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 sclerosis multiplex leggyakrabban fogamzó­képes korú nőket érint, így a családtervezés kiemelkedően fontos kérdés ebben a betegségben. Napjainkra egyértelműen bebizonyosodott, hogy a terhesség nem rontja a relapszáló-remittáló sclerosis multiplex hosszú távú prognózisát, ennek ellenére sok beteg még manapság is bizonytalan a gyermekvállalást illetően. A kérdést bonyolítja, hogy az egyre növekvő számú beteg­ségmódosító terápia terhességre gyakorolt hatásával nin­csenek eléggé tisztában a betegek, és sokszor az orvosok sem. Még kevésbé tisztázottak és ismertek a szoptatással kapcsolatos kérdések. A betegek ezekről a témákról elsősorban gondozó neurológusukkal konzultálnak. A neu­ro­ló­gus feladata a fogamzásgátlással, terhességgel, asszisz­tált reprodukcióval, szüléssel, szoptatással, betegségmódosító kezelésekkel járó kockázatokat és előnyöket reá­lisan értékelni, a beteget ezekről tájékoztatni, majd a b­e­teggel közösen a családtervezési tervekkel összhangban a megfelelő betegségmódosító gyógyszert megválasztani. A jelen közlemény célja a klinikusok eligazodását segíteni ezekben a kérdésekben.A releváns szakirodalom áttekintése alapján, a nemzetközi irányelvekkel összhangban a közleményben áttekintjük a fogantatás, terhesség és szoptatás témakörét, különös tekintettel a törzskönyvezett betegségmódosító terápiák terhesség és szoptatás alatti alkalmazhatóságára.

Az új koronavírus (SARS-CoV-2) okozta, 2019 késő őszén Kínában kirobbant, 2020. márciusban már világjárványnyá vált betegség (Coronavirus disease 2019 – Covid-19) alapvetően megváltoztatta az emberek életét.

Az elmúlt évtizedek orvosi pszichológiai kutatásai alapján egyértelművé vált, hogy nem csak extrémen megterhelő vagy fenyegető helyzetek – külső katasztrófák – válthatnak ki poszttraumás stressz zavart, hanem az életet veszélyeztető betegségek és olyan terápiás helyzetek is, amelyekben a betegek közvetlen életveszélyt élnek át. Az ilyen helyzeteket követően poszttraumás stressz tünetek a betegek többségénél megfigyelhetők, de hosszú távon poszttraumás stressz zavar (PTSD – Post Trau­matic Stress Disorder) csak egy jelentős kisebbségnél alakul ki (Greene és munkatársai szisztematikus áttekintése alapján az alapellátás betegei között a pontprevalencia 2–39%) (1). A PTSD ki­alakulása számos kockázati és protektív tényezőtől függ. Ezek közül az alábbiakban az orvosi kommunikáció jelentőségéről adunk rövid összefoglalót, majd közreadjuk annak a kommunikációs példatárnak a fordítását, amelyet az orvosi kommunikációs készségek tréningjével és kutatásával foglalkozó VitalTalk szervezet adott közre (1. melléklet). A példatár jelenleg (2020. április 28-án) 22 nyelven érhető el a szervezet honlapjáról és az most már a saját fordításunkat is tartalmazza (https://www.vitaltalk.org/guides/covid-19-communication-skills/).

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.