A tanulmányban egy újonnan adaptált, jelenleg sztenderdizáció alatt álló logopédiai vizsgálóeljárást, a Comprehensive Aphasia Test magyar változatát (CAT-H; Zakariás & Lukács, előkészületben) mutatjuk be. A CAT-H a stroke következtében kialakuló szerzett nyelvi zavarok, az afáziák vizsgálatára alkalmas. A tanulmány célja a teszt főbb jellemzőinek, alkalmazási területeinek, a magyar adaptáció és sztenderdizáció folyamatának, valamint az afáziás személyek tesztben nyújtott teljesítményének bemutatása és egészséges kontrollcsoporttal való összehasonlítása. Kutatásunkban 99, többségében egyoldali, bal féltekei stroke utáni afáziát mutató személy és 19, neurológiai kórtörténettel nem rendelkező kontrollszemély vett részt. A vizsgálati személyekkel a klinikai gyakorlatban használatos tesztek mellett a CAT-H battériát vettük fel, amit egy általunk összeállított demográfiai és klinikai kérdőívvel egészítettünk ki. A CAT-H két részből, egy kognitív szűrővizsgálatból és egy átfogó nyelvi tesztből áll. Az afáziás csoport teljesítménye vala­mennyi nyelvi és szinte az összes kognitív területen jelentősen elmaradt az egészséges kontrollcsoportétól. Várakozásainkkal összhangban a kontrollcsoport plafonközeli teljesítményt nyújtott valamennyi területen, míg az afáziás csoportra nagymértékű egyéni variabilitás volt jellemző a nyelvi és a kognitív szubtesztekben egyaránt. Kapcsolatot találtunk az életkor, az agyi történés óta eltelt idő és a stroke típusa, valamint a teszttel mérhető egyes kognitív és nyelvi képességek között. Eredményeink és előzetes tapasztalataink szerint a teszt alkalmas a nyelvi profil feltárására, a nyelvi képességekben történő változások nyomonkövetésére és a kognitív alapképességek zavarainak szűrésére afáziában. Reményeink szerint a teszt sokoldalú felhasználhatóságának köszönhetően egyedül­álló módon fogja segíteni az afázia hazai diagnosztikáját, az afáziás személyek ellátásában és rehabilitációjában dolgozó szakemberek, valamint az afáziakutatók mun­káját.

A gyorsan terjedő SARS-CoV-2 légzőszervi vírus súlyos következményekkel járó járványt okozott az egész világon. Az egészségügyi hatások mellett a globális gazdasági károk ma még felmérhetetlenek. A világjárvány ugyanakkor soha nem látott tudományos kutatások sorát indította el, többek között a védőoltások kidolgozása terén. A cikk a vakcinákról, az immunmemóriáról és az egyes felvetődő klinikai hatásokról szóló aktuális információkat foglalja össze.

A nemszteroid típusú gyulladáscsökkentők (NSAID) az orvoslásban a leggyakrabban alkalmazott szerek közé tartoznak. Ennek ellenére számos tanulmányban hangsúlyozták, hogy az NSAID-ok károsíthatják nemcsak a gastrointestinalis (GI), hanem a cardiovascularis (CV) rendszert is, növelhetik a vérnyomást, a coronariaesemények (angina, myocardiuminfarktus) és a stroke gyakoriságát, emellett vesekárosodást is okozhatnak. A National Institute for Health and Care Excellence (NICE) nem talált bizonyítékot arra, hogy az NSAID-ok alkalmazása fokozná a Covid-19 kockázatát, vagy rontana a Covid-19-ben szenvedő betegek állapotán. Az egyes hatóanyagok nemkívánatos hatásainak gyakorisága és súlyossága azonban jelentős eltéréseket mutat. Sokáig úgy tűnt, hogy az NSAID-ok fokozódó GI kockázata arányban van a COX-1/COX-2 szelektivitással, a cardiovascularis kockázat pedig a COX-2/COX-1 szelektivitással, az újabb adatok azonban ezt nem támasztják alá egyértelműen. A rendelkezésre álló irodalom alapján, a gast­ro­intestinalis és a cardiovascularis nem­kí­vá­natos eseményeket tekintve, az ace­clofenac mellékhatásprofilja az NSAID-ok között a legkedvezőbbnek tűnik.

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.

Célkitűzés – A spinalis izomatrophia (SMA) az alsó motoneuronok pusztulásával járó progresszív, auto­szomális recesszív betegség. Az elmúlt években fordulat következett be az SMA oki kezelésében, két SMN2 splicing módosító és egy génterápiás gyógyszer vált elérhetővé. Kérdésfelvetés – Az új gyógyszerek az SMA gyermekkori lefolyását érdemben módosítják, és egyes gyógyszerek felnőttkori hatásáról is egyre több adat érhető el. Nem áll azonban rendelkezésre olyan szakirodalom, ami a legújabb eredmények alapján segítséget nyújtana a felnőtt SMA-betegek kezeléséhez szükséges döntések meghozatalában. A Magyar Klinikai Neurogenetikai Társaság vezetősége áttekintette az SMA palliatív kezelésének irányelveit, a randomizált, kontrollált gyógyszervizsgálatokat, a felnőtt SMA-betegek retrospektív és prospektív gyógyszeres vizsgálatainak eredményeit. A vizsgálat alanyai – A konszenzusajánlás megalkotása szempontjából azokat a közleményeket értékeltük, amelyek a felnőttkort elérő, főként SMA II- és III-csoportba tartozó betegek gyógyszeres kezelésének eredményeiről szolgáltatnak adatokat. A konszenzusajánlást a felnőtt SMA-betegek kezeléséről kilenc pontban fogalmaztuk meg, ami kitér a gyógyszeres kezelés technikai, szakmai feltételeire, biztonságossági szempontjaira, a betegek kiválasztására, és hosszú távú monitorizálására. Ajánlásunk a legújabb információkra alapozva segíti a felnőtt SMA-betegek palliatív ellátását és gyógyszeres kezelését, a személyre szabott kezelés során figyelembe veendő hatékonysági és biztonságossági szempontokat nyújt. Rávilágít a későbbiekben megválaszo­lan­dó, egyelőre nyitott kérdésekre is. Az ajánlás mindennapi gyakorlatban való használata a kezelés optimalizációját eredményezheti.