Il tasso di errore silenzioso: Cosa il tuo laboratorio non sta misurando

Nel 2016, a un paziente presso un ospedale regionale di medie dimensioni venne eseguita una prostatectomia radicale. L'intervento si svolse senza complicazioni. L'istologia tornò negativa. Nessun carcinoma.

Il referto bioptico che aveva guidato la decisione era corretto — per un altro paziente.

Il caso fece notizia. Ma non era un caso isolato. Era la punta visibile di una distribuzione di errori che la maggior parte dei laboratori di anatomia patologica non ha mai misurato completamente — perché i sistemi su cui operano non furono progettati per portare gli errori in superficie. Furono progettati per processare campioni.

C'è una differenza. E questa differenza costa ai pazienti — spesso in silenzio, in modi che non entrano mai nei rapporti di incidente.

Il numero che il tuo laboratorio probabilmente non ha mai visto

Se si chiede a un responsabile di patologia qual è il tasso di errore del suo laboratorio, la maggior parte cita gli errori che ha intercettato — i quasi-incidenti segnalati prima della firma del referto, i campioni richiamati prima che i risultati venissero utilizzati clinicamente.

Questi sono gli errori visibili. Rappresentano, secondo la maggior parte delle stime, una minoranza della popolazione di errori reale.

Uno studio Q-Probes del College of American Pathologists, condotto su 136 istituzioni e oltre 1,6 milioni di casi di accettazione, ha riscontrato che gli errori di identificazione dei campioni si verificavano a un tasso mediano dello 0,26% — circa uno ogni 385 casi (1). Nei laboratori con etichettatura manuale e tracciabilità cartacea, i tassi raggiungevano fino all'1,2%.

Un'altra analisi su larga scala della patologia chirurgica presso un grande centro accademico ha rilevato che le discrepanze significative di etichettatura — quelle con il potenziale di influenzare la gestione del paziente — si verificavano nello 0,75% dei casi (2).

A prima vista, questi numeri sembrano rassicuranti. Non lo sono. Un laboratorio che processa 40.000 campioni all'anno con un tasso di discrepanza dello 0,75% genera 300 errori potenzialmente consequenziali ogni anno. Più di uno per giornata lavorativa. La maggior parte dei quali, in un ambiente non-LIMS, non viene mai registrata formalmente.

La domanda non è se il tuo laboratorio ha errori. Ogni laboratorio li ha. La domanda è: Quanti dei tuoi li stai effettivamente vedendo?

Dove nascono gli errori — e perché la fase pre-analitica è l'ultima a essere esaminata

Gli errori in patologia non sono distribuiti casualmente nel workflow. Si concentrano in luoghi prevedibili — dove le informazioni cambiano mano tra persone o sistemi senza verifica automatica.

La ricerca sui tassi di errore totali in medicina di laboratorio mostra costantemente che dal 60 al 70% di tutti gli errori di laboratorio origina nella fase pre-analitica: prima che venga eseguito un singolo test, prima che un patologo veda il caso (3,4).

Le modalità di errore specifiche nella patologia anatomica sono ben documentate in letteratura:

L'etichettatura del campione al momento del prelievo è l'origine degli errori più gravi. Nome del paziente, data di nascita e sede del campione sul contenitore devono corrispondere esattamente alla richiesta. Quando non corrispondono — quando un tecnico corregge una piccola discrepanza per intuizione invece che per verifica — viene creato un errore immediatamente sepolto.

L'etichettatura delle cassette nella sala di grossing è un problema ad alta frequenza e bassa visibilità. Una cassetta collocata nel contenitore sbagliato, un blocco numerato sequenzialmente quando uno è stato tralasciato — questi errori sono difficili da intercettare visivamente.

Gli errori sui pannelli IHC rappresentano una categoria in crescita. Con pannelli di immunoistochimica sempre più complessi, la possibilità di assegnazione errata del pannello, lotto di reagente sbagliato o deviazione dal protocollo di colorazione si moltiplica.

Gli errori nella fase di refertazione sono minori in volume ma maggiori in conseguenze. Errori di trascrizione, copia-incolla da referti precedenti, contesto paziente errato applicato a un template sinottico.

Perché i sistemi tradizionali nascondono gli errori invece di misurarli

Il modello di rilevamento degli errori basato sul medico curante — un clinico mette in discussione un risultato, il laboratorio indaga, a volte viene redatto un rapporto di incidente — è un sistema di sicurezza fondamentalmente debole. Intercetta gli errori abbastanza consequenziali da suscitare una domanda. Manca tutto ciò che si trova al di sotto di quella soglia.

Gli eventi quasi-incidente in patologia — l'errore intercettato dal patologo ricevente, il campione arrivato senza richiesta — vengono raramente registrati sistematicamente. Non c'è nessun campo dove inserirli.

Il risultato è una cultura della sicurezza costruita sulla segnalazione degli incidenti piuttosto che sulla misurazione degli errori. I laboratori conoscono i propri reclami. Non conoscono il proprio tasso di errore.

Tre punti ciechi strutturali comuni ai laboratori che operano senza un LIMS moderno:

Cecità verso gli SLA. La maggior parte dei laboratori ha aspettative informali sui tempi di risposta. Senza definizioni formali di SLA, monitoraggio e alerting, le violazioni vengono scoperte retrospettivamente quando qualcuno si lamenta.

Invisibilità del carico di lavoro. Nessuno può dire in tempo reale quale patologo ha il maggior numero di casi aperti, quali casi sono in coda da più tempo, o quali casi con pannelli IHC in sospeso si stanno avvicinando a una scadenza di refertazione.

Opacità delle performance. Ogni laboratorio ha variazioni nei tempi di refertazione, nella concordanza diagnostica e nei tassi di modifica tra i suoi patologi. Quasi nessuno le ha misurate sistematicamente.

Come SlidePath colma queste lacune

Sistema di allerta in tempo reale. Ogni deviazione dallo stato atteso genera immediatamente un segnale — nel momento in cui si verifica, non durante la revisione di fine giornata. Il sistema di allerta di SlidePath è integrato in ogni transizione di workflow. Un campione che raggiunge una fase successiva con una discrepanza irrisolta da una fase precedente non può procedere senza conferma documentata.

Configurazione SLA per tipo di caso. Non tutti i casi hanno la stessa urgenza clinica. SlidePath consente di impostare parametri SLA per tipo di caso, attiva l'escalation automatica quando si avvicinano le soglie e genera report a livello gestionale sui tassi di conformità agli SLA.

Automazione della pipeline nei punti di handoff più rischiosi. La scansione del codice a barre conferma ogni transizione di workflow. L'assegnazione delle cassette, le richieste di colorazione e il routing delle code avvengono automaticamente — rimuovendo completamente la categoria di errore in ogni passaggio automatizzato.

Analytics che portano in superficie le underperformance. TAT per tipo di caso e per patologo, frequenza delle modifiche per tipo di referto, frequenza dei fallimenti QC per sessione di colorazione e lotto di reagente. Questi pattern sono invisibili finché non vengono misurati.

Assegnazione automatica dei medici basata sul carico di lavoro e sulle performance. I casi vengono assegnati automaticamente utilizzando regole configurabili che incorporano carico di lavoro in tempo reale, corrispondenza di sottospecialità e dati di performance. Un caso complesso di prostata con decisione di grading Gleason in sospeso viene instradato all'uropatologista con disponibilità diagnostica attiva.

L'obiettivo non è la sorveglianza — è la visibilità

Lo scopo di tutto questo non è creare una cultura in cui i patologi si sentano monitorati. È rendere visibile ciò che è attualmente invisibile.

I laboratori con i tassi di errore più bassi in letteratura non sono quelli con il personale più esperto. Sono quelli con i migliori sistemi di misurazione (7). Perché non si può gestire ciò che non si può misurare, e non si può misurare ciò che i propri sistemi non erano mai stati progettati per tracciare.

Prenota una revisione gratuita della sicurezza dei campioni con il team SlidePath. In 45 minuti, percorreremo il tuo attuale workflow di gestione dei campioni, mapperemo i passaggi dove gli errori originano più comunemente e ti mostreremo esattamente dove il sistema di allerta, il monitoraggio degli SLA e l'automazione della pipeline di SlidePath colmano le lacune.

Prenota la tua revisione gratuita → https://www.slidpath.com/it/demo

Fonti:

(1) Nakhleh RE, et al. (2011). Arch Pathol Lab Med.

(2) Layfield LJ, et al. (2010). Am J Clin Pathol.

(3) Plebani M. (2010). Clin Chim Acta.

(4) Bonini P, et al. (2002). Clin Chem.

(5) Lehr HA, et al. (2020). Virchows Arch.

(6) Valenstein PN. (2008). Arch Pathol Lab Med.

(7) Nakhleh RE. (2008). Arch Pathol Lab Med.