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 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.

[A kognitív zavar a Parkinson-kór gyakori nem motoros tünete. Az alexithymia a Parkinson-kór még ma is kevéssé megértett neuropszichiátriai jellegzetessége. A kog­nitív zavar (különösen a visuospatialis és a végre­hajtó funkciók zavara) és az alexithymia hátterében ugyanazon neuroanatómiai struktúrák patológiája áll. Hipo­tézisünk szerint e neuroanatómiai kapcsolat követ­kez­tében összefüggésnek kell lennie a kognitív zavar és az alexithymia mértéke között. Cél – A vizsgálat célja az volt, hogy megvizsgáljuk, van-e összefüggés az alexithymia és a neurokognitív funkciók között Parkinson-betegek körében. A vizsgálatba 35 Parkinson-kóros beteget vontunk be. A Torontói Alexithymia Skálát (TAS-20), a Ge­riátriai depresszió-kérdőívet (GDI), valamint részletes neuropszichológiai vizsgálatokat alkalmaztunk. A magasabb TAS-20-pontszámok negatív összefüggésben álltak a Wechsler Intelligenciateszt felnőtt­változatának (WAIS) Similarities alskálájának pontszá­mai­val (r = –0,71; p-érték: 0,02), az órarajzolási teszt (CDT) pontszámaival (r = –0,72; p=0,02) és a verbális fluencia (VF) mértékével (r = –0,77; p<0,01). Az érzelemazonosí­tási alskála pontszámai negatív összefüggésben álltak a CDT-pontszámokkal (r = –0,74; p=0,02), a VF-pontszá­mok­kal (r = –0,66; p=0,04), valamint a vizuális emléke­zet azonnali előhívását mérő alksála pontszámaival (r = –0,74; p=0,01). A VF-pontszámok az érzelemleírás ne­héz­ségét mérő alskála (DDF) pontszámaival is összefüggést mutattak (r = –0,66; p=0,04). Fordított irányú összefüggés volt kimutatható a WAIS Similarities és a DDT alskálák pontszámai (r = –0,70; p=0,02), valamint a külső orientáltságú gondolkodás alskála pontszámai (r = –0,77; p<0,01) között. Összefüggés volt kimutatható a végrehajtó funkció Z alskála és a TAS-20-pontszámok középértéke (r = –62; p=0,03), valamint a DDF alskála pontszámai között (r = –0,70; p=0,01). Összefüggés volt kimutatható az alexi­thy­mia és a visuospatialis, valamint a végrehajtó funkciókat mérő tesztek eredménye között. Az alexithymia és a dep­resszív tünetek között szintén szignifikáns összefüggést találtunk. Az alexithymia megléte fel kell hívja a klinikus figyelmét a párhuzamosan fennálló kognitív zavarra.]

A pajzsmirigy betegségei nemcsak az endokrin kórképek között, de általában véve is igen gyakoriak. Minden klinikus, szakterületétől és érdeklődésétől függetlenül, óhatatlanul találkozik pajzsmirigybetegekkel a mindennapokban. Bár a pajzsmirigybetegségek diagnosztikus és terápiás palettája az elmúlt évtizedben nem sokat változott, a betegek ellátásában több olyan intenzíven kutatott terület van, melyek újdonságaival fontos tisztában lennünk. Összefoglalónkban a forrongó témák közül tekintünk át hármat.

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.