Background: Peptic ulcer disease (PUD) is a significant cause of morbidity and mortality worldwide, particularly in patients with chronic liver disease (CLD). The occurrence of upper gastrointestinal bleeding (UGIB) in CLD patients presents a serious complication, often requiring urgent medical intervention. Objective: The main objective of this study was to determine the frequency of peptic ulcer disease in patients with chronic liver disease presenting with upper gastrointestinal bleeding. Methods: This retrospective observational study was conducted at Ayub Teaching Hospital, Abbottabad, from 2021 to 2023. Data were collected from 105 patients diagnosed with chronic liver disease who presented with symptoms of upper gastrointestinal bleeding. The diagnosis of CLD was confirmed through clinical evaluation, biochemical tests, imaging studies, and/or liver biopsy. Patients included were aged 18 years and above and presented with UGIB evidenced by hematemesis, melena, or both. Exclusion criteria were individuals with bleeding disorders unrelated to CLD and those who did not undergo endoscopic evaluation. Data collection involved demographic information, clinical history, duration and etiology of CLD, comorbid conditions, and UGIB presentation. Upper gastrointestinal endoscopy was performed on all patients to identify the source of bleeding. Statistical analysis was performed using SPSS version 25, with a p-value of less than 0.05 considered statistically significant. Results: The study included 105 patients, with a mean age of 55.3±3.27 years; 65 (61.9%) were male, and 40 (38.1%) were female. The etiologies of CLD were viral hepatitis (42.9%), alcoholic liver disease (28.6%), non-alcoholic fatty liver disease (19.0%), and other causes (9.5%). Clinical presentations of UGIB included hematemesis (66.7%), melena (23.8%), and both (9.5%). Endoscopic findings revealed that 35 patients (33.3%) had peptic ulcer disease, with 20 (57.1%) having duodenal ulcers and 15 (42.9%) having gastric ulcers. Other sources of UGIB included esophageal varices (38.1%), gastric varices (14.3%), erosive gastritis (9.5%), and malignancies (4.8%). Associated risk factors for PUD included NSAID use (42.9%), smoking (28.6%), and coexisting portal hypertension (71.4%). The mean size of ulcers was 10.2 mm. Endoscopic therapy was utilized in 71.4% of cases, with pharmacological treatment primarily including proton pump inhibitors (85.7%). Complications included rebleeding within 7 days (14.3%) and the need for surgical intervention (5.7%). The mean hospital stay was 7.8 days, and in-hospital mortality was observed in 8.6% of patients. Conclusion: Peptic ulcer disease represents a substantial yet manageable complication in patients with chronic liver disease presenting with upper gastrointestinal bleeding. Prompt recognition and targeted therapeutic interventions are crucial for optimizing outcomes in this high-risk population.

Background: Early detection and precise identification of gastric cancer tumors significantly enhance patient outcomes. Conventional methods often rely on manual interpretation of endoscopic images, which can be time-consuming and subjective. Recent advancements in deep learning offer promising alternatives for automating and improving these diagnostic processes. Objective: The primary objective of this study is to explore the effectiveness of a deep learning model in detecting early gastric cancer and segmenting lesions from endoscopic images. Methods: This retrospective study was conducted at Khalifa Gul Nawaz Teaching Hospital /BMC Bannu, from December 2021 to November 2022. Medical records and endoscopic images from 180 patients with suspected or confirmed gastric lesions were analyzed. Images were diversified in terms of lesion types and characteristics. Preprocessing steps including standardization and enhancement techniques were applied to improve image quality for analysis. Results: The deep learning model achieved an accuracy of 90% in identifying gastric cancer lesions, with a sensitivity of 85% and specificity of 92%. The area under the curve (AUC-ROC) was calculated to be 0.61, indicating a good discriminative performance of the model. Conclusion: The deep learning model demonstrated significant potential for enhancing the detection and segmentation of early gastric cancer from endoscopic images, providing a valuable tool for gastroenterologists in the early diagnosis and treatment planning.

Background: Cardiovascular diseases (CVDs) represent a major global health concern, causing approximately 17.9 million deaths annually, accounting for 32% of all global deaths. Among these fatalities, 85% are attributed to heart attacks and strokes. Hyperlipidemia, a common metabolic disorder, significantly contributes to the risk of CVDs by causing disturbances in lipid metabolism, including elevated levels of low-density lipoprotein cholesterol (LDL-C), increased triglycerides, elevated total cholesterol (TC), and decreased levels of high-density lipoprotein cholesterol (HDL-C). Objective: To determine the impact of hyperlipidemia on cardiovascular diseases, focusing on its role as a prominent risk factor. Methods: This retrospective study was conducted at the Department of Pathology, Fatima Memorial Hospital, Lahore, from June 2023 to December 2023, following approval from the Institutional Review Board (IRB). Data were collected using a non-probability convenient sampling technique. The sample size was calculated based on a 95% confidence level, an estimated prevalence of hyperlipidemia in CVD patients of 4.5%, and a desired margin of error, resulting in a sample size of 65-70 patients. Inclusion criteria included CVD patients diagnosed with hyperlipidemia, while patients with hyperlipidemia but no CVD were excluded. Data were collected from medical records using a self-designed Performa. Statistical analysis was conducted using IBM SPSS Statistics for Windows, Version 25.0 (IBM Corp.). Categorical variables were expressed as frequencies and percentages, while continuous variables were presented as mean ± standard deviation (SD). Bar charts were used for categorical data and histograms for continuous data. A p-value of less than 0.05 was considered statistically significant. Chi-square analysis was used to identify correlations between lipid levels and CVD status. Results: Out of the 65 subjects, 45 (69.2%) had no CVD, while 20 (30.8%) were diagnosed with CVD. Total cholesterol levels were <200 mg/dL in 36 patients (55.4%), 200-240 mg/dL in 15 patients (23.1%), and >240 mg/dL in 14 patients (21.5%). LDL levels were <100 mg/dL in 21 patients (32.3%), 130-189 mg/dL in 38 patients (58.5%), and >190 mg/dL in 6 patients (9.2%). HDL levels were <39 mg/dL in 36 patients (55.4%) and >40 mg/dL in 29 patients (44.6%). Triglyceride levels were <150 mg/dL in 15 patients (23.1%), 150-199 mg/dL in 30 patients (46.2%), and 200-499 mg/dL in 20 patients (30.8%). Chi-square analysis revealed a significant association between triglyceride levels and CVD status (p < 0.001) and significant results for LDL and HDL levels (p < 0.005). Conclusion: This study highlights the profound impact of hyperlipidemia on cardiovascular health, emphasizing its role as a significant risk factor for CVDs. The strong association between elevated lipid levels and increased risk of cardiovascular events underscores the need for effective lipid management strategies to reduce the burden of cardiovascular diseases and improve patient outcomes.