Тезисы XX Всероссийской конференции по ветеринарной анестезиологии, реанимации и интенсивной терапии и I Евро-азиатского ветеринарного анестезиологического конгресса
23 – 24 апреля 2025 г.
Москва, отель «Милан»
Как сделать лёгкой оценку острой и хронической боли у собак и кошек
Stelio Pacca Loureiro Luna
DVM, Msci, PhD, Diplomate ECVAA, IVAS cert
Кафедра ветеринарной хирургии и репродукции животных
Факультет ветеринарной медицины и зоотехнии (FMVZ)
Университет штата Сан-Паулу (Unesp)
Ботукату – Сан-Паулу – Бразилия
https://orcid.org/0000-0001-5312-9076
https://www.webofscience.com/wos/author/record/C-4527-2013
stelio.pacca@unesp.br
Боль – комплексное, многофакторное состояние, влияющее на благополучие пациента. Оценка острой боли критически важна для проведения эффективной анальгезии и улучшения качества жизни собак и кошек. В этой лекции будут обсуждаться валидизированные методы оценки острой и хронической боли, значение психометрической валидации шкал боли, включая основанное на искусственном интеллекте (ИИ) автоматическое распознавание боли.
Оценка боли чрезвычайна важна для обеспечения гуманного лечения и правильного терапевтического вмешательства. Боль связана с сенсорным, эмоциональным, когнитивным и функциональным проявлением. Несмотря на субъективный характер, развитие стандартизированных методов оценки и измерения позволяет принимать правильные клинические решения в отношении обезболивания.
Стратегии оценки боли основаны на интеграции нескольких параметров: физиологических индикаторов (частота сердечных сокращений и дыхания, кровяное давление, температура, диаметр зрачков, саливация и качество аппетита), эндокринного ответа (уровень кортизола, эндогенных опиатов, катехоламинов и т. д.), функционального анализа (бароподометрия и анализ походки) и наиболее важного среди них – поведенческого ответа, основанного на этограмме, характеризующей боль-специфическое поведение по частоте и продолжительности.
Психометрические качества критически важны для валидации шкалы оценки боли и включают достоверность (повторяемость и воспроизводимость), валидность (состав, конструкция и критерии), ответ (способность определять клинически значимые изменения в интенсивности боли), чувствительность и специфичность (определение разницы в баллах между присутствием и отсутствием боли) и показание для проведения анальгезии. Валидация шкалы боли следует методологии согласно чек-листу the Consensus-Based Standards for the Selection of Health Measurement Instruments (COSMIN).
Валидизированные шкалы для оценки боли у кошек включают: Unesp Botucatu Feline Pain Scale (UFEPS and UFEPS-SF), the Feline Grimace Scale (шкала гримас кошек) и the Glasgow Feline Short Form (короткая форма Глазго). Для собак наиболее валидизированная шкала оценки боли – это Glasgow Composite Pain Scale, далее следуют шкала Университета Мельбурна и шкала the 4A-VET.
Для оценки хронической боли подходят более валидизированные и рекомендованные шкалы у собак: the Canine Brief Pain Inventory (CBPI), the Liverpool Osteoarthritis in Dogs (LOAD) и the Canine Orthopedic Index (COI). У кошек наиболее валидизированными являются: the Feline Musculoskeletal Pain Index (FMPI), the Client Specific Outcome Measures (CSOM) и the Feline Musculoskeletal Pain Screening Checklist. Большинство из них включено в бесплатное приложение Vetpain, созданное для измерения боли и седации у животных.
Vetpain позволяет:
1) просматривать видео с характерным поведением для каждого из параметров шкалы боли;
2) просматривать обучающие и тренировочные видео;
3) оценивать боль у пациентов в клинических и лабораторных условиях;
4) сохранять результаты ваших оценок;
5) оценивать необходимость анальгезии.
Обучающее видео доступно на https://youtu.be/ahZIB0QhJjk
Приложение можно скачать для Android:
https://play.google.com/store/apps/details?id=com.vetpain.app
и IOS: https://apps.apple.com/ca/app/vetpain/id6462712970
Валидизированные шкалы оценки являются важными инструментами в достоверной идентификации необходимости анальгезии спасения и мониторинга результата. Учитывая комплексный характер боли, её оценка должна быть многокомпонентной и объединяющей физиологические, поведенческие и функциональные параметры. Применение валидизированных инструментов обеспечивает стандартизированный подход, развивает последовательность изучения и улучшает прогноз у пациентов.
Внедрение ИИ позволило создать новые пути автоматического распознавания боли. Наши исследования начались с геометрической морфометрии и распознавания смешения лицевых меток, ассоциированного с болью. Далее мы протестировали модели глубокого машинного обучения, получив точность в распознавании боли в 66–77% у собак и кошек. Оперируемые ИИ системы обладают потенциалом к объективной, быстрой и неинвазивной оценке, представляя будущее в лечении боли в ветеринарии.
Оценка боли в ветеринарии должна быть многокомпонентной и стандартизированный для обеспечения высочайшего уровня помощи животным. Внедрение валидизированных шкал оценки боли позволяет улучшить диагностическую точность и подход к планированию лечения, а также предотвратить олигоанальгезию. Обучение корректному использованию инструментов оценки является критически важным. Дальнейшие достижения в этой области будут включать интеграцию ИИ в автоматическую оценку боли в режиме реального времени.
Making acute and chronic pain assessment in dogs and cats easy
Stelio Pacca L Luna
Senior Professor Stelio Pacca Loureiro Luna, DVM, Msci, PhD, Diplomate ECVAA, IVAS cert
Department of Veterinary Surgery and Animal Reproduction
School of Veterinary Medicine and Animal Science (FMVZ)
University of São Paulo State (Unesp)
Botucatu – São Paulo – Brazil
https://orcid.org/0000-0001-5312-9076
https://www.webofscience.com/wos/author/record/C-4527-2013
Pain is a complex, multifactorial experience impacting the well-being of veterinary patients. Accurate pain assessment is crucial for effective analgesic management and overall quality of life in dogs and cats. This paper discusses validated methods for evaluating acute and chronic pain, the significance of psychometric validation of pain scales, and future directions, including artificial intelligence-based automated pain recognition.
Pain assessment in animals is essential to ensure humane treatment and appropriate therapeutic interventions. Pain encompasses sensory, emotional, cognitive, and functional dimensions. Despite its subjective nature, the development of standardized evaluation methods allows for objective assessment and quantification, facilitating appropriate clinical decisions regarding analgesic management.
Pain assessment strategies relies on the integration of various parameters: physiological indicators (heart and respiratory rates, blood pressure, temperature, pupil diameter, salivation, and appetite), endocrine responses (cortisol, endogenous opioids, catecholamines, etc), functional analysis (baropodometry and gait analysis) and the most important one which is behavioral observation, based on ethograms describing pain-specific behaviors in frequency and duration.
Psychometric properties are critical for the validation of pain scales and include reliability (repeatability and reproducibility), validity (content, construct, and criterion), responsiveness (ability to detect clinically meaningful changes in pain intensity), sensitivity and specificity (distinguishing the difference in scores between the presence and absence of pain) and the indicative score to provide analgesia. Scale validation follows the methodology of the Consensus-Based Standards for the Selection of Health Measurement Instruments (COSMIN) checklist.
The well-validated pain scales for acute pain assessment in cats are the Unesp Botucatu Feline Pain Scale (UFEPS and UFEPS-SF), the Feline Grimace Scale and the Glasgow Feline Short Form. For dogs, the most validated pain scale is the Glasgow Composite Pain Scale, followed by the University of Melbourne and the 4A-VET pain scales.
For chronic pain assessment, the following scales are more validated and recommended in dogs: the Canine Brief Pain Inventory (CBPI), the Liverpool Osteoarthritis in Dogs (LOAD) and the Canine Orthopedic Index (COI). In cats, the Feline Musculoskeletal Pain Index (FMPI), the Client Specific Outcome Measures (CSOM), and the Feline Musculoskeletal Pain Screening Checklist are the most validated ones. Most of these scales are included in the free Vetpain application developed to measure pain and sedation in animals. Vetpain provides: 1) videos demonstrating the behaviors of each item on the pain scales, 2) videos for training and teaching, 3) evaluation of pain in clinical patients or research, with the automatic calculation of scores, 4) data storage of your evaluations and 4) scores indicating the decision to provide analgesia. The tutorial video is available at https://youtu.be/ahZIB0QhJjk. It is possible to download for Android (https://play.google.com/store/apps/details?id=com.vetpain.app) and IOS (https://apps.apple.com/ca/app/vetpain/id6462712970).
Validated scales are essential tools for reliably identifying the need for rescue analgesia and monitoring treatment outcomes. Given the complex nature of pain, its evaluation must be multidimensional, incorporating physiological, behavioral, and functional parameters. The use of validated tools ensures a standardized approach, promoting consistency and improving patient outcomes.
Advancements in artificial intelligence have introduced new modalities for automated pain detection. Our studies started with geometric morphometrics to identify facial landmark displacement associated with pain. Then we tested machine learning and deep learning models, achieving accuracy rates of 66%-77% in pain recognition tasks in cats and dogs. AI-powered systems offer the potential for objective, rapid, and non-invasive assessment, representing a promising future direction in veterinary pain management.
Pain assessment in veterinary medicine must be multidimensional and standardized to ensure the highest quality of patient care. Employing validated pain scales improves diagnostic accuracy, enhances treatment planning, and prevents oligoanalgesia. Training in the correct use of these tools is crucial. Future advancements include the integration of artificial intelligence for automated, real-time pain evaluation.