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.

Felmérni a 2020-as évre vonatkozóan az egészségügyi szakdolgozók kiégettségének mértékét, valamint ennek összefüggését különböző szociodemográfiai és munkahelyi tényezőkkel. A keresztmetszeti vizsgálat egy saját szerkesztésű online kérdőívvel történt 2021 elején. 1965 kitöltő válaszainak értékelése SPSS 23.0 statisztikai programmal, leíró statisztikával, Khi-négyzet és Kruskal-Wallis próbával készült (p<0,05). Eredmények: A megkérdezettek 46,7%-a mutatja a súlyos kiégés tüneteit. Az életkor, a családi állapot, az egészségügyi ellátás szintje, az egészségügyben eltöltött évek száma nincs összefüggésben a kiégéssel, viszont a bizonytalan jövőkép, a kereset változásának megítélése és a munkahelyi bizonytalanság szignifikáns összefüggést mutatott (p<0,000). Következtetések: Az egészségügyben dolgozók lelkiállapota fokozatosan romlik, melyhez valószínűleg a COVID-19 pandémia miatt kialakult helyzet is hozzájárul. A rossz lelkiállapotban lévők bizonytalannak érzik jövőképüket, munkájukat, mely ha így marad, a jövőben tovább nehezíti a betegellátást.

Kutatásunk célja felmérni, hogy az asztmások fizikai aktivitása, alvászavarok, asztma kezelésének mértéke milyen összefüggésben vannak egymással, valamint megvizsgálni az életminőséget a fizikai aktivitás tekintetében. Kvantitatív, keresztmetszeti felmérésünket 2020–2021 között végeztük. Nem véletlenszerű, kényelmi mintavétel során a célcsoportunkat 14–18 éves korosztályú, pubertásban levő fiatalok körében határoztuk meg, akiknél minimum egy éve asthma bronchialét diagnosztizált kezelőorvosuk. Kizárásra kerültek vizsgálatunkból, akik nem töltötték ki megfelelően a kérdőívet vagy nem az adott korosztályba estek. Az adatgyűjtési módszerünk saját készítésű kérdőív, amelynek főbb kérdéskörei: szociodemográfiai adatok, fizikai aktivitással kapcsolatos kérdéskörök, tünetek, alvászavarok, asztma súlyossága. Az életminőség értékeléséhez mini-AQLQ-t használtunk. A statisztikai próbákat 2016-os Microsoft Excel és SPSS v24 program segítségével végeztük, az adatok elemzéséhez leíró statisztikát (átlag, szórás, minimum, maximum), kétmintás t-próbát, χ2-próbát alkalmaztunk. A válaszadók átlagéletkora16±1,51 év, 38% fiú, 62% lány (N=105). A fizikai aktivitás és a rohamok gyakorisága, alvászavarok között nincs szignifikáns eltérés (p>0,05). A nemek és az intenzív testmozgás hatására fokozódó tünetek között szignifikáns eltérést találtunk (p=0,02). A testnevelésórán aktívan résztvevők szignifikánsan súlyosabb asztmát mutattak eredményeink szerint (p=0,021). A mérsékelt és társadalmi tevékenységek, valamint a fizikai aktivitás között szignifikáns kapcsolat mutatkozik (p<0,05). A védőnői munkában megfelelő módszernek bizonyulhat az egészségnevelés, valamint az asztmás fiatalok pályaválasztásának segítése, illetve különböző sportok ajánlása, ami csökkentheti a fulladásos rohamok gyakoriságát.

A SARS-CoV-2 koronavírus által okozott COVID-19- jár­vány 2020 tavaszára világszerte elterjedt, gyors és haté­kony reakciót igényelve össztársadalmi szinten, és az egész­­ségügyi ellátás szervezésében is. A COVID-19 fő tünetének a lázat, a köhögést és a nehézlégzést tartják. A légzőszervi érintettségen túl a fertőzés egyéb panaszokat és tüneteket is okozhat. Az eddigi adatok alapján neuro­lógiai jellegű panaszok és tünetek a kórházba kerülő COVID-19-betegek 30–50%-ánál előfordulnak, és gyakrabban jelentkeznek a súlyos állapotú eseteknél. Leírtak a COVID-19-hez társuló klasszikus akut neurológiai kórképeket is. A COVID-19-ellátásra fókuszáló egészségügyi ellátórendszerekben az egyéb akut ellátást igénylő kórképek szakellátásának visszaesését figyelték meg. A COVID-19-járvány során fontos feladat a krónikus neurológiai kórképekben szenvedők folyamatos ellátásának biztosítása is. A jövő feladata lesz a COVID-19 járvány által az egyéb neurológiai kórképekre kifejtett hatások felmérése, valamint annak megítélése, hogy a SARS-CoV-2 koronavírus által okozott fertőzés járhat-e késői neurológiai szövődményekkel.