Disturbi dello sviluppo neurologico nei bambini di età compresa tra i 2 e i 9 anni: Stime del carico di lavoro basate sulla popolazione in cinque regioni dell’India

Introduzione

“Il neurosviluppo è un’interrelazione dinamica tra processi genetici, cerebrali, cognitivi, emotivi e comportamentali in tutta la durata dello sviluppo. Una significativa e persistente interruzione di questo processo dinamico attraverso il rischio ambientale e genetico può portare a disturbi dello sviluppo neurologico e disabilità” [1]. Le comunità a basso reddito e i bambini che vivono in povertà sono colpiti in modo sproporzionato dalle malattie neurodegenerative[2]. Le comunità più vulnerabili alle malattie neurodegenerative spesso non dispongono di stime del carico di malattia per formulare decisioni politiche e attuare programmi per affrontare le malattie neurodegenerative[3]. Per comprendere meglio lo spettro delle malattie neurodegenerative infantili, è necessario utilizzare metodologie di screening valide e pratiche basate su definizioni di malattie accettate a livello globale[4]. Finora, i responsabili delle politiche sanitarie globali si sono affidati ai dati del censimento nazionale sulla disabilità, anche se un tale approccio sottovaluta grossolanamente la prevalenza della disabilità nei bambini[5]. I censimenti si limitano di solito all’identificazione delle sole disabilità gravi e visibili e utilizzano valutatori non specializzati e strumenti diagnostici[5,6]. I leader globali e sociali hanno esortato le nazioni a promuovere la consapevolezza dei bambini con disabilità e a sostenere i loro servizi sanitari[3]. L’Assemblea Generale delle Nazioni Unite[7] e l’Agenda per lo Sviluppo Sostenibile[8] considerano la disabilità infantile parte integrante dell’agenda globale per lo sviluppo e promuovono l’uso di evidenze che si rivolgono a contesti nazionali e regionali e sono disaggregate per sesso ed età.

L’India ha la più grande coorte di nascite al mondo (circa 26 milioni) e sta sperimentando miglioramenti dinamici sia nella sopravvivenza infantile che in quella dei bambini [9,10]. I tassi di mortalità neonatale, infantile e sotto i cinque anni di età in India hanno mostrato un significativo declino durante l’ultimo decennio; il miglioramento della sopravvivenza di bambini e neonati ad alto rischio di malattie neurodegenerative è probabile che porti a una maggiore prevalenza nella comunità, per evitare che gli interventi vengano istituiti in concomitanza[11-13]. Per affrontare la sfida dei dati inadeguati, abbiamo convocato una serie di gruppi di lavoro per progettare e condurre uno studio sulla prevalenza a livello di popolazione delle malattie neurodegenerative infantili in India attraverso un approccio transdisciplinare. Il nostro obiettivo era quello di determinare la prevalenza delle malattie neurodegenerative tra i bambini di età compresa tra i 2 e i 9 anni in India e di identificare i potenziali fattori di rischio demografici e individuali che potrebbero essere applicati a livello nazionale. Abbiamo deciso di valutare questi bambini per nove comuni NDD: deficit della vista (VI), epilessia (Epi), disturbi neuromotori tra cui paralisi cerebrale (NMI-CP), deficit dell’udito (HI), disturbi del linguaggio e del linguaggio, disturbi dello spettro autistico (ASD), disabilità intellettuale (ID), disturbo da deficit di attenzione e iperattività (ADHD), e disturbi dell’apprendimento (LD).

Metodi

Abbiamo riportato questo studio secondo le linee guida “Strengthening the Reporting of Observational Studies in Epidemiology (STROBE)”(S1 Lista di controllo STROBE).

Progettazione dello studio

Abbiamo condotto un’indagine trasversale in cinque siti in India. All’interno di ogni sito, abbiamo utilizzato un campionamento a cluster di probabilità proporzionale alla dimensione della popolazione (PPS) per selezionare le famiglie per l’indagine.

Gruppo di investigatori

Un gruppo di consulenza tecnica (TAG) composto da 55 esperti transdisciplinari (51 dall’India e quattro dagli Stati Uniti d’America) ha fornito guida e supervisione per tutta la durata del progetto. Il TAG comprendeva esperti in pediatria (neurologia pediatrica, pediatria dello sviluppo, pediatria generale), epidemiologia, salute pubblica, scienze sociali, biostatistica, psicologia infantile, oto-rino-laringologia, oftalmologia e psichiatria infantile di 18 istituti. L’ufficio centrale di coordinamento dello studio si trovava presso l’ufficio esecutivo dell’INCLEN a Nuova Delhi.

Impostazioni

Considerando la maggiore eterogeneità di popolazione geografica (nord, sud, est, ovest), demografica, socioculturale e topografica (terreni collinari, pianure, regioni costiere) dell’India, abbiamo selezionato un distretto tra cinque stati del paese con le seguenti caratteristiche: Kangra in Himachal Pradesh (India settentrionale; terreno himalayano; altitudine da 427 a 6.401 metri; popolazione: 94,3% rurale; alfabetizzazione: 85,7%); Palwal in Haryana (India centro-settentrionale; pianure; popolazione: 77,3% rurale; alfabetizzazione: 69,3%); Dhenkanal in Odisha (India orientale; pianure; popolazione: 14,0% tribale, 90,0% rurale; alfabetizzazione: 70,6%); Hyderabad nell’Andhra Pradesh (ora Telangana) (India meridionale; pianure; popolazione: 100,0% urbana; alfabetizzazione: 83,3%); e Goa settentrionale (India occidentale; costiera; popolazione: 59,9% urbana; alfabetizzazione: 90,7%) (dati demografici tratti dal Censimento dell’India, 2011)[14]. Anche la capacità tecnica dei potenziali collaboratori e la disponibilità di strutture infrastrutturali e di supporto logistico hanno contribuito alle decisioni relative alla scelta del sito. I villaggi e i reparti municipali elencati nel registro del Censimento (Census of India, 2011) sono stati le principali unità di campionamento per la selezione di cluster di aree rurali e urbane, rispettivamente. Sono stati identificati cinquanta cluster in tre siti. Nei siti di Hyderabad e North Goa, sono stati prelevati solo 25 cluster a causa della limitata disponibilità finanziaria. In totale (cinque siti messi in comune), abbiamo esaminato 200 cluster (42 urbani e 158 rurali). I dati sono stati raccolti tra il 5 dicembre 2011 e il 27 settembre 2012.

Partecipanti e reclutamento

Per “partecipante idoneo” si intendeva un bambino nella fascia di età compresa tra i 2 e i 9 anni (24-119 mesi) del nucleo familiare. Abbiamo chiesto al genitore/tutore/tutore legale di fornire il consenso informato scritto per la partecipazione allo studio e di visitare la clinica dello studio per il controllo diagnostico del bambino. Abbiamo reclutato 20 partecipanti – cinque ragazzi e cinque ragazze ciascuno delle categorie di età 2-<6 anni e 6-9 anni – in ogni gruppo. Con l’aiuto della popolazione locale è stato individuato un punto di riferimento situato al centro del cluster (ad esempio, tempio, moschea, chiesa, piazza del mercato, ufficio panchayat, luogo centrale). I cluster sono stati praticamente divisi in due metà, per iscrivere i ragazzi di una metà e le ragazze dell’altra. La direzione per l’enumerazione e la scelta del primo nucleo familiare di ogni metà del cluster è stata decisa attraverso un numero casuale. Per le famiglie con più di un figlio idoneo, abbiamo reclutato il figlio maggiore nei cluster a numero pari e il più giovane nei cluster a numero dispari. Uno dei genitori del bambino è stato l’intervistato preferito. I bambini che hanno abbandonato la valutazione diagnostica dopo l’iscrizione iniziale sono stati rimpiazzati dallo stesso cluster (abbinato per categoria d’età e sesso) continuando ad elencare i nuclei familiari consecutivi.

Due gruppi di ricerca sono stati impegnati per la raccolta dei dati in ogni sito: (a) il team sul campo, composto da un medico e due scienziati sociali, e (b) il team diagnostico, composto da un medico, un audiologo/terapeuta e due psicologi. I team sul campo hanno identificato i partecipanti idonei, hanno ottenuto il consenso, hanno raccolto informazioni sulle caratteristiche demografiche, comprese le variabili socioeconomiche e le variabili dei fattori di rischio presso la residenza dei partecipanti, e successivamente li hanno mobilitati presso l’istituto partner (ospedale di assistenza terziaria) per un work-up dettagliato del NDDD. Presso l’ospedale, sotto la supervisione degli investigatori del sito, i membri del team diagnostico hanno condotto quanto segue: (i) valutazioni mediche per VI, Epi, e NMI-CP; (ii) valutazione audiologo/terapeuta per HI e disturbi del linguaggio e del linguaggio; e (iii) valutazione psicologica per ASD, ID, ADHD, e LD.

Formazione dei team di ricerca

Il TAG ha preparato procedure operative standard e moduli di formazione per i team di ricerca. Tre giorni di formazione strutturata sono stati condotti da un team di quattro membri multidisciplinari del TAG presso gli ospedali partner, sia per i team di campo che per quelli diagnostici; il 50% del tempo di formazione è stato dedicato alle attività pratiche sul campo. Successivamente, è stata organizzata una visita di garanzia della qualità per ogni sito da parte dei membri del TAG (il tutto entro otto settimane dall’inizio del lavoro sul campo) per garantire il rispetto dei protocolli di valutazione. Inoltre, il sito di coordinamento centrale ha condotto teleconferenze con i team del sito ogni volta che hanno completato la raccolta dati da due cluster.

Studiare le variabili e le misurazioni

Per i partecipanti allo studio sono stati ottenuti dati personali e informazioni su variabili sociodemografiche, variabili patrimoniali per l’Indice dello Standard of Living (SLI), e variabili biologiche e nutrizionali “fattore di rischio” rilevanti per le NDD. Presso le cliniche di studio, ogni partecipante è stato valutato per le NDDD secondo le linee guida del Manuale Diagnostico e Statistico dei Disturbi Mentali, quarta edizione, revisione del testo (DSM-IV-TR). La validazione preventiva, l’uso riportato tra i partecipanti indiani e la fattibilità dell’applicazione in contesti comunitari sono stati i criteri utilizzati dal TAG per l’azzeramento degli strumenti utilizzati nello studio(Tabella 1). Poiché non erano disponibili strumenti diagnostici per Epi, NMI-CP, ASD e ADHD che soddisfacessero i criteri di cui sopra, il team di investigatori INCLEN ha sviluppato strumenti diagnostici culturalmente adattati e rilevanti per il contesto per queste quattro condizioni e li ha validati in base a linee guida e strumenti stabiliti a livello globale[15- 18]. Gli strumenti e i formati di esame per le NDD sono stati compilati in un libretto di valutazione dei bambini (CAB) e applicati in modo coerente su tutti i partecipanti in tutti i siti di studio. Le valutazioni delle NDD seguono un algoritmo specifico per determinare la diagnosi clinica. Poiché l’ADHD e la LD potevano essere valutate solo nei bambini più grandi (6-9 anni), i partecipanti allo studio più giovani (2<6 anni) sono stati valutati per sette NDDD, e i bambini di 6-9 anni sono stati valutati per tutti i nove NDDD. Un sottocomitato del TAG ha esaminato i dati per la risoluzione delle ambiguità diagnostiche.

Dimensione del campione

Sulla base dei precedenti rapporti sulla prevalenza di NDDD nei paesi dell’Asia meridionale[28], abbiamo ipotizzato che circa il 10% dei bambini di età compresa tra i 2 e i 9 anni potrebbe avere almeno un NDDD. Per un errore assoluto ammissibile del ±2% a un livello di confidenza del 95%, siamo arrivati alla dimensione del campione di 864 partecipanti per sito. Tenendo conto delle potenziali mancate risposte e dei problemi di fattibilità operativa, sono stati iscritti 1.000 bambini per sito. A causa della scarsità di risorse e personale, abbiamo ridotto la dimensione del campione alla metà in due siti (Hyderabad e North Goa); questo ha aumentato l’errore assoluto ammissibile a ±2,65% per questi siti.

Analisi

Per l’analisi abbiamo utilizzato Microsoft Excel 2010 e STATA v12.0[29]. La nostra analisi è stata guidata da un piano di analisi statistica scritta prospettica al momento della preparazione della presente proposta di finanziamento(Testo S1). Lo stato nutrizionale dei partecipanti (misurazioni somatiche) è stato adattato ai punteggi Z dell’OMS utilizzando il software AnthroPlus dell’OMS[30]. Abbiamo calcolato il punteggio SLI per ogni famiglia partecipante, assegnando i punteggi per i beni e le caratteristiche della famiglia secondo la National Family Health Survey-3 (NFHS-3) 2005-2006 (Demographic and Health Survey for India-3rd Round⁾ [31] e, utilizzando i cutoff NFHS-3 specifici dello stato, abbiamo assegnato lo stato di quintile a ogni famiglia. Così, abbiamo generato sia i punteggi SLI che gli status quintile per i partecipanti. La popolazione dello studio è stata stratificata in base alla categoria di età (2<6 anni e 6-9 anni), al sesso (bambino/ragazza), al luogo di residenza (rurale/urbano) e alla religione (indù/non indù) e standardizzata per queste variabili secondo il Censimento dell’India 2011 per arrivare alle rispettive stime a livello di distretto. I dati dei cinque siti sono stati messi in comune e ponderati rispetto ai dati sulla popolazione del Censimento 2011 aggregati dai rispettivi distretti per età, sesso, luogo di residenza (rurale/urbano) e religione (indù/non indù). Poiché i conteggi del censimento non erano disponibili in base allo stato nutrizionale degli individui, non è stato possibile effettuare la standardizzazione per lo stordimento e il basso peso alla nascita (LBW).

Per la stima della prevalenza e dei fattori di rischio è stato utilizzato il complesso modulo di rilevazione degli STATA (SVYSET e SVY).

Analisi dei fattori di rischio

Per identificare i fattori di rischio associati alla presenza di NDD, abbiamo eseguito una modellazione di regressione logistica multivariabile sullo sfondo del comando SVY di STATA. Le variabili indipendenti per la regressione sono state regolate nel modello utilizzando la conoscenza del soggetto. Si trattava di storia di consanguineità, malattie mentali o neurologiche in famiglia, complicazioni mediche durante la gravidanza, corioamnionite nella madre al momento della gravidanza indice, ordine di nascita (≥3 contro <3), gravidanze multiple, luogo del parto (parto istituzionale contro parto non istituzionale), storia di asfissia perinatale, grave malattia neonatale (che richiede il ricovero ospedaliero), lesioni cerebrali traumatiche, infezioni neurologiche postnatali (ad esempio, meningite, encefalite), LBW e/o prematurità e stordimento. Sesso (ragazzo/ragazza), luogo di residenza (rurale/urbano), stato di istruzione dell’intervistato (“mai stato a scuola”/”mai stato a scuola”), religione (indù/non indù), casta (SC-ST/rest), punteggio SLI (variabile continua), e categoria di età (6-9 anni contro 2-<6 anni) sono stati anch’essi adattati nel modello. Abbiamo stimato la frazione attribuibile alla popolazione (PAF)[32,33] per il modello logistico multivariabile finale.

Pulizia ed elaborazione dei dati

Tutti i CAB sono stati esaminati a due livelli: dai team di ricerca e dai ricercatori del sito per verificare la coerenza e la completezza dell’incarico diagnostico e, di nuovo, presso l’ufficio centrale di coordinamento. Le discrepanze riscontrate presso l’ufficio centrale di coordinamento sono state risolte attraverso la comunicazione con gli investigatori del sito (teleconferenza settimanale) e la revisione del TAG (visite in loco per la garanzia della qualità e revisione del CAB da parte del sottocomitato del TAG). I membri del TAG hanno ricontrollato l’assegnazione diagnostica nel 10% degli OVC dei partecipanti (scelti a caso) con NDDD e un numero uguale senza NDD e hanno effettuato una revisione completa di tutti i partecipanti etichettati come “indeterminati”.

Consenso

Prima dell’inclusione nello studio è stato richiesto il consenso informato per iscritto ai genitori/tutori dei bambini.

Considerazioni etiche

L’approvazione etica è stata ottenuta dai comitati di revisione istituzionale dell’India-CLEN (Indian Network of INCLEN) e dai siti partecipanti. Lo studio è stato condotto in conformità con la Dichiarazione dell’Associazione Medica Mondiale (WMA) di Helsinki[34]. I bambini identificati con “qualsiasi NDDD” e/o altre condizioni mediche durante il corso dello studio sono stati indirizzati al più vicino centro di assistenza terziaria appropriato per la gestione e sono stati seguiti con la dovuta consulenza.

Risultati

Latabella 2 illustra il profilo di reclutamento dello studio per ogni sito. Nel complesso, le squadre sul campo si sono rivolte a famiglie di 4.739 bambini, di cui 739 (15,6%) hanno rifiutato di partecipare. Dopo aver iscritto i 4.000 bambini target, 181 (4,5%) si sono rifiutati di completare la valutazione diagnostica, di cui 158 (4,0%) hanno potuto essere sostituiti con bambini dello stesso gruppo di età e di genere. Le analisi post hoc hanno rivelato che gli abbandoni e le loro sostituzioni sono stati confrontati anche per le misurazioni antropometriche e le caratteristiche sociodemografiche(Tabella S1). La valutazione NDD potrebbe essere effettuata su 3.977 bambini (83,9% del totale avvicinato; 99,4% degli iscritti).

Durante la revisione dei dati presso l’ufficio centrale di coordinamento, sono stati corretti gli errori nel calcolo dei punteggi effettuati presso i siti sul campo in 358 dei 3.977 record (9%); 179 (4,5%) CAB sono stati restituiti al sito primario per il completamento, e tutti sono stati ottenuti indietro. Per garantire la qualità, il TAG ha esaminato 50 OVC casuali per sito per i casi etichettati con o senza NDD, rispettivamente, e non ha riscontrato alcun disaccordo. Il TAG ha esaminato altri 174 OVC etichettati come “indeterminati”; di questi, 161 sono stati sottoposti a diagnosi definitiva e i restanti 13 sono stati esclusi (a causa di informazioni incomplete) dall’analisi dello studio, lasciando un numero finale di 3.964 partecipanti (2.006 ragazzi e 1.958 ragazze) per l’analisi.

Prevalenza di NDD

Nel complesso, abbiamo trovato 475 bambini su 3.964 (tra i 2 e i 9 anni) avevano almeno un NDDD (12,0% [95% CI 11,0%-13,0%]). Tra i bambini con NDDD, il 21,7% (95% IC 18,1%-25,7%) aveva due o più NDDD; i bambini con ASD (79,6%), NMI-CP (74,2%), ID (56,9%), e Epi (55,1%) avevano più frequentemente NDDD coesistenti (Tabella S2). Le stime di prevalenza a livello distrettuale per le malattie neurodegenerative nei cinque siti, in base alla ponderazione per categoria di età, sesso, luogo di residenza (rurale/urbano) e religione (indù/non indù) secondo il censimento 2011, sono riportate nella Tabella 4. C’è stata una variazione specifica del sito nella prevalenza: Dhenkanal ha avuto la prevalenza più bassa e Palwal la più alta di NDD. HI, ID, disturbi della parola e del linguaggio, epinefrina e LD erano tra le NDDD più comuni in tutti i siti.

Non ci sono state differenze significative nei dati messi in comune per sesso, luogo di residenza e religione secondo il censimento 2011: prevalenza tra i ragazzi 12,4% (95% IC 10,2%-15,0%) contro il 10,2% (95% IC 8,4%-12,2%) nelle ragazze (p = 0).146); nelle zone rurali 12,6% (95% CI 11,4%-13,9%) contro il 10,1% (95% CI 7,9%-12,8%) nelle aree urbane (p = 0,085); e nelle famiglie non indù 11,7% (95% CI 8,5%-15,9%) contro quelle delle famiglie indù 11,0% (95% CI 9,7%-12,5%) (p = 0,727).

Profilo clinico delle malattie neurodegenerative

Dei 62 casi di NMI-CP, il 46,8% aveva una paralisi cerebrale spastica (CP), il 22,6% aveva un disturbo neuromuscolare (NMD), e il 30,6% aveva altri NMI. ID(N = 144) è stato valutato come lieve (27%), moderato (13,8%), o grave e profondo (3,5%), nel restante 55,6% (80/144), la gravità non poteva essere determinata, principalmente a causa di comorbidità associate (62/80; 77,5%). Su 44 casi di ASD, il 52,3% è stato diagnosticato come autismo, il 2,3% come Asperger, il 38,0% come disturbo pervasivo dello sviluppo non altrimenti specificato (PDD-NOS), e il 7,1% è stato diagnosticato un disturbo disgregante infantile (CDD). In 27 casi di ADHD, il 44,4% aveva disattenzione, l’11,1% aveva iperattività/impulsività, e il resto (44,4%) era di tipo misto. Lo strumento di valutazione dell’epinefrina non è stato progettato per determinare il tipo di epinefrina.

Analisi dei fattori di rischio

S3 La tabella S3 elenca le informazioni sui fattori di rischio per i partecipanti allo studio con e senza NDDD. La tabella 5 fornisce i fattori di rischio indipendenti nel modello di regressione multivariabile: parto non istituzionale, storia di asfissia perinatale, storia di malattia neonatale, infezioni neurologiche (cerebrali) postnatali, stordimento, LBW (<2.5 kg)/prematurità (gestazione <37 settimane), e più anziani (6-9 anni) categoria di età sono stati statisticamente significativamente associati con “qualsiasi NDDD.” Il PAF era 36,8% (95% CI 27,2%-45,1%) per i fattori di rischio modificabili e statisticamente significativi. Abbiamo anche intrapreso un’analisi multivariabile per l’identificazione dei fattori di rischio per specifiche NDDD(Tabella S4). I fattori di rischio per “qualsiasi NDDD” erano presenti in modo variabile anche con specifiche NDDD.

Discussione

Lo studio riporta la prevalenza delle malattie neurodegenerative nei bambini tra i 2 e i 9 anni, ottenuta attraverso un’indagine multisito basata sulla popolazione in cinque regioni dell’India. La prevalenza delle malattie neurodegenerative varia nei cinque siti di studio, nonostante l’utilizzo degli stessi strumenti diagnostici con l’applicazione di una metodologia coerente e la formazione dei valutatori. La prevalenza di NDD potrebbe davvero variare da una regione all’altra, in particolare in un grande paese come l’India, a causa della distribuzione eterogenea dei fattori di rischio e dei fattori biologici, se presenti. Il Dhenkanal, situato nell’Odisha centrale, con una popolazione tribale considerevole, ha un alto tasso di mortalità al di sotto dei cinque anni (80 su 1.000 nati vivi)[35] ed è endemico per le emoglobinopatie[36] e la malaria cerebrale (la malaria cerebrale nell’Odisha ha un rischio di mortalità fino a sei volte maggiore tra i bambini)[37,38]. È stato riportato che il rischio di mortalità nei bambini con malattie neurodegenerative può essere elevato in ambienti con scarso sviluppo economico, sistemi sanitari deboli e alta mortalità infantile[4,39]. La maggiore prevalenza di HI a Palwal ha contribuito a una maggiore prevalenza complessiva di NDDD in questo sito rispetto ad altri. Secondo uno studio precedente, le infezioni respiratorie ripetute e gli alti tassi di otite media suppurativa cronica sono stati associati a un alto tasso di sordità nei bambini di 5-15 anni della zona [40].

La letteratura suggerisce che la prevalenza di NDD e i loro profili variano considerevolmente all’interno e tra le diverse aree geografiche[4,41-45]; questo è stato comunemente attribuito alla variabilità metodologica [4], ma può anche essere visto in studi che hanno utilizzato strumenti e criteri diagnostici comuni e metodi di raccolta dati comuni tra i vari siti. Ad esempio, sulla base della diagnosi riferita dai genitori, Boyle e colleghi[46] hanno riportato che la prevalenza dell’ASD negli Stati Uniti d’America è stata dello 0,7%, ma quando la valutazione sistematica basata sulla comunità è stata fatta in 11 siti dalla Rete di monitoraggio dell’autismo e delle disabilità dello sviluppo, la prevalenza complessiva dell’ASD è stata quasi il doppio di quella dello studio precedente (1,5%)[47]. La schermata delle dieci domande (TQ) per la disabilità è stata applicata in modo uniforme in uno studio di 18 Paesi a basso e medio reddito (LMIC); la prevalenza di bambini di età compresa tra i 2-9 anni ad alto rischio di disabilità variava tra il 3% (Uzbekistan) e il 48% (Repubblica Centrafricana), con una prevalenza mediana del 23% [48]. Negli studi in due fasi con TQ nella stessa fascia d’età, la prevalenza di forme di disabilità da moderata a grave variava tra lo 0,5% e il 9,4% in diversi LMIC[49- 51].

Nel modulo di censimento indiano, ci sono quattro domande per la raccolta di informazioni su otto disabilità gravi e ovviamente visibili, comprese le NDDD. Secondo i dati del Census of India 2011, la prevalenza di tutte le disabilità nella categoria di età 0-4 anni era dell’1,1%, mentre nella categoria di età 5-9 anni era dell’1,5% [52]. Queste cifre erano quasi 10 volte inferiori a quelle riportate nel presente studio dopo una valutazione sistematica, completa e basata sulla comunità esclusivamente per le malattie neurodegenerative; è probabile che i risultati dello studio presentino un quadro più fattuale della prevalenza delle malattie neurodegenerative nella popolazione in diverse parti dell’India.

La prevalenza cumulativa delle malattie neurodegenerative è risultata più elevata nella categoria di età più avanzata (6-9 anni) rispetto alla categoria di età più giovane (2-<6 anni). Secondo la letteratura pubblicata, l’osservazione di una maggiore prevalenza di malattie neurodegenerative con l’aumento dell’età nell’infanzia potrebbe essere dovuta a quanto segue: (a) l’accumulo di cause e di esposizioni all’infanzia, come infezioni, lesioni e carenze nutrizionali; e (b) una maggiore capacità di riconoscere e diagnosticare condizioni come CP, ID, e disturbi comportamentali come età avanzata[53]. Nel modello di regressione in cui abbiamo inserito l’età come variabile categorica (6-9 anni contro 2<6 anni, come riferimento), è emerso come un predittore statisticamente significativo di NDD (Tabella 5). Si sarebbe potuto arrivare a questa osservazione anche perché i partecipanti della categoria di età più avanzata sono stati valutati per due ulteriori NDDD (cioè, ADHD e LD).

Quasi un quinto dei bambini con NDD ha avuto un altro NDD comorbido. Allo stesso modo, c’era un raggruppamento di fattori di rischio negli stessi individui. Abbiamo cercato i vari fattori di rischio modificabili significativamente associati al verificarsi di uno o più NDDD nello stesso individuo. Le probabilità di qualsiasi NDDD tra i bambini con due o più fattori di rischio e tre o più fattori di rischio erano rispettivamente 2,1 (95% CI 1,5-2,9) e 2,6 (95% CI 1,7-4,0). Walker e colleghi hanno suggerito che l’esposizione cumulativa ai rischi a partire dal periodo prenatale influenza le traiettorie di sviluppo e pone le basi per le NDD; questi fattori di rischio richiedono quindi un’identificazione precoce e interventi integrati[54]. La frequente coesistenza di ASD, NMI-CP, ID e/o Epi in(Tabella S2) potrebbe suggerire eventi precursori comuni[55].

I risultati dello studio devono essere interpretati alla luce dei suoi limiti; il 15,6% del rifiuto a partecipare potrebbe riflettere le complessità socio-comportamentali associate ad un bambino con NDD in famiglia (ad esempio, disabilità, paura, negazione, senso di colpa, colpa, diverse dimensioni di stigma e discriminazione) che potrebbero a loro volta influenzare la partecipazione a tali valutazioni diagnostiche[56,57]. Il campione dello studio non era rappresentativo dell’India(Tabella S5); in particolare, il campione era poco rappresentativo dello stunting e del LBW, e ciò potrebbe contribuire a sottovalutare il reale carico di NDDD nella popolazione dello studio. Lo stunting e lo status LBW dei bambini non erano disponibili nei dati del Censimento e quindi non potevano essere adattati insieme ad altre variabili come l’età, il sesso, il luogo di residenza e la religione. I tassi nazionali (NFHS-4, 2015-2016) di stunting (38,4%) e LBW (18,2%) erano disponibili, e quando questi sono stati applicati separatamente alle stime messe in comune in tutti i siti, la prevalenza di NDDD nella categoria di età 2<6 anni è aumentata dal 9,2% al 10,9% e 12,3%, rispettivamente. Analogamente, nella fascia di età 6-9 anni, la ponderazione di queste condizioni ha portato ad un aumento delle stime dal 13,6% al 16,8% e al 14,0%, rispettivamente. Lo studio non è stato concepito per determinare il pregiudizio sociale dei “trattamenti selettivi di genere” sulla sopravvivenza, la crescita e lo sviluppo dei bambini [58]. Il gruppo ha ora convalidato una versione riveduta dello strumento Epi per accertare i tipi di Epi, compresi alcuni di quelli non rilevati con il presente strumento[59].

Il nostro studio ha fornito i primi dati multisito basati sulla popolazione sull’onere delle malattie neurodegenerative nei bambini indiani di 2-9 anni. Abbiamo sviluppato quattro nuovi strumenti diagnostici che sono stati adattati culturalmente e convalidati in base alle linee guida internazionali che utilizzano dati normativi globali[15- 18]; gli strumenti sono stati applicati sul campo da professionisti addestrati con rigorosi quadri di controllo della qualità. Mentre la misurazione di condizioni cliniche come la mancanza di visione o l’epinefrina è abbastanza comparabile ad altre misure internazionali (e i tassi di prevalenza sono quindi direttamente comparabili), lo stesso non vale per la valutazione delle capacità cognitive, di attenzione e di apprendimento, in cui le stime di disabilità sarebbero probabilmente sostanzialmente diverse se si applicassero norme sulla popolazione ad alto reddito invece di una popolazione indiana di riferimento.

Lo studio ha evidenziato le NDD nei bambini come un’importante sfida di salute pubblica di notevole importanza, con sostanziali variazioni all’interno del paese. La maggior parte dei fattori di rischio significativi identificati attraverso lo studio erano modificabili e potrebbero potenzialmente essere affrontati con investimenti nella salute pubblica per migliorare l’assistenza materno/natale e la nutrizione dei bambini. Diverse economie emergenti sono state in grado di affrontare questi fattori di rischio in modo efficace[60]. I risultati sono stati importanti nel contesto dell’agenda Universal Health Care (UHC) del governo indiano e del programma nazionale per la salute dei bambini recentemente lanciato (“Rashtriya Bal Swasthya Karyakram”) [61]. Questi dati avranno rilevanza per la risposta dell’India ai bisogni dei bambini più vulnerabili e delle loro famiglie e potrebbero anche informare le politiche di altri Paesi che condividono ambienti socioeconomici e situazioni sanitarie simili, in particolare nell’Asia meridionale [54,62].

Informazioni di supporto

References

1. Boivin MJ, Kakooza AM, Warf BC, Davidson LL, Grigorenko EL. Reducing neurodevelopmental disorders and disability through research and interventions. Nature. 2015; 527:S155-160. DOI | PubMed
2. Durkin MS, Schneider H, Pathania VS, Nelson KB, Solarsh GC, Bellows N, Jamison DT, Breman JG, Measham AR. Disease control priorities in low- and middle-income countries. Oxford University Press and World Bank: New York; 2006.
3. UN World Health Organization (WHO). 58th World Health Assembly: Resolutions and Decisions, Annex. World Health Organization: Geneva; 2005. Publisher Full Text
4. Maulik PK, Darmstadt GL. Childhood disability in low- and middle-income countries: overview of screening, prevention, services, legislation, and epidemiology. Pediatrics. 2007; 120:S 1-55.
5. :Publisher Full Text
6. Mung’ala-Odera V, Newton CRJC. Identifying children with neurological impairment and disability in resource-poor countries. Child: care, healthDev. 2007; 33:249-256. DOI | PubMed
7. United Nations General Assembly Document. United Nations: New York; 2013. Publisher Full Text
8. :Publisher Full Text
9. Bhatnagar P, Gupta S, Kumar R, Haldar P, Sethi R, Bahl S. Estimation of child vaccination coverage at state and national levels in India. Bull World Health Organ. 2016; 94:728-734. Publisher Full Text | DOI | PubMed
10. :Publisher Full Text
11. Blencowe H, Lee AC, Cousens S, Bahalim A, Narwal R, Zhong N. Preterm birth-associated neurodevelopmental impairment estimates at regional and global levels for 2010. Pediatr Res. 2013; 74:17-34. DOI | PubMed
12. Chen J, Simeonsson RJ. Prevention of childhood disability in the People’s Republic of China. Child Care Health Dev. 1993; 19:71-88. PubMed
13. Zaka N, Alexander EC, Manikam L, Norman ICF, Akhbari M, Moxon S. Quality improvement initiatives for hospitalized small and sick newborns in low- and middle-income countries: a systematic review. Implement Sci. 2018; 13:20. DOI | PubMed
14. Census of India. Office of the Registrar General and Census Commissioner of India, Ministry of Home Affairs, Government of India, 2011.
15. Konanki R, Mishra D, Gulati S, Aneja S, Deshmukh V, Silberberg D. INCLEN Diagnostic Tool for Epilepsy (INDT-EPI) for Primary Care Physicians: Development and Validation. Indian Pediatr. 2014; 51:539-543. PubMed
16. Gulati S, Aneja S, Juneja M, Mukherjee S, Deshmukh V, Silberberg INCLEN Diagnostic Tool for Neuro-Motor Impairment (INDT-NMI) for Primary Care Physician: Development and Validation. Indian Pediatr. 2014; 51:613-619. PubMed
17. Juneja M, Mishra D, Russell PS, Gulati S, Deshmukh V, Tudu P. INCLEN Diagnostic Tool for Autism Spectrum Disorder (INDT-ASD): Development and Validation. Indian Paediatr. 2014; 51:359-365.
18. Mukherjee S, Aneja S, Russell PS, Gulati S, Deshmukh V, Sagar R. INCLEN Diagnostic Tool for Attention Deficit Hyperactivity Disorder (INDT-ADHD): Development and Validation. Indian Paediatr. 2014; 51:457-462.
19. Bailey IL, Lovie JE. New design principles for visual acuity letter charts. Am J Optom Physiol Opt. 1976; 53:740-745. PubMed
20. Fariza E, Kronheim J, Medina A, Katsumi O. Testing visual acuity of children using vanishing optotypes. Jpn J Ophthalmol. 1990; 34:314-319. PubMed
21. Bourne RRA, Rosser DA, Sukudom P, Dineen B, Laidlaw DAH, Johnson GJ. Evaluating a new logMAR chart designed to improve visual acuity assessment in population-based surveys. Eye (Lond). 2003; 17:754-758. PubMed
22. Noushad B, Thomas J, Shristi VA. Reliability of a modified logMAR distant visual acuity chart for routine clinical use. Oman J Ophthalmol. 2012; 5:87-90. DOI | PubMed
23. Probst R, Lonsbury-Martin BL, Martin GK, Coats AC. Otoacoustic emission in ears with hearing loss. Am J Otolaryngol. 1987; 8:73-81. PubMed
24. Suchithra MG, Karanth P. Linguistic profile test-normative data for children in grades I–V. Journal of All India Institute of Speech and Hearing. 1990; 21:14-27.
25. Bharatraj J. Vineland social maturity scale and manual. Indian Adaptation by A.J. Malin, enlarged edition. Syamsidtha Prakasan, Mysore. 1992.
26. Kulsrestha SK. Stanford Binet Intelligence Scale and manual. Hindi Adaptation (Under third revision) Manas Seva Sansthan Prakashan, Allahabad. 1971.
27. Narayan J. Grade Level Assessment Device for children with learning problems in schools. National Institute of Mental Health Hyderabad (Ministry of Social Justice and Empowerment, Government of India) 2003. ISBN 81-86594-06-X.
28. Durkin M, Davidson LL, Desai P, Hasan ZM, Khan N, Shrout Validity of the ten questions screen for childhood disability: Results from population based studies in Bangladesh, Jamaica and Pakistan. Epidemiology. 1994; 5:283-289. PubMed
29. Corp Stata. Stata: Release 12. Statistical Software. College Station. StataCorp LP: TX; 2011.
30. WHO AnthroPlus for personal computers Manual: Software for assessing growth of the world’s children and adolescents. WHO: Geneva, Switzerland; 2009. Publisher Full Text
31. International Institute for Population Sciences (IIPS) and Macro International. National Family Health Survey (NFHS-3), 2005–06: India: Volume I. Mumbai: IIPS.
32. Greenland S, Drescher K. Maximum likelihood estimation of the attributable fraction from logistic models. Biometrics. 1993; 49:865-872. PubMed
33. Newson RB. Attributable and un-attributable risks and fractions and other scenario comparison. The STATA Journal. 2013; 13:672-698.
34. .Publisher Full Text
35. :Publisher Full Text
36. Ghosh K, Colah RB, Mukherjee MB. Haemoglobinopathies in tribal populations of India. Indian J Med Res. 2015; 141:505-508. DOI | PubMed
37. Das LK, Padhi B, Sahu SS. Prediction of outcome of severe falciparum malaria in Koraput, Odisha, India: A hospital-based study. Trop Parasitol. 2014; 4:105-110. DOI | PubMed
38. Dhingra N, Jha P, Sharma VP, Cohen AA, Jotkar RM, Rodriquez PS. Adult and child malaria mortality in India: a nationally representative mortality survey. Lancet. 2010; 376:1768-1774. DOI | PubMed
39. Carter JA, Mung’ala-odera V, Neville BG, Murira G, Mturi N, Musumba C. Persistent neurocognitive impairments associated with severe falciparum malaria in Kenyan children. J Neurol Neurosurg Psychiatry. 2005; 76:476-481. DOI | PubMed
40. Verma AK, Vohra A, Maitra A, Banerjee M, Singh R, Mittal SK. Epidemiology of chronic supportive otitis media and deafness in a rural area and developing an intervention strategy. Indian J Pediatr. 1995; 62:725-729. PubMed
41. Elsabbagh M, Divan G, Koh Y- J, Kim YS, Kauchali S, Marcin C. Global Prevalence of Autism and Other Pervasive Developmental Disorders. Autism Res. 2012; 5:160-179. DOI | PubMed
42. Erskine HE, Ferrari AJ, Polanczyk GV, Moffitt TE, Murray CJ, Vos T. The global burden of conduct disorder and Attention-deficit/hyperactivity disorder in 2010. J Child Psychol Psychiatry. 2014; 55:328-336. DOI | PubMed
43. Thomas R, Sanders S, Doust J, Beller E, Glasziou P. Prevalence of Attention-Deficit/Hyperactivity Disorder: A Systematic Review and Meta-analysis. Paediatrics. 2015; 135:e994-1001.
44. Oskoui M, Coutinho F, Dykeman J, Jetté N, Pringsheim T. An update on the prevalence of cerebral palsy: a systematic review and meta-analysis. Dev Med Child Neurol. 2013; 55:509-519. DOI | PubMed
45. Dandona R, Dandona L. Childhood blindness in India: a population based perspective. Br J Ophthalmol. 2003; 87:263-265. PubMed
46. Boyle CA, Boulet S, Schieve LA, Cohen RA, Blumberg SJ, Yeargin-Allsopp M. Trends in the prevalence of developmental disabilities in US Children, 1997–2008. Pediatrics. 2011; 127:1034-1042. DOI | PubMed
47. Christensen DL, Baio J, Braun KV, Bilder D, Charles J, Constantino JN. Prevalence and Characteristics of Autism Spectrum Disorder Among Children Aged 8 Years—Autism and Developmental Disabilities Monitoring Network, 11 Sites, United States, 2012. MMWR SurveillSumm. 2016; 65:1-23.
48. Gottlieb CA, Maenner MJ, Cappa C, Durkin MS. Child disability screening, nutrition, and early learning in 18 countries with low and middle incomes: data from the third round of UNICEF’s Multiple Indicator Cluster Survey (2005–06). Lancet. 2009; 374:1831-1839. DOI | PubMed
49. Paul TJ, Desai P, Thorburn MJ. The prevalence of childhood disability and related medical diagnosis in Clarendon, Jamaica. West Indian Med J. 1992; 41:8-11. PubMed
50. Stein Z, Belmont L, Durkin M. Mild mental retardation and severe mental retardation compared: experiences in eight less developed countries. J Med SciSuppl. 1987; 44:89-96.
51. Singhi P, Kumar M, Malhi P, Kumar R. Utility of the WHO Ten Questions Screen for disability detection in a rural community the North Indian experience. J Trop Pediatr. 2007; 53:383-387. DOI | PubMed
52. .Publisher Full Text
53. Boyle CA, Doernberg NS, Schendel DE. Prevalence of selected developmental disabilities in children 3–10 years of age: the metropolitan Atlanta developmental disabilities surveillance program, 1991. Surveillance Summaries, MMWR. 1996; 45:1-14.
54. Walker SP, Wachs TD, Gardner JM, Lozoff B, Wasserman GA, Pollitt E. Child development: risk factors for adverse outcomes in developing countries. Lancet. 2007; 369:145-157. DOI | PubMed
55. Surén P, Bakken IJ, Aase H. Autism Spectrum Disorder, ADHD, Epilepsy, and Cerebral Palsy in Norwegian Children. Pediatrics. 2012; 130:e152-158. DOI | PubMed
56. Mahapatra A, Choudhary V, Sagar R. Development and analysis of the factor structure of parents’ internalized stigma of neurodevelopmental disorder in child scale. J Mental Health Hum Behav. 2017; 22:7-13.
57. Wentz E, Björk A, Dahlgren J. Neurodevelopmental disorders are highly over-represented in children with obesity: A cross-sectional study. Obesity. 2017; 25:178-184. DOI | PubMed
58. Barcellos SH, Carvalho LS, Lleras-Muney A. . Child Gender and Parental Investments In India: Are Boys And Girls Treated Differently?. Am Econ J Appl Econ. 2014; 6:157-89. DOI | PubMed
59. Gulati S, Patel H, Chakrabarty B, Dubey R, Arora NK, Pandey RM. Development and validation of AIIMS modified INCLEN diagnostic instrument for epilepsy in children aged 1 month-18 years. Epilepsy Res. 2017; 130:64-68. DOI | PubMed
60. .Publisher Full Text
61. .Publisher Full Text
62. Grantham-McGregor S, Cheung YB, Cueto S, Glewwe P, Richter L, Strupp B. Developmental potential in the first 5 years for children in developing countries. Lancet. 2007; 369:60-70. DOI | PubMed