Számos bizonyíték utal arra, hogy az alvás szerepet játszik különböző emlékezeti rendszerek konszolidációjában. Kevesebbet tudunk arról, hogy milyen szerepe van az alvásnak a relációs memória műkö­désé­ben, illetve az érzelmi arckifejezések felismerésében, holott ez olyan fundamentális kognitív képesség, amit mindennap használunk. Ezért kutatásunk célja annak feltérképe­zése, hogy az alvás milyen szerepet tölt be az asszociációs memória működésében annak függvényében, hogy mikor történik a tanulás. Vizsgálatunkban összesen 84 fő vett részt [átlagéletkor: 22,36 (SD: 3,22), 21 férfi/63 nő], akiket két csoportra osztottunk: esti és reggeli csoportokra, utalva arra, hogy mikor történt a tanulás. Mindkét csoport eseté­ben két tesztfelvétel volt, közvetlenül a tanulást követően (rövid távú tesztelés) és 24 órával később (hosszú távú tesztelés). A relációs memória vizsgálatára az arcok és nevek tesztet alkalmaztuk. Sem az azonnali, sem a késleltetett tesz­telés során nem találtunk különbséget a csoportok között sem az általános tanulási mutatóban (arcokhoz társított nevekre való emlékezés érzelmi valenciától függetlenül), sem a különböző érzelmi arckifejezésekhez kapcsolódó nevekre való emlékezésben. Ezzel ellentétben, a csoporton belüli elemzés alapján a reggeli csoport a rövid távú teszteléshez képest nagyobb mértékű felejtést mutatott 24 órával később, a hosszú távú tesztelésen, míg az esti csoport ugyanolyan teljesítményt mutatott mindkét alkalommal. Emellett összefüggés jelent meg a teljesítmény, az alvásminőség, az alváshatékonyság és az alváslatencia között. Eredményeink arra hívják fel a figyelmet, hogy az alvás és a tanulás időzítése fontos szerepet játszik az emlékek stabilizációjában, csökkentve ezzel a felejtés mértékét.

Kiadványunk mérföldkő a hazai akut stroke ellátásában, hiszen 2017 óta először jelenik meg új ajánlás a témában. Márpedig az elmúlt 6 évben, nagy örömünkre, szűkebb szakmánkban elképesztő fejlődésnek lehettünk tanúi, sőt a Magyar Stroke Társaság tagjai és vezetőségi tagjai közül többen is, aktív előmozdítói. Nem csak a beavatkozások tárháza bővült a mechanikus thrombectomia örvendetes térnyerésével, de ezzel párhuzamosan, sőt éppen ezért, az akut képalkotás, a rekanalizációs terápia előtti kivizsgálás, a betegutak és az ellátás szervezése is átalakult. Ennek eredményeként, a korábbiakban a legsúlyosabb kimenetelt jelentő, agyalapi nagyérocclusiós betegek kaptak hatalmas esélyt a gyógyuláshoz, a sikeres rehabilitációhoz és a társadalomba való visszailleszkedéshez. Másrészt, a stroke-ellátás minden korábbi mértéket és elképzelést felülmúlóan bonyolult, összetett, valamint munka- és erőforrásigényes lett. Még úgy is, hogy ma már az egész világon egyedülállóan, az egész országra kiterjedő, mesterséges intelligencia támogatta radiológiai képalkotás segíti munkánkat. Éppen ezért, elengedhetetlenné vált, hogy mindazon szakemberek, akik hétvégéken, ünnepnapokon, éjjel-nappal akut stroke-betegek minél sikeresebb gyógyításán fáradoznak, kezükbe foghassanak egy olyan kiadványt, amely segít eligazodni az ellátás útvesztőiben.

Bevezetés – A szédülés a fájdalom mellett az egyik leggyakoribb panasz, amellyel a beteg felkeresi az orvosi ellátást. A modern diagnosztika ellenére a szédülés okának diagnosztizálása napjainkban is nehéz feladat, számos buktatót rejt magában. Célkitűzés – Kérdőíves felmérésünk célja annak vizsgálata, hogy mi történik a szédülést panaszoló beteggel a sürgősségi ellátást követően. Kérdésfelvetés – A sürgősségi osztályon felállított diagnózis és a későbbi kivizsgálás eredménye között mennyire volt összefüggés? Hogyan alakult a betegek életminősége az idő függvényében? A vizsgálat módszere – A Semmelweis Egyetem Sürgősségi Betegellátó osztályán megjelent 879, szédülést panaszoló beteghez juttattuk el kérdőívünket. A vizsgálat alanyai – A kitöltött kérdőíveket 308 betegtől (110 férfi, 198 nő, átlagéletkor 61,8 ± 12,31 SD) kaptuk vissza, ezeket elemzésnek vetettük alá. Eredmények – A sürgősségi diagnózisok megoszlása a következőképpen alakult: centrális eredetű (n = 71), szédülékenység (n = 64) és BPPV (n = 51) voltak a leggyakoribb diagnózisok. A végleges diagnózis tisztázásáig eltelt idő leggyakrabban napokat (28,8%), illetve heteket (24,2%) igényelt, kiemelendő azonban, hogy 24,02%-ban végleges diagnózis sosem született. A sürgősségi és a végleges diagnózis között csupán 80 beteg esetén (25,8%) volt egyezés, amelyet alátámaszt a kvalitatív statisztikai elemzés (Cohen-féle Kappa-teszt) eredménye (κ = 0,560), moderált összefüggést indikálva. Megbeszélés – A sürgősségi osztályon felállított diagnózis és a későbbi kivizsgálás eredménye közötti korreláció alacsony, de az eredmények a nemzetközi irodalomban is hasonlónak mondhatók. Emiatt fontos a betegek követése, beleértve az otoneurológiai, illetve esetlegesen neurológiai kivizsgálás fontosságát. Következtetések – A szédüléssel jelentkező betegek sürgősségi diagnosztikája nagy kihívás. A pontos anamnézis és a gyors, célzott vizsgálat a nehézségek ellenére tisztázhatja a szédülés centrális vagy perifériás eredetét.

Tartalom:

Mi köze a gónak a klinikai döntéshozatalhoz? A klinikai orvoslás egyik legjelentősebb intellektuális kihívása a bizonytalanságban történő döntéshozatal. A hagyományos orvosi döntéshozatal intuitív és heurisztikus mivoltának pszichológiai csapdáin kívül az információhiány, az erőforrások szűkössége, az adott orvos-beteg kapcsolat jellemzői egyaránt hozzájárulnak annak bizonytalanságához. A formális, matematikai számításokon alapuló döntéselemzés, amelyet széles körben használnak a klinikai irányelvek fejlesztésében, illetve az egészségügyi technológiák értékelésében, elvben jó lehetőségeket kínál az intuitív dön­téshozatal hibáinak elkerülésére, ugyan­akkor az egyéni döntési helyzetekben többnyire nehezen alkalmazható,és az orvosok többségétől idegen. Ennek a módszernek is vannak korlátai, különösen az egyéni döntéshozatalban, beleértve a számításokhoz felhasznált input adatok esetleges hiányát, illetve jelentős bizonytalanságát, valamint a matematikai modellek korlátait abban, hogy egy komplex rendszer folyamatait és a folyamatok egyéni variabilitását megfelelően tudják reprezentálni. A klinikai döntéstámogató rendszerek mindezek ellenére hasznos segítséget jelenthetnek az egyéni orvosi döntéshozatalban, ha megfelelően integráltak az egészségügyi információs rendszerekbe, és nem szüntetik meg az orvosok döntési autonómiáját. A klasszikus döntéstámogató rendszerek tu­dásalapúak, szabályrendszerekre, problé­ma­­specifikus algoritmusokra épülnek. Szá­mos területen alkalmazzák az orvosi adminisztrációtól a képfeldolgozásig. A nap­jainkban zajló informatikai forradalom eredményeképpen olyan mesterséges intelligenciaként emlegetett gépi tanulási módszerek jönnek létre, amelyek már ténylegesen képesek tanulni. A mesterséges intelligencia ezen új generációja nem konkrét szabályrendszerekre épül, hanem hatalmas adatbázisokon magukat tanító neurális hálózatokra és általános tanulási algoritmusokra. Ezek a mesterséges intelligenciák egyes területeken, mint például a sakk, a gó, vagy a va­dászrepülőgép vezetése, már jobb teljesítményre képesek, mint az em­berek. Fej­lesztésük bővelkedik kihívásokban, veszélyekben, ugyanakkor olyan technológiai át­törést jelentenek, ami megállíthatatlan és át­alakítja világunkat. Alkal­mazásuk és fej­lesztésük az egészségügyben is megkezdődött. A szakmának részt kell vennie ezek­ben a fejlesztésekben és megfelelő irányba kell, hogy terelje azokat. Lee Sedol 18-szoros gónagymester visszavonult há­rom évvel AlphaGo mesterséges intelligenciától elszenvedett veresége után, mert „Hiá­ba lettem világelső, van egy entitás, amit nem lehet legyőzni”. Ne­künk szerencsére nem versengenünk vagy győznünk kell, hanem el kell érnünk, hogy a mesterséges intelligencia biztonságos és megbízható legyen és az emberekkel együtt­mű­ködve ez az entitás eredményesebbé és hatékonyabbá tegye az egészségügyet.