基于GRID算法识别1型糖尿病餐后血糖波动临床意义的CGM研究

《Diabetes Research and Clinical Practice》：Identification of clinically meaningful automatically detected postprandial glucose excursions in individuals with type 1 diabetes using personal continuous glucose monitoring

本研究通过GRID算法识别1型糖尿病患者餐后血糖波动特征，发现峰值≥13.9mmol/L的高峰波动频率与血糖达标时间（TIR）呈最强负相关。该前瞻性队列研究证实，基于连续血糖监测（CGM）的餐后高峰波动可作为指导个体化干预的可靠生物标志物。

　　

^研究背景

已有研究显示：使用智能胰岛素笔或自动胰岛素给药系统的患者中，14天内遗漏≥3次餐前推注剂量会导致TIR降低>5%。但尚未有研究探讨在缺乏胰岛素剂量数据的多次每日注射（MDI）使用者中，CGM衍生的餐后血糖波动特征（如峰值血糖水平或达峰时间）是否能预测TIR。

^核心问题

餐后血糖波动的特定特征能否预测1型糖尿病MDI使用者的血糖结局？

^{数据来源与研究人群}

这项单中心前瞻性观察性队列研究纳入了参与韩国国家家庭护理试点项目的1型糖尿病成人患者。我们为参与者提供了结构化教育课程（详细内容参见文献[13,14]），包括由护士和营养师通过面对面或电话方式开展的三次课程，内容涵盖餐时胰岛素剂量计算、碳水化合物计数及运动期间血糖管理策略。

^{GRID波动频率与血糖达标时间的相关性}

研究共纳入287名使用CGM的1型糖尿病患者，中位随访期为270天（四分位距90-810天）。当峰值血糖阈值设定为≥13.9mmol/L（≥250mg/dL）时，前14天的GRID波动频率与90天TIR/TITR的相关性最强（R2分别为0.419和0.391）。随着阈值降低，相关性显著减弱（较低阈值时R2降至0.154-0.183）。

^讨论

本前瞻性队列研究证明，在14天CGM监测期内，GRID检测到的峰值血糖≥13.9mmol/L的餐后波动频率，可作为MDI治疗者血糖结局的简易临床预测指标。基线时出现≥4次此类波动的患者TIR显著更低，且在接受结构化CGM教育后更易实现TIR/TITR>5%的改善。

^{社交媒体亮点}

14天CGM监测中出现≥4次峰值血糖≥13.9mmol/L餐后波动的患者，在接受结构化教育后实现TIR>5%改善的几率显著更高——凸显峰值高度比上升速度更具临床意义。

^{作者贡献与责任声明}

S-MJ负责研究构思设计，SHY和HL进行数据整理，S-MJ、SHP和RO完成分析与论文起草。所有作者均参与数据采集及关键内容审阅。作为研究担保人，S-MJ对数据完整性和分析准确性承担全部责任。

^基金资助

本研究获韩国政府MSIT资助的国家研究基金会生物医学技术发展项目支持（编号RS-2023-00262002）。

^{利益冲突声明}

作者声明Sang-Man Jin受韩国国家研究基金会资助，其余作者无潜在利益冲突。