Részletes keresés

Hypertonia és Nephrologia

2024. FEBRUÁR 28.

Változások, újdonságok a csecsemőgyógyászati nefrológiában – I. rész

MÁTTYUS István

Vesicoureteralis reflux esetén a vizelet a hólyagból a vesékbe rendellenesen visszaáramlik, ami fokozott vesemedencegyulladás-veszéllyel jár, súlyos esetben vesekárosodást okoz. Csecsemőkorban gyakori. Emiatt régebben, ha már a gyanúja felmerült, célzott, invazív vizsgálatokat végeztek a VUR diagnózisának felállítása céljából. Ha sikerült VUR-t igazolni, tartós antibiotikus kezelés, majd kontrollvizsgálatok, pozitív esetben sebészi beavatkozás következett.

HUN 2024;28(1)

Klinikum

2024. FEBRUÁR 14.

hirdetés

Klinikum

2024. FEBRUÁR 14.

hirdetés

Hírvilág

2024. FEBRUÁR 14.

XXII. Szekszárdi Kardiológiai Napok

2024. március 22-23-án rendezik meg a XXII. Szekszárdi Kardiológiai Napokat. A rendezvénynek a Babits Mihály Kulturális Központ ad helyt. A konferencia a kardiológia aktuális tudományos kérdéseit járja körül, a szakma jeles képviselőinek részvételével. A részvétel díjtalan, vizsgával zárul. A szabadon választható kongresszust az OFTEX 12 pontra akkreditálta.

HUN

Ökológia

2024. FEBRUÁR 05.

Az egészségtelen és környezetkárosító ultrafeldolgozott élelmiszerek terén változásra van szükség

Napjaink domináns élelmiszerrendszerei egészségügyi és ökológiai problémák sokaságát okozzák. Hogy ez érdemben megváltozzon, ahhoz rendszerszintű változásokra van szükség. Egy, az Agriculture and Human Values szaklapban megjelent tanulmány, az Ecological regulation for healthy and sustainable food systems: responding to the global rise of ultra-processed foods is vizsgálja a kérdést.

HUN

Hírvilág

2024. FEBRUÁR 03.

Február 4 - Nemzetközi Rákellenes világnap

A Rákellenes Világnapot 24 éve tartják, február 4-én. A Nemzetközi Rákellenes Unió központi kampánytémája ez évben az esélyegyenlőség a daganatos betegek ellátásában, valamint a betegséget túlélők köre.

HUN

Ideggyógyászati Szemle

2024. JANUÁR 30.

[A ‘Hungarian Longitudinal Study of Healthy  Brain Aging’ (HuBA) egészséges agyi  öregedést vizsgáló kutatás protokollja]

BANKÓ M. Éva , WEISS Béla , HEVESI István , MANGA Annamária , VAKLI Pál , HAVADI-NAGY Menta , KELEMEN Rebeka , SOMOGYI Eszter , HOMOLYA István , BIHARI Adél , SIMON Ádám , NÁRAI Ádám , TÓTH Krisztina , BÁTHORI Noémi , TOMACSEK Vivien , HORVÁTH András , KAMONDI Anita , RACSMÁNY Mihály, DÉNES Ádám , SIMOR Péter , KOVÁCS Tibor , HERMANN Petra , VIDNYÁNSZKY Zoltán

[A neurokognitív öregedés és a vele járó agyi betegségek jelentős társadalmi és gazdasági terhet jelentenek, ami indokolja a közelmúlt jelentős tudományos erőfeszítéseit az egészséges neurokognitív öregedés életmódbeli, neurobiológiai és ge­netikai alapjainak feltárására.]

ENG 2024;77(1-2)

Klinikum

2024. JANUÁR 30.

Az iscalimab hatékonysága myasthenia gravis kezelésében

A myasthenia gravis (MR) egy ritka autoimmun betegség, mely a neuromuszkuláris ingerületátvitelt gátolja. A betegség a világon több mint 700000 embert érint. A generalizált MG-s betegek kb. 80-90%-ában kimutatható a posztszinaptikus nikotinos acetilkolin-receptort (AChR) gátló autoantitest, míg további 5-8%-ban MuSK-autoantitest vagy ritkábban, LRP4-autoantitest mutatható ki.

HUN

Ideggyógyászati Szemle

2024. JANUÁR 30.

[A hosszú távú prognózist befolyásoló tényezők pszichogén nem epilepsziás rohamokkal küzdő felnőtt betegeknél]

MELIHA TURKSEVER, BABURHAN GULDIKEN, HULYA OZKAN, MERVE Melodi CAKAR

[Azon epilepsziás betegek közül, akiknek megfigyelését video-elektroencefalográfiás monitorozás (VEM) technikával végzik, egyes betegeknél definitív diagnózisként pszichogén nem epilepsziás roham (PNES) azonosítható. Ezen betegek esetében a hosszú távú prognózis nem ismert eléggé. Jelen tanulmány célja a PNES prognózisát meghatározó tényezők azonosítása.]

ENG 2024;77(1-2)

Ideggyógyászati Szemle

2024. JANUÁR 30.

[Migrénes betegek periaqueductalis szürkeállományának MRI radiomikai alapú gépitanulás-modellje]

MESE Ismail , KARACI Rahsan , ALTINTAS TASLICAY Ceylan , TASLICAY Cengizhan , AKANSEL Gur , DOMAC Fusun Saime

[A tanulmány célja a következő kérdés vizsgálata volt: A periaqueductalis szürke régió MRI radiomikai elemzése ké­pes-e megvilágítani a különböző migrén­al­típusok hátterében álló patofiziológiai me­cha­nizmusokat, és képes-e az ezeket a radiomikai jellemzőket használó gépi tanulási modell a migrénes betegek és az egészséges egyének pontos megkülönböztetésére, valamint a migrén altípusait, beleértve az átfedő tünetekkel járó atipikus eseteket is?

A vizsgálatban a betegek első migréndiagnózisa után készült kezdeti MRI-felvételeket elemeztük, és további MRI-fel­vé­teleket szereztünk be egészséges ala­nyok­ról. Radiomikai modellezést alkal­­maz­­tunk a pe­ri­aqueductalis szürke ré­­gió összes MRI-felvételének elemzésé­re. Az adathalmazt randomizáltuk, és túl­min­ta­vételt alkalmaztunk, ha a csoportok kö­zött osztály-kiegyen­súlyozat­lan­ság állt fenn. Az op­timális algoritmuson alapuló jel­lem­ző­ki­­választási módszert alkalmaztuk a két cso­port megkülönböztetésére szolgáló leg­­fontosabb 5-10 jellemző kiválasztására. A mes­terséges intelligencia algoritmusok osztályozási teljesítményét a receiver operating characteristic (ROC) vevő működési karakterisztika analízis segítségével értékeltük a görbe alatti terület, az osz­tályozási pontosság, a szenzitivitás és a specificitás értékeinek kiszámításához. 
A résztvevőknek rendelkezniük kellett az epizodikus migrén, a valószínűsíthető migrén vagy a krónikus migrén igazolt diagnózisával. A vizsgálatból kizártuk az aurás betegeket, azokat, akik az elmúlt hat hónapban migrénmegelőző gyógyszert szedtek, vagy krónikus betegségben, pszichiátriai rendellenességben, cerebrovascularis betegségben, da­­ga­­natos betegségben vagy más típusú fej­fá­jás­ban szenvedtek. Emellett 102 egész­­séges személyt vontunk be a vizsgálatba, akik megfeleltek a beválasztási és kizárási krité­­riumoknak.

Az algoritmusalapú információnyerési módszer a jellemzők csökkentésére nyújtotta az összes módszer közül a leg­jobb teljesítményt, az elsőrendű, a szürke szintű méretzóna mátrix és a szürke szintű együttes mátrix osztályok voltak a domináns jellemzőosztályok. A gépi tanulási modell helyesen különítette el a migrénes betegek 82,4%-át az egészséges alanyoktól. A mig­rénes csoporton belül az epizodikus mig­rénes – valószínű migrénes betegek 74,1%-át és a krónikus migrénes betegek 90,5%-át sikerült pontosan osztályozni. A va­ló­színű migrénes és az epizodikus mig­rénes betegek között nem találtunk szig­nifikáns különbséget a pe­riaqueductalis szürke régió radiomikai jellemzői tekintetében. A kNN algoritmus mutatta a legjobb teljesítményt az epizodikus migrén – valószínű migrén altípusok meghatározásában, míg a Random Forest algoritmus mutatta a legjobb teljesítményt a migréncsoport és a krónikus migrén altípus meghatározásában.

A migrénes betegek diagnózisa és nyomon követése során nyert standard MR-felvételeket felhasználó radiomikai alapú gépi tanulási modell ígéretesnek bi­zonyul nemcsak a klinikai megközelítés számára a migrén diagnózisának és osztályozásának segítésében, hanem a migrén hátterében álló neurológiai mechanizmusok megértésében is.]

ENG 2024;77(1-2)