Репозитарій

УДК  616.12-008.331.1:612.745:616.153.3-07

На сьогодні існують труднощі із профілактикою і діагностикою ранніх стадій артеріальної гіпертензії, особливо серед активних і працездатних молодих людей. Серед факторів, які потенціюють підвищення артеріального тиску, одним із найважливіших є хронічний стрес, із яким часто стикається людина в сучасному суспільстві. Мета дослідження: визначити та порівняти вміст кортизолу крові та малонового діальдегіду плазми у здорових осіб та пацієнтів з артеріальною гіпертензією ІІ стадії до та після дозованого фізичного навантаження. Матеріали та методи. 30 пацієнтів з артеріальною гіпертензією ІІ стадії та 10 практично здорових осіб. Обстежувані особи виконували на велоергометрі двоступеневе фізичне навантаження з інтенсивністю, яка відповідала 50 і 75 % належного максимального споживання кисню організмом. Тривалість навантаження дорівнювала 5 хв на кожному ступені з трихвилинним відпочинком між ними. Забір крові з ліктьової вени проводився перед велоергометрією та через 5 хвилин після неї. У пацієнтів до та після фізичного навантаження визначали вміст кортизолу крові та малонового діальдегіду плазми. Результати. Відзначається вірогідне збільшення вмісту кортизолу після навантаження у здорових осіб на тлі деякого зменшення у пацієнтів з артеріальною гіпертензією. Висловлено припущення, що оскільки в осіб з підвищеним артеріальним тиском уже підвищений вихідний рівень кортизолу, то в них підвищений поріг стресової чутливості до фізичного навантаження. Субмаксимальне велоергометричне навантаження не призводить до підвищення рівня кортизолу крові в осіб з артеріальною гіпертензією. Висновки. Фоновий вищий рівень кортизолу в осіб з артеріальною гіпертензією не зростає під впливом субмаксимального дозованого фізичного навантаження. Підвищення рівня малонового діальдегіду можна вважати маркером ступеня стресу для оцінки потужності фізичного навантаження. З огляду на вищевикладене можна констатувати, що активація симпатоадреналової системи під впливом емоційного стресу призводить до збільшення рівня АТ. Наявна достатня кількість свідчень, що психоемоційне навантаження є причиною артеріальної  гіпертензії «білого халата» та артеріальної гіпертензії «на робочому місці».
Ключові слова: кортизол; малоновий діальдегід; фізичне навантаження; артеріальна гіпертензія

ПАВЛО́ВСЬКИЙ Михайло Петрович (15. 11. 1930, м. Берестечко Горохівського пов. Волинського воєводства, нині Луцького р-ну Волинської обл. — 18. 01. 2013, Львів) — лікар-хірург. Доктор медичних наук (1971), професор (1974), академік НАМНУ (1997), Польської академії медицини (1998), Міжнародної академії медицини імені А. Швейцера (1999). Державна премія України у галузі науки і техніки (1986, 2000). Орден «За заслуги» 3-го ступеня (1997). Велика міжнародна золота зірка (1999) та Велика золота медаль (2005) Міжнародної академії медицини імені А. Швейцера. Дійсний член НТШ (1994).

   Неконтрольоване використання антибіотиків (антибактеріальних, протимікробних засобів) призводить до зростання антибіотикорезистентності, що стало глобальною проблемою охорони здоров’я. До боротьби з антибіотикорезистентністю Україна долучилася у 2019р., коли Розпорядженням КМУ № 116-р від 06.03.2019р. було затверджено Національний план дій щодо боротьби із стійкістю до протимікробних препаратів.
   Запровадження електронного виписування рецепта на антибактеріальні лікарські засоби (ЛЗ) з 01.08.2022р. покликане сприяти контрольованому використанню антибіотиків, а також зменшенню їх споживання. Електронний рецепт (е-рецепт) забезпечує надання можливості більшого обліку і контролю лікарських призначень антибактеріальних ЛЗ, що особливо актуально для боротьби з антибіотикорезистентністю.
    Остання редакція класифікаційної бази даних «AWaRe» є наведена у Додатку 3 Стандарту медичної допомоги «Раціональне застосування антибактеріальних і антифунгіальних препаратів з лікувальною та профілактичною метою», затвердженого Наказом МОЗ України № 823 від 18.05.2022р. База даних «AWaRe» включає 258 МНН антибіотиків, у т.ч.: 87 Адоступні (Access), 142 В-піднаглядові (Watch) та 29 С-резервні (Reserve) із зазначенням їх фармакологічних класів, кодів ATC класифікації та статусу у списку основних лікарських засобів ВООЗ; зокрема в переліку ОЛЗ ВООЗ-21, на який посилається Стандарт, є 21 антибіотик у групі А (24,1%), 12 – у групі В (8,5%), 9 – у групі С (31,0%). 

УДК 330.322.1 (004.413.4)

Докладно описано функціональні особливості власного інформаційного розроблення для аналізу, прогнозування та ефективного управління інвестиційним портфелем із заданим рівнем ризику. Створений веб-додаток надає можливість формування індивідуального інвестиційного портфеля з широким спектром активів, включаючи акції, облігації, ETF, криптовалюти тощо. Окрім створення інвестиційного портфеля, веб-додаток пропонує комплексний аналіз портфеля, використовуючи розширені алгоритми та моделі машинного навчання. Використовуючи нейронні мережі, додаток аналізує загальний ризик портфеля, порівнюючи його із заданим індивідуальним профілем ризику
користувача, надаючи рекомендації щодо оптимізації та перерозподілу активів. Зокрема використовується сіамська нейронна мережа для підбору фінансових інструментів у портфель із заданим рівнем ризику інвестора, а для аналізу рівня ризику портфеля, порівняння та перерозподілу
активів у ньому використано багатошаровий Парцептрон. На основі аналізу тенденцій та схожості активів надано рекомендації щодо заміни активів у портфелі. Основними методами, які використовуються при аналізі, є візуалізація, обчислення статистик та прогнозування. Додаток також
пропонує детальний аналіз окремих активів з описом, історичними даними та тенденціями цін. Для отримання вхідних даних (поточних й історичних курсів активів та інших їх фундаментальних показників) система використовує ефективний та доступний у використанні інструмент –
FinanceModelingPrep API. Використання візуалізації дозволяє представити інформацію у зручній для сприйняття формі: графіки японських свічок, кругові діаграми дають можливість швидкого розуміння отриманих аналітичних результатів. Також у роботі здійснено огляд та аналіз найбільш вживаних сучасних спеціалізованих програмних продуктів, які використовуються у портфельному менеджменті. Запропонована інформаційна система є загальнодоступною та легкою у використанні. Робота сприяє розвитку інструментів для особистого інвестиційного менеджменту, розширюючи можливості самостійного фінансового планування. Описані методи дають можливість оцінити ефективність використання нейромереж при побудові та ефективному управлінні портфелем фінансових активів.
Ключові слова: портфель інвестицій, нейронні мережі, аналіз даних, візуалізація, інвестиції, активи.

The work describes in detail the functional features of its information development for analysis, forecasting, and effective management of an investment portfolio with a given level of risk. The created  web application provides an opportunity to create an individual investment portfolio with a wide range of assets, including stocks, bonds, ETFs, cryptocurrencies, etc. In addition to creating an investment portfolio, the web application offers comprehensive portfolio analysis using advanced algorithms and machine learning models.
Using neural networks, the application analyzes the overall risk of the portfolio, comparing it to the given individual risk profile of the user, and providing recommendations for optimization and reallocation of assets. In particular, a Siamese neural network is used to select financial instruments in a portfolio with a given level of investor risk, and a multilayer Perceptron is used to analyze the risk level of the portfolio, and compare and redistribute assets. Based on the analysis of trends and similarities of assets, recommendations are provided for replacing assets in the portfolio. The main methods used in the analysis are visualization, calculation of statistics, and forecasting. Based on the analysis of trends and similarities of assets, recommendations are provided for replacing assets in the portfolio. The main methods used in the analysis are visualization, calculation of statistics, and forecasting. The app also offers a detailed analysis of individual assets with descriptions, historical data, and price trends. To receive input data (current and historical rates of assets and other fundamental indicators), the system uses an efficient and accessible tool – FinanceModelingPrep API. The use of visualization allows you to present information in an easy-to-understand form: graphs of Japanese candles, pie charts provide an opportunity to quickly understand the obtained analytical results. The work also includes a review and analysis of the most used modern specialized software products used in portfolio management. The proposed information system is publicly available and easy to use. The work contributes to the development of tools for personal investment management, expanding the possibilities of independent financial planning. The described methods make it possible to evaluate the effectiveness of the use of neural networks in the construction and effective management of a portfolio of financial assets.