Számos bizonyíték utal arra, hogy az alvás szerepet játszik különböző emlékezeti rendszerek konszolidációjában. Kevesebbet tudunk arról, hogy milyen szerepe van az alvásnak a relációs memória műkö­désé­ben, illetve az érzelmi arckifejezések felismerésében, holott ez olyan fundamentális kognitív képesség, amit mindennap használunk. Ezért kutatásunk célja annak feltérképe­zése, hogy az alvás milyen szerepet tölt be az asszociációs memória működésében annak függvényében, hogy mikor történik a tanulás. Vizsgálatunkban összesen 84 fő vett részt [átlagéletkor: 22,36 (SD: 3,22), 21 férfi/63 nő], akiket két csoportra osztottunk: esti és reggeli csoportokra, utalva arra, hogy mikor történt a tanulás. Mindkét csoport eseté­ben két tesztfelvétel volt, közvetlenül a tanulást követően (rövid távú tesztelés) és 24 órával később (hosszú távú tesztelés). A relációs memória vizsgálatára az arcok és nevek tesztet alkalmaztuk. Sem az azonnali, sem a késleltetett tesz­telés során nem találtunk különbséget a csoportok között sem az általános tanulási mutatóban (arcokhoz társított nevekre való emlékezés érzelmi valenciától függetlenül), sem a különböző érzelmi arckifejezésekhez kapcsolódó nevekre való emlékezésben. Ezzel ellentétben, a csoporton belüli elemzés alapján a reggeli csoport a rövid távú teszteléshez képest nagyobb mértékű felejtést mutatott 24 órával később, a hosszú távú tesztelésen, míg az esti csoport ugyanolyan teljesítményt mutatott mindkét alkalommal. Emellett összefüggés jelent meg a teljesítmény, az alvásminőség, az alváshatékonyság és az alváslatencia között. Eredményeink arra hívják fel a figyelmet, hogy az alvás és a tanulás időzítése fontos szerepet játszik az emlékek stabilizációjában, csökkentve ezzel a felejtés mértékét.

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.

A hypertonia diagnózisával és kezelésével foglalkozó irányelveknek óriási szerepe van Földünkön az egészség fenntartásában, hiszen a megbízható előrejelzések szerint 2025-ben már 1,6 milliárd feletti magasvérnyomás-betegségben szenvedő egyénnel kell számolnunk. Az irányelvek betartása létkérdés minden hypertoniás beteg számára, ennek ellenére még a gazdasági szempontból fejlett országokban sem kielégítő a jól kontrollált hypertoniások aránya. Földünk öt kontinensén az irányelvek sajnos több szempontból is eltérő vagy nagyon eltérő javaslatokat adnak a vérnyomás mérése, a diagnózis felállítása, a cardio­vascularis kockázat becslése, a célérték meghatározása vonatkozásában, bár az utóbbi években bizonyos területeken megindult a „konszenzusra” irányuló törekvés. Közleményünkben ezeket a különböző véleményeket és állásfoglalásokat kívánjuk bemutatni az ACC/AHA, az ESC/ESH, a NICE, a kanadai és az ausztrál irányelvek elemzésével. Figyelembe vettük a WHO és az ISH állásfoglalásait is. Leírjuk az irányelvekben észlelhető elvi és gyakorlati közeledéseket és a már megvalósult konszenzusokat.

A cukorbetegség és a depresszió gyakran komorbid krónikus betegségek. Önmagukban is nagy betegségterhet jelentenek, azonban együttes előfordulásuk tovább növeli a cukorbetegség szövődményeinek számát, a morbiditást és a mortalitást. A két betegség közti kapcsolat kétirányú, amelynek hátterében már ismert és még csak feltételezett mechanizmusok állnak. A szerzők összefoglaló közleményének célja az antidepresszívumok és a cukorbetegség közti kapcsolat bemutatása, illetve a gyógyszerek szénhidrát-anyagcserére gyakorolt hatásának elemzése. Az antidepresszívum-kezelés egyrészt javíthatja a betegek hangulatát, kognitív funkcióit és adherenciáját, amely pozitív hatással lehet a glükózháztartásra, másrészt a gyógyszerek metabolikus mellékhatásai ronthatják is a szénhidrát-anyagcserét. A metabolikus mellékhatások szempontjából a szelektív szerotoninvisszavétel-gátlók a legelőnyösebbek, a triciklikus antidepresszívumok és a monoaminoxidáz-gátlók szoros kontroll mellett alkalmazhatók. A szerotonin- és noradrenalinvisszavétel-gátlók a noradrenerg aktiválási úton keresztül ronthatják a glykaemiás kontrollt. Az újabb típusú antidepresszívumok hatása pedig pozitív vagy semleges. A depresszió szű­ré­sével és időben elkezdett kezelésével csökkenthetők a két betegség komorbiditásából származó komplikációk. A cukorbetegek dep­ressziójának kezelése során pedig fontos az antidepresszívumok metabolikus mellékhatásainak a figyelembevétele, és a szénhidrátháztartás szorosabb ellenőrzése.