РАННЯЯ ДИАГНОСТИКА ДЕТСКОГО ЦЕРЕБРАЛЬНОГО ПАРАЛИЧА: СОВРЕМЕННЫЕ МЕТОДЫ НЕЙРОРАЗВИТИЙНОЙ ОЦЕНКИ И АЛГОРИТМ КЛИНИЧЕСКОГО ВЫЯВЛЕНИЯ

Аннотация

Детский церебральный паралич (ДЦП) требует своевременной диагностики для обеспечения раннего вмешательства, однако в клинической практике диагноз часто устанавливается с опозданием. Оценить диагностическую точность стандартизированных методов нейроразвитийной оценки (GMA, HINE, клинические «красные флаги») в раннем выявлении ДЦП и других нарушений нейроразвития (НРН) у детей групп высокого риска, а также разработать алгоритм клинического маршрута.

Проспективное когортное исследование диагностической точности. В специализированном центре третьего уровня (г. Ташкент) были обследованы 118 младенцев с перинатальными факторами риска (недоношенность, низкая масса тела, ГИЭ) в скорректированном возрасте 4–24 месяцев. В качестве индексных тестов применялись оценка общих движений (GMA), шкала HINE и выявление клинических «красных флагов» (рДЦП, рНРН). Эталонным стандартом служил консенсусный клинический диагноз ДЦП/НРН, установленный в возрасте 12–24 месяцев. Рассчитывались чувствительность, специфичность, прогностическая ценность и площадь под ROC-кривой (AUC). Для прогнозирования ДЦП клиническая оценка «красных флагов» (рДЦП) показала чувствительность 92% (95% ДИ: 63–99%) и специфичность 84% (76–90%). Отсутствие «беспокойных движений» при GMA имело чувствительность 76% и специфичность 82%. Дискриминационная способность шкалы HINE составила AUC=0,88 (95% ДИ: 0,79–0,97). При прогнозировании ДЦП средней и тяжелой степени чувствительность рДЦП и GMA достигала 100%. Однако прогностическая способность этих методов в отношении когнитивных нарушений была ограниченной (AUC HINE = 0,62). Комплексное использование GMA, HINE и клинических маркеров обладает высокой диагностической точностью для раннего выявления ДЦП, особенно его тяжелых форм. Тем не менее, из-за ограниченной способности предсказывать когнитивные и сенсорные нарушения, дети из групп риска требуют длительного многопрофильного динамического наблюдения. Предложенный 7-этапный алгоритм оптимизирует маршрутизацию пациентов в условиях реальной клинической практики.