426
УГЛУБЛЕННЫЙ АНАЛИЗ ПРИМЕНЕНИЯ IBM SPSS ДЛЯ КОСТНОЙ
РЕГЕНЕРАЦИИ
Махмудова Интизор Абдурауф кизи
Рахматуллаева Муниса Улугбек кизи
Тоштемирова Зухра Маруф кизи
Тоштемирова Фотима Маруф кизи
Студенты Самаркандского государственного медицинского университета
https://doi.org/10.5281/zenodo.10688841
Аннотация.
В контексте исследований костной регенерации целью данного обзора
является систематическое изучение и оценка применения IBM SPSS (Статистический
пакет для социальных наук). В документе будет представлен обзор исследований, которые
проводятся в настоящее время, методологических подходов, которые использовались с
IBM SPSS, проблем, с которыми пришлось столкнуться, и возможных будущих
направлений использования этого статистического инструмента для лучшего понимания
процессов регенерации кости.
Ключевые слова:
IBM SPSS, Регенерация костной ткани. Обоснование
использования IBM SPSS, Комплексные статистические навыки.
IN-DEPTH ANALYSIS OF IBM SPSS FOR BONE REGENERATION
Abstract.
In the context of bone regeneration research, the purpose of this review is to
systematically examine and evaluate the application of IBM SPSS (Statistical Package for the
Social Sciences). The paper will provide an overview of the research currently being conducted,
the methodological approaches that have been used with IBM SPSS, the challenges encountered,
and possible future directions for using this statistical tool to better understand bone regeneration
processes.
Keywords:
IBM SPSS, Bone tissue regeneration. Rationale for using IBM SPSS, Integrated
Statistical Skills.
Введение
Регенерация костной ткани представляет собой сложный, идеально выверенный
физиологический процесс развития кости, который должен быть виден во время типичного
заживления переломов и связан с непрерывным обновлением на протяжении всей взрослой
жизни. Как бы то ни было, существуют ошеломляющие клинические обстоятельства, при
которых восстановление кости ожидается в огромных количествах, например, при
427
воссоздании скелета огромных дефектов кости, возникших в результате травмы,
загрязнения, резекции нароста и аномалий скелета, или случаев, когда регенеративная Цикл
нарушен, включая соединительное гниение, атрофические неассоциации и остеопороз. На
сегодняшний день существует множество различных систем для расширения
затрудненного или «недостаточного» процесса восстановления костной ткани, включая
соединение аутологичной кости «высшего качества», свободное васкуляризированное
соединение малоберцовой кости, имплантацию аллотрансплантата и использование
факторов развития, остеокондуктивную терапию. каркасы, остеопрогениторные клетки и
прерывание остеогенеза. Стремясь преодолеть ограничения существующих методов,
производить заменители костного трансплантата с биомеханическими свойствами,
максимально идентичными нормальной кости, ускорять общий процесс регенерации или
даже лечить системные заболевания, такие как скелетные нарушения и остеопороз,
усовершенствованные «локальные» стратегии с точки зрения тканевой инженерии и генной
терапии или даже «системное» усиление восстановления костей являются предметом
интенсивных исследований.
Фон
Кость имеет характерный предел восстановления как особенность цикла
поддержания в свете травмы, а также во время поворота событий в скелете или
непрерывного перепроектирования на протяжении всей взрослой жизни [1, 2].
Восстановление кости представляет собой идеально настроенную серию органических
процессов прикрепления и проведения костной ткани, включая различные типы клеток, а
также внутриклеточные и внеклеточные пути субатомной сигнализации, с поддающейся
количественной оценке мимолетной и пространственной последовательностью, с конечной
целью улучшения фиксации скелета и восстановления скелета. возможности [2, 3].
Наиболее распространенной формой регенерации кости в клинических условиях является
заживление
переломов,
при
котором
повторяются
внутримембранозные
и
эндохондральные пути окостенения нормального скелетогенеза плода [4]. Кость
регенерирует, при этом ее ранее существовавшие свойства в значительной степени
восстанавливаются, и вновь образованная кость в конечном итоге становится неотличимой
от соседней неповрежденной кости [2], в отличие от других тканей, где во время
заживления образуется рубцовая ткань. Как бы то ни было, известны случаи заживления
трещин, при которых восстановление кости затруднено, при этом, например, до 13%
переломов большеберцовой кости связано с отсроченным срастанием или неассоциацией
428
трещины [5]. Другие состояния в ортопедической хирургии, челюстно-лицевой хирургии,
такие как реконструкция скелета при крупных костных дефектах, вызванных травмой,
инфекцией, резекцией опухоли и аномалиями скелета, или случаи, когда регенеративный
процесс нарушен, например, аваскулярный некроз и остеопороз, требуют необходимости.
большая степень регенерации кости (выше нормального потенциала самовосстановления).
Современные методы, используемые в медицине для ускорения регенерации
костей
Для всех ранее упомянутых случаев, когда типичный ход восстановления костной
ткани либо затруднен, либо в основном недостаточен, в настоящее время в арсенале
специалиста имеются различные методы терапии, которые можно использовать либо
отдельно, либо в сочетании для улучшения или повышения эффективности лечения. Эти
сложные клинические обстоятельства, которые часто могут затруднять терапию, требуют
клинических и финансовых испытаний. Стандартные методологии, обычно используемые
в клинической практике для активизации или расширения восстановления кости, включают
прерывание остеогенеза и использование костного носителя [6, 7], а также использование
различных методов соединения костей, таких как аутологичные сращения костей,
аллотрансплантаты и заменители или развитие костных соединений. факторы [8, 9].
Выборочной стратегией восстановления кости и воспроизведения деформаций длинных
трубчатых костей является двухэтапный метод, известный как процедура Маскеле. Это
зависит от идеи «органического» слоя, который образуется после использования бетонного
спейсера на основном этапе и действует как «камера» для включения
неваскуляризированного аутотрансплантата на втором этапе [10]. Существуют даже
безболезненные методы биофизического возбуждения, например, ультразвук малой
мощности (LIPUS) и электромагнитные поля (PEMF) [11-13], которые используются в
качестве помощников для ускорения восстановления костной ткани.
Во время прерывания остеогенеза и костного носителя восстановление кости между
постепенно оккупированными жесткими поверхностями стимулируется. В настоящее
время для лечения дефектов кости или диспропорций и искажений длины придатков
используются различные стратегии, в том числе наружные фиксаторы и стратегия
Илизарова [6, 7], соединение нерассверленных интрамедуллярных стержней с внешними
устройствами для прерывания монорельса [14] или интрамедуллярными выдвижными
устройствами [15]. ]. Однако эти методы технически сложны и имеют ряд недостатков,
таких как сопутствующие осложнения, необходимость длительного лечения как фазы
429
дистракции (обычно в два раза дольше, чем фаза дистракции), так и фазы консолидации
(обычно в два раза дольше, чем фаза дистракции). фаза отвлечения), а также влияние на
психическое и физическое здоровье пациента [6, 7].
Обоснование использования IBM SPSS
IBM SPSS (Measurable Bundle for the Sociology) — это гибкая программа
фактических экзаменов, которая позволила выявить актуальность за пределами своего
уникального пространства в социологии и распространилась на различные логические
дисциплины, включая исследования восстановления костей. Особые преимущества,
которые делают IBM SPSS подходящим устройством для фактического изучения
непредсказуемой органической информации в исследованиях восстановления костей,
заключаются в следующем: Простота в использовании Точка подключения: IBM SPSS
известен своим простым в использовании интерфейсом, что делает его открытым для
аналитиков с различными знаниями. вспоминая те, что касаются естественных наук.
Графическая точка подключения учитывает простой маршрут, передачу
информации и выполнение измеримых исследований, что делает ее особенно подходящей
для аналитиков, менее знакомых с программированием.
Комплексные статистические навыки
SPSS предлагает множество измеримых методологий и исследований, которые
можно применять к различным видам информации в исследованиях восстановления
костной ткани. Они включают в себя отдельные измерения, выводы, многомерные
исследования и процедуры демонстрации высокого уровня.
IBM SPSS предоставляет мощные средства для информирования совета директоров
и очистки информации, позволяя аналитикам умело очищать и предварительно
обрабатывать органическую информацию. Преобразование данных, перекодирование и
обработка пропущенных значений способствуют целостности и качеству данных в целом.
Графическое изображение информации
Исследователи могут визуально представлять сложные биологические данные
благодаря
способности
программного
обеспечения
облегчать
создание
высококачественных графиков и диаграмм. Чтобы помочь в интерпретации результатов
исследования регенерации кости, графическое представление необходимо для передачи
результатов как научной, так и ненаучной аудитории.
Объединение с другим программированием
430
IBM SPSS хорошо координируется с различными инструментами изучения и
восприятия информации, обеспечивая согласованный рабочий процесс специалистов. Эта
совместимость предполагает согласование информации, полученной из разных источников,
таких как визуализация, клинические оценки и субатомные исследования, что важно в
исследованиях восстановления кости.
Воспроизводимость и документация
IBM SPSS обеспечивает воспроизводимость, позволяя специалистам точно
сохранять и записывать результаты своих исследований. Возможность создания журналов
пунктуации и результатов поддерживает документирование логических достижений,
гарантируя простоту и работу с опросами коллег. Настройка и механизация: SPSS дает
клиентам возможность изменять экзамены с помощью пунктуации, принимая во внимание
создание индивидуально подобранного содержания для четкой и глубокой методологии.
Роботизация избыточных задач возможна за счет предварительной организации и
сглаживания цикла исследований в огромных исследованиях по восстановлению костей.
Сообщество и поддержка
Преимущества IBM SPSS заключаются в обширных онлайн-ресурсах, таких как
учебные пособия и форумы, а также в поддержке сообщества пользователей. Доступность
документации и поддержка клиентов повышают ожидания ученых, впервые знакомых с
продуктом, в обучении и адаптации. В целом, простой в использовании интерфейс,
широкие измеримые возможности, информационные устройства, графическое
отображение, возможности координации, поддержка воспроизводимости, возможность
настройки и постоянная локальная доступность делают IBM SPSS разумным и важным
инструментом для фактического исследования. ошеломляющая органическая информация
в исследованиях восстановления костей. Аналитики могут использовать эти свойства для
получения значительного опыта и принятия важных выводов на основе полученной
информации.
Литературный обзор
В исследованиях костной регенерации IBM SPSS использовался для анализа и
интерпретации данных об эффективности различных методов лечения или вмешательств.
Чтобы оценить влияние различных факторов на результаты регенерации кости, в этих
исследованиях использовался IBM SPSS для проведения статистического анализа, такого
как t-тесты, ANOVA, регрессионный анализ и корреляционный анализ. Продукт сыграл
важную роль в распознавании критических закономерностей, связей и примеров внутри
431
информации, что в конечном итоге способствовало лучшему пониманию переменных,
влияющих на восстановление костей, и улучшению потенциальных методологий лечения.
Несколько жизненно важных открытий и обязательств, сделанных посредством
измеримого анализа в исследованиях восстановления костной ткани с использованием IBM
SPSS, включают: Идентификация критических показателей: измеримое исследование
использовалось для распознавания важных показателей достижения восстановления
костной ткани, таких как социально-экономические данные пациентов, свойства
биоматериалов и методы лечения. Это помогло специалистам понять переменные,
влияющие на подходы к восстановлению костей и дизайнерскому лечению. Почти
адекватность лекарств: IBM SPSS использовался для анализа адекватности различных
методов восстановления кости, например, сопоставления результатов различных
материалов для костного соединения или факторов развития. Благодаря этому
исследователи теперь знают, какие методы лечения лучше всего ускоряют заживление
костей.
Взаимосвязь между переменными: Измеримые исследования выявили взаимосвязь
между различными факторами и результатами восстановления кости. Например, в
исследованиях IBM SPSS использовалась для изучения связи между пониманием
сопутствующих заболеваний, таких как диабет или остеопороз, и прогрессом в методологии
восстановления костей. Узнаваемое доказательство фактора риска: Измеримое
обследование помогло рискнуть с факторами, связанными со сложностями или
разочарованиями в методах восстановления кости. Исследователи смогли выявить
факторы, повышающие вероятность плохих результатов заживления костей,
проанализировав большие наборы данных с помощью IBM SPSS. Оптимизация лечения.
Статистический анализ помог оптимизировать методы регенерации костной ткани,
определив наиболее эффективные комбинации терапевтических вмешательств, дозировок
и сроков. Это привело к появлению более целенаправленных и эффективных способов
решения проблем сращивания костей.
Вообще говоря, измеримое обследование с использованием игр IBM SPSS оказало
существенное влияние на понимание того, как мы можем интерпретировать процессы
восстановления костей, и способствовало совершенствованию более успешных систем
лечения деформаций костей и трещин.
Методологический подход
Сбор данных
432
В исследованиях по восстановлению костей специалисты регулярно используют
различные стратегии подбора информации для накопления данных о понимании
социально-экономических показателей, результатах лечения, свойствах биоматериалов и
других важных факторах. Некоторые обычные методы подбора информации в
исследованиях восстановления костей включают в себя: Медицинские записи пациента:
демографические данные пациентов, истории болезни, сопутствующие заболевания и
предыдущее лечение — все это общие источники данных для исследователей. Это может
дать полезную информацию о характеристиках пациента, а также о возможных факторах,
влияющих на результаты регенерации кости. Методы визуализации. Такие методы
визуализации, как рентген, компьютерная томография (КТ), магнитно-резонансная
томография (МРТ) или ультразвук, часто используются в методах сбора данных. Эти
методы визуализации могут дать точные данные о конструкции кости, недостатках и
прогрессе сращения через некоторое время.
Характеристика биоматериалов. Для исследований, в том числе использования
биоматериалов для восстановления костей, ученые собирают информацию о свойствах
материалов, таких как кусочки, пористость, механическая прочность и энергия разрушения.
Эти данные способствуют пониманию влияния свойств биоматериала на заживление
костей. Результаты, выявленные пациентом: Ассортимент информации может включать
использование показателей результатов, выявленных пациентом (PROM), для оценки
уровня мучений, утилитарного статуса, личного удовлетворения и удовлетворенности
лечением. ПРОМ дают важные данные о точке зрения пациента на целесообразность
вмешательств по восстановлению кости.
Обследования в исследовательских центрах. Лабораторные анализы биологических
образцов, таких как кровь, костная ткань или продукты разложения биоматериала, могут
использоваться в качестве методов сбора данных в доклинических или трансляционных
исследованиях. Эти обследования могут дать информацию о биохимических маркерах
восстановления костей и реакции тканей на лечение. Клинические оценки. Аналитики часто
назначают клинические оценки для сбора информации о границах, таких как минеральная
толщина кости, маркеры развития кости, маркеры воспламенения и другие
физиологические показатели, связанные с сращиванием и восстановлением костей.
Документация по лечению: процесс сбора данных предполагает отслеживание
особенностей проведенных процедур регенерации кости, таких как хирургические методы,
процедуры имплантации, использованные трансплантационные материалы и любые
433
дополнительные методы лечения, такие как факторы роста или биологические препараты.
В целом, эти методы сбора данных в исследованиях регенерации кости помогают
исследователям собрать исчерпывающую информацию о характеристиках пациентов,
методах лечения и результатах. Это, в свою очередь, помогает в разработке эффективных
стратегий регенерации и более глубоком понимании процессов заживления костей.
Статистические методы
В исследованиях регенерации кости данные из различных источников, включая
демографические данные пациентов, результаты лечения, свойства биоматериалов и другие
соответствующие переменные, часто анализируются с использованием статистических
методов. IBM SPSS (Measurable Bundle for the Sociology) — это широко используемая
программа для исследования фактов, предлагающая набор инструментов для контроля
информации, четких измерений и отображения фактов на высоком уровне. Вот несколько
измеримых процедур, которые обычно используются в исследованиях по восстановлению
костей с использованием IBM SPSS: Завораживающие измерения: Поучительные идеи
используются для суммирования и отображения характеристик информации. В
исследованиях костной регенерации IBM SPSS предоставляет инструменты для расчета
таких показателей, как среднее значение, медиана, стандартное отклонение и
распределение частот. Эти меры можно использовать для обобщения демографических
данных пациентов, свойств биоматериала и других важных переменных. Инференциальные
выводы: логические измерения используются для получения выводов о численности
населения с учетом тестовой информации. Обычные измеримые стратегии вывода
включают t-тесты, исследование колебаний (ANOVA), тесты хи-квадрат и исследование
связей. В исследованиях регенерации кости эти методы можно использовать для оценки
различий между группами лечения, связей между переменными и других соответствующих
сравнений.
Исследование рецидива. Взаимосвязь между зависимой переменной и одной или
несколькими независимыми переменными можно исследовать с помощью регрессионного
анализа. IBM SPSS предоставляет инструменты для управления базовым прямым
рецидивом, многочисленными прямыми рецидивами, расчетными рецидивами и другими
моделями рецидивов, которые можно применять для изучения факторов, влияющих на
результаты восстановления кости. Исследование выносливости. Процедуры исследования
выносливости, например, изгибы Каплана-Мейера и модели относительных опасностей
Кокса, используются для анализа информации о времени, например, времени до
434
сращивания костей или времени, чтобы внедрить разочарование. В исследованиях костной
регенерации IBM SPSS имеет возможности анализа выживаемости, которые могут быть
полезны для оценки эффективности лечения и долгосрочных результатов. Многомерное
исследование. Процедуры многомерного исследования, включая факторное исследование,
исследование частей головы и исследование группы, можно использовать для
одновременного изучения примеров и связей между различными факторами. В сложных
наборах данных, касающихся вмешательств по регенерации кости, эти методы могут
помочь в идентификации основных структур.
Непараметрические тесты. Непараметрические тесты, например, критерий
маркированных рангов Уилкоксона, U-критерий Манна-Уитни и критерий Крускала-
Уоллиса, используются, когда информация не соответствует предположениям
параметрических тестов. Для анализа данных с помощью порядковых шкал или
ненормальных распределений в исследованиях регенерации кости IBM SPSS предлагает
инструменты для непараметрических тестов. Оценка мощности: исследование мощности
используется для определения размера примера, который, как ожидается, позволит
распознать массивное воздействие с заданной степенью уверенности. IBM SPSS
предоставляет инструменты для анализа мощности, которые исследователи могут
использовать для планирования исследований по регенерации костей с соответствующей
мощностью.
В целом, IBM SPSS предлагает обширный набор измеримых стратегий, которые
можно применять для анализа информации в исследованиях по восстановлению костей,
позволяя ученым получить знания о жизнеспособности лекарств, факторах, влияющих на
результаты, и других важных аспектах восстановления костей и восстановление.
REFERENCES
1.
Andryev S. et al. Experience with the use of memantine in the treatment of cognitive
disorders //Science and innovation. – 2023. – Т. 2. – №. D11. – С. 282-288.
2.
Antsiborov S. et al. Association of dopaminergic receptors of peripheral blood
lymphocytes with a risk of developing antipsychotic extrapyramidal diseases //Science and
innovation. – 2023. – Т. 2. – №. D11. – С. 29-35.
3.
Farrukh S. ORGANIZATION OF DIGITALIZED MEDICINE AND HEALTH
ACADEMY AND ITS SIGNIFICANCE IN MEDICINE //Science and innovation. – 2023.
– Т. 2. – №. Special Issue 8. – С. 493-499.
435
4.
Asanova R. et al. Features of the treatment of patients with mental disorders and
cardiovascular pathology //Science and innovation. – 2023. – Т. 2. – №. D12. – С. 545-
550.
5.
Begbudiyev M. et al. Integration of psychiatric care into primary care //Science and
innovation. – 2023. – Т. 2. – №. D12. – С. 551-557.
6.
Bo’Riyev B. et al. Features of clinical and psychopathological examination of young
children //Science and innovation. – 2023. – Т. 2. – №. D12. – С. 558-563.
7.
Borisova Y. et al. Concomitant mental disorders and social functioning of adults with high-
functioning autism/asperger syndrome //Science and innovation. – 2023. – Т. 2. – №. D11.
– С. 36-41.
8.
Ivanovich U. A. et al. Efficacy and tolerance of pharmacotherapy with antidepressants in
non-psychotic depressions in combination with chronic brain ischemia //Science and
Innovation. – 2023. – Т. 2. – №. 12. – С. 409-414.
9.
Karshiyev Z. et al. The degree of adaptation to psychogenic effects in social life in patients
with psychogenic asthma //Science and innovation. – 2023. – Т. 2. – №. D11. – С. 295-
302.
10.
Konstantinova O. et al. Clinical and psychological characteristics of patients with
alcoholism with suicidal behavior //Science and innovation. – 2023. – Т. 2. – №. D11. – С.
399-404.
11.
Konstantinova O. et al. Experience in the use of thiamine (vitamin B1) megadose in the
treatment of korsakov-type alcoholic encephalopathy //Science and innovation. – 2023. –
Т. 2. – №. D12. – С. 564-570.
12.
Farrukh S. ORGANIZATION OF DIGITALIZED MEDICINE AND HEALTH
ACADEMY AND ITS SIGNIFICANCE IN MEDICINE //Science and innovation. – 2023.
– Т. 2. – №. Special Issue 8. – С. 493-499.
13.
Kosolapov V. et al. Modern strategies to help children and adolescents with anorexia
nervosa syndrome //Science and innovation. – 2023. – Т. 2. – №. D12. – С. 571-575.
14.
Lomakin S. et al. Biopsychosocial model of internet-dependent behavior. Risk factors for
the formation of the internet //Science and innovation. – 2023. – Т. 2. – №. D12. – С. 205-
211.
15.
Lomakin S. et al. Features of electroencephalographic disorders in patients with mental
disorders due to brain damage or dysfunction //Science and innovation. – 2023. – Т. 2. –
№. D12. – С. 367-372.
436
16.
Lomakin S. et al. Socio-demographic, personal and clinical characteristics of relatives of
patients with alcoholism //Science and innovation. – 2023. – Т. 2. – №. D12. – С. 278-283.
17.
Lukasheva A. et al. Psychosomatic relationships in different age groups in patients with
facial dermatosis //Science and innovation. – 2023. – Т. 2. – №. D11. – С. 289-294.
18.
Malakhov A. et al. Modern views on the treatment and rehabilitation of patients with
dementia //Science and innovation. – 2023. – Т. 2. – №. D12. – С. 322-329.
19.
Malakhov A. et al. Problems of prevention of socially dangerous behavior by individuals
with mental disorders //Science and innovation. – 2023. – Т. 2. – №. D11. – С. 405-412.
20.
Nematillayevna S. D. et al. Psychological factors for the formation of aggressive behavior
in the youth environment //Science and Innovation. – 2023. – Т. 2. – №. 12. – С. 404-408.
21.
Nikolaevich R. A. et al. Comparative effectiveness of treatment of somatoform diseases in
psychotherapeutic practice //Science and Innovation. – 2023. – Т. 2. – №. 12. – С. 898-
903.
22.
Novikov A. et al. Alcohol dependence and manifestation of autoagressive behavior in
patients of different types //Science and innovation. – 2023. – Т. 2. – №. D11. – С. 413-
419.
23.
Ochilov U. et al. Factors of alcoholic delirium patomorphosis //Science and innovation. –
2023. – Т. 2. – №. D12. – С. 223-229.
24.
Ochilov U. et al. The main forms of aggressive manifestations in the clinic of mental
disorders of children and adolescents and factors affecting their occurrence //Science and
innovation. – 2023. – Т. 2. – №. D11. – С. 42-48.
25.
Farrukh S. ORGANIZATION OF DIGITALIZED MEDICINE AND HEALTH
ACADEMY AND ITS SIGNIFICANCE IN MEDICINE //Science and innovation. – 2023.
– Т. 2. – №. Special Issue 8. – С. 493-499.
26.
Ochilov U. et al. The question of the features of clinical and immunological parameters in
the diagnosis of juvenile depression with" subpsychotic" symptoms //Science and
innovation. – 2023. – Т. 2. – №. D12. – С. 218-222.
27.
Pachulia Y. et al. Assessment of the effect of psychopathic disorders on the dynamics of
withdrawal syndrome in synthetic cannabinoid addiction //Science and innovation. – 2023.
– Т. 2. – №. D12. – С. 240-244.
28.
Pachulia Y. et al. Neurobiological indicators of clinical status and prognosis of therapeutic
response in patients with paroxysmal schizophrenia //Science and innovation. – 2023. – Т.
2. – №. D12. – С. 385-391.
437
29.
Pogosov A. et al. Multidisciplinary approach to the rehabilitation of patients with
somatized personality development //Science and innovation. – 2023. – Т. 2. – №. D12. –
С. 245-251.
30.
Pogosov A. et al. Rational choice of pharmacotherapy for senile dementia //Science and
innovation. – 2023. – Т. 2. – №. D12. – С. 230-235.
31.
Pogosov S. et al. Gnostic disorders and their compensation in neuropsychological
syndrome of vascular cognitive disorders in old age //Science and innovation. – 2023. – Т.
2. – №. D12. – С. 258-264.
32.
Pogosov S. et al. Prevention of adolescent drug abuse and prevention of yatrogenia during
prophylaxis //Science and innovation. – 2023. – Т. 2. – №. D12. – С. 392-397.
33.
Pogosov S. et al. Psychogenetic properties of drug patients as risk factors for the formation
of addiction //Science and innovation. – 2023. – Т. 2. – №. D12. – С. 186-191.
34.
Prostyakova N. et al. Changes in the postpsychotic period after acute polymorphic disorder
//Science and innovation. – 2023. – Т. 2. – №. D12. – С. 356-360.
35.
Prostyakova N. et al. Issues of professional ethics in the treatment and management of
patients with late dementia //Science and innovation. – 2023. – Т. 2. – №. D12. – С. 158-
165.
36.
Prostyakova N. et al. Sadness and loss reactions as a risk of forming a relationship together
//Science and innovation. – 2023. – Т. 2. – №. D12. – С. 252-257.
37.
Prostyakova N. et al. Strategy for early diagnosis with cardiovascular diseaseisomatized
mental disorders //Science and innovation. – 2023. – Т. 2. – №. D12. – С. 166-172.
38.
Rotanov A. et al. Comparative effectiveness of treatment of somatoform diseases in
psychotherapeutic practice //Science and innovation. – 2023. – Т. 2. – №. D12. – С. 267-
272.
39.
Rotanov A. et al. Diagnosis of depressive and suicidal spectrum disorders in students of a
secondary special education institution //Science and innovation. – 2023. – Т. 2. – №. D11.
– С. 309-315.
40.
Rotanov A. et al. Elderly epilepsy: neurophysiological aspects of non-psychotic mental
disorders //Science and innovation. – 2023. – Т. 2. – №. D12. – С. 192-197.
41.
Rotanov A. et al. Social, socio-cultural and behavioral risk factors for the spread of hiv
infection //Science and innovation. – 2023. – Т. 2. – №. D11. – С. 49-55.
42.
Rotanov A. et al. Suicide and epidemiology and risk factors in oncological diseases
//Science and innovation. – 2023. – Т. 2. – №. D12. – С. 398-403.
438
43.
Sedenkov V. et al. Clinical and socio-demographic characteristics of elderly patients with
suicide attempts //Science and innovation. – 2023. – Т. 2. – №. D12. – С. 273-277.
44.
Sedenkov V. et al. Modern methods of diagnosing depressive disorders in neurotic and
affective disorders //Science and innovation. – 2023. – Т. 2. – №. D12. – С. 361-366.
45.
Sedenkova M. et al. Basic principles of organizing gerontopsychiatric assistance and their
advantages //Science and innovation. – 2023. – Т. 2. – №. D11. – С. 63-69.
46.
Sedenkova M. et al. Features of primary and secondary cognitive functions characteristic
of dementia with delirium //Science and innovation. – 2023. – Т. 2. – №. D11. – С. 56-62.
47.
Sedenkova M. et al. The possibility of predicting the time of formation and development
of alcohol dependence: the role of genetic risk, family weight and its level //Science and
innovation. – 2023. – Т. 2. – №. D12. – С. 173-178.
48.
Shamilov V. et al. Disorders of decision-making in the case of depression: clinical
evaluation and correlation with eeg indicators //Science and innovation. – 2023. – Т. 2. –
№. D12. – С. 198-204.
49.
Farrukh S. ORGANIZATION OF DIGITALIZED MEDICINE AND HEALTH
ACADEMY AND ITS SIGNIFICANCE IN MEDICINE //Science and innovation. – 2023.
– Т. 2. – №. Special Issue 8. – С. 493-499.
50.
Sharapova D. et al. Clinical and socio-economic effectiveness of injectable long-term
forms of atypical antipsychotics in schizophrenia //Science and innovation. – 2023. – Т. 2.
– №. D12. – С. 290-295.
51.
Sharapova D., Shernazarov F., Turayev B. Prevalence of mental disorders in children and
adolescents with cancer and methods of their treatment //Science and innovation. – 2023.
– Т. 2. – №. D12. – С. 373-378.
52.
Sharapova D., Shernazarov F., Turayev B. Social characteristics of patients with
schizophrenia for a long time in combination with exogenous-organic diseases of the brain
//Science and innovation. – 2023. – Т. 2. – №. D12. – С. 284-289.
53.
Solovyova Y. et al. Protective-adaptive complexes with codependency //Science and
innovation. – 2023. – Т. 2. – №. D11. – С. 70-75.
54.
Solovyova Y. et al. Suicide prevention in adolescents with mental disorders //Science and
innovation. – 2023. – Т. 2. – №. D11. – С. 303-308.
55.
Solovyova Y. et al. The relevance of psychotic disorders in the acute period of a stroke
//Science and innovation. – 2023. – Т. 2. – №. D12. – С. 212-217.
439
56.
Spirkina M. et al. Integrated approach to correcting neurocognitive defects in
schizophrenia //Science and innovation. – 2023. – Т. 2. – №. D11. – С. 76-81.
57.
Sultanov S. et al. Changes in alcohol behavior during the covid-19 pandemic and beyond
//Science and innovation. – 2023. – Т. 2. – №. D12. – С. 302-309.
58.
Sultanov S. et al. Depression and post-traumatic stress disorder in patients with alcoholism
after the covid-19 pandemic //Science and innovation. – 2023. – Т. 2. – №. D11. – С. 420-
429.
59.
Sultanov S. et al. Long-term salbi effects of the covid-19 pandemic on the health of existing
residents of alcohol addiction //Science and innovation. – 2023. – Т. 2. – №. D11. – С.
430-438.
60.
Sultanov S. et al. The impact of the covid-19 pandemic on the mental state of people with
alcohol addiction syndrome //Science and innovation. – 2023. – Т. 2. – №. D12. – С. 296-
301.
61.
Uskov A. et al. Atypical anorexia nervosa: features of preposition and premorbid //Science
and innovation. – 2023. – Т. 2. – №. D12. – С. 310-315.
62.
Uskov A. et al. Evaluation of the effectiveness of supportive therapy in the practice of
outpatient treatment of schizophrenia with long term atypical antipsychotics //Science and
innovation. – 2023. – Т. 2. – №. D12. – С. 316-321.
63.
Uskov A. et al. Modern methods of therapeutic fasting as a way to overcome the
pharmacoresistance of mental pathology //Science and innovation. – 2023. – Т. 2. – №.
D12. – С. 179-185.
64.
Farrukh S. ORGANIZATION OF DIGITALIZED MEDICINE AND HEALTH
ACADEMY AND ITS SIGNIFICANCE IN MEDICINE //Science and innovation. – 2023.
– Т. 2. – №. Special Issue 8. – С. 493-499.
65.
Uskov A. et al. Psychological peculiarities of social adaptation in paranoid schizophrenia
//Science and innovation. – 2023. – Т. 2. – №. D12. – С. 379-384.
66.
Viktorova N. et al. Formation of rehabilitation motivation in the conditions of the medical
and rehabilitation department of a psychiatric hospital //Science and innovation. – 2023. –
Т. 2. – №. D11. – С. 82-89.
67.
Viktorova N. et al. Opportunities for comprehensive psychometric assessment of anxiety
states in late-age dementia //Science and innovation. – 2023. – Т. 2. – №. D11. – С. 90-96.