Kvůli špatné medikaci ročně umírají statisíce pacientů. Jak tomu zabránit?

Pochybení v medikaci představují závažný problém moderní zdravotní péče a mají dalekosáhlé důsledky jak pro pacienty, tak pro zdravotní systém. Podle WHO způsobují v celosvětovém měřítku ročně nejenom stovky tisíc úmrtí, ale také miliardové ztráty. Přitom nemalé části případů by šlo snadno předejít pomocí využití moderních technologií.

V České republice chybějí přesná statistická data o počtu úmrtí v důsledku medikačních pochybení, avšak podle odhadů Světové zdravotnické organizace (WHO) zemře v zemích EU každoročně přibližně 160 000 pacientů v důsledku lékových pochybení. Tato čísla zahrnují pochybení vzniklá při předepisování, přípravě, podávání i výdeji léčiv (World Health Organization, 2017). V nemocničním prostředí se podle autorů Classen et al. (1997) odehrává více než 30 procent všech medikačních pochybení, často v prostředích s vysokou intenzitou péče.

Podle údajů Ústavu zdravotnických informací a statistiky (ÚZIS) a Českého statistického úřadu (ČSÚ) tvoří výdaje na léčiva a zdravotnické prostředky přibližně 16–17 procent celkových výdajů na zdravotní péči, což v absolutních číslech představuje částku kolem 85–95 miliard Kč (ÚZIS/ČSÚ, 2024; AIFP, 2024). Pochybení v medikaci, která vedou k prodloužené hospitalizaci, opakovaným příjmům nebo dodatečným nákladům na léčbu, tak představují významnou zátěž jak pro státní rozpočet, tak pro jednotlivá zdravotnická zařízení (Nemocnice Třinec, 2023).

Zpráva WHO Medication Without Harm odhaduje, že až jedna třetina medikačních pochybení je preventabilní a ekonomický dopad těchto chyb dosahuje až 42 miliard USD ročně, což odpovídá téměř jednomu procentu celkových výdajů na zdravotní péči (WHO, 2017). V českém prostředí, kde se nemocnice potýkají s nedostatkem personálu a rostoucími náklady, je prevence těchto pochybení klíčová nejen pro bezpečnost pacientů, ale i pro finanční udržitelnost systému.

Jedním z nejúčinnějších nástrojů prevence medikačních chyb jsou klinické rozhodovací podpůrné systémy (CDSS), které jsou integrovány do elektronických zdravotnických záznamů a pomáhají zdravotníkům v rozhodovacím procesu. CDSS upozorňují na chybné dávkování, lékové interakce, duplicitní preskripci a poskytují doporučení založená na aktuálních klinických doporučeních.

Podle systematického přehledu publikovaného v BMC Health Services Research vedla implementace CDSS k významným finančním úsporám, zejména snížením zbytečných laboratorních testů, nadměrného předepisování antibiotik a neindikovaných transfuzí (Lewkowicz et al., 2020). Algaze et al. (2016) uvádějí, že implementace CDSS na pediatrickém oddělení intenzivní péče vedla k úspoře více než 717 000 USD ročně bez negativního dopadu na úmrtnost pacientů.

Systematické přehledy ukazují (Radley et al., 2013; Nuckols et al., 2014), že správně nasazené CDSS mohou snížit výskyt medikačních pochybení až o 50 procent, čímž se mohou výrazně snížit náklady spojené s opakovanými hospitalizacemi, právními spory a řešením nežádoucích účinků. V nemocničním prostředí, kde není dostatek expertů na farmakoterapii, hrají CDSS důležitou roli v zajištění účinnosti a bezpečnosti léčby.

Zavedení CDSS také zvyšuje efektivitu práce zdravotnického personálu. Podle autorů Higi et al. (2023) vedlo použití CDSS ke zkrácení doby rozhodování o léčbě, zatímco Campbell et al. (2023) uvádějí snížení administrativní zátěže a rychlejší reakci na změnu klinického stavu pacienta. V českých nemocnicích by tyto přínosy mohly přispět k odlehčení přetíženému personálu.

I přes nezanedbatelné počáteční investice – které se podle studií pohybují v řádu desítek amerických dolarů na pacienta (Algaze et al., 2016; Ho et al., 2023) – bývá návratnost rychlá. Například v nemocnici Brigham and Women’s Hospital v Massachusetts vedla implementace CDSS a CPOE (Computerized Physician Order Entry – elektronický systém pro zadávání ordinací lékařem, kdy jsou léčiva, vyšetření či zákroky zapisovány přímo do počítače místo papírové dokumentace, čímž se snižuje riziko chyb a umožňuje napojení na CDSS) k návratnosti investice během 26 měsíců a roční úspoře 2,7 milionu USD (Zlabek et al., 2011).

Zcela zásadní funkcionalitou CDSS jsou systémy pro kontrolu dávkování léčiv (drug dosing control). Podle metaanalýzy autorů Taheri Moghadam et al. (2021) tyto nástroje významně snižují možná pochybení, zlepšují klinické výsledky a šetří čas zdravotníkům. Studie autorů Higi et al. (2023) prokázala, že v pediatrii je použití automatizovaných dávkovacích systémů výrazně bezpečnější než manuální výpočty, které jsou u dětí náchylnější k chybám z důvodu nutnosti individuálního přepočtu dávek podle hmotnosti či věku pacienta. Systematické přehledy uvádějí (Insani et al., 2025; Lewkowicz et al., 2020), že CDSS snižují výskyt chybných dávek o více než 50 procent a přinášejí úspory v milionech dolarů ročně.

Konkrétní systémy implementované v nemocničním prostředí potvrzují přínosy CDSS. Např. DoseEdge zlepšil přesnost přípravy i.v. léčiv a snížil plýtvání (Lin et al., 2018), zatímco AUC‑řízená personalizovaná farmakokinetika (např. s využitím DoseMeRx) prokázala snížení nefrotoxicity u vankomycinu (Neely et al., 2018) a klinická surveillance (např. platformy typu Sentri7) podporuje detekci a předcházení preventabilním nežádoucím událostem (Syrowatka, 2024).

Z výše uvedeného je zřejmé, že CDSS nejsou pouze technologickou inovací, ale i strategickým prvkem ekonomicky udržitelného zdravotnictví v České republice.

Vzhledem k výše uvedenému se dva významní hráči v oblasti nemocničních informačních systémů (NIS) – INPHARMEX, spol. s r. o., tvůrce databáze AISLP, a STAPRO s. r. o., největší výrobce NIS v ČR – spojili s Farmaceutickou fakultou UK v Hradci Králové a zahájili v České republice velmi výjimečný projekt. Ten zajišťuje, že lékař je při předepisování léčivých přípravků přímo v NIS upozorněn na možné překročení doporučené nebo maximální dávky. Tento CDSS je integrovanou součástí nemocničního informačního softwaru FONS Enterprise a má certifikaci zdravotnického prostředku, což garantuje jeho maximální bezpečnost. Výstupem nástroje je zároveň signál, který má sloužit lékaři jako podpora při rozhodování o farmakoterapii u konkrétního pacienta, a tím přispívá k individualizaci léčby s důrazem na účinnost a bezpečnost.

Citace:

1. World Health Organization. Medication Without Harm. 2017. [online]. [cit. 2025‑09‑15]. Dostupné z: https://iris.who.int/bitstream/handle/10665/255263/WHO‑HIS‑SDS‑2017.6‑eng.pdf?sequence=1.
2. Ústav zdravotnických informací a statistiky ČR, Český statistický úřad. Zdravotnické účty ČR 2010–2022. Praha: ÚZIS, 2024. [online]. [cit. 2025‑09‑15]. Dostupné z: https://csu.gov.cz/vydaje‑na‑zdravotni‑peci.
3. Asociace inovativního farmaceutického průmyslu. Výroční zpráva 2024. Praha: AIFP, 2024. [online]. [cit. 2025‑09‑15]. Dostupné z: https://aifp.cz/file/3733/AIFP%20Vy%CC%81roc%CC%8Cni%CC%81%20zpra%CC%81va%202024.pdf.
4. Nemocnice Třinec. Medikační pochybení – příčiny a důsledky. Interní metodický materiál. 2023. [online]. [cit. 2025‑09‑15]. Dostupné z: https://www.nemtr.cz.
5. Classen DC, Pestotnik SL, Evans RS, et al. Adverse drug events in hospitalized patients. Excess length of stay, extra costs, and attributable mortality. JAMA. 1997;277(4):301–306.
6. Lewkowicz D, Wohlbrandt A, Boettinger E. Economic impact of clinical decision support interventions based on electronic health records. BMC Health Serv Res. 2020;20(1):871.
7. Algaze CA, Wood M, Pageler NM, et al. Use of a Checklist and Clinical Decision Support Tool Reduces Laboratory Use and Improves Cost. Pediatrics. 2016;137(1):e20143019.
8. Radley DC, Wasserman MR, Olsho LE, et al. Reduction in medication errors in hospitals due to adoption of computerized provider order entry systems. J Am Med Inform Assoc. 2013;20(3):470–476.
9. Nuckols TK, Smith‑Spangler C, Morton SC, et al. The effectiveness of computerized order entry at reducing preventable adverse drug events and medication errors in hospital settings: a systematic review and meta‑analysis. Syst Rev. 2014;3:56.
10. Higi L, Schmitt R, Käser K, et al. Impact of a clinical decision support system on paediatric drug dose prescribing: a randomised within‑subject simulation trial. BMJ Paediatr Open. 2023;7(1):e001726.
11. Campbell IM, Karavite DJ, Mcmanus ML, et al. Clinical decision support with a comprehensive in‑EHR patient tracking system improves genetic testing follow up. J Am Med Inform Assoc. 2023;30(7):1274–1283.
12. Ho DR, Kaplan R, Bergman J, et al. Health System Perspective on Cost for Delivering a Decision Aid for Prostate Cancer Using Time‑driven Activity‑based Costing. Med Care. 2023;61(10):681–688.
13. Zlabek JA, Wickus JW, Mathiason MA. Early cost and safety benefits of an inpatient electronic health record. J Am Med Inform Assoc. 2011;18(2):169–172.
14. Taheri Moghadam S, Sadoughi F, Velayati F, et al. The effects of clinical decision support system for prescribing medication on patient outcomes and physician practice performance: a systematic review and meta‑analysis. BMC Med Inform Decis Mak. 2021;21(1):98.
15. Insani WN, Zakiyah N, Puspitasari IM, et al. Digital Health Technology Interventions for Improving Medication Safety: Systematic Review of Economic Evaluations. J Med Internet Res. 2025;27:e65546.
16. Lin AC, Deng Y, Thaibah H, et al. The impact of using an intravenous workflow management system (IVWMS) on cost and patient safety. Int J Med Inform. 2018;115:73–79.
17. Neely MN, Kato L, Youn G, et al. Prospective Trial on the Use of Trough Concentration versus Area under the Curve To Determine Therapeutic Vancomycin Dosing. Antimicrob Agents Chemother. 2018;62(2):e02042‑17.
18. Syrowatka A, Motala A, Lawson E, et al. Computerized Clinical Decision Support To Prevent Medication Errors and Adverse Drug Events: Rapid Review. 2024 Feb. In: Making Healthcare Safer IV: A Continuous Updating of Patient Safety Harms and Practices [Internet]. Rockville (MD): Agency for Healthcare Research and Quality (US); 2023.