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.

Az affektív temperamentumok (cyclothym, hyperthym, depresszív, szorongó, ingerlékeny) a személyiség stabil részét képezik, serdülőkor után csupán kismértékű változatosságot mutatnak. Kapcsolatuk a pszichopatológia több területével is leírásra került; a depresszív temperamentum szerepet játszik a major depresszió, a cyclothym a bipoláris II-es betegség, a hyperthym a bipoláris I-es betegség kialakulásában. Emellett az utóbbi évtized kutatásainak eredményei azt igazolják, hogy az affektív temperamentumok a szomatikus betegségekkel is összefüggésbe hozhatók. A hypertoniával, úgy tűnik, legszorosabb kapcsolatban a cyclothym temperamentum áll. A hypertonia prevalenciája és a domináns cyclothym temperamentum kapcsolata mellett a kórelőzményben előforduló cardiovascularis események is gyakoribbnak bizonyultak a domináns cyclothym temperamentum jelenléte mellett. Krónikus hypertoniás betegekben a cyclothym temperamentum mértéke magasabb szisztolés vérnyomásértékkel, nőbetegeknél a hypertonia korábbi kialakulásával függött össze. A kapcsolatok hátterében elsősorban a közös rizikófaktorok (dohányzás, elhízás, alkoholizmus) cyclothym temperamentum melletti gyakoribb jelenléte állhat. A személyiségtípusok, ezeken belül is az affektív temperamentumok és a szomatikus betegségek kapcsolatának vizsgálata segíthet a nagyobb rizikójú alcsoportok azonosításában.

Az invazív vizsgálatok azt mutatják, hogy a betegek kétharmadában a szívizom-ischaemia obstruktív coronariabetegség és más szívbetegség hiányában (INOCA) áll fenn, melynek oka a microvascularis diszfunkció (CMD), és amelynek következménye a microvascularis koszorúér-betegség (MVD), a microvascularis vagy epicardialis va­so­s­pasticus angina (MVA) lehet. A kor­szerű klinikai gyakorlatban a noninvazív kardiológiai képalkotó eljárások fejlődésével lehetővé vált a coronariaáramlás mérése a jellemző indexek meghatározásával. Mind­ezek javítják a CMD és az általa okozott myocardialis ischaemia diagnózisát, és le­hetőséget adnak az elsődleges MVD diag­nosztizálására. Tekintettel arra, hogy az MVD felismerése-kezelése a magyar orvosi gyakorlatban jelentősen alulreprezentált, az alábbiakban részletesen ismertetjük a primer stabil microvascularis anginát (MVA), annak korszerű invazív és noninvazív dif­fe­­renciáldiagnózisát és kezelését, különös tekintettel – a gyakorisága miatt – a magas vérnyomás által kiváltott formára és a nők ko­szorúér-betegségére. Kiemeljük a hazai lehetőségek figyelembevételével az ajánl­ható diagnosztikai eljárásokat.

A diuretikumok az 1960-as években történt széles körű elterjedésük óta is alapvető an­ti­hipertenzív gyógyszerek maradtak. A ma­gas vérnyomás kezelését tárgyaló 2018. évi ESC/ESH irányelv nem tesz különbséget a tiazid és a tiazidszerű vizelethajtók között a magas vérnyomás kezelésében, elismerve, hogy szemtől szembe nem hasonlították össze ezeket a gyógy­szer­cso­por­tokat vélet­len­szerű betegbeválasztásos vizsgálatokban, valamint, hogy a hydrochlorothiazid az egyik leggyakoribb összetevője a forgalomban lévő, engedélyezett fix anti­hipertenzív gyógyszer-kombinációknak. A 2018. évi ma­gyar irányelv az indapamidot tartja a leghatékonyabb diuretikumnak a hypertoniában szenvedő betegek terápiájában. Köz­le­mé­nyünk célja, hogy áttekintsük a tiazid vagy tiazidszerű vizelethajtóknak, elsősorban a ma Magyarországon elérhető hydro­chlo­rothia­zidnak és indapamidnak, vala­mint kombinációs készítményeik kor­szerű alkalmazását a magasvérnyomás-be­tegségben szenvedő beteg kezelésében.

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.