环球医讯

英国伍斯特大学痴呆症研究中心与英格兰自然署合作开展一项新研究，旨在消除阻碍痴呆症患者接触户外空间的障碍。该研究获得国家彩票遗产基金15.3万英镑资助，将开发一系列免费资源，包括环境自评工具、培训视频和应用程序，帮助公园和自然保护区评估并改进其设施。研究针对痴呆症患者面临的导航困难、缺乏信心等挑战，通过改善标识系统、无障碍通道和座椅等基础设施，创造更具包容性的户外环境，从而显著提升痴呆症患者的福祉水平和社交连接感，最终将公园和自然保护区转变为支持全民健康生活的庇护所。

这项研究深入比较了非专家人类和大型语言模型在识别语言中认知障碍迹象方面的能力差异。研究发现人类判断往往不一致且依赖有限线索，而大型语言模型能运用更丰富的临床相关特征进行判断，但两者均存在假阴性倾向。研究表明语言模型在检测痴呆症相关语言信号方面比人类更全面，能更好与医学诊断结果一致，但也存在将语言流利度误判为认知健康的局限。该研究不仅强调了提高公众对认知障碍早期识别能力的重要性，还揭示了可解释人工智能在痴呆症筛查中的独特价值，为未来开发更精准的认知健康评估工具提供了科学依据。

一项发表在《自然》杂志上的突破性研究揭示，人类基因组中特定区域的遗传变异显著调控肠道微生物群的组成与功能，科学家通过多国联合分析鉴定出至少11个DNA区域与肠道微生物种群变异直接关联，阐明了遗传背景与微生物组的复杂互动机制。这一发现不仅深化了对人类生物学基础的理解，还为预防和治疗肥胖、糖尿病等慢性疾病提供了新方向，研究证实遗传因素与饮食、生活方式共同塑造微生物组，为开发针对微生物组失衡的个性化疗法和精准诊断工具奠定了关键科学基础，对推动未来医学发展具有里程碑意义。

英国阿尔茨海默病协会指出，痴呆症患者在病情发展过程中常出现夜间游走和睡眠困难两种典型症状，这些症状源于大脑功能的进行性衰退及生物钟紊乱，可能导致日间嗜睡和夜间觉醒，进而加剧认知障碍；协会建议通过建立规律作息、增加日间光照、避免咖啡因摄入等非药物干预改善睡眠质量，同时强调若发现记忆缺失、行为异常等早期迹象应及时就医，此类专业指导对全球老龄化社会的神经退行性疾病防治具有重要实践价值。

澳大利亚格里菲斯大学研究人员通过7特斯拉功能性磁共振成像技术对长新冠患者进行研究，发现19名长新冠患者在执行Stroop色词任务时，其大脑显著性网络、语言网络和中央执行网络的功能连接出现明显异常，反应时间显著延长且与病程密切相关。研究表明，随着病程延长，患者与关键脑网络的连接逐渐减弱，但角回等区域的连接反而增强，表明大脑可能存在代偿机制。这一发现首次系统揭示了长新冠认知功能障碍的神经生物学基础，为理解和治疗长新冠相关认知症状提供了重要科学依据，对改善数百万长新冠患者的生活质量具有重大临床意义。

本文系统阐述了痴呆症作为认知障碍核心成因的本质特征，强调其并非正常衰老过程而是导致记忆、行为及沟通能力退化的疾病群；作者基于作业治疗助理的专业视角，提出多项实操性护理策略，包括控制环境噪音水平、运用图文视觉提示定位关键区域、清除走道障碍物预防跌倒、选择患者认知高峰期完成日常活动任务、尊重洗澡隐私安全、简化穿衣流程等具体建议，同时指导护理者采用耐心沟通技巧避免情绪冲突，通过调整物理环境与照护方式充分适应患者需求，从而在家庭或医疗场所中有效提升痴呆症患者的生活独立性与尊严保障，为全球照护者提供科学且人性化的实践指南。

本研究利用IMPACT试验数据，深入探讨了认知障碍对老年抑郁症治疗效果的影响以及认知功能变化与抑郁症长期预后的关系。研究发现，认知障碍的老年抑郁症患者在接受适当治疗后仍能显著改善抑郁症状，表明认知障碍不应成为抑郁症积极治疗的障碍；然而，在治疗过程中出现认知功能下降的患者，其24个月时的抑郁症预后明显较差，提示临床医生需要对这类患者进行更密切的监测，并采取针对认知和情绪症状的综合管理策略，这对改善老年抑郁症患者的治疗效果和生活质量具有重要的临床指导意义。

亚利桑那州图森市女子篮球队教练托德·霍尔托斯在去年春天与妻子珍妮弗的圣地亚哥周末度假中，因妻子察觉其心跳异常而及时就医，确诊心房颤动后经历两次心脏复律失败和药物并发症，最终通过心脏消融术康复；值此美国心脏健康月之际，他公开分享这段经历强调常规体检的重要性，呼吁公众关注细微症状并及时处理心脏问题，其亲身经历凸显了家人观察与快速响应对预防心源性中风及心力衰竭的关键作用，目前他已恢复健康并停用所有药物。

本文报道了心律不齐特别是房颤的危害及预防措施，犹他州山地健康犹他谷医院的两位心脏电生理专家指出，心悸、极度疲劳、头晕、呼吸急促等症状可能是心律失常的信号，年龄增长、高血压、肥胖、糖尿病、睡眠呼吸暂停和过量饮酒及咖啡因摄入是主要风险因素，专家预测到2050年房颤病例将增加60%以上且呈现年轻化趋势，强调及早诊断和治疗可通过药物、生活方式改变或微创手术有效预防中风等严重并发症，呼吁公众关注心脏健康信号特别是智能手表异常提示。

一项由牛津大学研究人员开展的大型随机对照研究涉及近1300名参与者，发现使用AI聊天机器人获取医疗建议的用户在健康决策上并未优于依赖传统信息源的人群，且模型常产生不一致和混合准确与错误建议的指导，导致用户难以识别最安全行动方案；研究揭示了大型语言模型在标准化医学测试中表现良好但实际个人健康咨询中可靠性不足的显著差距，凸显了当前评估方法无法捕捉现实世界复杂性的问题，强调在医疗等高风险领域部署AI系统前必须进行更严格测试，该成果已发表在《自然医学》期刊上。