99,9% точность пренатального скрининга на выявление синдрома Дауна: возможности новейшего диагностического метода
Цель:
Провести системный обзор исследований по клинической валидации применения технологии массивного параллельного секвенирования (МПС) в пренатальном скрининге для выявления трисомии по 21 хромосоме, а также изучить потенциальные стратегии внедрения данной технологии в Китае в сравнении с таковыми в развивающихся странах.
Методы:
Был произведен литературный поиск научных статей, опубликованных в период с 1 января 2011 года по 15 октября 2016 года, по следующим базам данных: Cochrane Library, Medline, EMBASE, Web of Science, Biosis, а также по 3 основным научным базам данных Китая. Мы также обсудили потенциальные трудности и риски, связанные с последующим продвижением МПС технологий в Китае по сравнению с развивающимися странами.
Результаты:
Мы провели мета-анализ 44 клинических исследований и оценили суммарную чувствительность и специфичность МПС технологий для пренатальной диагностики трисомии 21: они составили 99,7% [95% доверительный интервал (ДИ) = 98,3−99,9%] и 100,0% (95% ДИ = 99,9−100,0%) соответственно. Мы также выполнили дополнительный мета-анализ 25 исследований, которые были проведены в медицинских институтах или институтах генетического секвенирования континентальной части Китая: суммарная чувствительность и специфичность МПС-технологий по результатам данных исследований составили соответственно 99,5% (95% ДИ = 98,7−99,8%) и 100,0% (95% ДИ = 99,9−100,0%).
Выводы:
Технологии МПС позволяют проводить эффективный скрининг на выявление трисомии по 21 хромосоме. Однако, применение данного метода может быть связано с клиническими ограничениями и трудностями в отношении финансовых аспектов и получения этического одобрения.
Ключевые слова: НИПТ, неинвазивное пренатальное тестирование, пренатальный скрининг, синдром Дауна, трисомия 21
PMID: 28 686 807 DOI: 10.1002/pd.5111
Web: onlinelibrary.wiley.com/doi/10.1002/pd.5111/abstract
Журнал: Prenatal diagnosis. 2017 Jul 7.
Авторы: Jiajie Jin, Junwen Yang, Yingyao Chen, Jiayan Huang