Способ прогнозирования эффективности коррекции поведенческих расстройств у детей с аутизмом при соблюдении безглютеновой диеты



Владельцы патента RU 2733713:

Федеральное государственное бюджетное образовательное учреждение высшего образования "Воронежский государственный медицинский университет им. Н.Н. Бурденко" Министерства здравоохранения Российской Федерации (RU)

Изобретение относится к области медицины, а именно к педиатрии, и может быть использовано в качестве вспомогательного метода при составлении плана лечения пациентов с нарушениями аутистического спектра. Способ прогнозирования эффективности коррекции поведенческих расстройств у детей с аутизмом при соблюдении безглютеновой диеты включает сбор данных анамнеза, определение параметров нутритивного статуса, серологических и генетических маркеров непереносимости глютена, с последующим построением регрессионного уравнения: Кпр(поведение) = 5,03845 + 0,00796107*P01 + 0,0635654*P02 - 0,023714*P03 - 0,0174385*P04 + 0,104694*P05 - 0,274297*P06 - 0,0187319*P07 - 0,0678975*P08 - 0,203862*P09 - 0,0159421*P10 + 0,0835771*P11, где : P01 – длительность соблюдения диеты в месяцах; P02 – пол, обозначенный цифрой 1 для мальчиков, цифрой 2 для девочек; P03 – возраст, количество полных лет; P04 – рост в сантиметрах; P05 – вес в килограммах; P06 – индекс массы тела, условные единицы; P07 – уровень железа в сыворотке венозной крови, мкмоль/л; P08 – уровень кальция в сыворотке венозной крови, ммоль/л; P09 – наличие маркера HLA DQ2/DQ8, ноль - отсутствует, единица - выявлен; P10 – уровень антител класса G к глиадину, Ед/мл; P11 – уровень антител класса А к деамидированным пептидам глиадина, Ед/мл. При этом если величина коэффициента прогнозирования превышает 0,33 усл. ед., то судят о целесообразности назначения безглютеновой диеты, а если величина коэффициента прогнозирования составляет 0,33 усл. ед. и меньше, то судят о неэффективности соблюдения безглютеновой диеты. Изобретение позволяет получить инструмент прогнозирования, учитывающий исходный уровень индивидуальных показателей нутритивного статуса и генетических маркеров, для назначения диетотерапии с целью коррекции затруднений запоминания и освоения новых навыков. 2 пр.

 

Изобретение относится к медицине, а именно к педиатрии и может быть использовано в качестве вспомогательного метода при составлении плана лечения пациентов с нарушениями аутистического спектра.

В исследованиях последних лет, посвященных вопросам этиологии, патогенеза и терапии нарушений аутистического спектра, многие ученые относят эту патологию к числу глютензависимых заболеваний [Нарушение толерантности к глютену и казеину у детей с расстройствами аутистического спектра / Саванович И.И., Третьяк И.Г. // Психиатрия, психотерапия и клиническая психология.-2015.-№ 1(19).-С.106-113]. В этом случае логично предположить, что коррекция диеты и неукоснительное её соблюдение позволит достичь положительных клинических эффектов у детей с расстройствами аутистического спектра.

Известен способ лечения общих расстройств развития (пат. RU 2441652) в котором авторы предлагают применять перорально вводимый питательный состав. Изготавливают лекарственное средство для введения в качестве единственного суточного источника белка или в качестве питательной добавки для исключающих диет, где указанные аминокислоты в питательном составе являются единственным суточным источником белка или частично дополняют дефициты, вызванные исключением конкретных белков из диеты, для лечения общих расстройств развития. Авторы утверждают, что изобретение обеспечивает усовершенствованное лечение общих расстройств развития, например, аутизма, с использованием диетотерапии.

Известны методы лечения неврологических расстройств с использованием питания (пат. US 09931365 от 03.04.2018). Метод включает введение пациенту, нуждающемуся в этом, композиции питательных веществ, ослабляющих один или несколько симптомов аутизма и/или других неврологических нарушений. Композиция содержит эффективное количество смеси трех или более экстрактов лекарственных растений.

Авторы приведенных выше патентов подтвердили высокую эффективность использования диетотерапии для лечения расстройств аутистического спектра, однако в описании способов не приведены сведения о возможности оценки индивидуальной эффективности такого способа коррекции расстройств аутистического спектра.

Известен способ психопатологической оценки психического состояния детей раннего и дошкольного возраста (пат. RU 2497453).

Учитывают негативные и позитивные симптомы психического состояния пациента, а именно нарушений мышления, импульсивности, агрессии и депрессии. Оценку негативных и позитивных симптомов проводят в процессе определения психического и неврологического состояния пациента по девяти сферам. Далее суммируют средние баллы всех девяти сфер и определяют тяжесть состояния в соответствии с установленными значениями, а именно при суммарном значении средних баллов от 0 до 9 оценивают психическое состояние как практическое здоровье ребенка; при оценке от 10 до 18 баллов - оценивают как наличие пограничных психических расстройств, от 19 до 27 баллов - как легкую тяжесть психических расстройств, от 28 до 36 - как умеренную, от 37 до 45 баллов - как среднюю, от 46 до 54 - как тяжелую, от 55 до 63 баллов оценивают психическое состояние как крайне тяжелую степень психических расстройств.

Авторы предлагают проводить подробную оценку выраженности психопатологической симптоматики, однако невозможно использовать такой способ для прогнозирования индивидуальной динамики улучшения состояния пациента в результате определенных лечебных воздействий.

Технический результат – индивидуальная количественная оценка эффективности соблюдения безглютеновой диеты для снижения интенсивности проявлений поведенческих нарушений у детей с расстройствами аутистического спектра до начала её назначения.

Технический результат достигнут путем обследования и наблюдения 65 детей с диагнозом расстройства аутистического спектра в возрасте 3-15 лет, проживающих на территории Воронежской области. С родителями, как законными опекунами ребенка, заключали договоры информированного согласия на участие в исследовании ребенка не достигшего совершеннолетия.

Все дети придерживались безглютеновой диеты.

Выраженность изменений поведения оценивали с использованием анкетирования родителей по следующим критериям.

Усидчивость оценивали по продолжительности обучающих занятий, которые ребенок мог выдержать, не прерываясь: 45 минут и более – 1 балл; 30-45 минут – 2 балла; 15-30 минут – 3 балла; менее 15 минут – 4 балла.

Способность к запоминанию оценивали по числу занятий с педагогом, после которых ребенок способен запоминать простые стихотворения: одно занятие – 1 балл; два занятий – 2 балла; после 3-4 занятий – 3 балла; пять и более занятий – 4 балла.

Способность к осваиванию новых навыков оценивали по числу занятий с педагогом, после которых ребенок мог удовлетворительно воспроизводить навык самостоятельно: одно занятие – 1 балл; два занятий – 2 балла; после 3-4 занятий – 3 балла; пять и более занятий – 4 балла.

Детям, до начала обследования выполняли оценку нутритивного статуса, а именно длины и массы тела, концентрации железа и кальция в сыворотке венозной крови. Выполнены генетические исследования с оценкой наличия маркера HLA DQ2/DQ8, уровня антител к глиадину и уровня антител к диамидированным пептидам глиадина.

Через шесть месяцев от начала исследования выполняли повторный анкетный опрос с оценкой длительности соблюдения безглютеновой диетотерапии, а также выраженности нарушений в поведении и способности к обучению.

Оценку результатов исследования строили следующим образом. Суммировали баллы выраженности изменений поведения для каждого ребенка до начала исследования, ту же процедуру выполняли для баллов, проставленных родителями в повторном анкетном опросе через полгода от начала исследования. Далее рассчитывали разницу между суммой балов до начала обследования и суммой баллов через год после начала обследования. Если разница была отрицательной, считали, что наступили улучшения обучаемости, динамику оценивали, как положительную, обозначали цифрой один. Если разница была выражено нулем или положительным числом, результат оценивали, как не наступивший или отрицательный, динамику обозначали цифрой ноль. В повторный анкетный опрос включены сведения о длительности соблюдения ребенком безглютеновой диеты.

Далее строили регресионное уравнение, где в качестве зависимой переменной выступала динамика устранения гастроэнтерологической симптоматики на протяжении полугода, в качестве влияющих – другие измеренные в процесс наблюдения показатели.

На обучающей выборке рассчитывали величину индивидуальных коэффициентов прогнозирования эффективности устранения затруднений в процессе обучения.

Формула для расчета имела вид:

Кпр(поведение) = 5,03845 + 0,00796107*P01 + 0,0635654*P02 - 0,023714*P03 -0,0174385*P04 + 0,104694*P05 - 0,274297*P06 - 0,0187319*P07 -0,0678975*P08 - 0,203862*P09 - 0,0159421*P10 + 0,0835771*P11

где :

P01 – длительность соблюдения диеты в месяцах; P02 – пол, обозначенный цифрой 1 для мальчиков, цифрой 2 для девочек; P03 – возраст, количество полных лет; P04 – рост в сантиметрах; P05 – вес в килограммах; P06 – индекс массы тела условные единицы; P07 – уровень железа в сыворотке венозной крови мкмоль/л; P08 – уровень кальция в сыворотке венозной крови ммоль/л; P09 – наличие маркера HLA DQ2/DQ8, ноль отсутствует, единица выявлен; P10 – уровень антител класса G к глиадину Ед/мл; P11 – уровень антител класса А к деамидированным пептидам глиадина Ед/мл.

Установлено, что у пациентов с заболевания аутистического спектра при наличии положительной динамики устранения затруднений запоминания и освоения новых навыков величины индивидуальных коэффициентов прогнозирования превышали 0,33 усл. ед. Пациенты, соблюдение безглютеновой диеты у которых не имело существенного влияния на нарушения поведения в течение полугода наблюдений составлял 0,33 усл. единицы и ниже.

Таким образом, разработанный нами способ прогнозирования эффективности соблюдения безглютеновой диеты у детей с расстройствами аутистического спектра позволяет получить инструмент прогнозирования, учитывающий исходный уровень индивидуальных показателей нутритивного статуса и генетических маркеров для назначения диетотерапии с целью коррекции затруднений запоминания и освоения новых навыков.

Практическое применение способа можно проиллюстрировать клиническими примерами.

Пример 1. Мальчик С., 3 года, с 2-х лет болен расстройствами аутистического спектра. Родители отмечают цикличность поведения, ребенок ходит по определенному маршруту по квартире, не откликается на имя, не взаимодействует в игре со своей сестрой. Обратились к педиатру за консультацией по вопросу необходимости исключения глютена из рациона питания. При осмотре длина тела 92 см, масса тела 13 кг, индекс массы тела 15,4, уровень железа сыворотки 4,92 мкмоль/л, общего кальция – 2,01 ммоль/л, лабораторная диагностика показала наличие маркера HLA DQ2/DQ8, уровень антител к глиадину (Ig G) находился в пределах нормы и составил 1,61 Ед/мл, значение антител к деамидированным пептидам глиадина (Ig А) также не выходили за пределы референсных показателей и равнялись 0,53 Ед/мл.

Был выполнен расчет индивидуального коэффициента прогнозирования эффективности соблюдения безглютеновой диеты с использованием формулы:

Кпр(поведение) = 5,03845 + 0,00796107*P01 + 0,0635654*P02 - 0,023714*P03 -0,0174385*P04 + 0,104694*P05 - 0,274297*P06 - 0,0187319*P07 -0,0678975*P08 - 0,203862*P09 - 0,0159421*P10 + 0,0835771*P11;

Кпр(поведение) = 5,03845 + 0,00796107*6 + 0,0635654*1 - 0,023714*3 -0,0174385*92 + 0,104694*13 - 0,274297*15,4 - 0,0187319*4,92 -0,0678975*2,01 - 0,203862*1 - 0,0159421*1,61 + 0,0835771*0,53;

Кпр(поведение) = 5,03845 + 0,04776642 + 0,0635654 - 0,071142 - 1,604342 + 1,361022 - 4,2241738 - 0,092160948 - 0,136473975 - 0,203862 - 0,025666781 + 0,044295863

Кпр(поведение) = 0,197

Таким образом, у ребенка прогноз эффективности соблюдения безглютеновой диеты был отрицательным в отношении улучшения поведения, педиатр не рекомендовал такую диету.

Однако, родителями принято самостоятельное решение исключить глютен из рациона питания у ребенка. С родителями проведена беседа о правилах соблюдения строгой диетотерапии, предупреждены о возможных негативных последствиях исключения глютена. Через полгода ребенок вновь обследован с целью изучения последствий включения безглютеновой диеты в терапевтический курс. Согласно результатам сбора анамнеза, ребенок строго соблюдал диетотерапию, исключена возможность употребления, скрытого глютена и его следов. Однако, поведенческая симптоматика не претерпела изменений после исключения глютена. Родители не отметили улучшения усидчивости, внимание концентрирует плохо, взаимодействие в игре с ровесниками возможно только краткосрочное и только с определенными игрушками.

Пример 2. Мальчик Е., 8, диагноз расстройства аутистического спектра с 1,5 лет. В возрасте 8 лет родители ребенка обратились за консультацией педиатра по вопросу включения безглютеновой диеты в терапевтический курс основного заболевания. При осмотре длина тела 142 см, масса тела 46 кг, индекс массы тела 22,8, уровень железа сыворотки 16,48 мкмоль/л, общего кальция – 2,17 ммоль/л, лабораторная диагностика показала наличие маркера HLA DQ2/DQ8, уровень антител к глиадину (Ig G) находился в пределах нормы и составил 3,45 Ед/мл, значение антител к деамидированным пептидам глиадина (Ig А) также не выходили за пределы референсных показателей и равнялись 2,78 Ед/мл. Родители предъявляли жалобы на низкую сосредоточенность ребенка, стереотипность движений, плохую память, низкую обучаемость. После проведения лабораторных анализов установлено, что ни одной из известных форм непереносимости глютена у ребенка нет, однако, в ходе проведения расчета установлено, что коэффициент прогнозирования 0,563, поэтому родителям было рекомендовано соблюдение безглютеновой диеты.

Был выполнен расчет индивидуального коэффициента прогнозирования эффективности соблюдения безглютеновой диеты с использованием формулы:

Кпр(поведение) = 5,03845 + 0,00796107*P01 + 0,0635654*P02 - 0,023714*P03 -0,0174385*P04 + 0,104694*P05 - 0,274297*P06 - 0,0187319*P07 -0,0678975*P08 - 0,203862*P09 - 0,0159421*P10 + 0,0835771*P11;

Кпр(поведение) = 5,03845 + 0,00796107*6 + 0,0635654*1 - 0,023714*8 -0,0174385*142 + 0,104694*46 - 0,274297*22,8 - 0,0187319*16,48 -0,0678975*2,17 - 0,203862*1 - 0,0159421*3,45 + 0,0835771*2,78;

Таким образом, у ребенка хороший прогноз эффективности соблюдения безглютеновой диеты в отношении улучшения поведения.

После полгода исключения глютена из рациона питания, ребенок приглашен на повторную консультацию. В результате беседы с родителями установлено, что в течение первых 2-х месяцев соблюдения диетотерапии, у ребенка стало отмечаться повышение усидчивости, что проявилось в улучшении обучаемости. Мальчик легче стал запоминать, выучил несколько несложных стихотворений.

Способ прогнозирования эффективности коррекции поведенческих расстройств у детей с аутизмом при соблюдении безглютеновой диеты, включающий сбор данных анамнеза, определение параметров нутритивного статуса, серологических и генетических маркеров непереносимости глютена, отличающийся тем, что строят регрессионное уравнение: Кпр(поведение) = 5,03845 + 0,00796107*P01 + 0,0635654*P02 - 0,023714*P03 - 0,0174385*P04 + 0,104694*P05 - 0,274297*P06 - 0,0187319*P07 - 0,0678975*P08 - 0,203862*P09 - 0,0159421*P10 + 0,0835771*P11, где : P01 – длительность соблюдения диеты в месяцах; P02 – пол, обозначенный цифрой 1 для мальчиков, цифрой 2 для девочек; P03 – возраст, количество полных лет; P04 – рост в сантиметрах; P05 – вес в килограммах; P06 – индекс массы тела, условные единицы; P07 – уровень железа в сыворотке венозной крови, мкмоль/л; P08 – уровень кальция в сыворотке венозной крови, ммоль/л; P09 – наличие маркера HLA DQ2/DQ8, ноль - отсутствует, единица - выявлен; P10 – уровень антител класса G к глиадину, Ед/мл; P11 – уровень антител класса А к деамидированным пептидам глиадина, Ед/мл; если величина коэффициента прогнозирования превышает 0,33 усл. ед., то судят о целесообразности назначения безглютеновой диеты; если величина коэффициента прогнозирования составляет 0,33 усл. ед. и меньше, то судят о неэффективности соблюдения безглютеновой диеты.



 

Похожие патенты:

Настоящее изобретение относится к медицине, а именно к онкологии, и касается прогнозирования риска развития отдаленных метастазов у больных операбельными формами рака молочной железы с метастазами в регионарные лимфоузлы.

Изобретение относится к экспериментальной биологии и медицине. Описан способ оценки насыщения эозинофилов мокроты и назального секрета эозинофильным катионным протеином.

Изобретение относится к медицине, а именно к хирургии, и может быть использовано для экспресс-диагностики связи кисты поджелудочной железы с протоковой системой. Осуществляют оценку состояния ее содержимого.

Изобретение относится к медицине, а именно к хирургии, и может быть использовано для экспресс-диагностики связи кисты поджелудочной железы с протоковой системой. Осуществляют оценку состояния ее содержимого.
Изобретение относится к медицине, а именно к акушерству. Способ прогнозирования развития хориоамнионита у женщин с обострением цитомегаловирусной инфекции во втором триместре беременности и угрозой невынашивания заключается в том, что у женщин во втором триместре беременности с угрозой невынашивания определяют маркеры обострения цитомегаловирусной инфекции в баллах (А), содержание в сыворотке крови интерлейкина – 6 (IL-6) (пг/мл) (В); толщину плаценты при её ультразвуковом исследовании в баллах (С), проводят оценку клинико-эхографических признаков угрозы невынашивания в баллах (N), а затем прогнозируют развитие хориоамнионита с помощью дискриминантного уравнения: D = -1,085×А - 0,870×В - 2,056×С - 0,504×N, где D – дискриминантная функция, и при D равном или больше -15,86 прогнозируют отсутствие риска развития хориоамнионита, при D меньше -15,86 прогнозируют развитие хориоамнионита.

Изобретение относится к области медицины, конкретно к онкологии и может быть использовано для определения риска развития гематогенного метастазирования у больных немелкоклеточным раком легкого (НМРЛ) после проведения радикального оперативного лечения.

Изобретение относится к медицинской технике, а именно к способу диагностики острого коронарного синдрома. Способ включает формирование базы данных, содержащей информацию о результатах клинического анализа крови пациентов с острым коронарным синдромом и здоровых людей группы контроля, которую в дальнейшем используют для обучения нейронных сетей, после чего осуществляют взятие цельной венозной крови обследуемого пациента, перемешивают пробу крови, затем производят исследование клинического анализа крови на автоматическом гематологическом анализаторе, после этого результаты исследования копируют с анализатора в виде FCS-файлов и переносят на персональный компьютер для предварительной обработки и машинного анализа, причем предварительная обработка включает перевод оператором при помощи программного обеспечения, позволяющего работать с FCS-файлами, графических изображений в виде скатерограмм анализа крови пациента в цифровой эквивалент - вектор, который содержит информацию обо всех исследованных клетках в виде данных их расположения по осям скатерограммы X и Y, при этом оператор с учетом морфологических показателей представленных на анализ клеток крови дифференцирует их на три субпопуляции: нейтрофилы, лимфоциты и моноциты, после чего полученный результат в цифровом эквиваленте сохраняют в отдельный файл программы для работы с электронными таблицами, затем в вышеуказанном цифровом эквиваленте скатерограммы анализа крови пациента - векторе отсекают последние элементы, а именно координаты клеток, так, чтобы количество элементов обследуемого пациента соответствовало количеству элементов пациентов, результаты которых находятся в предварительно сформированной базе данных, после чего все элементы векторов обследуемого пациента объединяются последовательно в один общий глобальный вектор Vglob, затем стандартизируют полученный вектор путем вычитания из глобального вектора обследуемого пациента среднего значения соответствующих векторов из предварительно сформированной базы данных и последующего деления на стандартное отклонение соответствующих векторов базы данных, затем применяют метод главных компонент для уменьшения размерности признаков с n элементов до 2-4 главных компонент {Xn}, сохранив при этом как можно больше изменчивости признаков, посредством программного обеспечения для математических вычислений, в результате получают сокращенный вектор, затем производят стандартизацию с помощью описанных выше действий уже сокращенного вектора до вида , после чего применяют ансамбль из нейронных сетей, которые обучают на предварительно сформированной базе данных пациентов с острым коронарным синдромом и здоровых людей группы контроля путем внесения информации в программное обеспечение для машинного анализа об их результатах клинического анализа крови и окончательного диагноза - «острый коронарный синдром» или «здоров», при этом количество нейронных сетей в ансамбле зависит от результатов оценки точности предсказания окончательного диагноза и составляет от 1 до 10, при этом используют композиции алгоритмов, каждый из которых параллельно обучают на подпространстве обучающей выборки из предварительно сформированной базы данных пациентов с острым коронарным синдромом и здоровых людей группы контроля, причем из множества обучающей выборки отбирают от 1 до n подмножеств путем случайного выбора элементов с повторениями в каждом из наблюдений подмножества, чтобы затем передать их математическим моделям для анализа с последующей агрегацией данных в ансамбль и расчета вероятности положительного диагноза, при этом подмножества рассматривают как репрезентативные и независимые значения истинного распределения данных, и на каждом из подмножеств обучают нейронную сеть как модель, при этом применяют ансамблевый метод, причем после обучения нейронных сетей и их агрегации в ансамбль проверяется их точность на тестовой выборке, при этом по итогу обучения нейронных сетей и приемлемому результату тестирования, при условии ошибки результатов оценки менее 5%, аналогичным образом производят исследование клинического анализа крови обследуемого пациента, а для оценки положительного диагноза в процентах строят график, где используют поля вероятности для классификации диагнозов в двухмерном подпространстве, которые представляют собой оси абсцисс и ординат, соответствующих главным компонентам, причем указанные поля рассматривают как зрение нейронных сетей для неизвестных случаев, при этом диагноз обследуемому пациенту ставят следующим образом: если результаты пациента окажутся в области графика, выделенной для отрицательного диагноза, то ансамбль нейронных сетей выдаст наиболее высокую вероятность для отрицательного диагноза, если в области графика, выделенной для положительного диагноза - наиболее высокую вероятность для положительного диагноза - острый коронарный синдром.
Изобретение относится к медицине, в частности к онкологии, может быть использовано для оценки риска развития прогрессии заболевания при лечении пациентов с плоскоклеточным раком гортани.

Изобретение относится к области медицины. Способ иммунофлуоресцентной детекции локальной распространенности опухолевого процесса при немелкоклеточном раке легкого (НМРЛ) включает приготовление одноклеточной суспензии из образца ткани НМРЛ, фиксацию в 4% растворе формалина, отмывку с помощью фосфатного буфера рН=7,4, инкубацию с красителем ДНК Hoechst 33258, двойную отмывку от антител с помощью 0,05% раствора БСА в фосфатном буфере рН=7,4, проведение анализа флуоресценции на проточном цитофлуориметре, при этом инкубацию проводят одновременно с двумя типами первичных антител – кроличьи антитела к TUBB3 и мышиные антитела к цитокератинам, при этом первичные антитела к TUBB3 и цитокератину добавляют одновременно и инкубируют в течение ночи при температуре +4°С, и одновременно с двумя типами вторичных антител - антикроличьи антитела, конъюгированные с красителем DyLight 650, и антимышиные антитела, конъюгированные с DyLight 488, строят точечные гистограммы, сравнивают уровни экспрессии TUBB3 в эпителиальных клетках опухоли и окружающей нормальной ткани, где повышенная экспрессия TUBB3 характеризует локальную распространенность опухолевого процесса при НМРЛ.

Изобретение относится к медицине, а именно к онкологии, и может быть использовано для прогнозирования высокого риска рецидива у пациенток с IB стадией рака шейки матки, получивших комбинированное лечение.
Изобретение относится к медицине, а именно к офтальмологии и предназначено для прогнозирования неблагоприятного течения начальной меланомы хориоидеи после органосохранного лечения.
Наверх