ارزش تشخیصی شمارش اجسام لاملار (LBC) در مایع آمنیوتیک در تشخیص ابتلا به سندرم دیسترس تنفسی نوزادان (RDS) در ختم حاملگی در هفته های۴۰-۲۸
Publish Year: 1394
نوع سند: مقاله ژورنالی
زبان: Persian
View: 156
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJOGI-18-158_001
تاریخ نمایه سازی: 28 مرداد 1402
Abstract:
مقدمه: سندرم دیسترس تنفسی از علل شایع مرگ و میر دوره نوزادی است و علت آن عدم وجود مقدار کافی سورفاکتانت در بافت ریه جنین می باشد. چندین روش آزمایشگاهی برای تعیین بلوغ ریه جنین وجود دارد. هدف از این مطالعه، انجام تست شمارش اجسام لاملار جهت پیشگویی رسیدگی ریه جنین و ابتلا به سندرم دیسترس تنفسی در ریه نوزادان نارس می باشد. روش کار: مطالعه کاربردی حاضر از نوع بررسی مقطعی است که به مدت ۶ ماه در سال ۱۳۹۲ بر روی ۹۱ نوزاد با سن حاملگی۴۰-۲۸ هفته انجام گردید. برای انجام این مطالعه تست شمارش اجسام لاملار بر روی تمام نوزادان مورد بررسی انجام شد. شمارش اجسام لاملار نیز با استفاده از شمارشگر سلولی مدل Sysmex مدلKX-۲۱ صورت گرفت. از منحنی ROC نیز برای تحلیل نتایج استفاده شد. نتایج: از ۹۱ مورد، ۱۴ نمونه (۴/۱۵%) دارای دیسترس تنفسی بودند. رابطه معنی داری بین شیوع دیسترس تنفسی با سن حاملگی (۰۱/۰=P)، جنسیت (۰۵/۰=P) و وزن نوزادان (۰۱/۰=P) وجود داشت. بهترین نقطه برش در مطالعه ما برای شمارش اجسام لاملار کمتر یا مساوی با ۲۲۵۰۰ بود. همچنین مقادیر حساسیت، ویژگی، گزارش اخباری مثبت و گزارش اخباری منفی به ترتیب برابر با ۷/۹۴%، ۱۰۰%، ۱۰۰% و ۷/۹۴%، بدست آمد. نتیجه گیری: شمارش اجسام لاملار، تستی مناسب جهت غربالگری از نظر بررسی بلوغ ریه جنین می باشد و حساسیت و ویژگی مناسبی از نظر تشخیص میزان دیسترس تنفسی دارد.
Keywords:
Authors
مرضیه لطفعلی زاده
دانشیار گروه زنان و مامائی، مرکز تحقیقات سلامت زنان، دانشکده پزشکی، دانشگاه علوم پزشکی مشهد، مشهد، ایران.
نیره قمیان
دانشیار گروه زنان و مامایی، مرکز تحقیقات سلامت زنان، دانشکده پزشکی، دانشگاه علوم پزشکی مشهد، مشهد، ایران.
عطیه کلاته
دستیار تخصصی گروه زنان و مامایی، دانشکده پزشکی، دانشگاه علوم پزشکی مشهد، مشهد، ایران.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :