Background/Objectives: This study aims to evaluate the prevalence and degree of malnutrition among patients with type 2 diabetes mellitus using the CONUT and PNI scores. Hypothesis: The CONUT and PNI scores provide a reliable assessment of the nutritional status of patients with type 2 diabetes. Methods: The retrospective study was run at the Department of Internal, Autoimmune and Metabolic Diseases in the Central Clinical Hospital of the Medical University of Silesia in Katowice from January to December of 2022. From 266 patients diagnosed with diabetes, only 64 met the criteria and were included in this study. Results: We found varying degrees of malnutrition among patients. Only 20.3% of them were well nourished. Mild to moderate malnutrition was observed in, altogether, 67.2% of patients. Conclusions: The strong correlation between the CONUT and PNI (r = −0.88) indices confirms their diagnostic value. The introduction of the CONUT or PNI tools into routine practice should be considered in patients with T2DM, especially those over 65 years of age, but taking into account the significant limitations of these indices and the influence of various factors on the laboratory data considered.

The main aim of the study was to synthesize and analyze spectral data to determine the structure and stereometry of the carbon-based porous material internal structure. Samples of a porous biomaterial were synthesized through anionic polymerization following our own patent and then carbonized. The samples were investigated using MALDI ToF MS, FTIR ATR spectroscopy, optic microscopy, SEM, confocal laser scanning microscopy and CMT imaging. The analysis revealed the chemical and stereological structure of the obtained porous biomaterial. Then, the parameters characterizing the pore geometry and the porosity of the samples were calculated. The developed material can be used to collect adsorption of breathing phase samples to determine the parity composition of exhaled air.

Wprowadzenie: Nagłe przejście na nauczanie zdalne spowodowane pandemią COVID-19 jednoznacznie wskazało na konieczność wprowadzenia radykalnych zmian technologicznych i instytucjonalnych do nauczania. Programy wspomagane wirtualną rzeczywistością (virtual reality – VR) i sztuczną inteligencją (artificial intelligence – AI) stają się nowymi i skutecznymi metodami wykorzystywanymi w edukacji i szkoleniach medycznych.Materiał i metody: Wirtualna Klinika (Virtual Clinic – VC) to nowa aplikacja internetowa opracowana przez polskie uniwersytety medyczne, które wdrażają algorytmy AI do nauki przeprowadzania wywiadu lekarskiego, w tym pozyskiwania historii choroby pacjenta, przeprowadzania badania przedmiotowego oraz diagnostyki i planowania leczenia. W badaniu wzięło udział 164 studentów medycyny, którzy przetestowali VC i wypełnili kwestionariusz online.Wyniki: Wyniki ankiety wykazały, że 93,9% respondentów uważa, iż VC sprawdzi się jako narzędzie edukacyjne wspomagające nauczanie na wydziałach medycznych i nauk o zdrowiu.Wnioski: Nasze wstępne doświadczenia sugerują, że wykorzystanie programów wspomaganych AI, takich jak VC, wydaje się wysoce wyczekiwane i uzasadnione w wyższym szkolnictwie medycznym.

Wprowadzenie: Celem badań była analiza profilu pacjentów przyjmowanych z powodu infekcji COVID-19 w Oddziale Chorób Wewnętrznych, Autoimmunologicznych i Metabolicznych Uniwersyteckiego Centrum Klinicznego Śląskiego Uniwersytetu Medycznego w Katowicach. Materiał i metody: Retrospektywna analiza objęła wszystkich kolejnych pacjentów z potwierdzoną infekcją COVID-19 przyjętych do Oddziału Chorób Wewnętrznych w okresie od listopada 2020 do czerwca 2021. Przeanalizowano dane takie jak: wiek, płeć, data przyjęcia do oddziału, długość hospitalizacji, tryb przyjęcia, postawione rozpoznania główne i choroby towarzyszące, tryb wypisu pacjentów i przyczyny śmierci w przypadku hospitalizacji zakończonej zgonem. Wyniki: Grupa badana liczyła 232 pacjentów (124 (53.4%) mężczyzn) ze zdiagnozowaną infekcją COVID-19. Średni wiek badanych wynosił 66.5±14.7 (24-96) lat. W tej grupie zaobserwowano istotnie statystyczny związek śmiertelności pacjentów ze współistniejącą niewydolnością serca i chorobą niedokrwienną serca oraz liczbą obciążeń sercowo-naczyniowych. Średni czas hospitalizacji wynosił 9.96±6.35 (0-35) dni. Był on istotnie dłuższy wśród pacjentów cierpiących na chorobę nerek i dróg moczowych (11 (6,0-14,0) vs. 9 (5,0-15,0) dni, p=0,022), a szczególnie ze stwierdzoną infekcją dróg moczowych (13,5 (9,0-18,8) vs. 9 (5,0-12,0) dni, p=0.003). Współistniejące zakażenia inne niż infekcja COVID-19 (9 (5,0-12,0) vs. 5 (10,3-23,0) dni, p<0.001) oraz niedobór witaminy D (8 (4,0-12,0) vs. 12 (10,0-17,0) dni, p<0,001) również stanowiły istotny czynnik wydłużający pobyt szpitalny. Wnioski: Wśród pacjentów hospitalizowanych z powodu infekcji COVID-19, obciążenia sercowo-naczyniowe stanowią istotny czynnik zwiększający śmiertelność pacjentów. Współistniejące zakażenia innego rodzaju oraz niedobór witaminy D mogą natomiast wydłużać hospitalizację.

Background: There is a need for new non-invasive diagnostic methods in the diagnosis and monitoring of asthma. Aim: To develop a method for collection of exhaled breath samples using a novel highly porous carbon material (HPCM) with sorption properties in school children. Materials and methods HPCM was prepared, analysed, fragmented and placed in mouthpieces according to the patented procedure. Exhaled breath samples were collected from a group of healthy children (n=12) and a group of children with physician diagnosed asthma (n=10). Each child exhaled 5, 10 and 15 times into a mouthpiece with HPCM. The exhaled air was also collected using Tedlar® bags. The procedure was followed by an acceptability questionnaire. The samples were analysed and the results compared according to the method used to collect the exhaled air sample and the group studied, using GC-MS and advanced IT software. Results: The structural and chemical properties of the HPCM confirmed its suitability for exhaled breath sampling. The samples were successfully collected from all study participants using an HPCM and Tedlar® bags. Children reported that the HPCM method was easier, quicker and less tiring than the Tedlar® bag method. The minimum number of exhalations required to saturate the HPCM was 10. GC-MS analysis and a neural network were used to demonstrate the difference in exhaled breath composition between the studied groups. Conclusions: The use of HPCM to collect exhaled breath samples from children is an innovative, acceptable and promising method that could be used for metabolomic analysis and epidemiological research.