CC BY
5Информационно-вычислительные технологии, искусственный интеллект и обработка больших данных в медицине
Рисунок 5. Наличия чувства страха
Да, я полностью
отработал алгоритм
27,7% действий на базе
симуляционного центра
H и смогу оказать помощь
72,3% ■ Затрудняюсь ответить,
так как не до конца
усвоил курс СЛР
Да, отработал технику, стал
более точно и
17% координированно
производить действия по
■ оказанию СЛР
Нет, не до конца могу
83% выполнить всю технику
оказания СЛР, путаюсь в
действиях
Рисунок 6. Сравнение результатов на начальном этапе и после полного обучения
Выводы. В ходе проведенных анализов, в соответствии с целями исследования, изучив статистику можно сделать вывод, что многие из студентов усвоили алгоритм проведения сердечно-легочной реанимации, смогли отработать свои навыки, а также готовы провести ее в экстренных условиях. Исследование показало, что практические навыки намного точнее отрабатываются на симуляционном оборудовании, которое повышает качество оказываемой процедуры.
Рисунок 7. Способны ли вы оказать сердечно-легочную реанимацию, находясь за пределами учебного центра
Литература
1. Морозов М.А. Основы первой медицинской помощи: учебное пособие. 2-е издание, испр. и доп. СПб.: СпецЛит, 2017. 256 с.
2. Юдаева Ю.А., Лыскина М.Е., Негодяева О.А., Снасапова Д.М., Виноградова Г.Ф. Роль симуляционных технологий в отработке навыков сердечно-легочной реанимации. Современные проблемы науки и образования. 2019;3.
ИНФОРМАЦИОННО-ВЫЧИСЛИТЕЛЬНЫЕ ТЕХНОЛОГИИ В ФАРМАЦЕВТИЧЕСКОМ АНАЛИЗЕ ЛЕКАРСТВЕННОГО РАСТИТЕЛЬНОГО СЫРЬЯ И НАСТОЕК
Галкина Д.А.
Российский университет дружбы народов, Москва, Россия Научный руководитель: Плетенева Т. В., д-р хим. наук, профессор
Введение. Контроль качества галеновых препаратов затруднен из-за многокомпонентного химического состава. Именно по этой причине в ведущих фармакопеях мира отсутствуют фармакопейные статьи для большинства препаратов на основе лекарственного растительного сырья [1]. Хемометрическая обработка результатов спектрального анализа лекарственного растительного сырья и настоек в условиях отсутствия стандартных образцов (Chemical Reference Substance) открывает возможности определения их подлинности.
Цель: разработать методики идентификации настоек и лекарственного растительного сырья (ЛРС) на основе хемо-метрической обработки спектральных результатов методом главных компонент.
Материалы и методы. Объекты исследования настойки и ЛРС антибактериального и противовирусного фармакологического класса: настойка календулы - «Renewal», серия 40122, и настойка эвкалипта - «Ивановская фармацевтическая фабрика» серия 030721) и ЛРС различных производителей, реализуемые через аптечную сеть. - цветки календулы ноготков (Calenduale flores); листья эвкалипта (Eucalypti viminalis folia); листья шалфея (Salvia officinalis). Растворители - хромато-графически чистый этанол (HPLC grade 99.8 %, Fisher Scientific, UK).
Спектры поглощения в УФ-диапазоне этанольных разведений настоек (1:40) были получены на спектрофотометре Cary 60 UV-Vis Agilent Technologies, USA; ИК-спектры пропускания ЛРС снимали после измельчения на ножевой мельнице и просеивания сквозь нейлоновые сита с диаметром пор 63 мкм на ИК-Фурье-спектрометре (Agilent. Cary 630, USA); спектры рентгенофлуоресцентного анализа (РФА) измельченного и просеянного ЛРС - на энергодисперсионном рентге-нофлуоресцентном спектрометре (EDX-7000 Shimadzu, Japan). Обработку результатов осуществляли с использованием программных пакетов OriginPro 2021 (OriginLab, USA).
Вестник медицинского института «РЕАВИЗ». 2023. Том 13. № 2. Приложение
Результаты. Обработка УФ-спектров этанольных разведений настоек методом главных компонент. По УФ-спектрам невозможно идентифицировать настойки выбранного фармакологического класса, так как спектры представляют собой суммарную оптическую плотность многочисленных компонентов и их видовое отличие незначительно.
При хемометрической обработке результатов методом главных компонент (МГК) на координационной плоскости каждая точка, соответствующая пробам одного и того же вида настоек, находится строго в определенной четверти с допустимыми значениями расстояний Махалонобиса [2]. Выбранный хемометрический подход обработки результатов по длинам волн (X) с шагом 5 нм и соответствующих им значениям оптической плотности (А) дает возможность отличить настойки между собой без использования СО.
Обработка методом главных компонент ИК-спектров ЛРС. В исследуемых видах сырья содержатся представители одних и тех же классов органических соединений: флавоноидов, терпенов, гликозидов, карбоновых кислот, алкалоидов, сапонинов и др. ИК-спектры образцов ЛРС разных видов также не имеют существенных различий, т.е. практически не отличаются по положению и интенсивностям пропускания. Анализ спектров методом ГК позволил различить сырье разных производителей, каждое из которых заняло отдельную область в трехмерном пространстве (РС1-РС2-РС3) с суммарной 98 % дисперсией спектральных данных и рекомендуемыми расстояниями Махалонобиса.
Результаты РФА лекарственного растительного сырья. Для трех видов ЛРС разной степени дисперсности было проведено определение элементного состава. Полученные результаты по 10 эссенциальным макро- и микроэлементам позволили сформировать библиотеку данных по интенсивностям сигналов, и провести их обработку методом ГК (n = 189). Для проверки правильности методики были проанализированы пробы неизвестного ЛРС. Результаты элементного анализа после введения в библиотеку позволили безошибочно определить вид лекарственного растительного сырья
Заключение. Хемометрической обработкой (метод главных компонент) результатов спектрального анализа (электронная спектрометрия, ИК-спектрометрия, рентгенофлуоресцентный анализ) в широком диапазоне длин волн разработаны методики определения подлинности растительных препаратов без использования стандартных образцов.
Литература
1. Koshovyi O, Raal A, Kireyev I, Tryshchuk N, Ilina T, Romanenko Y, Kovalenko SM, Bunyatyan N. Phytochemical and Psychotropic Research of Motherwort (Leonurus cardiaca L.) Modified Dry Extracts. Plants (Basel). 2021 Jan 25;10(2):230. DOI: 10.3390/plants10020230
2. Li Q, Wu Z, Lin L, Zeng J, Zhang J, Yan H, Min S. High-level Fusion Coupled with Mahalanobis Distance Weighted (MDW) Method for Multivariate Calibration. Sci Rep. 2020 Mar 25;10(1):5478. DOI: 10.1038/s41598-020-62396-y. PMID: 32214179; PMCID: PMC7096456.
