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.

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.

Összességében az látható, hogy az emberiség talán eddigi legnagyobb kihívása előtt áll; kialakított gazdasági és társadalmi mechanizmusainak tudatos reformjára van szükség. Egyfajta szenvedélyes önreflexióra, dedogmatizálásra. Ehhez az eddigi történetének és saját magának mélyebb és átfogóbb megértésére van szükség. Sejtésem szerint 2073 békés karácsonya felé a széles értelemben vett spiritualitás értékein keresztül vezet az út.

Az Elektronikus Egészségügyi Szolgáltatási Tér (EESZT) egy olyan integrációs platform, amelynek központi szolgáltatásai gyorsabbá és átláthatóbbá teszik az egészségügyi folyamatokat. A rendszer hatékony és azonnali adatcserét tesz lehetővé, amelynek fontosabb céljai a betegadatok és dokumentációk cseréjének megvalósítása, illetve a különböző egészségügyi ellátók közti erőforrások (CT, MR, labor és egyéb diagnosztikák) használata.

Berényi Marianne és Katona Ferenc tollából ez évben igen értékes mű jelent meg a Medicina Kiadó gondozásában. Valójában egy könyvsorozat újabb kitűnő példányát olvashatjuk, hiszen Katona professzor úr első könyve a közel fél évszázada, 1963-ban publikált „Az agysebészet története” című kiadvány volt.