ကာလာ ဒိုပ်ပလာ အယ်ထရာဆောင်းသည် ပုံမှန် အဖြူအမဲ ဓာတ်ပုံရိုက်ခြင်းနှင့် သွေးကြောများအတွင်း သွေးများစီးဆင်းမှုကို အချိန်နှင့်တစ်ပြေးညီ ပြသရန် ဒိုပ်ပလာ ရူပဗေဒ၏ မူဝါဒများကို ပေါင်းစပ်ထားသည်။ ပုံမှန် အယ်ထရာဆောင်းသည် ရှိနေသည့် အရာများကို ဓာတ်ပုံများသာ ပေးပေးသော်လည်း ကာလာ ဒိုပ်ပလာသည် သွေးနီဥများ လှုပ်ရှားနေစဉ် ကြဳံတွေ့နေရသည့် ကြိမ်နှုန်းပြောင်းလဲမှုများကို ဖမ်းယူခြင်းဖြင့် ပိုမိုတိုးတက်လာပါသည်။ နောက်လာမည့်အရာမှာ ပို၍စိတ်ဝင်စားဖွယ်ကောင်းပါသည် - ဤကြိမ်နှုန်းပြောင်းလဲမှုများကို ကျွန်ုပ်တို့ကြည့်နေသော ခန္တာကိုယ်တည်ဆောက်ပုံများပေါ်တွင် တိုက်ရိုက်တည်ရှိနေသည့် စိတ်ဝင်စားဖွယ် မြေပုံများအဖြစ် ပြောင်းလဲပေးပါသည်။ အနီရောင်သည် ကိရိယာဘက်သို့ သွေးစီးဆင်းမှုကို ရည်ညွှန်းပြီး အပြာရောင်သည် ၎င်း၏ ဆန့်ကျင်ဘက်ကို ပြသပါသည်။ ပြဿနာများကို ရောဂါရှာဖွေဖြေရှင်းခြင်း သို့မဟုတ် ကုသမှုများ ဆောင်ရွက်နေသည့် ဆရာဝန်များအတွက် ဤအရောင်များကို မြင်နိုင်ခြင်းသည် အလွန်ကွာခြားမှုကို ဖြစ်ပေါ်စေပါသည်။ သွေးကြောများ ဖွင့်လှစ်ပြီး ကောင်းစွာလုပ်ဆောင်နေခြင်းရှိမရှိ စစ်ဆေးနိုင်ပြီး ဆေးကုသမှုနည်းလမ်းများကို ပိုမိုကောင်းမွန်စွာ ရွေးချယ်နိုင်စေရန် ဆေးပညာ၏ အမျိုးမျိုးသောနယ်ပယ်များတွင် အထောက်အကူပြုပေးပါသည်။
ဒေါ့ပလာနည်းပညာသည် အသံလှိုင်းများသည် သွေးဆဲလ်များပေါ်တွင် ပြန်လည်ရိုက်ခတ်စဉ် သွေးမည်မျှအရြန်ဖြင့် စီးဆင်းနေသည်ပေါ်မူတည်၍ ကြိမ်နှုန်းပြောင်းလဲမှုကို အခြေခံ၍ အလုပ်လုပ်ပါသည်။ ထို့နောက် ဉာဏ်ရည်မြင့်ဆော့ဖ်ဝဲသည် ထိုကြိမ်နှုန်းပြောင်းလဲမှုများကို ယူပြီး စီးဆင်းမှုဦးတည်ရာအချက်အလက်များနှင့် ဂဏန်းတန်ဖိုးများကို စက္ကန့်လျှင် ၁၅ မှ ၃၀ ကြိမ်အထိ မျက်နှာပြင်ပေါ်တွင် ပြသပေးပါသည်။ ဤသို့အလွန်မြန်ဆန်စွာ အပ်ဒိတ်လုပ်နိုင်မှုကြောင့် ဆရာဝန်များသည် စီးဆင်းမှုပုံစံများတွင် ပုံမှန်မဟုတ်သည့်အရာများကို ချက်ချင်း သတိပြုမိနိုင်ပါသည်။ ဥပမာ - carotid artery ကဲ့သို့ သွေးကြောများကျဉ်းမြောင်းနေသော အခြေအနေများတွင် တွေ့ရသည့် စပိုင်ရယ်ပုံစံစီးဆင်းမှုများ သို့မဟုတ် လှိုင်းတံပိုးများကို စဉ်းစားကြည့်ပါ။ ဤကဲ့သို့ မြန်ဆန်စွာ စူးစမ်းမှုများက စမ်းသပ်မှုပြုလုပ်နေစဉ်အတွင်း သွေးစီးဆင်းမှု၏ အပြုအမူဆိုင်ရာ အချက်အလက်များကို တန်ဖိုးရှိစွာ ပေးစွမ်းနိုင်ပြီး ရောဂါရှာဖွေဖော်ထုတ်မှုကို အမှန်တကယ်အချိန်နှင့်တစ်ပြေးညီ ပိုမိုထိရောက်စေပါသည်။
B မုဒ် (သို့) ဂရိတ်စကေး အယ်ထ်ရာဆောင်းသည် အင်္ဂါများ၏ ဖွဲ့စည်းပုံအမှန်ကို ပြသရာတွင် ကောင်းမွန်စွာ လုပ်ဆောင်ပေးပြီး၊ အရောင်ဒေါ်ပလာ သည် ထိုဖွဲ့စည်းပုံများအတွင်း သွေးများ စီးဆင်းပုံကို ဆရာဝန်များအား နားလည်သဘောပေါက်စေပေးသည်။ ဥပမာအားဖြင့် ခြေချောင်းတွင်း သွေးခဲတစ်ခုကို ယူဆကြည့်ပါ။ ၎င်းသည် ပုံမှန်စကင်များတွင် ပေါ်လာနိုင်သော်လည်း ဒေါ်ပလာမရှိပါက သွေးသည် ၎င်းကို ဖြတ်၍ ဆက်လက်စီးဆင်းနေခြင်း (သို့) လုံးဝရပ်တန့်သွားခြင်းကို မသိနိုင်ပါ။ ဤနည်းနှစ်ခုကို ပေါင်းစပ်အသုံးပြုခြင်းဖြင့် ရောဂါရှာဖွေမှုကို ပိုမိုတိကျစေသည်။ ရှင်းလင်းမှုမရှိသော သွေးကြောဆိုင်ရာ ရှုပ်ထွေးသည့် ကိစ္စများကို ကိုင်တွယ်ရာတွင် ဂရိတ်စကေးပုံများသာ အသုံးပြုခြင်းထက် နည်းလမ်းနှစ်ခုကို ပေါင်းစပ်ခြင်းသည် တိကျမှုကို အဆင့်မြှင့်တင်ပေးနိုင်ကြောင်း သုတေသနများက တွေ့ရှိခဲ့သည်။ နှလုံးအထူးကုဆရာဝန်များအတွက် အထူးအသုံးဝင်ပြီး နှလုံးတံတားများကို မိမိကိုယ်တိုင်ဝင်ရောက်စစ်ဆေးခြင်းမလိုဘဲ စစ်ဆေးနိုင်သောကြောင့် အကဲဖြတ်မှုများခံယူနေသော လူနာများအတွက် အချိန်ကုန်သက်သာစေပြီး အန္တရာယ်ကို လျော့ကျစေသည်။
ပြန်လွှတ်လာသော အယ်လ်ထရာဆောင်း လှိုင်းများတွင် ကြိမ်နှုန်းပြောင်းလဲမှုများကို ဆန်းစစ်ခြင်းဖြင့် ကိုလာဒေါ်ပလာက သွေးစီးကြောင်း၏ ဂူဏသတ္တိများကို စူးစမ်းပေးပါသည်။ သွေးနီဥများသည် စစ်ထုတ်ကိရိယာဘက်သို့ ရွေ့လျားနေစဉ် ပြန်လာသော လှိုင်းများ ပိုမိုတိုအောင် ဖိအားပေးခံရပြီး (ကြိမ်နှုန်း တိုးလာခြင်း)၊ ၎င်းတို့ ဝေးကွာသွားသည့်အခါ လှိုင်းများ ပိုမိုရှည်လျားလာပြီး (ကြိမ်နှုန်း လျော့နည်းခြင်း) ဖြစ်ပါသည်။ ဤပြောင်းလဲမှုများကို အသုံးပြု၍ သွေးစီးကြောင်း၏ အမြန်နှုန်းနှင့် ဦးတည်ရာကို တိကျစွာ တိုင်းတာနိုင်ပါသည်။ သွေးကြောကျဉ်းခြင်း၊ သွေးကြောပြားခြင်း သို့မဟုတ် နှလုံးတံတားပြန်စီးခြင်းကဲ့သို့ ပုံမှန် သွေးစီးကြောင်းများမှ ကွဲပြားမှုများကို ဖော်ထုတ်ရာတွင် အထောက်အကူဖြစ်စေပါသည်။
ကိုလာများကို သွေးစီးကြောင်း၏ ဂုဏ်သတ္တိများကို အရောင်အသွေးများဖြင့် ပြသခြင်းအဖြစ် ပြောင်းလဲပေးပါသည်- ရှဆ့အတိုင်းစီးသော သွေးစီးကြောင်းအတွက် အနီရောင်၊ ပြန်စီးသော သွေးစီးကြောင်းအတွက် အပြာရောင်။ မတူညီသော အမြန်နှုန်းများကြောင့် လေပွနေသော ဧရိယာများသည် မောဇိက်ပုံစံများအဖြစ် ပေါ်လာပြီး သွေးကြောတွင်း ပလိတ်များ သို့မဟုတ် သွေးကြောတွင်း သွေးခဲခြင်းကဲ့သို့ ပြဿနာများကို ညွှန်ပြပါသည်။ ၂၀၂၄ ခုနှစ်က ပြုလုပ်ခဲ့သော မက်တာ-ခွဲခြမ်းစိတ်ဖြာမှုတစ်ခုအရ သွေးကြောဆိုင်ရာ စစ်ဆေးမှုများအတွင်း ပုံမှန်မဟုတ်သော သွေးစီးကြောင်းပုံစံများကို ဖော်ထုတ်ရာတွင် ဤနည်းလမ်းသည် ၉၂% အထိ တိကျမှန်ကန်မှုရှိကြောင်း တွေ့ရှိခဲ့ပြီး အစောပိုင်း ရောဂါလက္ခဏာများကို ဖော်ထုတ်ရာတွင် ယုံကြည်စိတ်ချရသော ကိရိယာတစ်ခုဖြစ်ပါသည်။
ပမာဏဆိုင်ရာ ခွဲခြမ်းစိတ်ဖြာမှုတွင် အောက်ပါ ဖော်မြူလာကို အသုံးပြုသည်။ အလျင် = (ဖရီကွင်စီ ရွေ့ပြောင်းမှု × အသံ၏ အလျင်) / (2 × ထရန်စဒုးဆာ ဖရီကွင်စီ × ကော့ဆိုင်း θ) . တိကျသော တိုင်းတာမှုများအတွက် ထောင့်ပြင်ဆင်မှုကို သင့်တော်စွာ ပြုလုပ်ရန် လိုအပ်ပြီး (θ < 60°)၊ သွေးကြောကျဉ်းခြင်းကို အဆင့်သတ်မှတ်ရာတွင် အဓိက မီတာကိန်းဂဏန်းဖြစ်သည့် အမြင့်ဆုံး စစ္စတိုလစ် အလျင် (PSV) တွင် အမှားအယွင်းများကို နိမ့်ကျအောင် လျှော့ချရမည်။ လေ့လာမှုများအရ ကာရိုတစ် သွေးကြောများတွင် PSV သည် စင်တီမီတာ ၂၀၀ ထက် ကျော်လွန်ပါက လုံးနုံး၏ ၇၀% ထက် ပိုမိုကျဉ်းမြောင်းမှုနှင့် သက်ဆိုင်မှု အလွန်ပြင်းထန်ကြောင်း အတည်ပြုထားပါသည်။
နှလုံးရောဂါကြောင့် သွေးကြောအတွင်း သွေးခဲပိတ်ဆို့မှုကို ရှာဖွေရာတွင် အရောင်ဒေါ်ပလာ အယ်ထရာဆောင်းသည် အသုံးများသော နည်းလမ်းဖြစ်သည်။ ၎င်းသည် သွေးကြောများကို ဖိအားပေး၍ ညှစ်ခြင်းကို စစ်ဆေးပေးပြီး သွေးစီးကြောင်းကို အချိန်နှင့်တစ်ပြေးညီ ပြသပေးသည်။ သွေးကြောတစ်ခုတွင် သွေးစီးကြောင်းမရှိဘဲ ညှစ်၍မရပါက သွေးခဲပိတ်ဆို့မှုရှိနေကြောင်း ဆိုလိုသည်။ လေ့လာမှုများအရ ခြေထောက်အပေါ်ပိုင်းရှိ သွေးကြောများတွင် သွေးခဲများကို စစ်ဆေးရာတွင် ဤနည်းလမ်းသည် ၈၇ ရာခိုင်နှုန်းခန့် တိကျစွာ ရှာဖွေတွေ့ရှိနိုင်ကြောင်း ပြသထားသည်။ ဤအောင်မြင်မှုနှုန်းမြင့်မားမှုကြောင့် ဆရာဝန်များသည် လူနာများအတွက် နာကျင်စေသော ကွန်ထရပ်ဗီနိုဂရပ်ဖီ စမ်းသပ်မှုများကို ယခင်ကကဲ့သို့ မကြာခဏ အသုံးမပြုတော့ပါ။ ထို့အပြင် လူနာများသည် ဓာတ်ခွဲခန်းတွင် ရက်ပေါင်းများစွာ စောင့်စားရန် မလိုအပ်တော့ဘဲ စမ်းသပ်ခန်းတွင်ပင် ရလဒ်များကို အမြန်ရရှိနိုင်ပါသည်။
၂၀၂၅ ခုနှစ်အတွက် Frontiers in Physiology လက္ခဏာရှိ DVT အတွက် color Doppler သည် 92% အာရုံခံနိုင်စွမ်းနှင့် 89% တိကျမှုရှိကြောင်း ပြသခဲ့ပြီး လက္ခဏာမရှိသူများတွင် 81% နှင့် 83% အထိ ကျဆင်းသွားကြောင်း စုစုပေါင်း ၁၈ ကြိမ် (n=4,752 လူနာ) ကို ပြန်လည်သုံးသပ်ခဲ့ပါသည်။ ဒါက ရှင်းထုတ်မှုမှာ ကလီနစ်ဆိုင်ရာ အကျင့်ဝတ်နှင့် လက်တွေ့ပြုလုပ်သူ၏ ကျွမ်းကျင်မှုတို့၏ အရေးပါမှုကို ဖော်ပြပါသည်။
Color Doppler သည် အာရိုးတီးရိုးကျဉ်းမြောင်းမှုကို အဓိက ညွှန်ပြချက် နှစ်ခုဖြင့် ဖော်ထုတ်ပါသည်-
Valsalva လှုပ်ရှားမှုများအတွင်း ပြန်စီးချိန်သည် အပိုက်အခွံများ၏ ချို့ယွင်းမှုကို တိုင်းတာရာတွင် အသုံးဝင်ပါသည်-
မျက်နှာပြင် သွေးကြောများတွင် ၀.၅ စက္ကန့်သည် ရောဂါဖြစ်ပွားမှုကို ညွှန်ပြပါသည်
နက်ရှိုင်းသော သွေးကြောများတွင် ၁.၀ စက္ကန့်သည် ကလီနစ်အရ သက်ရောက်မှုရှိသော ချို့ယွင်းမှုကို ညွှန်ပြပါသည်
ဤစံချိန်စံညွှန်းအကဲဖြတ်မှုသည် ထိန်းသိမ်းကုသခြင်းမှ အဆိုပါ အဆီးလမ်းကြောင်းအတွင်း အပူဖြင့် ဖျက်သိမ်းကုသခြင်းအထိ ကုသမှုအစီအစဉ်ကို လမ်းညွှန်ပေးပါသည်။
သွေးစီးဆင်းမှုပမာဏကို ကြည့်ရှုစဉ်အခါ ဆရာဝန်အများစုသည် အရောင်ဒေါ်ပလာ ဓာတ်လှေက်မှုနှင့် စပက်ထရမ် ဒေါ်ပလာနည်းလမ်းများကို ပေါင်းစပ်အသုံးပြုကြသည်။ ဤပေါင်းစပ်မှုဖြင့် ဆရာဝန်များသည် လှိုင်းပုံစံများကို ဆန်းစစ်ပြီး သွေးကြောများအတွင်း သွေးစီးနှုန်းကို တိကျစွာ တိုင်းတာနိုင်သည်။ သွေးကြောများ ကျဉ်းမြောင်းမှုကို အကဲဖြတ်စဉ်အခါ အဓိက တိုင်းတာမှုနှစ်ခုမှာ အမြင့်ဆုံး စစ္စတိုလစ် အမြန်နှုန်း (PSV) နှင့် အဆုံး ဒိုင်အက်စတောလစ် အမြန်နှုန်း (EDV) တို့ဖြစ်သည်။ ၂၀၂၃ ခုနှစ်မှ ဥရောပ နှလုံးရောဂါအဖွဲ့၏ နောက်ဆုံးညွှန်ကြားချက်များအရ လည်ပင်းတွင်း သွေးကြောတွင် PSV သည် စင်တီမီတာ ၂၃၀ ထက် ပိုလျှင် ယင်းသည် ၇၀% ထက်ပိုသော ပိတ်ဆို့မှု ဖြစ်ပွားနေကြောင်း ဆိုလိုသည်။ စပက်ထရမ်ပုံစံများကို ကြည့်ခြင်းဖြင့် နောက်ထပ် ပြဿနာများကိုလည်း သိရှိနိုင်သည်။ သွေးကြောစနစ်၏ နောက်ပိုင်းတွင် ပိတ်ဆို့သော ရောဂါများကို ညွှန်ပြသည့် လျော့နည်းသော အချက်များ သို့မဟုတ် တစ်ဖက်သတ် လှိုင်းပုံစံပြားခြင်းများကို တွေ့ရပါက ယင်းသည် နောက်ထပ် ပြဿနာများကို ညွှန်ပြနိုင်သည်။
ခေတ်မီစနစ်များတွင် စီးဆင်းမှုဦးတည်ရာကို အနီ-အပြာရောင်သုံး၍ ဖော်ပြပြီး အစိမ်းရောင်မော်ဇိက်ပုံစံများက လှုပ်ရှားမှုကို အလေးပေးဖော်ပြသည်။ ဤအချိန်နှင့်တစ်ပြေးညီ ပြန်လည်အကြံပေးမှုသည် လုပ်ဆောင်မှုမဲ့ ဗာဗျူးများတွင် ပြန်ပို့စီးဆင်းမှုနှင့် နာတာရှည်ပိတ်ဆို့မှုများတွင် အစားထိုးလမ်းကြောင်းများကို ဖော်ထုတ်ရာတွင် အထောက်အကူပြုသည်။ မှန်ကန်သော သွေးကြောဆိုင်ရာ ဖြစ်ရပ်များတွင် မျက်နှာပြင်အမှတ်အသားများကိုသာ အသုံးပြုခြင်းနှင့် နှိုင်းယှဉ်ပါက အရောင်ခွဲခြားမှုသည် ဘာသာစကားဖြင့် အဓိပ္ပာယ်ဖွင့်ဆိုမှုအမှားများကို ၃၄% လျှော့ချပေးသည်။
အသွေးစီးကြောင်းပုံစံများကို အလိုအလျောက် သတ်မှတ်ခြင်းနှင့် ပို၍ ဂရုတစိုက် စစ်ဆေးရန် လိုအပ်သော သွေးကြောဖိအား ပုံမှန်မဟုတ်မှုများကို ရှာဖွေခြင်းတို့ကို အထောက်အကူပြုရန် AI ကိရိယာများကို အသုံးပြုနေကြသည်။ Applied Sciences တွင် မကြာသေးမီက ထုတ်ဝေခဲ့သော သုတေသနတစ်ခုအရ ဦးနှောက်သွေးယိုသော ကလေးငယ်များတွင် အသွေးစီးဆင်းမှုနှေးခြင်းကဲ့သို့ ရှုပ်ထွေးသော အခြေအနေများကို ကိုင်တွယ်ရာတွင် စက်သင်ယူမှု (machine learning) နည်းလမ်းများက ရှာဖွေမှုနှုန်းကို အနီးစပ်ဆုံး ၂၂ ရာခိုင်နှုန်းခန့် မြှင့်တင်ပေးနိုင်ခဲ့သည်။ ဒီစနစ်များကို လူမှုမှု မရှိသော ဆေးဘက်ဆိုင်ရာ ဓာတ်ပုံ သိန်းဂဏန်းခန့်ဖြင့် လေ့ကျင့်ပေးထားပြီး တံတားသွေးကြော သွေးခဲခြင်းမှ စ၍ တံတားသွေးကြောနှင့် သွေးကြောများကြား ပုံမှန်မဟုတ်သော ချိတ်ဆက်မှုများအထိ ပြဿနာများကို ရှာဖွေဖော်ထုတ်နိုင်စေသည်။ အမှန်အကန် မြန်မြန်ဆန်ဆန် ရောဂါရှာဖွေမှုက အရေးပါသော ဆေးရုံများတွင် ဤစနစ်များ၏ အကျိုးကျေးဇူးကို အမှန်တကယ် ခံစားရမည်ဖြစ်သည်။
စံသတ်မှတ်ထားသော ပရိုတိုကောလ်များသည် ရောဂါရှာဖွေမှုအတွက် ယုံကြည်စိတ်ချရမှုကို အမြင့်ဆုံးဖြစ်စေရန် အလွန်အရေးပါပါသည်။ 2023 ခုနှစ်က ဟီမိုဒိုင်းနမစ် ဓာတ်ပုံရိုက်ခြင်း လေ့လာမှုအရ လူနာကို သင့်တော်သော အနေအထားတွင် ထားရှိခြင်း၊ စက်၏ သင့်တော်သော ဆက်တင်များ (ဂိန်း၊ ပလုတ်စ် ထပ်နှိုင်းခြင်း မှုန်းခြင်း၊ ဝေါ်လ် စစ်ထုတ်ခြင်း) နှင့် တစ်သမတ်တည်းရှိသော နည်းလမ်းများကို အသုံးပြုခြင်းဖြင့် အတုအယောင် ပုံရိပ်များကို 18% အထိ လျော့နည်းစေပါသည်။ အဓိက အကြံပြုချက်များမှာ-
များစွာသော စင်တာများတွင် စမ်းသပ်မှုများအရ ပရိုဘ် ထားရှိမှုကို အလေးပေးသော စနစ်ကျသည့် လေ့ကျင့်သင်ကြားမှုများသည် DVT ရောဂါ အတွက် မှားယွင်းစွာ ရောဂါအဖြစ် ရှာဖွေတွေ့ရှိမှုကို 60% အထိ လျော့နည်းစေခဲ့ပြီး ကျွမ်းကျင်မှု ဖွံ့ဖြိုးရေး၏ အခန်းကဏ္ဍကို အလေးပေးဖော်ပြထားပါသည်။
ချိန်ဆတ်မှု (trauma) သို့မဟုတ် အကျိုးသက်ရောက်မှုကင်းမဲ့ခြင်း (limb ischemia) ကဲ့သို့ အရေးပေါ်အခြေအနေများတွင် color Doppler သည် ဘဝအန္တရာယ်ဖြစ်စေနိုင်သော အတားအဆီးများကို မြန်မြန်ရှာဖွေရန် ဦးစားပေးပါသည်။ ၂၀၂၄ သွေးကြော ဓာတ်မှန်ရိုက်ခြင်း လမ်းညွှန်ချက်များအရ အရေးပေါ် စစ်ဆေးမှုများကို မိနစ် ၁၅ အတွင်း ပြီးစီးရမည်ဖြစ်ပြီး သွေးကြောပိတ်ခြင်းအတွက် ၉၂% ထိရောက်မှုရှိပါသည်။ အကြံပြုထားသော ဗျူဟာများတွင် အောက်ပါတို့ ပါဝင်ပါသည်-
ဂျွန်း ဟော့ပက်စ်၏ စမ်းသပ်မှု (၂၀၂၃) အရ အာရုံကြော အရေးပေါ်အခြေအနေများတွင် focused Doppler ကို AI ကူညီသော ခွဲခြမ်းစိတ်ဖြာမှုနှင့် တွဲဖက်အသုံးပြုခြင်းဖြင့် ရောဂါရှာဖွေမှု နှောင့်နှေးမှုကို ၃၄% လျှော့ချနိုင်ခဲ့သော်လည်း ပိုမိုကျယ်ပြန့်သော အတည်ပြုမှုများ ဆက်လက်လုပ်ဆောင်နေဆဲဖြစ်ပါသည်။
ကျွန်ုပ်တို့မြင်တွေ့ခဲ့ရသည့် နည်းပညာအဆင့်များ အားလုံးရှိသည့်တိုင်၊ စက္ကန့်ကို ၅ စင်တီမီတာထက် နည်းသော သွေးစီးဆင်းမှုအခြေအနေများကို ဖမ်းမိရာတွင် ဆရာဝန်များ ခက်ခဲနေဆဲဖြစ်ပြီး အထူးသဖြင့် သွေးတိုးရောဂါ သို့မဟုတ် ကြီးမားသော အစွန်အဖျား တိုက်ရိုက် သွေးကြောရောဂါရှိသည့် အခြေအနေများကို ကိုင်တွယ်ရာတွင် ပို၍ပင် ဖြစ်သည်။ ကွင်းဆင်းစမ်းသပ်မှုများအရ ဒီစနစ်များသည် ၁၀၀ ကြိမ်တွင် ၁၂ မှ ၁၉ ကြိမ်အထိ မှားယွင်းမှုများ ဖြစ်ပေါ်စေပြီး အလွန်ကောင်းမွန်ခြင်း မရှိပါ။ ယခုနှစ်တွင် ထုတ်ပြန်ခဲ့သည့် သွေးစီးကြောင်း ပုံရိပ်ဖမ်းယူမှု သဘောတူညီချက်အဖွဲ့၏ နောက်ဆုံးရလဒ်များအရ ကျေးလက်ဒေသများရှိ ဆေးခန်း ၁၀ ခုတွင် ၄ ခုခန့်သည် ဤသေးငယ်သော စီးဆင်းမှုများကို ဖမ်းမိရန် သင့်တော်သော ကိရိယာများ မရှိကြောင်း ဖော်ပြထားပြီး အတွင်းသွေးကြော သွေးခဲစစ်ဆေးမှုများကို ယုံကြည်စိတ်ချရအောင် မလုပ်ဆောင်နိုင်ပါ။ သို့သော် စိတ်ဝင်စားဖွယ် ဖွံ့ဖြိုးမှုများ ရှိနေပါသည်။ မလာဝီရှိ သုတေသီများသည် စမတ်ဖုန်းနှင့် ချိတ်ဆက်ထားသော စစ်ဆေးကိရိယာများကို စမ်းသပ်ခဲ့ပြီး စျေးကြီးသော ဆေးရုံကိရိယာများနှင့် အချိန်၏ ၈၄% ခန့် ကိုက်ညီမှုရှိကြောင်း တွေ့ရှိခဲ့သည်။ ပို၍ကိုယ်အလေးချိန်များသော လူနာများအတွက် ဖမ်းမိနှုန်းကို ၃၀% ခန့် မြှင့်တင်ပေးသည့် အထူး ဖိအားပေးနည်းများကိုလည်း လုပ်ဆောင်နေပါသည်။ နောက်ဆုံးအနေဖြင့် သင်ကြားထားသော ပုံရိပ်ဖမ်းယူသူများသည် ဗီဒီယိုခေါ်ဆိုမှုများမှတစ်ဆင့် ကျွမ်းကျင်သူများထံမှ ဝေးလံစွာမှ လမ်းညွှန်မှုများရရှိပြီး စစ်ဆေးမှုများ ပြုလုပ်နေသည့် ချဉ်းကပ်မှုအသစ်များလည်း ရှိပါသည်။
၂၀၂၃ ခုနှစ် WHO အစီရင်ခံစာတွင် ဖော်ပြထားသည့် ကွာဟချက်များကို ဖြည့်ဆည်းရန် ဤချဉ်းကပ်နည်းများက အထောက်အကူပြုပါသည်။ ၎င်းတွင် နိမ့်ကျသောဝင်ငွေရှိသည့် နိုင်ငံများ၏ ၂၂% သာလျှင် အနည်းဆုံး ယူလ်ထရာဆောင်း လေ့ကျင့်ရေး စံနှုန်းများကို ပြည့်မီကြောင်း တွေ့ရှိခဲ့ပါသည်။
အပူပြင်းသော သတင်း2025-03-31
2025-03-30
2025-03-29
မှန်ပြီး စီးပွားရေးအဖွဲ့ဝင်ခြင်းသို့မဟုတ် ကုလသမဂ္ဂဆက်ဆံရေးဖြစ်ပါစေ.
EN
