Jump to content
Forum Kopalni Wiedzy

Search the Community

Showing results for tags ' medycyna'.



More search options

  • Search By Tags

    Type tags separated by commas.
  • Search By Author

Content Type


Forums

  • Nasza społeczność
    • Sprawy administracyjne i inne
    • Luźne gatki
  • Komentarze do wiadomości
    • Medycyna
    • Technologia
    • Psychologia
    • Zdrowie i uroda
    • Bezpieczeństwo IT
    • Nauki przyrodnicze
    • Astronomia i fizyka
    • Humanistyka
    • Ciekawostki
  • Artykuły
    • Artykuły
  • Inne
    • Wywiady
    • Książki

Find results in...

Find results that contain...


Date Created

  • Start

    End


Last Updated

  • Start

    End


Filter by number of...

Joined

  • Start

    End


Group


Adres URL


Skype


ICQ


Jabber


MSN


AIM


Yahoo


Lokalizacja


Zainteresowania

Found 6 results

  1. Każdy chromosom ludzkiego organizmu jest zakończony sekwencjami telomerowymi. Ponieważ skracają się one przy każdym podziale komórki, przyciągały od lat wyobraźnię badaczy. Stawiali oni sobie pytanie: co stanie się, kiedy telomery skrócą się tak bardzo, że podział będzie niemożliwy? W istocie, związek między skracaniem telomerów a maksymalną liczbą podziałów komórki (limitem Hayflicka) został potwierdzony. Istnieje zatem związek między długością telomerów a starzeniem się. Wiele chorób ma cechy przyspieszonego starzenia – dezorganizacji procesów, które normalnie utrzymują równowagę niezbędną dla funkcjonowania organizmu. Wobec tego można też postulować, że długość telomerów mogłaby okazać się przydatna w medycynie, służąc jako marker stanu zdrowia. Krótsze telomery leukocytarne to eksperymentalny biomarker ryzyka sercowo-naczyniowego [1], w znacznym stopniu niezależny od typowych czynników ryzyka ocenianych w wywiadzie i analizach biochemicznych. Może to być pośrednio związane z czynnikami dietetycznymi, jako że większa długość telomerów koreluje ze spożyciem warzyw i owoców [2], większą aktywnością fizyczną [3] i czystością powietrza [4]. Jednak liczba chorób, w których wykazano zmiany długości telomerów, jest obszerna. Większa długość telomerów w tkance raka piersi jest związana z lepszą prognozą niezależnie od szeregu innych czynników zazwyczaj branych przy takiej ocenie pod uwagę [5]. Wykazano również zależność między długością telomerów a ryzykiem raka żołądka, chorobą Alzheimera i cukrzycą [10]. Telomery są krótsze u palaczy, proporcjonalnie do liczby paczkolat, a efekt ten zdaje się w jakimś stopniu utrzymywać nawet po zaprzestaniu palenia [6]. Zaburzenia wzrastania wewnątrzmacicznego korelują ze skróceniem telomerów łożyska [7]. Wiadomo także, że kobiety mają dłuższe telomery niż mężczyźni [8]. Osoby z krótszymi telomerami zdają się reagować silniejszą produkcją kortyzolu na czynniki stresowe [9]. Temat długości telomerów jest również aktywnie zgłębiany w Polsce. W Klinice Gastroenterologii Dziecięcej i Chorób Metabolicznych Uniwersytetu Medycznego w Poznaniu realizowany jest projekt Narodowego Centrum Nauki „Preludium” dotyczący długości telomerów w mukowiscydozie (2017/25/N/NZ5/02126). Mukowiscydoza jest najczęstszą poważną chorobą genetyczną w populacji osób białych. Polski program badań przesiewowych w kierunku mukowiscydozy należy do najlepszych na świecie (ok. 99% skuteczność). Dodatni wynik stwierdza się u ok. 1 na 5000 nowo urodzonych dzieci. Łącznie w Polsce na mukowiscydozę choruje ponad 2000 osób. Dzięki postępom w intensywnym leczeniu, jakie jest wymagane w tej chorobie, przeciętna długość życia polskich chorych wydłużyła się z ok. 20 lat dekadę temu do niemal 30 lat dziś. U znaczącej większości chorych można dokładnie poznać mutacje genu CFTR, którego mutacje są odpowiedzialne za chorobę. Niemniej, zależności między tymi mutacjami a przebiegiem choroby nie są ścisłe, co stanowi jedną z wielkich zagadek biomedycyny w ogóle. Z tego powodu potrzebne są dokładne narzędzia pozwalające charakteryzować chorych i przewidywać u nich przebieg choroby, a także uprzedzająco stosować odpowiednie interwencje. Prowadzone w Poznaniu badania mają na celu scharakteryzowanie długości telomerów oraz przebiegu klinicznego choroby w grupie dzieci i osób dorosłych z mukowiscydozą. Długość telomerów oznaczana jest metodą ilościowej reakcji polimerazy (qPCR), co wymaga znacznego stopnia precyzji. Publikacji wyników badań można spodziewać się w przyszłym roku. Tymczasem coraz wyraźniej widać, że telomery budzą szerokie zainteresowanie w środowisku naukowym i przyciągają uwagę jako potencjalne biomarkery. Ich wprowadzenie do praktyki będzie jednak wymagało licznych badań i weryfikacji przydatności w dużych grupach. Bibliografia 1.     Haycock PC, Heydon EE, Kaptoge S, Butterworth AS, Thompson A, Willeit P. Leucocyte telomere length and risk of cardiovascular disease: systematic review and meta-analysis. BMJ. 8 lipiec 2014;349:g4227. 2.     Rafie N, Golpour Hamedani S, Barak F, Safavi SM, Miraghajani M. Dietary patterns, food groups and telomere length: a systematic review of current studies. Eur J Clin Nutr. 2017;71(2):151–8. 3.     Lin X, Zhou J, Dong B. Effect of different levels of exercise on telomere length: A systematic review and meta-analysis. J Rehabil Med. 8 lipiec 2019;51(7):473–8. 4.     Miri M, Nazarzadeh M, Alahabadi A, Ehrampoush MH, Rad A, Lotfi MH, i in. Air pollution and telomere length in adults: A systematic review and meta-analysis of observational studies. Environ Pollut. styczeń 2019;244:636–47. 5.     Ennour-Idrissi K, Maunsell E, Diorio C. Telomere Length and Breast Cancer Prognosis: A Systematic Review. Cancer Epidemiol Biomarkers Prev. 2017;26(1):3–10. 6.     Astuti Y, Wardhana A, Watkins J, Wulaningsih W, PILAR Research Network. Cigarette smoking and telomere length: A systematic review of 84 studies and meta-analysis. Environ Res. 2017;158:480–9. 7.     Niu Z, Li K, Xie C, Wen X. Adverse Birth Outcomes and Birth Telomere Length: A Systematic Review and Meta-Analysis. J Pediatr. 2019;215:64-74.e6. 8.     Gardner M, Bann D, Wiley L, Cooper R, Hardy R, Nitsch D, i in. Gender and telomere length: systematic review and meta-analysis. Exp Gerontol. marzec 2014;51:15–27. 9.     Jiang Y, Da W, Qiao S, Zhang Q, Li X, Ivey G, i in. Basal cortisol, cortisol reactivity, and telomere length: A systematic review and meta-analysis. Psychoneuroendocrinology. 2019;103:163–72. 10.     Smith L, Luchini C, Demurtas J, Soysal P, Stubbs B, Hamer M, i in. Telomere length and health outcomes: An umbrella review of systematic reviews and meta-analyses of observational studies. Ageing Res Rev. 2019;51:1–10. « powrót do artykułu
  2. Autorzy badań opublikowanych na łamach PNAS ostrzegają, że nie można ufać technikom obrazowania medycznego rekonstruowanym za pomocą sztucznej inteligencji. Międzynarodowy zespół naukowy pracujący pod kierunkiem Andersa Hansena z Uniwersytetu w Cambridge stwierdził, że narzędzia do głębokiego uczenia się, które rekonstruują obrazy wysokiej jakości na podstawie szybkich skanów, tworzą liczne przekłamania i artefakty, które mogą wpływać na diagnozę. Jak niejednokrotnie informowaliśmy, systemy sztucznej inteligencji są już na tyle zaawansowane, że równie dobrze jak radiolodzy, a często i lepiej, potrafią opisywać zdjęcia RTG, obrazy tomografii komputerowej czy rezonansu magnetycznego. W związku z tym pojawił się pomysł, by SI zaprząc do rekonstrukcji obrazów. Pomysł polega na tym, by wykonywać obrazowanie o niższej rozdzielczości, czyli pobierać dane z mniejszej liczby punktów, a następnie, by wytrenowane systemy algorytmy sztucznej inteligencji rekonstruowały na tej postawie obraz o wysokiej rozdzielczości. W ten sposób można by zaoszczędzić czas i pieniądze potrzebny na wykonanie badania. Wykorzystywane tutaj algorytmy były trenowana na dużej bazie danych obrazów wysokiej jakości, co stanowi znaczne odejście od klasycznych technik rekonstrukcji bazujących na teoriach matematycznych. Okazuje się jednak, że takie systemy SI mają poważne problemy. Mogą one bowiem przegapić niewielkie zmiany strukturalne, takie jak małe guzy nowotworowe, podczas gdy niewielkie, niemal niewidoczne zakłócenia spowodowane np. poruszeniem się pacjenta, mogą zostać odtworzone jako poważne artefakty na obrazie wyjściowym. Zespół w skład którego weszli Vegard Antun z Uniwersytetu w Oslo, Francesco Renna z Uniwersytetu w Porto, Clarice Poon z Uniwersytetu w Bath, Ben Adcock z Simon Fraser University oraz wspomniany już Anders Hansen, przetestował sześć sieci neuronowych, wykorzystywanych do rekonstrukcji obrazów tomografii i rezonansu. Sieciom zaprezentowano dane odpowiadają trzem potencjalnym problemom, które mogą się pojawić: niewielkim zakłóceniom, niewielkim zmianom strukturalnym oraz zmianom w próbkowaniu w porównaniu z danymi, na których system był trenowany. Wykazaliśmy, że niewielkie zakłócenia, których nie widać gołym okiem, mogą nagle stać się poważnym artefaktem, który pojawia się na obrazie, albo coś zostaje przez nie usunięte. Dostajemy więc fałszywie pozytywne i fałszywie negatywne dane, wyjaśnia Hansen. Uczeni, chcą sprawdzić zdolność systemu do wykrycia niewielkich zmian, dodali do skanów niewielkie litery i symbole z kart do gry. Tylko jedna z sieci była w stanie je prawidłowo zrekonstruować. Pozostałe sieci albo pokazały w tym miejscu niewyraźny obraz, albo usunęły te dodatki. Okazało się też, że tylko jedna sieć neuronowa radziła sobie ze zwiększaniem tempa skanowania i tworzyła lepszej jakości obrazy niż wynikałoby to z otrzymanych przez nią danych wejściowych. Druga z sieci nie była w stanie poprawić jakości obrazów i pokazywała skany niskiej jakości, a trzy inne rekonstruowały obrazy w gorszej jakości niż otrzymały do obróbki. Ostatni z systemów nie pozwalał na zwiększenie szybkości skanowania. Hansen stwierdza też, że badacze muszą zacząć testować stabilność takich systemów. Wówczas przekonają się, że wiele takich systemów jest niestabilnych. Jednak największym problemem jest fakt, że nie potrafimy w sposób matematyczny zrozumieć, jak działają tego typu systemy. Są one dla nas tajemnicą. Jeśli ich porządnie nie przetestujemy, możemy otrzymać katastrofalnie złe wyniki. Na szczęście takie systemy nie są jeszcze wykorzystywane w praktyce klinicznej. Zespół Hansena stworzył odpowiednie testy do ich sprawdzenia. Uczeni mówią, że nie chcą, by takie systemy zostały dopuszczone do użycia jeśli nie przejdą szczegółowych testów. « powrót do artykułu
  3. Czarna żółć (gr. μελαινα χολή) to najbardziej tajemniczy humor w koncepcji zdrowia i choroby stworzonej przez Hippokratesa (V/IV w. p.n.e.), która, po rozwinięciu przez Klaudiusza Galena (II w. n.e.) i średniowiecznych, arabskich uczonych, pozostawała aktualna w dyskursie medycznym do końca XVIII w. Przez większość tego czasu zajmowała wiodące miejsce w wyobrażeniach na temat stanów patologicznych ludzkiego organizmu. Powyższe pojmowanie istoty chorób miało znaczący wpływ na rodzaj podejmowanych terapii i stosowanych leków. Powiązana z tym typologia temperamentów wprowadziła do obiegu obraz melancholii – choroby cechującej się długotrwałym smutkiem i pojęcie melancholika – osoby, która niejako z przyrodzenia, ze względu na przewagę czarnej żółci w organizmie, wykazuje tendencje do częstego i nadmiernego smutku. Połączenie koncepcji humoralnej z astrologią przyporządkowało melancholię wpływom Saturna. Zaowocowało to licznymi nawiązaniami w sztuce, czego przykładem jest choćby, powszechnie znany, miedzioryt Melancholia I z 1514 r., autorstwa Albrechta Dürera. Jatroastrologia nie wytrzymała próby czasu. Została poddana krytyce przez naukę doby oświecenia. W tym samym okresie, wskutek rozwoju medycyny klinicznej, zrezygnowano z koncepcji humoralnej. Oba wątki przetrwały jednak poza medycyną. Obecnie większość ludzi zna swój znak zodiaku oraz temperament, nierzadko tłumacząc w ten sposób swoje samopoczucie i postępowanie. Trafność humoralnej koncepcji temperamentów sprawia, że posługuje się nią współczesna psychologia. Co za tym idzie melancholia i melancholicy stanowią nadal element składowy otaczającego nas świata. W świetle dzisiejszych standardów psychologii i psychiatrii, dawny termin „melancholia” został utożsamiony z pojęciem depresji, która jest obecnie groźną chorobą cywilizacyjną. Czy można jednak postawić między nimi znak równości? Kwestia ta pozostaje nadal otwarta. Polski psychiatra i humanista, profesor Antoni Kępiński (1918-1972) postulował, by wrócić do stosowania dawnego terminu „melancholia”, który jego zdaniem, lepiej oddaje stan człowieka pogrążonego w długotrwałym i odbierającym chęć życia smutku. Obszerny i wielopłaszczyznowy temat melancholii pozostaje zagadnieniem niewyczerpanym przez naukę. Jego złożoność wymaga interdyscyplinarnego podejścia. Celem konferencji jest więc próba przedstawienia aktualnych badań prowadzonych w następujących obszarach badawczych: • Melancholia/depresja i melancholicy. Stan duszy i ciała. • Wpływ Saturna. Znaki zodiaku. Melancholia w astrologii. • Melancholia/depresja w kulturze (i popkulturze). • Motyw melancholii/depresji w sztuce i literaturze. • Melancholia i melancholicy w dawnym dyskursie medycznym. • Leczenie depresji we współczesnej psychiatrii i psychologii. • Społeczne i cywilizacyjne aspekty depresji. Na konferencję, która odbędzie się w Bydgoszczy w dniach 23–24 kwietnia 2020 r., zapraszają Zakład Historii Medycyny i Pielęgniarstwa, Studenckie Koło Naukowe Historii Medycyny i Farmacji Collegium Medicum im. Ludwika Rydygiera w Bydgoszczy Uniwersytetu Mikołaja Kopernika, Studenckie Koło Historyków Uniwersytetu Kazimierza Wielkiego, Fundacja Naukowa Bydgoska Szkoła Historii Nauk Medycznych oraz Bydgoskie Towarzystwo Naukowe. Organizatorzy są też otwarci na referaty wykraczające poza opisane obszary badawcze, związane z tematem konferencji. Nie ograniczają zasięgu geograficznego, ani zakresu chronologicznego podejmowanych zagadnień. Do udziału w konferencji zapraszają wszystkich badaczy zainteresowanych jej tematyką, zaś w szczególności studentów i doktorantów oraz młodych (nawet tylko duchem) pracowników naukowych, reprezentujących kierunki związane z: medycyną, farmacją, psychologią, a także historią, historią sztuki, literaturoznawstwem, religioznawstwem, etnologią, antropologią kultury itp. Czas na wygłoszenie referatu wynosił będzie 20 minut. Zgłoszenia należy wysyłać, nie później niż do 25.03.2020 r., na adres: melancholia.depresja@wp.pl . Abstrakt powinien zawierać od 1000 do 1500 znaków ze spacjami. Organizatorzy zastrzegają sobie prawo do selekcji nadesłanych abstraktów. Lista osób zakwalifikowanych zostanie podana najpóźniej 1.04.2020 r.. Opłata konferencyjna wynosi 350 zł dla pracowników naukowych, 300 zł dla uczestników studiów doktoranckich oraz 200 zł dla studentów. Opłata obejmuje materiały konferencyjne, przerwy kawowe oraz opublikowanie wygłoszonego referatów w recenzowanej pracy zbiorowej. Do druku będą skierowane tylko te prace, które uzyskają pozytywną opinię recenzentów i redaktorów. Koszty noclegu oraz wyżywienia pozostają we własnym zakresie uczestników. Organizatorzy konferencji mogą pomóc w znalezieniu zakwaterowania.Wszelkie pytania prosimy kierować na adres mailowy melancholia.depresja@wp.pl. « powrót do artykułu
  4. Dr inż. Marcin Sieniek jest absolwentem Akademii Górniczo-Hutniczej w Krakowie i tamtejszego Uniwersytetu Ekonomicznego. Na AGH otrzymał również doktorat z informatyki za badania w dziedzinie nauk obliczeniowych. W Google Health zajmuje się pracą nad zastosowaniem sztucznej inteligencji w diagnozie raka piersi. Oprócz Google pracował w zespole Autopilota Tesli oraz prowadził w Polsce startup z dziedziny social learning. Prywatnie gra w zespole rockowym i prowadzi bloga expat-pozytywnie.pl. Jak trafia się do Google Health i dlaczego właśnie tam? To dość niszowa działka w działalności Google'a czy Alphabetu i wymagająca chyba szczególnych umiejętności? W Google Health pomocne są przede wszystkim różnorodne umiejętności i doświadczenia. W Google pracuję od ponad 5 lat, początkowo jako inżynier oprogramowania w polskim biurze firmy. Jednak już od samego początku pracowałem nad wykorzystywaniem sztucznej inteligencji, a konkretniej określonych technik - tzw. uczenia maszynowego. Później kontynuowałem pracę nad moimi projektami w amerykańskich biurach Google. Dopiero wtedy, szukając ciekawych wyzwań wewnątrz firmy, znalazłem możliwość dołączenia do Google Research - działu firmy skupiającego się na badaniach nad rozwojem sztucznej inteligencji i jej wykorzystaniem w różnych dziedzinach życia. Tam powstawał właśnie mały zespół badawczy zajmujący się zastosowaniem głębokiego uczenia maszynowego właśnie w radiologii. Proces selekcji do zespołu był wymagający - sprawdzano m.in. znajomość technik sztucznej inteligencji oraz udokumentowane doświadczenie w badaniach biotechnologicznych co akurat zupełnie przypadkiem było przedmiotem jednej z moich prac na studiach doktoranckich. Pod koniec 2018 roku mój zespół stał się częścią nowego działu Google Health - łączącego w sobie nie tylko inżynierów oprogramowania, ale także doświadczenie i wiedzę lekarzy, prawników, etyków i specjalistów od procedur medycznych. Jest Pan jednym ze współtwórców algorytmu, który lepiej diagnozuje raka piersi niż lekarze. Jak powstaje i działa taki algorytm? Algorytm taki powstaje podobnie jak np. technologia która pozwala rozpoznawać co znajduje się na zdjęciu. Algorytm sztucznej inteligencji jest „szkolony” na istniejącym zbiorze danych, gdzie obrazom (w tym wypadku medycznym, czyli zdjęciom z mammografii) towarzyszą oznaczenia (w tym wypadku: czy wykryto nowotwór złośliwy i ewentualna informacja o jego umiejscowieniu). Takie zbiory danych powstają w ramach normalnej praktyki w szpitalach i centrach programów przesiewowych, jednak często na tym ich zastosowanie się kończy. Takie algorytmy działają na bazie mechanizmu zwanego „sieciami neuronowymi”. Ich struktura inspirowana jest tym w jaki sposób informacje przetwarza ludzki mózg. Proces nauki przypomina w istocie proces w którym człowiek uczy się rozróżniać obrazy (np. dziecko rozpoznawać koty i psy, a radiolog rozpoznawać groźne guzy od nieszkodliwych zmian). W odróżnieniu jednak od radiologa, który w toku treningu może zobaczyć kilkadziesiąt-kilkaset nowotworów, komputer jest w stanie przetworzyć dziesiątki tysięcy przykładów w przeciągu jedynie kilku godzin. Taki „wytrenowany” algorytm stosuje się następnie do oceny osobnego, nowego zbioru danych. Następnie inżynierowie mogą wprowadzić poprawki w procesie uczenia się albo w budowie modelu i powtórzyć testy. Dopiero gdy wyniki działania modelu zadowalają jego twórców, sprawdza się go na kolejnym zbiorze danych, np. pochodzących z innej instytucji lub z innego źródła. Na tym właśnie etapie postanowiliśmy opublikować nasz artykuł w Nature. Na tym jednak nie kończymy pracy. Zanim taki model znajdzie praktyczne zastosowanie w szpitalach na całym świecie, muszą zostać przeprowadzone próby kliniczne i o na różnych populacjach pacjentów, musimy także ocenić skuteczność modelu na danych pochodzących z innych aparatów mammograficznych. Niejednokrotnie informowaliśmy o systemach SI radzących sobie w pewnych zadaniach lepiej od lekarzy. Skąd się bierze ta przewaga sztucznej inteligencji? Warto powiedzieć, że to „potencjalna” przewaga. Raczej patrzymy na to jako na wsparcie i usprawnienie procesów diagnostycznych lekarzy. To potencjalne usprawnienie bierze się kilku źródeł: po pierwsze, w procesie uczenia się algorytm może przeanalizować dużo więcej przypadków niż pojedynczy lekarz w procesie nauki (z drugiej strony ludzie wyciągają wnioski szybciej – maszyna potrzebuje więcej przykładów). Co więcej automat nie ma skłonności do zaspokojenia swoich poszukiwań jednym „znaleziskiem” i jest mniejsze ryzyko, że umknie mu inne, często ważniejsze. Wreszcie, system sztucznej inteligencji pozwala na „nastrojenie” go na pożądany przez daną placówkę medyczną poziom czułości i swoistości. « powrót do artykułu
  5. Na glinianej tabliczce-tekście medycznym sprzed 2700 lat znajduje się niezauważony dotychczas rysunek przedstawiający demona, który powodował epilepsję. Troels Pank Arbøll, asyriolog z Uniwersytetu w Kopenhadze badał glinianą tabliczkę przechowywaną w zbiorach Vorderasiatisches Museum w Berlinie, gdy na odwrocie zauważył częściowo zniszczony rysunek. Po bliższej analizie stwierdził, że przedstawia on demona z rogami, ogonem i wężowym językiem, który zgodnie z inskrypcją był odpowiedzialny za epilepsję. Od dawna wiemy, że Asyryjczycy i Babilończycy sądzili, iż choroby są powodowane przez bogów, demony lub czary. Zadaniem uzdrowicieli było pozbycie się tych mocy nadprzyrodzonych i powodowanych przez nie objawów za pomocą leków, rytuałów lub wygłaszania odpowiednich formułek. Tutaj  po raz pierwszy możemy połączyć jeden z bardzo rzadko występujących rysunków demonów z konkretnym tekstem dotyczącym epilepsji, którą Asyryjczycy i Babilończycy nazywali Bennu, mówi Arbøll. Na tekstach medycznych lub zawierających magiczne formuły lecznicze bardzo rzadko znajdują się rysunki, a gdy już tam są, to zwykle przedstawiają one figurki używane podczas leczenia, a nie samego demona wywołującego chorobę. Tutaj widzimy zaś demona epilepsji takiego, jakim wyobrażał go sobie uzdrowiciel, dodaje uczony. W znanych nam tekstach epilepsja (Bennu) jest opisywana jako choroba powodująca drgawki, utratę przytomności lub zdrowia umysłowego, dowiadujemy się, że czasem chorzy beczeli jak kozy. Tabliczka zdradza nam znacznie więcej informacji. W tekście czytamy, że przynoszący epilepsję demon działa w imieniu boga księżyca Sina. Zatem Asyryjczycy i Babilończycy wierzyli, że istnieje związek pomiędzy księżycem, epilepsją a chorobą umysłową. W kolejnych tysiącleciach taki pogląd się rozpowszechnił, również w naszej części świata, co widzimy np. w angielskim wyrazie „lunacy”. Innymi słowy, pogląd na chorobę, jej diagnozowanie i leczenie w najwcześniejszych cywilizacjach miał znaczący wpływ na jej późniejsze postrzeganie, nawet do czasów współczesnych, stwierdza Arbøll. « powrót do artykułu
  6. Wypalenie zawodowe lekarzy-rezydentów jest powszechnym zjawiskiem w USA, informują badacze z Mayo Clinic i Oregon Health & Science University. Wypalenie, niebezpieczna mieszanka wyczerpania i depersonalizacji, prowadzi do pojawiania się błędów lekarskich. Nie wszystkim jednak grozi w równym stopniu. Na podstawie przeprowadzonych ankiet naukowcy stwierdzili, że 45% amerykańskich rezydentów wykazuje co najmniej jeden objaw wypalenia, a największe ryzyko pojawienia się tego zjawiska zaobserwowano u lekarzy urologów, neurologów, specjalistów medycyny ratunkowej i chirurgii ogólnej. Niezależnie od specjalizacji, wysoki poziom niepokoju i niski poziom empatii podczas studiów medycznych były silnie skorelowane z późniejszym wypaleniem w czasie rezydentury. Okazało się, że rezydenci z objawami wypalenia zawodwego trzykrotnie częściej niż ich koledzy żałują decyzji o wybraniu kariery w medycynie. Na pytanie Czy, gdybyś mógł wybrać jeszcze raz, ponownie zdecydowałbyś, by zostać lekarzem? najczęściej przecząco odpowiadali patolodzy i anestezjolodzy. Wypalenie częściej też pojawiało się u kobiet niż u mężczyzn. Jednak ten problem był już wcześniej znany. Nowością jest, że częściej też dotyczy Latynosów niż Białych. Badacze przypuszczają, że bierze się to z faktu, że na członków mniejszości etnicznych wywierany jest nacisk, by brali udział w różnych instytucjonalnych inicjatywach na rzecz różnorodności, co przeciąża ich grafik. Nie można jednak powiedzieć, że badania rysują jednoznacznie czarny obraz rezydentów. Większość z nich jest zadowolona ze swojego wyboru i przebiegu kariery. Szczególnie wysoki poziom zadowolenia było widać u tych rezydentów, którzy w czasie studiów charakteryzowali się wysokim stopniem empatii. Są oni też bardziej odporni na wypalenie zawodowe. To zaś przeczy powszechnemu mniemaniu, że lekarz by przetrwać w swoim zawodzie musi mieć "grubą skórę" i odciąć się emocjonalnie od tego, co dzieje się w pracy. Wysoki poziom empatii podczas studiów był też skorelowany z chęcią ponownego wyboru tego samego zawodu. Powyższe badania to pierwsze tak szeroko zakrojone eksperymenty dotyczące wypalenia zawodowego u rezydentów. Dotychczasowe badania skupiały się bowiem na pełnoprawnych lekarzach. W badaniach tych wzięło udział 3600 osób z 50 szkół medycznych. Po raz pierwszy wypełniały one ankiety na czwartym roku studiów, a później na drugim roku rezydentury. « powrót do artykułu
×
×
  • Create New...