kullanılan ilaçların çeşitliliği ve hastaların yaş, ağırlık ve tanılarındaki farklılıklar ile ilişkili olduğu bilinmektedir. Bu tez çalışmasında, Hacettepe İhsan Doğramacı Çocuk Hastanesi yenidoğan yoğun bakım ünitesine (YYBÜ) Şubat 2020-Haziran 2021 tarihleri arasında yatışı yapılan hastaların tüm tedavi basamaklarında tespit edilen ilaç kaynaklı sorunların (yan etki, ilaç etkileşimi ve ilaç hatası) risk matrisi kullanarak risk (olasılık ve şiddet) analizini gerçekleştirme, yapay zekâ teknolojisini kullanarak hasta odaklı bir yaklaşımla bu sorunların gerçekleşmeden tahmin edilmesini sağlayan modeller geliştirme ve bu modeller ile optimal farmakoterapinin uygulanması ile klinisyenlerin uyarı yorgunluğunu ve işyükünü azaltma amaçlanmıştır. Aynı zamanda YYBÜ'nden taburcu olan hastalarda malnütrisyon belirteci ekstrauterin büyüme geriliği (EUBG) varlığını tahmin eden bir başka modelin daha geliştirilmesi amaçlanmıştır. Toplam 412 hastanın dahil edildiği çalışmada, 98 (%23,8) hastada saptanan 49 farklı ilaç kaynaklı yan etkiden 6'sı (%12,25) objektif risk analizine göre yüksek riskli bulunmuştur. Bununla birlikte 125 (%30,4) hastada potansiyel ilaç etkileşimi ve bu hastaların 38'inde (%30,3) klinik anlamlı belirteçlere sahip ilaç etkileşimi görülmüştür. Ayrıca 75 farklı klinik anlamlı ilaç etkileşiminden 4'ü (%5,33) yüksek riskli bulunmuştur. İlaç hatalarına bakıldığında ise hastaların 174'ünde (%42,2) hekim kaynaklı (reçeteleme ve monitörizasyon), 235'inde (%57,0) hemşire kaynaklı (hazırlama ve uygulama) en az bir hata türü saptanmıştır. Çalışmaya prospektif olarak dahil edilen hastalar, R programı (caret paketi) kullanılarak 10-kat çapraz doğrulama yöntemi ile randomize olarak 70:30 oranında bütün modellerde train ve test seti olarak ayrılmıştır. Elde edilen yan etki, ilaç etkileşimi, ilaç hatası ve malnütrisyon modellerinin doğru tahmin performansını gösteren AUC değerleri sırasıyla 0,862, 0,929, 0,920 ve 0,884 olarak saptanmıştır. Sonuç olarak elde edilen risk analizleri ve yüksek performanslı tahmin modelleri ile klinik pratikte kullanılmak üzere geliştirilen web araçlarının; EUBG (http://www.softmed.hacettepe.edu.tr/NEO-DEER/), yan etki (http://softmed.hacettepe.edu.tr/NEO-DEER_Adverse_Effect/), ilaç etkileşimi (http://www.softmed.hacettepe.edu.tr/NEO-DEER_Drug_Interaction/) ve ilaç hatası (http://softmed.hacettepe.edu.tr/NEO-DEER_Medication_Error/) varlığını tahmin etmede kullanılmaya başlanmasıyla bu sorunların en aza indirileceği tahmin edilmektedir.

The higher rate of drug-related problems (DRPs) in hospitalized neonates is associated with the diversity of prescribed drugs and differences in age, weight and diagnosis. The aims of this study were (i) to perform risk (probability and severity) analysis of drug-related problems [adverse drug reactions (ADRs), drug-drug interactions (DDIs), and medication errors (MEs)] detected in all treatment steps of patients admitted to the Hacettepe Children's Hospital neonatal intensive care unit (NICU) between February 2020 and June 2021 using the risk matrix, (ii) to develop models that predict these problems before they happen with a newborn-centered approach using artificial intelligence, (iii) to reduce the alert fatigue and workload of clinicians by implementing optimal pharmacotherapy with these models. At the same time, it was aimed to develop another model that predicts the presence of a malnutrition marker extrauterine growth restriction (EUGR) in patients discharged from the NICU. A total of 412 patients were included, 6 (12.25%) of 49 different ADRs were detected in 98 (23.8%) patients were found to be high-risk based on objective risk analysis. However, potential DDIs were observed in 125 (30.4%) patients and clinically significant DDIs were observed in 38 (30.3%) of these patients. In addition, 4 (5.33%) of 75 different clinically significant DDIs were found to be high risk category. Considering the MEs, at least one type of MEs was found in 174 (42.2%) patients orignating from physicians (prescribing and monitoring), and 235 (57.0%) patients originating from nurses (preparation and administration). Patients who were included in the study prospectively randomized to train and test sets (70:30) in all models using a 10-fold cross-validation method with R Program (caret package). The AUC values demonstrated accurate prediction performance of the obtained models of ADRs, DDIs, MEs, and EUGR were found to be 0.862, 0.929, 0.920, and 0.884, respectively. As a result, it is estimated that these problems will be minimized with the use of web-tools developed for use in clinical practice with the obtained risk analyzes and high-performance prediction models to predict the presence ofEUGR (http://www.softmed.hacettepe.edu.tr/NEO-DEER/),ADRs (http://softmed.hacettepe.edu.tr/NEO-DEER_Adverse_Effect/),DDIs (http://www.softmed.hacettepe.edu.tr/NEO-DEER_Drug_Interaction/),MEs (http://softmed.hacettepe.edu.tr/NEO-DEER_Medication_Error/).