A PREDICTIVE MODEL OF NEUROPSYCHOLOGICAL DEVELOPMENTAL DELAYS IN PRESCHOOL AGE IN CHILDREN WITH EARLY RISK FACTORS

Research article
DOI:
https://doi.org/10.23670/IRJ.2024.140.33
Issue: № 2 (140), 2024
Suggested:
23.12.2023
Accepted:
22.01.2024
Published:
16.02.2024
306
4
XML
PDF

Abstract

The article presents a prognostic model of neuropsychological development (NPD) deviations in preschool children based on the analysis of statistically significant risk factors to which children were exposed at an early age. 104 children aged 4-6 years were examined, 43 children with neuropsychological developmental lags (group 2 and 3 NDP) and 61 children with a normal level of NDP (group 1 – control group). Risk factors were assessed using four-field conjugation tables and odds ratio (OR) estimation. The prognostic models were analysed by binary logistic regression using IBM SPSS27 software. ROC analysis was used to determine the predictive value of the model. As a result, a logistic model for predicting delays in child development was built, with the following risk factors as predictors: perinatal CNS damage; Apgar score below 8 points; complications of labour and delivery; diagnosed abnormalities according to NSG data; high-risk pregnancy; broken vaccination schedule; aggravated neurological history of the child's parents; maternal smoking; single-parent family; low birth weight. ROC-analysis determined high sensitivity (93.1%) and specificity (80%) of the model, the value of the area under the curve (AUC) is 0.922, which indicates the excellent quality of the predictive model. The presented predictive model makes it possible to estimate the individual risk of underachievement in preschool age based on the evaluation of known risk factors.

1. Введение

Нервно-психическое развитие (НПР) – один из главных показателей комплексной оценки здоровья детей, отражающий степень индивидуальной морфофункциональной зрелости нервной системы и соответствие развития ребенка его биологическому возрасту

,
. Приоритетным направлением современной педиатрии является профилактика, цель которой заключается в воспитании здорового ребенка и предупреждении возможных заболеваний и нарушений его развития
. Одним из перспективных способов эффективной профилактики отставаний НПР является создание и активное использование на практике прогностических моделей. Формирование НПР – это сложный многоплановый процесс, на правильное течение которого может влиять множество факторов, как положительных, так и отрицательных, относимым к факторам риска
,
,
. Воздействие факторов риска на нервно-психическое развитие достаточно детально изучен у детей до трех лет
,
,
,
,
, в то время как, исследований более отдаленных последствий, в том числе в дошкольном возрасте, практически не проводилось. Данные литературы подтверждают, что многие неврологические и психические отклонения, проявляющиеся в дошкольном возрасте, такие как расстройства аутистического спектра (РАС) и синдром дефицита внимания и гиперактивности (СДВГ), можно спрогнозировать задолго до их клинической манифестации. Так, дети с РАС чаще имеют в анамнезе специфические осложнения в родах
,
,
, а среди детей с СДВГ по сравнению с общей популяцией значительно выше процент детей, перенёсших внутриутробную гипоксию
,
. Что говорит о том, что комплексный анализ подобных факторов риска может быть использован для создания прогностических моделей ожидаемого уровня НПР у дошкольников.

Цель исследования: разработать модель прогнозирования отставаний НПР у детей дошкольного возраста на основе данных о статистически значимых факторах риска.

2. Материалы и методы исследования

Для построения модели прогнозирования отставаний НПР у детей дошкольного возраста проанализированы данные 104 детей, из которых 43 ребенка имели 2 либо 3 группу НПР и выступали в роли основной группы, а также 61 ребенок 1 группы НПР, выступавших группой сравнения. Параметры включения: возраст 4-6 лет, 1-2 группа здоровья.

Произведен анализ факторов риска на основе данных анкетирования, а также формы 112/у. Далее при помощи четырехпольной таблицы сопряженности была произведена оценка отношений шансов нарушения НПР (OR). По результатам которой были выявлены 10 статистически значимых факторов риска (табл. 1).

Таблица 1 - Статистически значимые факторы риска

Фактор риска

Отношение шансов OR

1

Перинатальное поражение ЦНС, диагностированное на 1 году жизни.

6,045

2

Оценки по шкале Апгар ниже 8 баллов (повторная оценка через 5 минут)

2,700

3

Осложнения родов и родоразрешения (роды отличные от физиологических: одним плодом, спонтанные, протекавшие без осложнений, без применения пособий и медикаментов, при которых родился зрелый доношенный ребенок в затылочном предлежании).

2,489

4

Диагностированные отклонения по данным НСГ на скрининге в возрасте 1 месяца (кисты; расширения/ сужения ликворных пространств и пр.).

2,396

5

Беременность высокого риска (оценка перинатального риска по шкале В.Е. Радзинского 9 баллов и выше).

2,354

6

Нарушенный график вакцинации (отставание от календаря более чем на год; отсутствие обязательных вакцин).

2,346

7

Отягощенный неврологический анамнез у родителей ребенка.

2,057

8

Курение матери (до и во время беременности).

1,865

9

Неполная семья.

1,687

10

Низкая масса тела при рождении (ниже 10 перцентиля).

1,648

Примечание: p>0,05

Для построения прогностической модели НПР у дошкольников был использован метод бинарной логистической регрессии, согласно которому вероятность наступления события для некоторого случая рассчитывается по формуле:

img

Где, Z = b1 • X1 + b2 • Х2 + ... + bn • Xn + a,

Х1, Х2, Х3….. Хn – значения независимых переменных

b1, b2, b3,…bn – коэффициент логистической регрессии

а – константа логистической регрессии.

Оценка прогностической способности модели проведена методом ROC-анализа по величине AUC с 95% доверительным интервалом с учетом стандартной ошибки (SE). Интерпретация показателя AUC проводилась по шкале, согласно которой при значении, находящемся в пределах интервала 0,9–1,0, качество модели оценивалось как отличное; 0,8–0,9 – очень хорошее; 0,7–0,8 – хорошее; 0,6–0,7 – среднее; 0,5–0,6 – неудовлетворительное. Для определения точки отсечения использован метод максимальной суммарной чувствительности и специфичности модели (Cutt_ off = max (Se + Sp)).

3. Результаты исследования и их обсуждение

Для построения модели логистической регрессии в роли независимых пере-менных Х1, Х2, Х3….. Хn использовались статистически значимые факторы риска, проведена их кодировка (табл. 2).

Таблица 2 - Кодировка переменных

Переменные

Расшифровка

Кодировка

Х1

курение матери

да 0

нет 1

Х2

неврологический анамнез

отягощен 0

не отягощен 1

Х3

роды и родоразрешения

осложненные 0

физиологичные 1

Х4

беременность

высокого риска 0

физиологичная 1

Х5

оценки по шкале Апгар

от 1 до 7 балов 0

от 8 до 10 баллов - 1

Х6

масса при рождении

ниже 2500 гр -0

выше 2500 гр -1

Х7

НСГ до года

патология - 0

норма -1

Х8

график вакцинации

нарушен - 0

по календарю -1

Х9

Перинатальное поражение ЦНС

диагностировано - 0

не диагностировано - 1

Х10

Полнота семьи

неполная - 0

полная - 1

Коэффициенты b1, b2, b3,…bn и а рассчитаны методом логистической регрессии в программе IBM SPSS 27 (табл. 3).

Таблица 3 - Переменные в уравнении

 

B

Среднеквадратичная ошибка

Вальд

ст.св.

знач.

Exp (B)*

Курение матери (b1)

1,096

1,194

0,843

1

0,359

2,991

Неврологический анамнез (b2)

1,820

1,070

2,892

1

0,089

6,174

Течение родов (b3)

0,782

0,690

1,286

1

0,257

2,186

Течение беременности (b4)

0,630

0,695

0,823

1

0,364

1,878

Оценки по Апгар (b5)

1,558

1,117

1,945

1

0,163

4,748

Масса при рождении (b6)

1,247

0,722

2,984

1

0,084

3,478

НСГ до года (b7)

2,243

0,827

7,349

1

0,007

9,423

График вакцинации (b8)

1,444

0,775

3,468

1

0,063

4,238

Д-учет невролога (b9)

1,790

0,754

5,632

1

0,018

5,989

 Полнота семьи (b10)

1,650

1,104

2,233

1

0,135

5,208

Константа (а)

10,313

2,600

15,72

1

0,000

0,000

Примечание: Exp (B)* - отношение шансов

С учетом вышеуказанных данных формула, для искомой прогностической модели будет следующая:

img

Где Z = b1 • X1 + b2 • Х2 + b3 • Х3 + b4 • X4 + b5 • Х5+ b6 • Х6 + b7 • Х7 + b8 • Х8 + b9 • Х9+ b10 • Х10 + a.

Для обозначения значений независимых переменных Х1, Х2, Х3….. Х10 использована бинарная кодировка: 0 - фактор риска присутствует, 1 – фактор отсутствует. В качестве зависимой переменной выступает группа НПР. С принятым условным кодированием: 1 – ЗНПР (дети 2-3 групп НПР); 2 – здоров (дети 1 группы НПР). Таким образом, при расчете переменных формула будет показывать вероятность того, что исследуемый ребенок будет здоров.

В результате статистической обработки получена таблица классификаций с общей процентной долей точности диагностики в 83,5% (80,4% для общей группы, дети 2-3 группа НПР и 86% для группы сравнения, 1 группа НПР, таб. 4).

Таблица 4 - Таблица классификации

Наблюдение

Предсказанные

Группа (зависимая переменная)

Процент правильных

ЗНПР

Здоров

Группа (зависимая переменная)

ЗНПР

37

9

80,4

Здоров

8

49

86,0

Общая процентная доля

83,5

Примечание: значение отсечения - 0,500

Таким образом прогностическая модель для диагностики отклонений НПР у детей с факторами риска в раннем возрасте имеет следующий вид:

img

Где Z = 1,096 • X1(0/1) + 1,820 • Х2(0/1) + 0,782• Х3(0/1) + 0,630 • X4(0/1) + 1,558 • Х5(0/1) + 1,247 • Х6(0/1) + 2,243 • Х7(0/1) + 1,444• Х8(0/1) + 1,790 • Х9(0/1) + 1,650 • Х10(0/1) + (-10,313)

Диапазон значений вероятности P варьирует от 0 до 1 (0-100%), при этом чем выше значение P, тем выше вероятность того, что диагностируемый ребенок с известными факторами риска в дошкольном возрасте будет иметь нормальный уровень развития (1 группа НПР). Таким образом, в зависимости от значений вероятности P можно выделить следующие условные группы риска: 0-25% крайне высокий; 25%-50% высокий; 50-75% средний; 75-100% низкий.

Для определения диагностической ценности модели применен ROC-анализ и построена ROC-кривая (рис. 1). Пороговое значение функции в точке отсечения (cut-off) составило 0,405 при чувствительности 93,1% и специфичности в 80%. Значение площади под кривой (AUC) составляет 0,922, что свидетельствует об отличном качестве прогностической модели (табл. 5).
ROC анализ прогностической модели

Рисунок 1 - ROC анализ прогностической модели

Таблица 5 - Площадь под кривой

Область

Стандартная ошибкаa

Асимптотическая знч.b

Асимптотический 95% доверительный интервал

Нижняя граница

Верхняя граница

0,922

0,026

0,000

0,870

0,973

Примечание: в соответствии с непараметрическим предположением; нулевая гипотеза: = действительная площадь = 0,5

4. Заключение

Представленная прогностическая модель позволяет выделить группу риска по развитию отклонений нервно-психического развития в дошкольном возрасте на доклиническом этапе у детей подвергавшихся воздействию установленных факторов риска.

Article metrics

Views:306
Downloads:4
Views
Total:
Views:306