Журнал «Боль. Суставы. Позвоночник» Том 15, №3, 2025

Актуальність. Безпечне знеболювання ускладнюється поліпрагмазією, взаємодією препаратів і браком часу — це підкреслює потребу в цифрових інструментах підтримки. Мета: оцінити клінічну доцільність та вплив на безпеку цифрової платформи перевірки взаємодії лікарських засобів (drug-drug interaction, DDI) — Safety Analgesics Use Tool (SAUT) — у контексті ведення болю, пов’язаного з травмою. Платформа була розроблена для зниження частоти побічних реакцій на лікарські засоби (adverse drug reactions, ADRs) шляхом підтримки більш безпечного їх призначення пацієнтам, які отримують багато препаратів. ­Матеріали та ­методи. Проведено проспективне відкрите когортне дослідження у трьох клінічних центрах України за участю 76 дорослих пацієнтів (38 у кожній групі) з післятравматичним або постампутаційним болем, які одночасно отримували три препарати чи більше. Основні кінцеві точки: кількість виявлених та попереджених високоризикових DDI, частота ADR та задоволеність лікарів використанням інструмента. ­Результати. Середній вік пацієнтів становив приблизно 42 роки в обох групах. Учасники чоловічої статі переважали (79 % у контролі проти 76 % у групі SAUT), що відповідає типовому розподілу для популяцій із бойовою або травматичною етіологією болю. Частка пацієнтів із постампутаційним болем була трохи вищою у групі SAUT (42,1 проти 36,8 %). Частота ADR зростала пропорційно кількості призначених препаратів: приблизно 8 % при трьох препаратах, 15 % при чотирьох, 24 % при п’яти, 36 % при шести і понад 50 % при семи або більше. Така експоненційна тенденція підтверджує відомі ризики поліпрагмазії, тепер також доведені в популяції з травматичним болем. Висновки. Платформа SAUT продемонструвала клінічну доцільність та потенціал покращення безпеки медикаментозного лікування болю в пацієнтів із травмою. Вона має перспективи як інструмент підтримки клінічних рішень у реальному часі, особливо у випадках високого ризику та поліпрагмазії. Потрібні масштабніші рандомізовані дослідження.

Background. Safe pain management is challenged by polypharmacy, drug-drug interactions (DDIs), and time pressure, highlighting the need for digital tools to support safer analgesic use. This study purposed to evaluate the clinical feasibility and safety impact of a digital DDI checking platform, the Safety Analgesics Use Tool (SAUT), in the management of trauma-related pain. The platform was designed to reduce adverse drug reactions (ADRs) by supporting safer prescribing decisions in patients receiving multiple medications. Materials and ­methods. A prospective, open-label cohort study was conducted at three Ukrainian clinical centres. It involved 76 adult patients (equally divided into two groups: a control one and a SAUT-assisted group) experiencing post-traumatic or post-amputation pain and receiving three or more concurrent medications. Primary endpoints included: the number of high-risk DDIs identified and prevented, the incidence of ADRs, and physician satisfaction with the tool’s utility. Results. The mean age in both groups was approximately 42 years, with a predominance of male participants (79 % in the control vs. 76 % in the SAUT group), consistent with typical post-traumatic pain demographics in military or conflict-related populations. Amputation-related pain was slightly more frequent in the SAUT group (42.1 vs. 36.8 %). ADR incidence increased proportionally with the number of prescribed drugs: ~ 8 % with three drugs, 15 % with four, 24 % with five, 36 % with six, and > 50 % with seven or more. This exponential pattern reflects known risks associated with polypharmacy, here confirmed in a trauma population. Conclusions. The SAUT platform demonstrated clinical feasibility and the potential to enhance medication safety in pain management for trauma patients. It offers promise as a real-time clinical decision support tool, especially in high-risk, polypharmacy settings.

лікування болю; цифрове здоров’я; поліпрагмазія; допомога при травмах; побічні реакції на ліки

pain management; digital health; polypharmacy; trauma care; adverse drug reactions

1. Dmytriiev D, Garland EL. Chronic pain during 60 days of war: the impact of the Russian war on Ukrainian patients. J Public Health (Berl). 2024 Apr. doi: 10.1007/s10389-024-02243-w.
2. Bergauer L, Braun J, Roche TR, et al. Avatar-based patient monitoring improves information transfer, diagnostic confidence and reduces perceived workload in intensive care units: computer-based, multicentre comparison study. Sci Rep. 2023 Apr 11;13(1):5908. doi: 10.1038/s41598-023-33027-z.
3. Tscholl DW, Handschin L, Neubauer P, et al. Using an animated patient avatar to improve perception of vital sign information by anaesthesia professionals. Br J Anaesth. 2018 Sep;121(3):662-671. doi: 10.1016/j.bja.2018.04.024.
4. Battle C, Baker E, Dmytriiev D. Predictors of chronic pain, chronic opioid use and neuropathic pain in Ukrainian military patients with isolated thoracic injuries sustained during the Russia-Ukraine conflict: a single-centre prospective observational study. Eur J Trauma Emerg Surg. 2025 Jun 27;51(1):237. doi: 10.1007/s00068-025-02914-7.
5. Tscholl DW, Weiss M, Handschin L, Spahn DR, Nöthiger CB. User perceptions of avatar-based patient monitoring: a mixed qualitative and quantitative study. BMC Anesthesiol. 2018;18:188. doi: 10.1186/s12871-018-0650-1. 
6. Garot O, Rössler J, Pfarr J, et al. Avatar-based versus conventional vital sign display in a central monitor for monitoring multiple patients: a multicenter computer-based laboratory study. BMC Med Inform Decis Mak. 2020 Feb 10;20(1):26. doi: 10.1186/s12911-020-1032-4.
7. Roche TR, Said S, Braun J, et al. Avatar-based patient monitoring in critical anaesthesia events: a randomised high-fidelity simulation study. Br J Anaesth. 2021 May;126(5):1046-1054. doi: 10.1016/j.bja.2021.01.015. 
8. Dobrovanov O, Dmytriiev D, Prochotsky A, Vidiscak M, Furkova K. Pain in COVID-19: Quis est culpa? Electron J Gen Med. 2023 Feb;20(1):em435. doi:10.29333/ejgm/12672.
9. Wung SF. Human Factors and Technology in the ICU. Crit Care Nurs Clin North Am. 2018 Jun;30(2):xi-xii. doi: 10.1016/j.cnc.2018.03.001.
10. Waller RG, Wright MC, Segall N, et al. Novel displays of patient information in critical care settings: a systematic review. J Am Med Inform Assoc. 2019 May 1;26(5):479-489. doi: 10.1093/jamia/ocy193.
11. Schulz CM, Burden A, Posner KL, et al. Frequency and Type of Situational Awareness Errors Contributing to Death and Brain Damage: A Closed Claims Analysis. Anesthesiology. 2017 Aug;127(2):326-337. doi: 10.1097/ALN.0000000000001661.
12. Dobrovanov O, Dmytriiev D, Prochotsky A, Vidiscak M, Furkova K. Chronic pain in post-COVID syndrome. Bratisl Lek Listy. 2023;124(2):97-103. doi: 10.4149/BLL_2023_014. 
13. Ksenchyna K, Dmytriiev D, Volanskyi K, Ksenchyn O, Nazarchuk O. Early post-trauma wound microbiota and its association with pain outcomes and mental health in combat-related extremity injuries: a prospective analysis. Front Pain Res. 2025;6:1-8. doi: 10.3389/fpain.2025.1564994.
14. Alowais SA, Alghamdi SS, Alsuhebany N, et al. Revolutionizing healthcare: the role of artificial intelligence in clinical practice. BMC Med Educ. 2023 Sep 22;23(1):689. doi: 10.1186/s12909-023-04698-z. 
15. Buch VH, Ahmed I, Maruthappu M. Artificial intelligence in medicine: current trends and future possibilities. Br J Gen Pract. 2018 Mar;68(668):143-144. doi: 10.3399/bjgp18X695213. 
16. Cabral BP, Braga LAM, Conte Filho CG, et al. Future Use of AI in Diagnostic Medicine: 2-Wave Cross-Sectional Survey Study. J Med Internet Res. 2025 Feb 27;27:e53892. doi: 10.2196/53892.
17. Salomon I, Olivier S. Artificial intelligence in medicine: advantages and disadvantages for today and the future. Int J Surg Open. 2024;62(4):471-473. doi: 10.1097/IO9.0000000000000133.
18. Popelnukha A, Dmytriiev DV. Rapid Pain Assessment Tool avatar self-pain report: a new objective method for adequate pain diagnosis? Pilot study. Emergency Medicine (Ukraine). 2025;21(4):394-397. doi: 10.22141/2224-0586.21.4.2025.1887.
19. Peiró AM, Margargit C, LLerena A. Drug-drug interactions. Things to do in pain management. Drug Metab Pers Ther. 2018 Mar 28;33(1):1-2. doi: 10.1515/dmpt-2017-0029. 
20. Hermann M, Carstens N, Kvinge L, et al. Polypharmacy and Potential Drug-Drug Interactions in Home-Dwelling Older People - A Cross-Sectional Study. J Multidiscip Healthc. 2021 Mar 9;14:589-597. doi: 10.2147/JMDH.S297423. 
21. Pirnejad H, Amiri P, Niazkhani Z, et al. Preventing potential drug-drug interactions through alerting decision support systems: A clinical context based methodology. Int J Med Inform. 2019 Jul;127:18-26. doi: 10.1016/j.ijmedinf.2019.04.006.
22. Emery MA, Akil H. Endogenous Opioids at the Intersection of Opioid Addiction, Pain, and Depression: The Search for a Precision Medicine Approach. Annu Rev Neurosci. 2020 Jul 8;43:355-374. doi: 10.1146/annurev-neuro-110719-095912. 
23. Compton WM, Valentino RJ, DuPont RL. Polysubstance use in the U.S. opioid crisis. Mol Psychiatry. 2021;26(1):41-50. doi: 10.1038/s41380-020-00949-3.
24. Fang T, Zhang X, Hao W, Deng Q. The Status and Prescription Patterns of Opioid Utilization in a Large Comprehensive Teaching Hospital in China According to the Anatomical Therapeutic Chemical Classification/Defined Daily Dose Methodology. Front Psychiatry. 2022 May 27;13:913640. doi: 10.3389/fpsyt.2022.913640.