INTELLIGENCE ARTIFICIELLE : LA CLÉ POUR UNE MEILLEURE GESTION DES RUPTURES DE STOCKS ?
Réf. 022 I
Caroline GALON1, Lise DURAND1, Luz PELAEZ1, Pierre-françois ROGLIANO1, Stéphanie MOULY1, Stéphanie LE POOLE1
1 : Pharmacie, Centre Hospitalier Rives de Seine, 36 Bd du Général Leclerc, 92200 Neuilly-sur-Seine
Résumé du poster
Introduction : Les ruptures de stock (RS) de médicaments sont de plus en plus nombreuses et font désormais partie du quotidien d’une pharmacie à usage intérieur. Le suivi de ces RS est chronophage et un enjeu de taille pour les pharmaciens hospitaliers. L’objectif principal de notre travail est de participer au développement d’un outil de suivi des RS basé sur l’intelligence artificielle (IA) en collaboration avec une start-up française. L’objectif secondaire est de recueillir l’activité de gestion des RS sur une période définie en suivant des indicateurs organisationnels, médicaux et financiers.
Matériels & méthode : L’outil d’IA est inspiré d’un tableau Excel® mis en place en interne reprenant : libellé du produit, laboratoire titulaire du marché, dates de début et source d’information, dates prévue/réelle de fin de rupture, solution pour y pallier. Le développement de l’outil est réalisé grâce à des tests et des échanges réguliers entre un ingénieur et l’interne en pharmacie. En parallèle, une étude prospective est menée en interne du 15/12/19 au 30/4/20 : grâce au tableau Excel®, nous suivons les impacts thérapeutique, clinique, organisationnel et financier.
Résultats & discussion : Les échanges entre la start-up et l’interne ont mis en évidence plusieurs axes de travail pour un outil efficient : optimisation du recueil d’informations des RS à partir des sources d’information identifiées (extraction des données ANSM, contact de la start-up avec le groupement d’achat, les laboratoires…), import quotidien des stocks et des commandes en cours pour la prévision de l’évolution du stock en fonction des consommations, communication des informations via un mail quotidien reprenant : nouvelles RS, RS arrivant à terme, stocks faibles à surveiller. Lors de notre étude interne, on relève 132 RS (dont 93 (71%) débutant pendant la période d’étude), soit 127 spécialités (13% du livret thérapeutique). Au 30/4/20, 69 RS (52%) sont clôturées. Les sources d’information majeures sont : non-réception des commandes (38%), groupement d’achat (38%), ANSM (13%). Les principales solutions sont : achat pour compte (30%), surveillance du stock (29%), contingentement (13%). Les impacts thérapeutiques ont été 18 changements de spécialité, 1 changement de protocole, 1 rupture de traitement, 3 recours au traitement personnel. Un événement indésirable a été déclaré et 4 dépannages urgents ont été nécessaires. Quatorze spécialités supplémentaires ont nécessité un sur-étiquetage. L’hôpital a avancé 4 549 euros.
Conclusion : La gestion des RS a un impact organisationnel majeur et l’utilisation d’un tableur Excel® de recueil des données de RS améliore certes notre visibilité sur les RS en cours et les achats pour compte, mais reste chronophage. Bien que les impacts cliniques relevés aient été limités sur notre période d’étude, l’anticipation des RS reste un objectif qui pourrait être atteint grâce à un outil d’IA efficient, tout en permettant un gain de temps non négligeable pour les pharmaciens hospitaliers.
Mots clés : Ruptures de stock, Intelligence artificielle, Outil de gestion
Matériels & méthode : L’outil d’IA est inspiré d’un tableau Excel® mis en place en interne reprenant : libellé du produit, laboratoire titulaire du marché, dates de début et source d’information, dates prévue/réelle de fin de rupture, solution pour y pallier. Le développement de l’outil est réalisé grâce à des tests et des échanges réguliers entre un ingénieur et l’interne en pharmacie. En parallèle, une étude prospective est menée en interne du 15/12/19 au 30/4/20 : grâce au tableau Excel®, nous suivons les impacts thérapeutique, clinique, organisationnel et financier.
Résultats & discussion : Les échanges entre la start-up et l’interne ont mis en évidence plusieurs axes de travail pour un outil efficient : optimisation du recueil d’informations des RS à partir des sources d’information identifiées (extraction des données ANSM, contact de la start-up avec le groupement d’achat, les laboratoires…), import quotidien des stocks et des commandes en cours pour la prévision de l’évolution du stock en fonction des consommations, communication des informations via un mail quotidien reprenant : nouvelles RS, RS arrivant à terme, stocks faibles à surveiller. Lors de notre étude interne, on relève 132 RS (dont 93 (71%) débutant pendant la période d’étude), soit 127 spécialités (13% du livret thérapeutique). Au 30/4/20, 69 RS (52%) sont clôturées. Les sources d’information majeures sont : non-réception des commandes (38%), groupement d’achat (38%), ANSM (13%). Les principales solutions sont : achat pour compte (30%), surveillance du stock (29%), contingentement (13%). Les impacts thérapeutiques ont été 18 changements de spécialité, 1 changement de protocole, 1 rupture de traitement, 3 recours au traitement personnel. Un événement indésirable a été déclaré et 4 dépannages urgents ont été nécessaires. Quatorze spécialités supplémentaires ont nécessité un sur-étiquetage. L’hôpital a avancé 4 549 euros.
Conclusion : La gestion des RS a un impact organisationnel majeur et l’utilisation d’un tableur Excel® de recueil des données de RS améliore certes notre visibilité sur les RS en cours et les achats pour compte, mais reste chronophage. Bien que les impacts cliniques relevés aient été limités sur notre période d’étude, l’anticipation des RS reste un objectif qui pourrait être atteint grâce à un outil d’IA efficient, tout en permettant un gain de temps non négligeable pour les pharmaciens hospitaliers.
Mots clés : Ruptures de stock, Intelligence artificielle, Outil de gestion