这是一项使用摘要级数据的建模研究。采用这种方法从系统评价和全球研究(如中风和中风)中采用这种方法,估计了整个尼日利亚地缘政治区域中高血压的人群可归因于高血压的风险。整合回顾性分析和建模的设计,克服了传统的观察性研究局限性,提供了对高血压可归因的CVD的全面见解。建模研究有效利用现有数据来评估人口级别的影响,这对于尼日利亚的不同地区至关重要。该方法适应时间趋势,估计了1995年和2020年的可归因于人口的分数,并提供了一种强大的资源,有效的方法来了解高血压对尼日利亚心血管健康的不断发展的影响。
行为变量包括通过长期4个国际体育活动问卷(IPAQ)的长版本验证的PA级别。每周不到150分钟,在不到150分钟内实践中度至剧烈PA的22,23名老年人被认为没有足够的活性。24久坐的行为,由IPAQ的第五个领域量化,该领域考虑了坐在一个普通的工作日和周末的时间。加权平均久坐行为的计算如下:[(5×最小/工作日) +(2×最小/周末/周末)/7]。高久坐行为采用的截止点基于加权平均值的第75个百分点,值约为342.85 min/day(5.71小时)。25
我们为T2D和HT指定了六个组成部分的综合护理套件(ICP):(a)鉴定患有疾病的人以及随后的(b)基础护理中的治疗,(c)健康教育,(c)患者和护理人员的自我管理支持,(e)护理人员之间的协作,以及F)在护理中的协作[7] [7]。我们应用了此框架来评估ICP对T2D和HT的实施。对T2D和HT的综合护理可以为医疗保健系统中的几个长期存在的问题提供解决方案,例如缺乏护理连续性,医疗/治疗过程的分裂和患者教育质量[8]。通常,有证据表明,综合护理可以提高护理质量及其结果[7-9],但是仍然存在与实施和扩大规模有关的大量知识差距,例如,ICP在不同卫生系统和不同疾病中的ICP元素实施的可行性和实施深度,以及在不同的疾病中,以及在特定情况下与规模上升的障碍和协调员干扰[6]。
• β 受体阻滞剂(从第 4 步开始,难治性高血压患者和 K + >4.5mmol/L,阿替洛尔或比索洛尔)• 以低剂量给药并增加剂量以达到血压控制(很少需要高剂量)。• 监测心率以防止心动过缓(窦性心律静息心率 > 60bpm,AF 率控制至静息心率 80-90bpm)。• 不要突然停止,因为有隐匿性心绞痛的风险(IHD 患者)。• 对于患有哮喘、支气管痉挛或有阻塞性呼吸道疾病病史的患者,可以根据个体药物 SPC 谨慎使用心脏选择性 β 受体阻滞剂。
高血压的发病率为每 1,000 人年 38.1 人。在平均四年的随访时间内,高血压的累积发病率为 15.4%。男性、至少 40 岁、有高血压家族史、腹部肥胖以及基线收缩压至少为 130 毫米汞柱或舒张压至少为 80 毫米汞柱的人患高血压的风险更高。在四年的时间内,年龄增长、男性、有高血压家族史、腹部肥胖、低高密度脂蛋白胆固醇和高正常血压与菲律宾人患高血压显著相关。除了年龄、性别和家族史之外,其他因素都是可控的。注意这些可补救的因素可能对降低高血压的患病率以及最终导致心血管疾病及其并发症的发展大有帮助。
• 建议使用自动诊室血压测量电子设备,而不是手动诊室血压技术。使用自动诊室血压可减少错误,避免高估血压值(白大褂高血压)、低估血压值(掩盖性高血压),减少阈值规避(调整血压读数以避免需要做出诊断的阈值)和数字偏好(将血压记录四舍五入到最接近的零尾数字)。2,16,17 附录 B:推荐的血压测量方法和技术 - 表 1 中列出了不同方法的优点和局限性。 • 应包括对适当患者(例如老年人)的体位性低血压评估。 • 确保患者在过去 30 分钟内没有摄入咖啡因或吸烟。测量前,让患者保持坐姿,静静休息至少 5 分钟,测量双臂血压。选择读数较高的手臂进行进一步测量。如果使用读数较高的手臂测量的平均 AOBP 超过高血压诊断的阈值,则进行调查和检查以评估靶器官损伤和心血管疾病 (CVD) 风险。如果仍然使用手动办公室技术,请使用读数较高的手臂再测量三次血压,然后丢弃第一次读数并取后两次读数的平均值。• 对于测量值处于临界值或可变值、严重焦虑或白大褂综合症的患者,考虑进行 24 小时动态或家庭血压监测。18
摘要:高血压代表了导致整个左心室射血分数范围内心力衰竭(HF)发展的主要危险因素之一。大量证据表明,足够的血压(BP)控制可以减少心血管事件,包括HF的发展。尽管高血压在HF发展中的病理生理和流行病学作用是众所周知的,但仍应阐明一些关键问题,包括BP靶标,尤其是在HF患者中。的确,HF中高血压的治疗依赖于一般人群中高风险高血压患者的发现的外推,而不是在HF人群中专门设计的研究。在患有射血分数降低(HFREF)的高血压和HF患者中,建议将药物结合起来,并记录下来的结果益处和降低BP的作用。在患有EF(HFPEF)的HF患者中,建议使用所有主要降压药物类别的治疗策略。除了常用的降压药外,不同的证据表明,在HF中推荐的其他药物对心血管结局产生有益作用会发挥有益的降低血压作用。在这方面,已证明2型2型葡萄糖转运蛋白转运蛋白抑制剂(SGLT2I)诱导降低BP的动作,这些作用有利地影响心脏后负荷,心室动脉偶联,心脏效率和心脏反向重塑。其他提出的药物,例如内皮素受体拮抗剂,为高血压和HF的治疗提供了对比的结果。最近,已经证明,一种非甾体类矿物皮质激素受体拮抗剂的Finerenone可减少新发作HF,并改善患有慢性肾脏疾病和2型糖尿病的患者的其他HF结果,无论对HF史而言,无关。一种新颖的有希望的策略可以由小型干扰RNA代表,RNA在正在进行的临床试验中正在研究其行动。
埃尔维拉·阿泽尔·基齐·穆斯塔法耶娃。伏尔加格勒国立医科大学广场 Pavshikh Bortsov 1,伏尔加格勒,400066,俄罗斯。https://orcid.org/0009-0008-0754-711X。elvira1221@yandex.ru Nurane Azer kyzy Mustafayeva。伏尔加格勒国立医科大学广场 Pavshikh Bortsov 1,伏尔加格勒,400066,俄罗斯。https://orcid.org/0009-0005-1509-2723。mustafaevanurane@yandex.ru Dzhamilya Ruslanovna Ahmedova。联邦国家预算高等教育机构“阿斯特拉罕国立医科大学”医学院 414000,阿斯特拉罕,Bakinskaya 街。121.https://orcid.org/0009-0001-0785-9294。akhmedovadzhami99gmail.com Zaynap Azizovna Bekmurzaeva。联邦国家预算高等教育机构“阿斯特拉罕国立医科大学”医学院 414000,阿斯特拉罕,Bakinskaya 街。121.https://orcid.org/0009-0008-6573-0043。zaynap_b@mail.ru Darya Eduardovna Serdyuk。库班国立医科大学街 Sedina 4,350063,俄罗斯。https://orcid.org/0009-0005-1874-3886。s.dasha01@mail.ru Kristina Alexandrovna Konovalova。楚瓦什国立大学 428015,楚瓦什共和国,切博克萨雷,莫斯科夫斯基大街 15 号。https://orcid.org/0009-0008-3337-5083。kristinasomova590@gmail.com Khalima Timovna Stigal。萨拉托夫国立医科大学(以 V.I. 命名)拉祖莫夫斯基;拉祖莫夫斯基大学是一所公立大学,位于俄罗斯萨拉托夫州萨拉托夫市,医学院 410012,B.Kazachia 街 112,萨拉托夫。https://orcid.org/0009-0002-3081-3873。stigalhalima@gmail.com 收到日期:2022 年 2 月 20 日 接受日期:2023 年 5 月 19 日 发表日期:2024 年 6 月 12 日 DOI:http://doi.org/10.5281/zenodo。12208112
高血压是与遗传和环境风险因素相关的最常见和最复杂的疾病之一。血管紧张素转换酶(ACE)在肾素 - 血管紧张素系统途径中很重要。ACE的基因表达已被研究为可能的高血压标记。这项研究调查了约旦人口中ACE1中的多态性与ACE2基因的多态性与高血压敏感性之间的关联。该研究总共包括200名高血压患者和180个健康控制。进行了聚合酶链反应(PCR),以基因型的基因型ACE1GENE的候选多态性(RS4646994)。使用ACE1和ACE2基因的Luminex DNA阵列技术用于基因分型SNP(RS4359,RS4344,RS4341,RS4343和RS2106809)。我们的发现表明,SNP与高血压之间没有有关理和基因型频率的关联。然而,rs4359与饮食(PP = 0.049),知识HTN(P = 0.042)和DM年数(P = 0.003)显着相关。rs4341与饮食(p = 0.032),周围血管疾病(p = 0.005)和慢性肾脏病有关(p = 0.049)。虽然rs4343与饮食(p = 0.031),糖尿病(p = 0.032)和其他药物(p = 0.025)相关。此外,ACE1基因的四个SNP的单倍型与HTN患者和健康对照没有显着关联。我们的发现表明,ACE基因中的多态性与约旦成年人口的过度张力发展的风险之间没有关联。
人工智能(AI)已成为医疗保健中的一种变革性技术,为血压管理和控制提供了创新的解决方案。本文探讨了AI-增强健康工具在革新管理血压方法方面的潜在影响。各种AI模型,包括机器学习算法,深度学习技术,自然语言处理,强化学习和贝叶斯网络,用于分析数据,预测结果并为个人提供个性化建议。这些AI模型有能力从复杂的数据集中提取见解,根据个人需求和偏好来识别模式以及量身定制干预措施。尽管AI在血压管理中具有有希望的潜力,但必须解决一些挑战。数据质量和隐私问题,AI算法的解释性和透明度,决策,监管和道德考虑,偏见和公平性,整合和采用问题以及验证和绩效评估在实施AI-Enhanced卫生工具的实施方面构成了重大障碍。克服这些挑战需要在医疗保健提供者,数据科学家,伦理学家,监管机构和决策者之间进行协作,以确保在医疗保健环境中对AI的安全,有效和道德使用。通过积极应对这些挑战并利用AI的力量,医疗保健提供者可以优化治疗策略,改善患者的结果,并授权个人控制其健康。AI在血压管理中的整合有可能改变医疗保健,增强个性化护理并最终为个人提供更好的健康成果。