Revisione sistematica della letteratura sull’efficacia del resistance training nel trattamento dei pazienti affetti da fibromialgia

Background: La fibromialgia è una sindrome cronica caratterizzata da dolore muscolo-scheletrico associato ad altri sintomi quali stanchezza, depressione, ansia e disturbi del sonno. Questa patologia colpisce tra il 2% ed il 4% della popolazione mondiale, con un’incidenza maggiore nel sesso femminile. Chi ne è affetto riferisce un significativo peggioramento delle relazioni sociali e della qualità di vita. Il resistance training, di cui sono noti i molteplici benefici sulla salute fisica e mentale dell’individuo, è stato di recente proposto come strategia terapeutica in questa tipologia di pazienti. Obiettivo: Ricercare in letteratura prove dell’efficacia di un approccio terapeutico basato sul resistance training per ridurre il dolore e migliorare la qualità di vita nei pazienti affetti da fibromialgia. Materiali e metodi: Sono state indagate le banche dati PubMed, PEDro e Cochrane Library utilizzando quattro diverse stringhe di ricerca, ottenute combinando le parole chiave con gli operatori booleani. Per la selezione degli studi è stato impiegato il diagramma di flusso PRISMA. Sono stati inclusi solo gli RCT che proponevano un programma di resistance training non combinato con altre metodiche riabilitative. Risultati: Dei 327 articoli inizialmente individuati sono stati inclusi 3 studi che mettevano a confronto il resistance training con altre metodiche riabilitative. Tutti e tre gli studi hanno dimostrato una riduzione statisticamente significativa dell’intensità del dolore e un miglioramento, seppur non sempre significativo, della qualità di vita. Conclusioni: Gli studi selezionati hanno evidenziato un effetto benefico del resistance training, se effettuato con regolarità e costanza, nel ridurre l’intensità del dolore e migliorare la qualità di vita nei pazienti affetti da fibromialgia. Tuttavia, visto il numero ancora limitato di studi sull’argomento, è auspicabile lo svolgimento di ulteriori trials per poter acquisire maggiori prove di efficacia.

Synthetic data generation for the assessment of antimicrobial resistance through machine learning

As a consequence of the diffusion of next generation sequencing techniques, metagenomics databases have become one of the most promising repositories of information about features and behavior of microorganisms. One of the subjects that can be studied from those data are bacteria populations. Next generation sequencing techniques allow to study the bacteria population within an environment by sampling genetic material directly from it, without the needing of culturing a similar population in vitro and observing its behavior. As a drawback, it is quite complex to extract information from those data and usually there is more than one way to do that; AMR is no exception. In this study we will discuss how the quantified AMR, which regards the genotype of the bacteria, can be related to the bacteria phenotype and its actual level of resistance against the specific substance. In order to have a quantitative information about bacteria genotype, we will evaluate the resistome from the read libraries, aligning them against CARD database. With those data, we will test various machine learning algorithms for predicting the bacteria phenotype. The samples that we exploit should resemble those that could be obtained from a natural context, but are actually produced by a read libraries simulation tool. In this way we are able to design the populations with bacteria of known genotype, so that we can relay on a secure ground truth for training and testing our algorithms.