牙周标志物预测糖尿病患者血糖控制的十年回顾性分析：一项基于临床指标的HbA1c预测模型研究

《Scientific Reports》：Periodontal markers predict glycemic control in diabetic patients a ten year retrospective analysis

本研究针对糖尿病(DM)与牙周炎的双向关系，旨在评估常规牙周参数与糖化血红蛋白(HbA1c)的关联并开发预测模型。研究人员通过十年回顾性队列分析发现，探诊深度(PD)≥5mm位点百分比、探诊出血(BOP%)和缺失牙数与HbA1c显著相关，据此构建的多元线性回归模型可解释27.5%的HbA1c方差。该模型为牙科医生提供了一种非侵入性、低成本的椅旁工具，有助于早期识别血糖控制不佳的糖尿病患者并促进及时转诊。

　　

糖尿病和牙周炎这对“难兄难弟”的恶性循环，一直是困扰医学界的重要难题。糖尿病会加剧牙周组织破坏，而严重的牙周炎反过来又可能影响血糖控制，形成一种相互加重的恶性循环。在这种背景下，定期监测糖化血红蛋白(HbA1c)对糖尿病管理至关重要，但现实中，由于医疗可及性、经济条件或认知不足等因素，患者的定期检测依从性往往不尽如人意。那么，有没有一种更便捷的方法来评估糖尿病患者的血糖控制情况呢？牙科医生在日常诊疗中常规进行的牙周检查，或许能提供一个独特的窗口。发表在《Scientific Reports》上的一项研究为此提供了新的见解。由Salah M. Ibrahim等人开展的一项长达十年的回顾性研究提出，通过一些常见的牙周临床指标，或许能在牙科椅旁对糖尿病患者的血糖控制情况进行风险分层。

为了回答上述问题，研究人员在Al-Kufa大学牙科学院开展了一项回顾性队列研究，分析了2014年至2023年间的患者记录。研究纳入了350名糖尿病患者，提取了其人口统计学资料、吸烟状况、HbA1c值以及详细的牙周参数（包括探诊出血百分比、平均探诊深度、探诊深度≥5mm的位点百分比、缺失牙数和临床附着丧失）。研究采用相关性分析和多元线性回归方法，并将数据集按7:3的比例分为训练集和测试集，以开发和内部验证HbA1c预测模型。

研究结果显示，所有研究的牙周标志物均与HbA1c水平呈显著正相关。其中，探诊深度≥5mm的位点百分比相关性最强(r=0.38)，其次是探诊出血百分比(r=0.35)和缺失牙数(r=0.30)。

基于这些发现，研究人员开发了一个多元线性回归模型，包含五个预测因子：探诊深度≥5mm的位点百分比、探诊出血百分比、缺失牙数、年龄和吸烟状况。该模型在训练集中解释了27.5%的HbA1c方差。

在测试集上进行内部验证时，模型的R2为0.26，平均绝对误差为1.02% HbA1c，表明模型具有合理的预测能力和稳定性。

研究的讨论部分深入阐释了糖尿病与牙周炎之间的双向关系机制。糖尿病通过高级糖基化终末产物(AGEs)积累、免疫反应受损等途径加剧牙周破坏；而牙周炎则通过系统性炎症、细菌及其产物（如脂多糖LPS）入血等机制促进胰岛素抵抗和β细胞功能障碍，从而影响血糖控制。研究所开发的预测模型虽不能替代实验室HbA1c检测，但为牙科医生提供了一个实用的椅旁风险评估工具，有助于识别血糖控制可能不佳的患者并促进其向内科医生转诊，加强了口腔医学与全身健康管理的联系。

该研究的主要意义在于强化了口腔健康与全身健康不可分割的理念，为促进糖尿病患者的跨学科管理提供了具体路径。模型的应用有望提升患者对牙周健康与糖尿病控制双向关系的认识，从而改善其治疗依从性。然而，研究也存在一些局限性，例如模型仅能解释部分HbA1c变异，尚有其他重要因素（如药物治疗依从性、饮食、体重指数等）未纳入模型；回顾性单中心设计可能限制结果的普适性。未来研究需要在更多样化的人群中进行外部验证，并探索纳入更多生物标志物以提升预测的准确性。