中老年人群估算葡萄糖处置率与糖尿病发病风险的关联及预测模型构建

《BMC Endocrine Disorders》：Association between estimated glucose disposal rate and diabetes mellitus incidence in middle-aged and elderly adults and development of predictive model: evidence from two prospective longitudinal studies

本研究针对中老年人群糖尿病早期预警需求，通过CHARLS和ELSA两大前瞻性队列分析估算葡萄糖处置率(eGDR)与糖尿病发病的关联。结果发现eGDR降低是糖尿病的独立危险因素(CHARLS队列Q4 OR=0.31，ELSA队列Q4 OR=0.06)，基于eGDR等指标构建的预测模型在验证队列中AUC达0.85。该研究为糖尿病早期筛查提供了重要生物标志物和实用工具。

　　

随着全球糖尿病患病率的持续攀升，国际糖尿病联盟最新数据显示2024年全球20-79岁成人糖尿病患者已达5.89亿，预计到2050年将增长至8.53亿。糖尿病不仅给患者带来严重的健康风险，还给全球医疗系统造成巨大经济负担。胰岛素抵抗作为糖尿病核心病理机制之一，其准确评估对早期发现和管理糖尿病至关重要。然而，当前评估胰岛素抵抗的"金标准"——高胰岛素-正葡萄糖钳夹技术操作复杂、有创且耗时，难以在临床常规检测和大规模流行病学研究中推广应用。

在此背景下，估算葡萄糖处置率(estimated glucose disposal rate, eGDR)这一新型指标应运而生。eGDR通过整合腰围、高血压状态和糖化血红蛋白(HbA_1c)等易获取临床参数，为评估胰岛素抵抗提供了简便无创的替代方案。已有研究表明eGDR与胰岛素抵抗呈负相关，但其与中老年人群糖尿病发病风险的前瞻性关联尚不明确。

为探究这一问题，高爱娜等研究人员在《BMC Endocrine Disorders》发表了题为"Association between estimated glucose disposal rate and diabetes mellitus incidence in middle-aged and elderly adults and development of predictive model: evidence from two prospective longitudinal studies"的研究论文。该研究利用中国健康与养老追踪调查(CHARLS)和英国老龄化纵向研究(ELSA)两大队列，共纳入8072名中老年参与者，其中CHARLS队列6965人，ELSA队列1107人，随访时间分别为8.32±0.96年和17.52±4.23年。

研究采用多变量逻辑回归模型分析eGDR与糖尿病发病的关联，通过限制性立方样条曲线评估非线性关系，并构建包含eGDR等指标的糖尿病预测模型。模型效能通过受试者工作特征曲线下面积、校准曲线和决策曲线进行评估。

研究方法概述

研究基于CHARLS(2011-2020)和ELSA(2004-2021)两大前瞻性队列，排除基线糖尿病患者后最终纳入8072名参与者。eGDR计算公式为：21.158-(0.551×HbA_1c)-(3.407×高血压)-(0.09×腰围)。糖尿病诊断依据空腹血糖≥7 mmol/L、HbA_1c≥6.5%或自我报告。采用多变量逻辑回归和限制性立方样条分析关联性，基于显著变量构建预测模型并进行内外验证。

基线特征分析

随访结束时，CHARLS和ELSA队列的糖尿病发病率分别为5.87%和9.94%。糖尿病患者在两组队列中均表现出更高的腰围、体重指数(BMI)、空腹血糖(FBG)、HbA_1c和甘油三酯(TG)水平，以及更低的eGDR值(P<0.001)。ELSA队列中糖尿病患者还表现出更高的教育水平和男性比例。

eGDR与糖尿病发病的关联分析

按eGDR四分位数分组后，多变量调整模型显示：与Q1组相比，CHARLS队列Q2-Q4组的OR值分别为0.66(0.51-0.84)、0.36(0.25-0.51)和0.31(0.20-0.47)；ELSA队列相应OR值为0.40(0.23-0.70)、0.30(0.15-0.62)和0.06(0.01-0.28)，表明eGDR降低与糖尿病风险增加显著相关。

限制性立方样条分析显示，调整混杂因素前存在非线性关联，但调整后非线性关系消失，表明eGDR与糖尿病风险呈线性剂量反应关系。

亚组分析结果

亚组分析显示eGDR与糖尿病发病的关联在年龄、性别、高血压、冠心病等大多数亚组中保持一致(P交互>0.05)，仅在CHARLS队列的BMI亚组中发现显著交互作用(P交互=0.003)，提示eGDR的预测价值可能受肥胖程度影响。

预测模型构建与验证

基于CHARLS数据构建的预测模型包含心脏病、卒中、BMI、血脂、血糖和eGDR等变量。该模型在CHARLS队列中的AUC为0.75(0.72-0.77)，在ELSA外部验证队列中AUC达0.85(0.82-0.89)，显示良好判别能力。

校准曲线显示模型拟合良好(Hosmer-Lemeshow检验P=0.077和0.646)，决策曲线分析表明模型具有临床净获益。

研究结论与意义

本研究首次通过两大前瞻性队列证实eGDR是中老年人群糖尿病发病的独立预测因子，且存在线性负相关。eGDR每降低1单位，糖尿病风险显著增加，这一关联在调整多种代谢风险因素后仍然稳健。基于eGDR构建的预测模型在不同人群中均表现出良好预测效能，为糖尿病早期筛查提供了实用工具。

研究创新点在于首次系统评估eGDR在中老年人群糖尿病预测中的价值，并开发了跨人群验证的预测模型。eGDR作为反映胰岛素敏感性和β细胞功能协同作用的指标，其机制可能涉及胰岛素清除受损导致的高胰岛素血症、慢性炎症状态或肾素-血管紧张素系统激活对胰岛血流的影响。

该研究的临床意义在于为基层医疗机构提供了简便的糖尿病风险评估工具，通过常规体检指标即可实现风险分层，有利于针对高危人群开展早期干预。未来研究可进一步探讨eGDR与胰岛素动力学的直接关联，并在更大样本中验证模型效能，同时通过随机对照试验验证针对低eGDR的干预措施能否延缓糖尿病发病。

研究局限性包括部分参与者因数据缺失被排除可能引入选择偏倚、两队列指标测量方法存在差异、随访时间和人群特征不同可能影响结果外推。尽管如此，该研究为糖尿病一级预防提供了新的生物标志物和风险评估策略，对促进中老年人群健康老龄化具有重要实践价值。