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 nyugat- és kelet-európai országok stroke halandósága közötti szakadék a társadalmi-gazdasági különbségeket tükrözi. Felvetődik a kérdés, hogy az életszínvonalbeli különbségek kisebb régiók szintjén is megnyilvánulnak-e a stroke jelleg­ze­tes­ségeiben. Összefoglalónkban a főváros egyik legszegé­nyebb (VIII.) és leggazdagabb (XII.) kerülete stroke-betegeinek összehasonlítását mutatjuk be életkori megoszlás, stroke-incidencia, esethalálozás és mortalitás szempontjából. Két összehasonlító epidemiológiai vizsgálatunk eredményeit összegezzük, melyek ugyanabban a két kerületben az akut cerebro­vascularis betegséget elszenvedett lakosságot vizsgálták. A „Budapest 8–12 Projekt” igazolta, hogy a szegényebb VIII. kerületben a stroke fiatalabb életkorban jelentkezik, valamint magasabb a dohányzás, az alkohol­abú­zus és a kezeletlen hypertonia prevalenciája. A „Hat Év Két Kerületben” tanulmányba bevont 4779 beteg a 10 éves utánkövetéssel egy­értel­műen igazolja, hogy a stroke fiata­labb korban következik be, magasabb incidenciával, eset­ha­lálozással és mortali­tással jár a kedvezőtlen szocio­öko­nó­miai adottságokkal rendelkező VIII. kerületben. A fiatalabb korcso­portokon belül magasabb a halálozás és a társbetegségek prevalenciája a VIII. kerületben a XII. kerülethez képest. A rizikófaktorok magasabb prevalenciája és a fiatalabb korcsoport magasabb halálozása a kedve­zőtlenebb szocioökonómiai adottságú VIII. kerület lakossá­gának jelentősebb sérülékenységére utal. A hiányzó láncszem a szegénység és a stroke között az életmódi rizikó­tényezők és az elsődleges prevencióhoz való adherencia hiánya lehet. A népegészségügyi stroke-prevenciós prog­ramoknak a kedvezőtlen szocioökonómiai környezetben élő fiatalabb korosztályra kellene fókuszálniuk.

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.

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.