Fatigue d'alerte : quand l'alarme n'est plus entendue

Une infirmière de réanimation commence sa garde de nuit avec six patients monitorés. Dans la première heure, les moniteurs sonnent des dizaines de fois : une électrode décollée, un patient qui a bougé, une saturation qui a chuté puis est revenue seule. Sur l'ordinateur, chaque prescription qu'elle vérifie ouvre une fenêtre d'alerte, presque toujours sur des interactions que l'équipe connaît déjà. Vers trois heures du matin, une alarme sonne au lit 4 et elle termine sa note avant d'aller voir. Cette fois, l'alarme était réelle. La scène est fictive et a été écrite pour l'enseignement.

Ce texte traite de la fatigue d'alerte, le phénomène où l'exposition répétée à des alarmes et des avertissements fréquents ou sans action nécessaire entraîne une réponse plus lente ou absente. L'objectif est d'examiner ce que les études montrent sur les alertes du dossier patient informatisé et les alarmes des moniteurs, et sur ce qui aide à réduire l'excès. Si vous jouez le cas du jour dans NEXO, vous reconnaîtrez le défi : au milieu de nombreux indices, le raisonnement doit séparer ce qui est du bruit de ce qui change la conduite.

Points principaux

• La fatigue d'alerte apparaît lorsque l'excès d'avertissements peu pertinents entraîne une désensibilisation et une réponse plus lente.
• Dans plusieurs services, la majorité des alertes médicamenteuses ont été écartées par les médecins.
• Des alertes répétées pour le même patient ont réduit la probabilité d'acceptation.
• Écarter les alertes devient une habitude, et beaucoup ont été fermées en moins de trois secondes.
• Dans une unité coronarienne brésilienne, en moyenne plus de 10 alarmes par heure ont sonné.
• Réduire les répétitions, ajuster les seuils et prioriser les alertes importantes apparaissent comme des stratégies dans les études.

Qu'est-ce que la fatigue d'alerte

Une revue de portée avec 32 publications a trouvé des définitions variées, mais la plupart décrivaient la fatigue d'alarme comme un phénomène où l'exposition répétée à des alarmes fréquentes ou sans action nécessaire entraîne une surcharge sensorielle, une usure émotionnelle et une désensibilisation progressive des professionnels (Michels et collaborateurs, 2025). Le résultat est un risque accru de réponse retardée ou inadéquate et de dommage au patient.

Dans le dossier patient informatisé, le concept est similaire. La fatigue d'alerte est un phénomène où des avertissements insignifiants ou des recommandations du système d'aide à la décision apparaissent en excès et les professionnels commencent à les écarter sans considérer leur importance (Sutton et collaborateurs, 2020). Une étude sur l'habitude ajoute qu'elle résulte d'une surcharge d'alertes qui laisse le clinicien désensibilisé aux alertes suivantes (Wang et collaborateurs, 2022).

Deux mécanismes

Les auteurs d'une étude sur les alertes des essais cliniques décrivent deux facteurs proches (Embi et Leonard, 2012). Le premier est la non-pertinence des alertes et la surcharge cognitive, aussi appelée surcharge d'alertes. Le second est la baisse de la réponse à un type spécifique d'alerte à mesure que le clinicien y est exposé de façon répétée, devenant peu à peu désensibilisé.

Une étude en soins primaires a testé des hypothèses liées à ces deux mécanismes : surcharge cognitive par le volume et la complexité du travail, et désensibilisation par l'exposition répétée à la même alerte au fil du temps (Ancker et collaborateurs, 2017). Les résultats aident à séparer ce qui pèse le plus, comme on le verra plus loin.

Pourquoi le sujet intéresse le raisonnement clinique

Les alertes et les alarmes sont des indices. Un raisonnement bien entraîné pèse chaque indice pour ce qu'il apporte, et non pour la forme sous laquelle il apparaît. Quand la plupart des indices ne changent rien, le cerveau apprend à les ignorer, et celui qui compte passe avec. Le texte sur la fréquence de base dans le diagnostic explique pourquoi un signal rare perd sa valeur lorsqu'il apparaît au milieu de nombreux faux positifs.

Il existe un parallèle direct avec le diagnostic. Quand un examen de dépistage donne beaucoup de faux positifs, celui qui lit les résultats apprend à se méfier de tous, et le vrai positif est reçu avec la même méfiance. Avec les alertes, il se passe quelque chose de semblable : le problème cesse d'être la machine et devient l'attente qu'elle a créée chez celui qui l'utilise. C'est pourquoi les solutions décrites plus loin touchent autant le système que l'habitude de l'équipe.

Il faut aussi rappeler que la fatigue s'installe peu à peu. La décision d'ignorer les alarmes apparaît rarement le premier jour de travail. La réponse devient plus lente à mesure que chaque avis sans pertinence enseigne que le suivant sera probablement aussi sans pertinence, et c'est cet apprentissage silencieux que les études ci-dessous tentent de mesurer.

Alertes du dossier patient : l'ampleur du problème

Les chiffres sur le rejet des alertes se répètent dans différents pays et services. Dans un service d'urgence universitaire de Corée du Sud, 611 médecins ont pris en charge 101.186 visites, et près de deux tiers des 102.887 alertes médicamenteuses ont été rejetées (Yoo et collaborateurs, 2020). Les auteurs ont identifié 21 facteurs de risque significatifs de rejet et rappellent que ce comportement est considéré comme le principal facteur qui empêche le système de prévenir les événements indésirables.

Dans un hôpital nord-américain, les alertes d'allergie aux opioïdes, les plus déclenchées du système de prescription, ont été rejetées dans une proportion croissante jusqu'à atteindre 89,7 pour 100 alertes en 2013 (Topaz et collaborateurs, 2015). Le taux était élevé même pour les réactions graves, médiées par le système immunitaire ou potentiellement mortelles. Les alertes avec correspondance exacte entre allergie et médicament étaient rejetées moins souvent que celles avec correspondance par groupe seulement.

Pourquoi les médecins rejettent les alertes

Une étude a réuni les motifs de rejet des alertes d'interaction médicamenteuse dans 10 sites des États-Unis, avec des dossiers patients différents (Wright et collaborateurs, 2019). Les chercheurs ont trouvé 177 motifs distincts, et le nombre de motifs proposés sur chaque site variait de 3 à 100. Beaucoup de sites proposaient des motifs qui ne s'appliquaient même pas aux interactions. Trois catégories représentaient 78 rejets sur 100 : va surveiller ou prendre des précautions, sans importance clinique, et bénéfice supérieur au risque (Wright et collaborateurs, 2019).

Dans l'étude sur les opioïdes, environ un tiers des motifs désignaient des alertes sans pertinence (Topaz et collaborateurs, 2015). Les auteurs préconisent des interfaces moins interruptives et des alertes plus précises pour réduire la fatigue. Une revue sur l'aide à la décision va dans le même sens et rappelle que les médecins ayant plus de connaissances issues de l'expérience tendent à moins utiliser le système et à rejeter davantage ses alertes (Sutton et collaborateurs, 2020). La même revue cite des études où jusqu'à 95 alertes sur 100 étaient sans conséquence, avec des médecins qui souvent les désapprouvaient ou s'en méfiaient (Sutton et collaborateurs, 2020).

Quand le rejet cause un dommage

Le rejet n'est pas sans conséquence. Une étude citée dans la recherche sur l'habitude a estimé qu'aux États-Unis seulement, environ 57,6 millions d'alertes d'événements indésirables médicamenteux ont été rejetées en 2014, dont environ 5,5 millions de façon inappropriée, avec environ 196.600 événements indésirables en résultant (Wang et collaborateurs, 2022). L'alerte qui compte se trouve souvent au milieu de beaucoup d'autres qui ne comptent pas.

La revue sur l'aide à la décision rappelle aussi que les erreurs liées aux interactions médicamenteuses sont fréquentes et évitables, et que jusqu'à 65 patients hospitalisés sur 100 sont exposés à une ou plusieurs combinaisons potentiellement nocives (Sutton et collaborateurs, 2020). Le problème consiste donc à séparer le signal du bruit, et non à éteindre le signal.

Répétition, complexité et habitude

L'étude en soins primaires a trouvé qu'en moyenne, un quart des alertes médicamenteuses et un tiers des rappels cliniques qu'un médecin recevait étaient des répétitions pour le même patient dans la même année (Ancker et collaborateurs, 2017). L'acceptation des alertes était associée à la complexité du travail et aux répétitions, mais pas au volume de travail.

La probabilité d'accepter un rappel a baissé de 30 pour 100 pour chaque rappel supplémentaire par consultation et de 10 pour 100 pour chaque augmentation de cinq points de la proportion de rappels répétés (Ancker et collaborateurs, 2017). Les auteurs ont conclu que les médecins étaient moins enclins à accepter les alertes à mesure qu'ils en recevaient davantage, surtout des répétées, et que réduire les répétitions pour le même patient est une piste prometteuse.

La baisse au fil du temps

Un essai randomisé a suivi les alertes de recrutement pour des essais cliniques dans le dossier patient (Embi et Leonard, 2012). Les taux de réponse ont montré une tendance à la baisse significative au fil du temps, diminuant à chaque période, avec p < 0,0001 (Embi et Leonard, 2012). Les auteurs ont traité ce résultat comme une forme de fatigue des alertes et ont plaidé pour ajuster la fréquence et le format de ces avis (Embi et Leonard, 2012). L'exemple est utile parce que l'alerte de recrutement n'est presque jamais urgente pour le patient qui se trouve devant le médecin. Pourtant, elle dispute la même attention que les alertes de sécurité, et la baisse de réponse à un type d'avis peut se propager aux autres.

L'habitude de fermer la fenêtre

Une étude de cohorte portant sur 1152 médecins exposés à une alerte spécifique dans le dossier patient a mesuré la force de l'habitude de rejeter (Wang et collaborateurs, 2022). Rejeter des alertes augmentait la force de cette habitude, et la force de l'habitude était associée à davantage de rejets après le premier. Environ 72,5 alertes sur 100 ont été rejetées moins de 3 secondes après leur apparition, et 13,2 sur 100 en moins de 1 seconde (Wang et collaborateurs, 2022).

En moins de 1 seconde, il est difficile de lire l'alerte. Les auteurs citent des observations de terrain et des entretiens où des médecins ont développé l'habitude de rejeter les alertes, beaucoup étant fermées sans considération cognitive pertinente (Wang et collaborateurs, 2022). Le texte sur l'incertitude diagnostique discute de l'intérêt de s'arrêter quelques secondes avant de décider.

Alarmes des moniteurs en réanimation

Une étude observationnelle brésilienne a suivi une unité coronarienne d'un hôpital de cardiologie de 170 lits (Bridi et collaborateurs, 2014). Sur 40 heures d'observation, 426 alarmes ont été enregistrées : 227 provenaient de moniteurs multiparamétriques et 199 d'autres équipements, comme des pompes à perfusion, des pompes de dialyse, des ventilateurs mécaniques et des ballons intra-aortiques. La moyenne était de 10,6 alarmes par heure (Bridi et collaborateurs, 2014).

Les autrices décrivent le mécanisme en termes clairs. Quand de nombreuses alarmes masquent celles qui sont cliniquement importantes, certaines finissent désactivées, mises en sourdine ou ignorées par l'équipe, et la sécurité des patients graves est compromise (Bridi et collaborateurs, 2014). Désactiver des alarmes, cesser de les programmer ou de les configurer selon l'état du patient et régler le volume trop bas apparaissent comme des objets de recherche dans ce même travail.

L'étude rappelle aussi un paradoxe. Les alarmes des équipements conçus pour protéger le patient ont augmenté le bruit dans l'unité, les distractions et les interruptions du travail, et ont créé une fausse sensation de sécurité (Bridi et collaborateurs, 2014). La conclusion renforce l'importance de bien configurer les variables physiologiques, le volume et les paramètres des alarmes des moniteurs dans la routine de la réanimation.

Moniteurs personnalisés

Pour réduire les alarmes sans action nécessaire, les configurations peuvent devoir être ajustées pour chaque patient, mais les infirmiers omettent souvent de le faire en raison de demandes concurrentes et de la fatigue des alarmes elle-même (Ruppel et collaborateurs, 2018). Une réanimation clinique a testé un logiciel de personnalisation des alarmes et comparé deux mois avant et deux mois après l'implantation.

Les alarmes de priorité moyenne de fréquence cardiaque, de fréquence respiratoire et de pression artérielle ont baissé de façon significative, et leur durée a aussi diminué (Ruppel et collaborateurs, 2018). Les alarmes de saturation en oxygène sont restées identiques. Après l'intervention, les infirmiers ont rapporté passer moins de temps avec des alarmes sans action nécessaire, et la proportion de ceux qui disaient que les alarmes gênaient le travail et de ceux qui avaient vu une alarme importante être ignorée a baissé (Ruppel et collaborateurs, 2018).

Ce que rapporte le personnel infirmier

Une revue systématique sur la fatigue des alarmes en réanimation a réuni des études portant sur 389 infirmiers (Lewandowska et collaborateurs, 2020). Les professionnels jugeaient les alarmes gênantes et trop fréquentes, perturbant les soins et réduisant la confiance dans le système. La revue cite des travaux où les alarmes fausses ou sans importance clinique atteignaient 85 à 99 sur 100 alarmes.

Le bruit pèse aussi. La même revue cite un projet où le niveau sonore en réanimation se situait entre 47 et 77 décibels, les fausses alarmes figurant parmi les principales sources, et rappelle que le bruit gêne la communication et augmente le stress de l'équipe (Lewandowska et collaborateurs, 2020). L'exposition prolongée au bruit a été désignée comme facteur d'épuisement professionnel chez les infirmiers de soins intensifs.

Conséquences pour le patient

La revue de portée a associé la fatigue des alarmes à des réponses tardives, des défauts de communication et davantage de stress et d'épuisement chez les professionnels (Michels et collaborateurs, 2025). Parmi les conséquences directes pour le patient, les auteurs citent le sommeil perturbé par l'excès d'alarmes. Le texte sur le raisonnement clinique interprofessionnel montre comment l'équipe peut répartir la surveillance au lieu de la concentrer sur une seule personne.

Ce qui aide à réduire l'excès

La revue de portée liste des stratégies sur quatre fronts : programmes de formation, améliorations techniques comme la personnalisation des alarmes, ajustements de protocole et interventions sur l'organisation (Michels et collaborateurs, 2025). La revue sur l'aide à la décision propose de hiérarchiser et de sélectionner les alertes réellement importantes, à plus fort impact, et d'adapter les alertes aux spécialités et aux niveaux de gravité (Sutton et collaborateurs, 2020).

Stratégie	Exemple étudié	Constat	Source
Réduire les répétitions	Soins primaires	Les répétitions pour le même patient ont réduit l'acceptation	Ancker et collaborateurs, 2017
Personnaliser les alarmes de moniteur	Réanimation clinique avec logiciel	Moins d'alarmes de fréquence et de pression	Ruppel et collaborateurs, 2018
Seuils personnalisés	Signes vitaux en pédiatrie	Moins d'alarmes de fréquence cardiaque	Poole et Shah, 2018
Revoir les commentaires de rejet	Règles d'alerte en hôpital	62 règles défaillantes trouvées	Aaron et collaborateurs, 2019
Revoir les motifs de rejet	10 sites avec des dossiers différents	177 motifs distincts et beaucoup sans pertinence	Wright et collaborateurs, 2019
Hiérarchiser et personnaliser	Revue sur l'aide à la décision	Alertes par spécialité et gravité	Sutton et collaborateurs, 2020

Des alertes moins interruptives

L'étude sur les opioïdes défend des interfaces moins interruptives et des alertes plus précises (Topaz et collaborateurs, 2015). Une méta-analyse sur l'aide à la décision a classé comme interruptif le système qui s'affiche à l'écran et empêche l'utilisateur de continuer jusqu'à ce que l'alerte soit reconnue (Kwan et collaborateurs, 2020). Le choix entre interrompre et simplement informer est une décision de conception avec un effet direct sur la fatigue, et chaque service doit mesurer ce qui se passe après le changement.

Des seuils sur mesure

En pédiatrie, les signes vitaux varient beaucoup avec l'âge, et les seuils d'alarme standard sont jugés inadaptés, générant plus d'alarmes que nécessaire (Poole et Shah, 2018). Une étude a proposé des seuils personnalisés à partir de percentiles et a estimé qu'ils réduiraient les alarmes de fréquence cardiaque basse et haute jusqu'à 50 et 44 sur 100, respectivement (Poole et Shah, 2018). Dans cette estimation, la sensibilité s'établissait à 62 sur 100 et la spécificité montait à 49 sur 100 (Poole et Shah, 2018). Les auteurs rappellent que les alarmes de signes vitaux devraient être un filet de sécurité dans les soins, mais que leur gestion pendant l'hospitalisation est devenue un problème important de sécurité du patient (Poole et Shah, 2018).

L'exemple illustre une idée valable pour tout seuil. Un point de coupure identique pour tous ignore la probabilité pré-test de chaque patient, et une alarme calibrée sur la moyenne se déclenche trop aux extrêmes. Ajuster le seuil au patient, c'est appliquer au moniteur le même raisonnement qu'à un examen.

Utiliser les commentaires de ceux qui rejettent

Un hôpital a cherché à savoir si les commentaires laissés par les utilisateurs lors du rejet d'alertes aidaient à trouver des règles défectueuses (Aaron et collaborateurs, 2019). Parmi les règles étudiées, 62 étaient défectueuses, 13 pouvaient être améliorées et 45 fonctionnaient. Un exemple : une alerte suggérait de supplémenter en potassium alors que le champ de l'examen contenait une valeur non numérique, comme un échantillon hémolysé, et les médecins commentaient que le potassium était normal (Aaron et collaborateurs, 2019). Les auteurs rappellent que trop d'alertes inappropriées font perdre aux professionnels la confiance dans le système et les amènent à ignorer celles qui comptent.

Une routine possible pour l'équipe

La liste ci-dessous est didactique et a été construite à partir des stratégies citées plus haut. Elle ne remplace pas les protocoles locaux.

1. Mesurer avant de changer. Comptez combien d'alertes et d'alarmes chaque professionnel reçoit et combien sont rejetées (Yoo et collaborateurs, 2020).
2. Supprimer les répétitions. Les répétitions pour le même patient sont une cible prometteuse (Ancker et collaborateurs, 2017).
3. Écouter les motifs. Les commentaires de rejet révèlent des règles défectueuses (Aaron et collaborateurs, 2019).
4. Ajuster les seuils. Bien configurer les variables, le volume et les paramètres des moniteurs fait partie de la routine (Bridi et collaborateurs, 2014).
5. Prioriser selon la gravité. Des alertes par spécialité et par gravité réduisent le bruit (Sutton et collaborateurs, 2020).
6. Former l'équipe. Les programmes de formation figurent parmi les stratégies de réduction (Michels et collaborateurs, 2025).

Que dire de l'aide à la décision en général

Une méta-analyse portant sur 122 essais a montré que les systèmes d'aide à la décision augmentaient de 5,8 points la proportion de patients recevant les soins souhaités (Kwan et collaborateurs, 2020). Seuls 17 des 122 essais ont pris en compte la fatigue d'alertes dans la conception ou l'application du système, et le gain associé à cet aspect était faible et sans signification statistique (Kwan et collaborateurs, 2020). Ces données montrent à quel point le sujet reste peu étudié dans les essais eux-mêmes.

De retour à la scène, l'infirmière du lit 4 n'a pas ignoré l'alarme par négligence. Elle a répondu comme l'environnement l'a formée à répondre. Le texte sur les séances de morbidité et de mortalité montre comment discuter de tels événements en regardant le système, et le texte sur comment organiser le raisonnement dans le dossier patient aide à consigner ce qui a été vu et quand. Pour ceux qui décident des examens et des conduites, le texte sur la prise de décision clinique rappelle que tout indice doit être pesé selon ce qu'il change ensuite.

Comment NEXO aide à entraîner ce raisonnement

Dans NEXO, le cas du jour est fictif, avec une présentation clinique réelle et jusqu'à six indices progressifs, et vous proposez le diagnostic en cherchant le code dans la CIM-10.

Les limites d'usage du jeu sont décrites sur la page Économie de NEXO. Si vous faites de la recherche sur l'enseignement du raisonnement clinique, la page pour les Researcher explique comment prendre contact. Les professionnels qui écrivent ou révisent des cas trouvent des informations dans Curator et dans Creators, et les institutions peuvent découvrir la proposition sur la page pour les partenariats. S'entraîner avec le diagnostic différentiel et les indices et savoir trouver le bon code dans la CIM-10 complètent cet entraînement.

Questions fréquentes

La fatigue d'alertes touche-t-elle seulement les médecins ?

Elle touche fortement les infirmiers, et en réanimation les professionnels décrivent les alarmes comme gênantes et trop fréquentes (Lewandowska et collaborateurs, 2020).

Une réanimation a-t-elle beaucoup d'alarmes par heure ?

Dans une unité coronarienne brésilienne, on a compté 426 alarmes en 40 heures d'observation, soit en moyenne 10,6 par heure (Bridi et collaborateurs, 2014).

Les alertes répétées dégradent-elles la réponse ?

La probabilité d'accepter un rappel diminuait à mesure qu'augmentait la proportion de rappels répétés pour le même patient (Ancker et collaborateurs, 2017).

Rejeter des alertes peut-il devenir une habitude ?

Les rejets antérieurs renforçaient la force de l'habitude de rejeter et étaient associés à davantage de rejets par la suite (Wang et collaborateurs, 2022).

Peut-on réduire le nombre d'alarmes en toute sécurité ?

Des seuils personnalisés en pédiatrie réduiraient les alarmes de fréquence cardiaque tout en maintenant la sensibilité estimée (Poole et Shah, 2018).

Take-home messages

• La fatigue d'alertes est la désensibilisation causée par des avertissements fréquents et peu pertinents.
• La plupart des alertes médicamenteuses ont été rejetées dans plusieurs services étudiés.
• Les répétitions pour un même patient réduisent l'acceptation plus que le volume de travail.
• Ignorer devient une habitude, et beaucoup d'alertes sont fermées en moins de trois secondes.
• Aux soins intensifs, les moniteurs et autres équipements cumulent les alarmes au rythme de plusieurs par heure.
• Réduire les répétitions, ajuster les seuils, prioriser selon la gravité et écouter les raisons de l'ignorance apparaissent comme des pistes.
• L'alarme ignorée est souvent un problème du système, et pas seulement de celui qui était de garde.

Vous voulez exercer le raisonnement avec des indices progressifs ? Jouez le cas du jour.

Références

1. Aaron S, McEvoy DS, Ray S, et al. Cranky comments: detecting clinical decision support malfunctions through free-text override reasons. J Am Med Inform Assoc. 2019. PMID 30590557.
2. Ancker JS, Edwards A, Nosal S, et al. Effects of workload, work complexity, and repeated alerts on alert fatigue in a clinical decision support system. BMC Med Inform Decis Mak. 2017. PMID 28395667.
3. Bridi AC, Louro TQ, da Silva RC. Clinical Alarms in intensive care: implications of alarm fatigue for the safety of patients. Rev Lat Am Enfermagem. 2014. PMID 25591100.
4. Embi PJ, Leonard AC. Evaluating alert fatigue over time to EHR-based clinical trial alerts: findings from a randomized controlled study. J Am Med Inform Assoc. 2012. PMID 22534081.
5. Kwan JL, Lo L, Ferguson J, et al. Computerised clinical decision support systems and absolute improvements in care: meta-analysis of controlled clinical trials. BMJ. 2020. PMID 32943437.
6. Lewandowska K, Weisbrot M, Cieloszyk A, et al. Impact of Alarm Fatigue on the Work of Nurses in an Intensive Care Environment-A Systematic Review. Int J Environ Res Public Health. 2020. PMID 33202907.
7. Michels EAM, Gilbert S, Koval I, et al. Alarm fatigue in healthcare: a scoping review of definitions, influencing factors, and mitigation strategies. BMC Nurs. 2025. PMID 40542361.
8. Poole S, Shah N. Addressing vital sign alarm fatigue using personalized alarm thresholds. Pac Symp Biocomput. 2018. PMID 29218906.
9. Ruppel H, De Vaux L, Cooper D, et al. Testing physiologic monitor alarm customization software to reduce alarm rates and improve nurses' experience of alarms in a medical intensive care unit. PLoS One. 2018. PMID 30335824.
10. Sutton RT, Pincock D, Baumgart DC, et al. An overview of clinical decision support systems: benefits, risks, and strategies for success. NPJ Digit Med. 2020. PMID 32047862.
11. Topaz M, Seger DL, Lai K, et al. High Override Rate for Opioid Drug-allergy Interaction Alerts: Current Trends and Recommendations for Future. Stud Health Technol Inform. 2015. PMID 26262047.
12. Wang L, Goh KH, Yeow A, et al. Habit and Automaticity in Medical Alert Override: Cohort Study. J Med Internet Res. 2022. PMID 35171102.
13. Wright A, McEvoy DS, Aaron S, et al. Structured override reasons for drug-drug interaction alerts in electronic health records. J Am Med Inform Assoc. 2019. PMID 31329891.
14. Yoo J, Lee J, Rhee PL, et al. Alert Override Patterns With a Medication Clinical Decision Support System in an Academic Emergency Department: Retrospective Descriptive Study. JMIR Med Inform. 2020. PMID 33146626.