معیار تنگی نفس برای تشخیص احتمال ابتلا به کرونا / از بین رفتن حس بویایی از مشکلات کرونا
تاریخ انتشار: ۳ اردیبهشت ۱۳۹۹ | کد خبر: ۲۷۶۹۵۷۵۷
خبرگزاری آریا- ویروس کرونا از بینی تا حنجره و ریه که بیشتر راه‌های تنفسی هستند را گرفتار می‌کند اما سیستم گوارش را کمتر درگیر می‌کند.
دکتراردشیر حسن زاده متخصص گوش، حلق و بینی در گفتگو با خبرنگار بهداشت و درمان خبرگزاری آریا در خصوص مهمترین علائم ابتلا به کرونا و اینکه کدام دسته از افراد باید به بیمارستان مراجعه کنند اظهار داشت: داشتن تب یکی از علائم ابتلا به کرونا محسوب می شود و ممکن است حدود 20 درصد مبتلایان به کرونا دارای علامت تب باشند اما علامت تنگی نفس مهمتر از داشتن علامت تب در احتمال ابتلا به کرونا می باشد.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمی‌شوند!
این متخصص گوش، حلق و بینی این در ادامه اظهار کرد: اگر کسی نشانه هایی همچون سرفه‌های شدید و تنگی نفس را داشت ، نشان دهنده درگیر شدن ریه می باشد که این دسته از افراد باید به بیمارستان‌ها مراجعه کنند.
دکتراردشیر حسن زاده در رابطه با حصول اطمینان افراد از داشتن تنگی نفس برای مراجعه به بیمارستان نیز گفت: تعداد تنفس در حالت نشسته، بدون فعالیت و در حال استراحت معیار تنگی نفس می باشد.
وی تصریح کرد: تعداد 10 تا 12 بار در یک دقیقه تنفس مطلوب است و اگر تنفس افرد بالاتر از 24 بار در دقیقه باشد نشانه تنگی نفس است .
این متخصص گوش، حلق و بینی تاکید کرد: بر اساس این معیار ، افرادی که در تنفس کم می‌آورند و دچار مشکل هستند باید به بیمارستان مراجعه کنند.
وی بابیان اینکه البته راه تنفس به صورت طبیعی از طریق بینی استف اظهار داشت: برخی از افراد بر اساس عاداتی که دارند به دلیل تنگی نفس از راه دهان نفس می‌کشند.
دکتراردشیر حسن زاده در ادامه با تاکید بر اینکه اکثر بیماران کرونا دارای تب هستند خاطر نشان کرد: البته نباید گفت که نبود تب نشانه نبود بیماری کروناست ولی تنگی نفس از تب مهم تر است؛هر چند که حدود 20 درصد مبتلایان به کرونا ممکن است تب نداشته باشند.
این متخصص گوش و حلق و بینی در پایان اظهار داشت: از مشکلات دیگری که ویروس کرونا در برخی افراد ایجاد می‌کند از بین رفتن حس بویایی می تواند باشد.
منبع: خبرگزاری آریا
کلیدواژه: کرونا ابتلا به کرونا حلق و بینی متخصص گوش تنگی نفس
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت www.aryanews.com دریافت کرده‌است، لذا منبع این خبر، وبسایت «خبرگزاری آریا» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۲۷۶۹۵۷۵۷ 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:
ساعت هوشمندی که اختلال در ریتم قلب را زودتر از وقوع پیش‌بینی می‌کند
با برنامه‌ریزی گنجاندن این مدل در یک تلفن همراه هوشمند به طوری که بتواند داده‌های یک ساعت هوشمند را تجزیه و تحلیل کند می‌توان از آن به عنوان یک سیستم هشدار اولیه استفاده کرد.
به گزارش ایسنا، شایع‌ترین اختلال ریتم قلب، فیبریلاسیون دهلیزی (AF) است که به طور قابل توجهی مراجعات بخش اورژانس و خطر بیماری‌های دیگر مانند سکته مغزی و زوال عقل را افزایش می‌دهد. این عارضه زمانی اتفاق می‌افتد که حفره‌های فوقانی قلب یا دهلیز‌ها به‌طور آشفته‌ای می‌تپند و با حفره‌های پایینی یا بطن‌ها هماهنگ نیستند و ریتم قلبی نامنظم و اغلب بسیار سریعی ایجاد می‌کنند.
بازگرداندن بیمار از فیبریلاسیون دهلیزی به ریتم منظم سینوسی می‌تواند به مداخلات فشرده‌ای مانند کاردیوورژن و وارد کردن شوک کم انرژی نیاز داشته باشد. بنابراین، تشخیص یک دوره از فیبریلاسیون دهلیزی قبل از وقوع، مداخلات اولیه را امکانپذیر می‌کند که ممکن است نتایج درمان بیمار را بهبود بخشد.
محققان مرکز سیستم‌های زیست‌پزشکی لوکزامبورگ (LCSB) در دانشگاه لوکزامبورگ مطالعه‌ای را منتشر کرده‌اند که در آن یک مدل یادگیری عمیق برای پیش‌بینی دقیق و ۳۰ دقیقه زودتر از وقوع فیبریلاسیون دهلیزی آموزش دیده است.
در حال حاضر، الکتروکاردیوگرافی (ECG) یا نوار قلب فقط می‌تواند فیبریلاسیون دهلیزی را درست قبل از وقوع آن تشخیص دهد، بنابراین نمی‌توان آن را یک سیستم هشدار اولیه در نظر گرفت.
خورخه گونکالوز (Jorge Goncalves)، نویسنده مسئول این مطالعه می‌گوید: ما از داده‌های ضربان قلب برای آموزش یک مدل یادگیری عمیق استفاده کردیم که می‌تواند مراحل مختلف مانند ریتم سینوسی، پیش فیبریلاسیون دهلیزی و فیبریلاسیون دهلیزی را تشخیص دهد و احتمال خطر ابتلا به یک اتفاق قریب‌الوقوع را محاسبه کند.
این مدل هشدار فیبریلاسیون دهلیزی (Warning of Atrial fibRillatioN) یا وارن (WARN) نامیده می‌شود، بر روی ضبط ۲۴ ساعته نوار قلب که از ۳۵۰ بیمار در بیمارستان تانگجی، چین جمع آوری شده بود، آموزش داده و آزمایش شد. داده‌ها توسط متخصصین قلب به عنوان ریتم سینوسی، پیش فیبریلاسیون دهلیزی و فیبریلاسیون دهلیزی دسته‌بندی شدند.
برای آموزش مدل برای تشخیص علائم پیش از فیبریلاسیون دهلیزی، محققان از تنوع در فاصله بین امواج در نوار قلب به عنوان منبع اصلی داده استفاده کردند.
با جمع‌آوری نمونه‌های ۳۰ ثانیه‌ای هر ۱۵ ثانیه، مدل یادگیری عمیق احتمال بروز فیبریلاسیون دهلیزی قریب الوقوع را محاسبه کرد. در داده‌های آزمایش، وارن شروع فیبریلاسیون دهلیزی را به‌طور متوسط ۳۱ دقیقه و ۳۳ دقیقه قبل از وقوع، به ترتیب با دقت ۸۳ و ۷۳ درصد پیش‌بینی کرد.
مارینو گاویدیا (Marino Gavidia) نویسنده اول مطالعه می‌گوید: مدل ما با استفاده از فواصل امواج R به R، عملکرد بالایی دارد که می‌توان این داده‌ها را از ضبط کننده‌های سیگنال پالس ساده و مقرون به صرفه مانند ساعت‌های هوشمند دریافت کرد.
محققان پیش‌بینی می‌کنند که این دستگاه می‌تواند در تلفن‌های هوشمند برای پردازش داده‌های به‌دست‌آمده از یک ساعت هوشمند استفاده شود. هدف در درازمدت این است که بیماران بتوانند به طور مداوم ریتم قلب خود را کنترل کنند و به اندازه کافی هشدار دریافت کنند تا بتوانند از درمان‌هایی مانند دارو‌های ضد آریتمی خوراکی برای جلوگیری از شروع فیبریلاسیون دهلیزی استفاده کنند؛ و محققان می‌گویند، این فناوری را می‌توان شخصی‌سازی کرد.
این مطالعه در مجله Patterns منتشر شده است.
منبع: ایسنا
باشگاه خبرنگاران جوان علمی پزشکی فناوری
همسر شهید آیت الله سیدمصطفی خمینی دار فانی را وداع گفت