جستجو در مقالات منتشر شده


3 نتیجه برای یاقوتی

خسرو برخورداری، سمانه یاقوتی، سپیده نیکخواه، افسانه آیین، آرش جلالی، اکبر شفیعی،
دوره 74، شماره 9 - ( آذر 1395 )
چکیده

زمینه و هدف: هدف از این مطالعه مقایسه پیامدهای بالینی کوتاه‌مدت پس از عمل جراحی قلب در بیماران با شرایط قابل قبول از نظر کلینیکی و pH کمتر از حد پروتکل مرسوم با بیماران اکستیوب‌شده بر اساس پروتکل مرسوم بیمارستان می‌باشد.

روش بررسی: این مطالعه کوهورت گذشته‌نگر در بیمارستان مرکز قلب تهران در سال 94-1393 انجام شد. از 256 بیمار جراحی قلب با معیارهای ورود به مطالعه شامل سن بالای 18 سال و جراحی الکتیو کرونری، 95 بیمار در گروه مواجهه و 161 بیمار در گروه کنترل قرار گرفتند. داده‌های دموگرافیک، بالینی، آزمایشگاهی پیش، حین و پس از عمل بررسی و مشخصات گازهای خونی شریانی هنگام پذیرش در ICU و پیش و شش ساعت پس از اکستیوباسیون، شانس شکست اکستیوباسیون، زمان ماندن در ICU و بیمارستان و مرگ‌و‌میر در دو گروه با هم مقایسه‌ شد.

یافته‌ها: فراوانی مردان و کسر برون‌ده قلبی در گروه کنترل بیشتر (به‌ترتیب 01/0P= و 02/0P=) و فراوانی بیماری انسدادی مزمن ریه و EuroSCORE در گروه مواجهه بالاتر بود (به‌ترتیب 005/0P= و 02/0P=). هنگام ورود به ICU دو گروه از نظر شاخص‌های گاز خون شریانی با هم تفاوت معناداری نداشتند. پیش از اکستیوباسیون مقادیر کسر اکسیژن دمی و فشار شریانی دی‌اکسید‌کربن در گروه مواجهه بالاتر (001/0P<) و مقدار بی‌کربنات و اسیدیته خون کمتر از گروه غیرمواجهه بود (001/0P<). شانس شکست اکستیوباسیون، زمان اقامت در ICU و بیمارستان و مرگ‌و‌میر در دو گروه با هم تفاوت معناداری نداشتند.

نتیجه‌گیری: بیماران با وضعیت بالینی قابل قبول که با اسیدیته خون کمتر از پروتکل مرسوم اکستیوب شدند پیامدهای بالینی بدتری نداشتند.


عظیم ادیب‌منش، نرگس محمد تقوایی، مهرنوش ذاکرکیش، حمید یاقوتی،
دوره 77، شماره 12 - ( اسفند 1398 )
چکیده

زمینه و هدف: نیتریک‌اکساید به‌وسیله Endothelial nitric oxide synthase (eNOS) تولید می‌شود. اختلال در تولید نیتریک‌اکساید باعث ایجاد عوارض دیابت نوع دو می‌شود. مطالعه حاضر، اثر پلی‌مورفیسم G894T ژن eNOS را بر روی دیابت نوع دو و نفروپاتی دیابتی بررسی می‌کند.
روش بررسی: این مطالعه مورد-شاهدی از شهریور ۱۳۹۵ تا آذر ۱۳۹۶ در درمانگاه تخصصی دیابت بیمارستان گلستان شهر اهواز انجام شد. گروه شاهد بدون سابقه ابتلا به دیابت و بیماری‌های التهابی و متابولیکی بود. گروه مورد دیابت نوع دو پس از گذشت ۱۰ سال هیچگونه عوارض عروق کوچک را نشان نداد.گروه مورد نفروپاتی در دو نوبت مراجعه متوالی، آلبومین‌اوری غیرنرمال را نشان داد. معیار خروج افراد از مطالعه دارا بودن بیماری‌های خاص، انجام دیالیز و پیوند کلیه بود. ژنوتیپ پلی‌مورفیسم G894T ژن eNOS با استفاده از روش Polymerase chain reaction–restriction fragment length polymorphism (PCR-RFLP) تعیین گردید.
یافته‌ها: فراوانی بیشتر آلل جهش یافته T، ژنوتیپ هموزیگوت TT و سطوح بالاتر پارامترهای بیوشیمیایی (مانند نیتروژن اوره خون و قندخون ناشتا) در بیماران دیابتی در مقایسه با گروه شاهد مشاهده شد باوجود ارتباط معنادار بین پلی‌مورفیسم G894T ژن eNOS و دیابت نوع دو، رابطه معناداری با نفروپاتی دیابتی و دیابت نوع دو حاصل نشد. مقادیر نسبت شانس برای نفروپاتی دیابتی به‌میزان۱/۱ (۰/۷۶P=) و ۰/۸ (۰/۶P=) به‌دست آمد.
نتیجه‌گیری: نتایج این مطالعه تاییدکننده ارتباط معنادار آلل T و ژنوتیپ TT پلی‌مورفیسم G894T ژن eNOS با استعداد به بیماری دیابت نوع دو و عدم ارتباط آن با نفروپاتی دیابتی بود.

امیر رضا نادری یاقوتی، احمد شالباف، آرش مقصودی،
دوره 79، شماره 1 - ( فروردین 1400 )
چکیده

زمینه و هدف: تشخیص دقیق و به‌هنگام بیماری کبد‌چرب غیرالکلی که عامل اصلی بیماری‌های مزمن کبد است، بسیار مهم می‌باشد. سونوگرافی از کبد متداول‌ترین روش تشخیص میزان کبدچرب می‌باشد. اما به دلیل کیفیت پایین تصاویر اولتراسوند، نیاز به روش‌های هوش مصنوعی برای تشخیص دقیق میزان چربی کبدی، ضروری می‌باشد. هدف این مقاله توسعه یک مدل یادگیری ماشین برای ارزیابی سطح چربی کبد براساس تصاویر التراسوند کبد می‌باشد.
روش بررسی: در این مطالعه تحلیلی که از اردیبهشت 1399 تا آذر 1399 در تهران به طول انجامیده است، از تصاویر اولتراسوند 55 فرد مبتلا به چاقی مفرط که قصد جراحی لاپاروسکوپی داشته‌اند، استفاده شده و از نتیجه بافت‌شناسی نمونه ‌برداشتی از کبد در آزمایشگاه به‌عنوان مرجع میزان چربی کبد استفاده شده است. ابتدا 88 ویژگی‌ مبتنی‌بر بافت با استفاده از ماتریس هم‌رخداد سطح خاکستری از تصاویر استخراج شده است. در مرحله‌ی بعد با استفاده از روش حداقل افزونگی و حداکثر ارتباط 20 ویژگی‌ برتر از میان 88 ویژگی انتخاب شده و به ورودی طبقه بند اعمال شده است. در انتها با استفاده از سه طبقه‌بند آنالیز افتراقی خطی، ماشین بردار پشتیبان و آدابوست، تصاویر به چهار گروه براساس میزان چربی طبقه‌بندی شده‌اند.
یافته‌ها: صحت به‌دست آمده در این مدل، برای طبقه‌بند آدابوست برابر با 72/92% شد. در‌حالی‌که صحت به‌دست آمده برای هر دو طبقه‌بند ماشین بردار پشتیبان و آنالیز افتراقی خطی به‌ترتیب برابر با 88/87% و 76/75% شده‌‌است.
نتیجه‌گیری: رویکرد پیشنهادی مبتنی‌بر ویژگی‌های بافت با استفاده از طبقه‌بند آدابوست از روی تصاویر التراسوند، میزان چربی کبد را با دقت بالا و به‌صورت اتوماتیک تشخیص می‌دهد و می‌تواند در تشخیص نهایی به پزشکان و رادیولوژیست‌ها کمک شایانی کند.


صفحه 1 از 1     

کلیه حقوق این وب سایت متعلق به مجله دانشکده پزشکی دانشگاه علوم پزشکی تهران می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 , Tehran University of Medical Sciences, CC BY-NC 4.0

Designed & Developed by : Yektaweb