Čas od času se tady objeví nějaká ta prácička na téma vlivu přírodních jevů na zdraví člověka – samozřejmě nejčastěji v podobě zkoumání vlivu „matky přírody“ na něco jasného, dobře měřitelného a zdravotně zásadního, tj. zpravidla na riziko vzniku zástavy oběhu.

V minulosti jste se tady tak mohli dočíst o vlivu slunečních skvrn případě střídání letního a zimního času na vznik NZO.

Další práce zapadající do tohoto tématu (s poněkud dramaticky znějícím titulkem začínajícím „Deadly weather…“) byla v listopadu prezentovaná na kongresu ERC v Barceloně. Autoři z německého Marburgu tentokrát sledovali výskyt pacientů s přednemocniční zástavou oběhu v závislosti na změně teploty, ke které došlo v čase 1-24 hodin před vznikem zástavy oběhu.

Vyhodnoceno bylo celkem skoro 2.000 zástav oběhu z let 2014 – 2022, z nichž cca 1.200 byly zástavy oběhu, jejichž příčina byla určena jako pravděpodobně kardiální.

Výsledky zkoumání názorně ukazuje níže uvedený graf: v zásadě platí, že čím větší je teplotní výkyv, tím větší je i riziko zástavy oběhu. Za „kritickou“ hranici lze orientačně považovat rozdíl mediánů denních teplot 4^oC, a to zejména tehdy, pokud ke změně dojde směrem „do mínusu“ (s rizikem vzniku NZO cca dvojnásobným proti „klidovému stavu“, což byla také jediná skupiny, kde vyšel rozdíl statisticky významný, ale trend je patrný i při nižších rozdílech).

Samozřejmě se můžeme ptát, k čemu jsou takové informace dobré – tedy kromě další cesty, jak děsit nebohé občany. Jenže dneska, v době umělé inteligence, jsou právě takové střípky tím, co „centrální mozek lidstva“ někde v pozadí sbírá a vyhodnocuje a jednou nám třeba takové informace budou pomáhat k optimalizaci dimenzování kapacity zdravotní služby. Koneckonců vědci v Japonsku už s podobnou predikcí založené na AI začali a pro zajímavost – jejich výsledky dobře korelují s výše uvedenou studií. I zde se totiž mezi významnými prediktory rizika NZO objevila nízká teplota resp. velké teplotní výkyvy (pro zajímavost – spolu s tím vyšly Japoncům jako významně rizikové ještě pondělky, neděle a svátky).

Zdroj: Rupp D et al. Deadly weather: Influence of temperature changes on occurence of ouit-of-hospital cardiac arrest. Poster, ERC congress Bracelona 2023 /// Nakasima T et al. Machine learning model for predicting out-of-hospital cardiac arrests using meteorological and chronological data. Heart, May 2021: 1084-1091

(c) MUDr. Ondřej Franěk, www.zachrannasluzba.cz

PS: Vážení uživatelé, na serveru ZACHRANNASLUZBA.CZ je možné se zapojit do diskuze pod články. Diskutovat mohou pouze registrovaní čtenáři, způsob registrace a pravidla diskuze najdete ZDE.