Predicción de Recuperación en Parálisis Cerebral Espástica.

La espasticidad se considera a menudo como la principal causa de limitación funcional en los niños con parálisis cerebral (PC). La principal característica de la parálisis cerebral es el deterioro del desarrollo de las funciones motoras gruesas en los niños. Las funciones motoras gruesas se consideran un indicador del pronóstico general de la parálisis cerebral, ya que están estrechamente asociadas con otras deficiencias en el niño con parálisis cerebral, como deficiencias auditivas, cognitivas o visuales. La herramienta de medición de la función motora gruesa (GMFM, por sus siglas en inglés) es la más utilizada para evaluar la función motora, la gravedad y la respuesta al tratamiento de los niños con parálisis cerebral. Los cinco niveles de GMFCS se han empleado ampliamente en niños con parálisis cerebral menores de 12 años de edad, centrándose en las habilidades para sentarse y caminar del niño. La literatura confirmó la importancia de abordar la motricidad gruesa y fina en niños con parálisis cerebral. Los factores de la infancia que predicen la participación de los adultos jóvenes con parálisis cerebral en la vida doméstica incluyen; discapacidad intelectual, baja habilidad manual, capacidad motora limitada y epilepsia. Además, las deficiencias primarias y secundarias del niño con PC, las comorbilidades, su comportamiento adaptativo, la familia, los servicios de rehabilitación son determinantes de los cambios en la capacidad motora gruesa del niño y su participación en las actividades de la rutina diaria. Por lo tanto, todos estos determinantes deben tenerse en cuenta al planificar la intervención para un niño con parálisis cerebral y también al momento de evaluar el resultado. Los predictores de buen pronóstico para la deambulación en niños con parálisis cerebral se identificaron a través de un metanálisis de estudios observacionales que incluye; Sentada independiente a los 2 años, epilepsia, ausencia de discapacidad intelectual y discapacidad visual. Los enfoques de aprendizaje automático (ML) se han utilizado cada vez más en la investigación de la parálisis cerebral. Jing Zhang et al identificaron GMFCS y la capacidad intelectual como factores asociados del desarrollo de actividades de autocuidado, también se mencionó que GMFCS tiene un papel en el desarrollo de actividades de movilidad. Se desarrolló un modelo predictivo de aprendizaje automático para resaltar los factores asociados con la discapacidad intelectual en la población adolescente con parálisis cerebral, con una sensibilidad, especificidad y precisión promedio del 78 %. El resultado de este modelo confirmó la asociación significativa de la función motora gruesa, las habilidades manuales deficientes y la epilepsia con la discapacidad intelectual profunda.