اضافه وزن و تغذیه نامناسب از عوامل بروز ناباروری در زنان
تاریخ انتشار: ۲۵ مهر ۱۳۹۶ | کد خبر: ۱۵۰۸۶۵۷۳
سرویس سلامت و پزشکی بی باک؛ بخش مهمترین عناوین:
یک متخصص زنان گفت: امروزه بسیاری از زنان درگیر اختلالات هورمونی و ناباروری هستند که با کاهش وزن، ورزش مناسب و تغذیه سالم میتوان ناباروری ناشی از این اختلالات را درمان کرد.
دکتر شیرین نیرومنش در گفتگو با خبرنگار مهر، اظهارداشت: طبق تحقیقات انجام شده فعالیت فیزیکی در تمام مراحل زندگی؛ از کودکی تا سالمندی در سلامتی افراد تاثیر مثبت دارد.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمیشوند!
وی افزود: در سنین پایین اغلب کودکانی که کم تحرک بوده و اضافه وزن دارند، بیشتر از سایر افراد در معرض آسیب و بیماری هستند.
نیرومنش تصریح کرد: اضافه وزن و تجمع چربی در کودکان زمینه ساز بروز بیماری های قلبی، فشار خون، دیابت و انواع سرطان ها در سنین بالاتر است.
این متخص زنان اظهار کرد: زندگی زنان به چند مرحله تقسیم می شود. دوران بلوغ و بعد از آن، دوران باروری که از حدود سن ۱۵ سالگی تا ۴۵ سالگی است و دوران یائسگی که از سن ۴۵سال به بالا است. در تمام این ایام داشتن سبک زندگی سالم ؛ تغذیه مناسب، تحرک و فعالیت فیزیکی و خودداری از مصرف غذاهای چرب و پرکالری به سلامت فرد کمک می کند.
نیرومنش با بیان اینکه ناباروری عوامل بسیاری دارد گفت: یکی از علت های ناباروی در زنان، سندروم PCO یا اختلال در تخمکگذاری است که در زنان چاق این اختلال و ناباروری شایعتر است و حتی این افراد در صورت باردار شدن خطر سقط افزایش دارند.
وی ادامه داد: بیماری تخمدان پلی کیستیک بیماری شایع ایست که طیف وسیعی از این بیماران را زنانی که اضافه وزن دارند شامل می شود . اختلال هورمونی و تخمکگذاری در این زنان بسیار زیاد است. در این بیماران سیکل ماهانه از حالت عادی خارج می شود، تخمکگذاری صورت نمی گیرد و تعادل هورمورن های زنانه بهم میخورد. این افراد معمولا ریزش موی شدید دارند و موهای زخیمی در صورت آنها می روید، که حتما میبایست با مراجعه به پزشک تحت درمان قرار بگیرند.
این استاد دانشگاه گفت: در کنار درمان طبی، کاهش وزن به کمک ورزش مرتب و رژیم غذایی مناسب می تواند اختلالات را درمان کنند.
نیرومنش اظهار کرد: دختران جوان در صورت داشتن اضافه وزن حتما میبایست به پزشک مراجعه کرده و با استفاده از رژیم و برنامه ورزشی به وزن ایده آل خود برسند.
وی توصیه کرد: زنان می توانند با یک ساعت ورزش یا پیاده روی در روز این اختلالات هورمونی را کاهش دهند و از پوکی استخوان پیشگیری کنند.
نیرومنش ادامه داد: پوکی استخوان در زنان شایع تر است که روند آن از سن ۴۵ سال شروع شده و بعد از سن یائسگی به سرعت پیش می رود. اقدامات پیشگیرانه برای پوکی استخوان باید از سالها قبل انجام شود.
این متخصص زنان گفت: رژیم غذایی مناسب؛ مصرف کافی لبنیات و عدم مصرف فست فود و نوشابه می تواند از پوکی استخوان در سنین بالا جلوگیری کند.
نیرومنش همچنین افزود: امروزه تعداد قابل توجهی از زنان جوان مبتلا به این اختلالات هورمونی هستند که با ورزش و کاهش وزن می توانند این اختلالات را برطرف کنند.
وی تاکید کرد: ماهانه فقط یک تا دو کیلو گرم کاهش وزن مناسب است و کاهش وزن های شدید به شدت مضر است.
نیرومنش در آخر افزود: ناباروری در آقایان نیز در میان کسانی که اضافه وزن دارند، شایع تر است. مصرف قلیان، سیگار، کم تحرکی و اضافه وزن سبب این ناباروری ها می شود.
منبع: بی باک نیوز
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را بهطور اتوماتیک از وبسایت www.bibaknews.com دریافت کردهاست، لذا منبع این خبر، وبسایت «بی باک نیوز» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۱۵۰۸۶۵۷۳ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتیکه در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.
با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.
خبر بعدی:
هوش مصنوعی قادر است بیماریهای نادر را سالها زودتر شناسایی کند
ایتنا - مطالعه جدیدی نشان میدهد که هوش مصنوعی ممکن است بتواند بیمارانی را که سالها زودتر از زمان تشخیص معمول به بیماریهای نادر مبتلا هستند، شناسایی کند. محققان در Science Translational Medicine گزارش دادند که یک برنامه جدید هوش مصنوعی توانست افراد در معرض خطر ابتلا به یک اختلال ایمنی نادر را شناسایی کند. محققان دریافتند از یک گروه 100 نفری که بر اساس برنامه هوش مصنوعی در معرض بالاترین خطر قرار دارند، 74 نفر به احتمال زیاد به این اختلال مبتلا هستند.
به گفته آنها، این تحقیق نشان میدهد که هوش مصنوعی میتواند به طور بالقوه به روند بهبود این بیماران کمک کند.
دکتر مانیش بوت، محقق ارشد، در بیانیهای گفت: «افرادی که بیماریهای نادر دارند ممکن است با تاخیرهای طولانی در تشخیص و درمان مواجه شوند که منجر به آزمایشهای غیرضروری، بیماری پیشرونده، استرسهای روانی و بار مالی میشود. با استفاده از ابزارهای هوش مصنوعی رویکردی را برای سرعت بخشیدن به تشخیص بیماران تشخیص داده نشده با شناسایی الگوهایی در پرونده الکترونیکی سلامت آنها ایجاد کردیم که شبیه الگوهای بیمارانی است که به این اختلالات معروف هستند.»
محققان بر مجموعه ای از اختلالات به نام نقص ایمنی متغیر رایج یا CVID تمرکز کردند. این اختلالات اغلب برای سالها یا دههها از تشخیص دور میمانند. اختلالات CVID حدود 1 نفر از هر 25000 نفر را تحت تاثیر قرار میدهد و به طور معمول باعث کمبود آنتیبادی و اختلال در پاسخهای ایمنی در بدن میشود. به گفته محققان، نه تنها اختلالات CVID نادر است، بلکه علائم میتواند بین بیماران بسیار متفاوت باشد و اغلب با بیماریهای شایعتر همپوشانی دارند.
بوت گفت:« علائم بالینی فنوتیپهای ایمنی نادر مانند CVID با بسیاری از تخصصهای پزشکی تلاقی میکند.» بیماران ممکن است برای عفونتهای سینوسی در کلینیکهای گوش، حلق و بینی مراجعه کنند یا در کلینیکهای ریه برای پنومونی درمان شوند. این تقسیم مراقبت در میان متخصصان متعدد منجر به تاخیرهای طولانی در تشخیص و درمان میشود.»
علاوه بر این، اختلالات CVID اغلب توسط تغییرات تنها در یک ژن از بیش از 60 ژن مرتبط با آنها ایجاد میشود. به گفته محققان، این موضوع امکان انجام آزمایش ژنتیکی برای تشخیص قطعی را رد میکند.
برای این مطالعه، محققان یک هوش مصنوعی به نام PheNet (فنت) توسعه دادند. این نام به کلمه "فنوتیپ" اشاره دارد که اصطلاح پزشکی برای ویژگیهای یک بیماری است که در مبتلایان دیده میشود. فنت الگوهای فنوتیپ را از موارد تأیید شده CVID میآموزد و سپس از این برای رتبهبندی خطر ابتلا به این اختلال استفاده میکند. فنت میلیونها پرونده الکترونیکی را بررسی کرد و همه بیماران را از نظر خطر ابتلا به CVID بر اساس آنچه آموخته بود رتبهبندی کرد.
نتایج نشان میدهد حدود 74 درصد از بیماران که PheNet بهعنوان بالاترین خطر ابتلا به CVID رتبهبندی کردهاند، بر اساس بررسیهای بعدی پزشکان، احتمال ابتلا به یکی از این اختلالات را دارند.
بر اساس این نتایج، تیم تحقیقاتی 4 میلیون دلار بودجه از مؤسسه ملی بهداشت برای مطالعه بیشتر برنامه هوش مصنوعی در محیطهای واقعی دریافت کرده است.
Bogdan Pasaniuc، محقق ارشد و استاد پزشکی محاسباتی، ژنتیک و آسیب شناسی، گفت: «ما نشان دادیم که الگوریتمهای هوش مصنوعی مانند PheNet میتوانند با تسریع در تشخیص CVID مزایای بالینی ارائه دهند و انتظار داریم این امر در مورد سایر بیماریهای نادر نیز اعمال شود. ما اکنون در حال بهبود دقت رویکرد خود برای شناسایی بهتر CVID و در عین حال گسترش به سایر بیماریها هستیم. ما همچنین برنامهریزی خواهیم کرد تا به سیستم یاد دهیم که یادداشتهای پزشکی را بخواند تا اطلاعات بیشتری در مورد بیماران و بیماریهای آنها به دست آورد.»