Большинство снотворных не ухудшили проявления апноэ во сне
Такие результаты дали систематический обзор и метаанализ
Таро Киси (Taro Kishi) Университета здоровья Фудзиты с коллегами из Японии и США провел систематический обзор и метаанализ, которые показали, что подавляющее большинство применяемых снотворных препаратов не ухудшают проявления апноэ во сне. Исследователи провели поиск по рандомизированным контролируемым клиническим испытаниям и включили в обзор 32 работы с общим участием 1871 пациента с обструктивным апноэ сна (средний возраст 51,6 года; 62,52 процента — мужчины; средний индекс апноэ-гипопноэ 23,60). Оцениваемые препараты включали бензодиазепины (и их производные) флуразепам, нитразепам, темазепам, бротизолам и триазолам, z-препараты залеплон, золпидем, зопиклон и эсзопиклон, анатагонисты орексина даридорексант и лемброрексант, а также агонист мелатонина рамелтеон. Результаты опубликованы в журнале Psychiatry and Clinical Neurosciences.
Сетевой метаанализ показал, что перечисленные препараты по-разному влияют на архитектуру сна. Наиболее оптимальные ее изменения продемонстрировали лемброрексант, даридорксант и эсзопиклон, они же оказались самыми безопасными в плане применения и отмены. Подавляющее большинство лекарств не оказывали значимого влияния на показатели дыхания при апноэ во сне. Эсзопиклон значимо снижал индекс апноэ-гипопноэ и индекс пробуждений, а темазепам уменьшал среднее насыщение крови кислородом во время сна.
Ученые нашли его с помощью машинного обучения и использовали в скрининговом тесте
Дэниел Ю (Daniel Yoo) из Датского технологического университета и его коллеги из Италии и США разработали тест на основе алгоритмов машинного обучения для оценки пользователем своего риска развития сахарного преддиабета и диабета. Одним из маркеров риска в нем служит длина бедра. Исследователи использовали данные почти 17,5 тысячи человек из когорты NHANES за 1988–2018 годы. Ключевые предикторы преддиабета и диабета (уровень глюкозы натощак 5,6 и выше миллимоль на литр, уровень гликированного гемоглобина 5,7 и более процентов) идентифицировали среди почти 3700 параметров с помощью алгоритма Boruta. С использованием мультимодальных данных создали несколько алгоритмов машинного обучения и сравнили их между собой, наилучшую нейросетевую модель использовали для теста MEDWACS (Machineborne Early Diabetic Warning And Control System, машинная система раннего предупреждения и контроля диабета). Отчет о работе опубликован в Journal of Clinical Epidemiology.