葡萄糖管理指标（GMI）：是否需要设备特异性方程？—— 为精准血糖管理 “量身定制” 指标方程

为解决葡萄糖管理指标（GMI）在不同连续血糖监测（CGM）系统中表现差异问题，研究人员对使用 Guardian Sensor 3 和 4 的成人 1 型糖尿病患者开展研究。结果发现原 GMI 在高低 HbA1c 范围有偏差，设备特异性方程可改善 HbA1c 估算，助力临床决策。

　　在糖尿病治疗领域，血糖的精准监测和管理至关重要。糖化血红蛋白（HbA1c）作为评估长期血糖控制水平的 “金标准”，能反映过去 2-3 个月的平均血糖水平。而葡萄糖管理指标（Glucose Management Indicator，GMI）是基于连续血糖监测（Continuous Glucose Monitoring，CGM）衍生的一项指标，旨在通过将 CGM 数据与 HbA1c 相联系，为患者、护理人员和医疗保健人员提供一种易于理解的血糖解读方式 。然而，不同的 CGM 系统在估算 GMI 时可能存在差异，这一问题使得 GMI 在临床应用中的准确性大打折扣。比如，同一患者使用不同的 CGM 设备，得出的 GMI 数值可能不同，进而影响医生对患者血糖控制情况的判断，导致治疗方案可能不够精准。

为了解决这一难题，来自匈牙利塞梅维什大学（Semmelweis University）内科和肿瘤科糖尿病中心的研究人员展开了一项研究。他们的研究成果发表在《Diabetes》杂志上，为血糖管理领域带来了新的突破。

研究人员开展了一项单中心观察性队列研究。研究对象为在 2021 年 1 月 1 日至 2024 年 6 月 17 日期间，于该中心接受治疗的成年 1 型糖尿病患者。这些患者使用 Guardian Sensor 3（G3）和 Guardian Sensor 4（G4）这两款 CGM 设备。在基线访视时，研究人员从电子健康记录中收集了患者的人口统计学信息、既往病史、当前用药情况、实验室数据以及过去 60 - 90 天的 CGM 指标。

研究人员主要运用了线性混合模型这一技术方法。他们利用该模型，根据两款 CGM 设备监测到的平均血糖来估算 HbA1c，并通过回归分析和布兰德 - 奥特曼图（Bland-Altman plots），将估算值及其残差（G3-gap 和 G4-gap）与原始 GMI 及其残差（Bergenstal-gap）进行对比。

研究结果主要体现在以下几个方面：

1. 样本特征：研究共纳入 120 名成年 1 型糖尿病患者（其中使用 G3 的有 90 人，使用 G4 的有 30 人），测量点总计 194 个。G3 和 G4 传感器使用者在年龄、性别分布、糖尿病病程、临床特征以及部分传感器指标等方面相似 。
2. GMI 估算偏差：对于 G3 和 G4 传感器，在高 HbA1c 范围，GMI 显著低估了血糖水平。当 HbA1c 达到 7.6%（60 mmol/mol）时，G3 传感器的 GMI 低估差值达到具有临床意义的 0.5%（4.4 mmol/mol）；当 HbA1c 达到 8.3%（67 mmol/mol）时，G4 传感器的 GMI 低估差值也达到这一临床意义阈值。而在低 HbA1c 范围，G4 传感器的 GMI 则显著高估血糖水平。
3. 差距与 HbA1c 的关系：研究发现所有 3 种差距（G3-gap、G4-gap 和 Bergenstal-gap）与 HbA1c 之间都存在很强的关系。并且，Bergenstal-gap 与 HbA1c 关系曲线的斜率比传感器特异性的 G3-gap 和 G4-gap 更陡峭。在 HbA1c＞7%（53 mmol/mol）时，G3-gap 约为 Bergenstal-gap 的一半；在整个 HbA1c 范围内，G4-gap 约为 Bergenstal-gap 的一半。

研究结论表明，设备特异性 GMI 方程能够降低在临床实践中对 HbA1c 显著低估或高估的风险，从而提升临床决策的准确性。虽然 GMI 在血糖管理中是一个有用的工具，但需要与 HbA1c 和其他标准 CGM 指标一起使用。同时，确保 GMI 方程的准确性至关重要，本研究中设备特异性方程的应用，明显提高了基于美敦力 G3 和 G4 设备的 HbA1c 估算精度，为临床医生制定更合理的糖尿病治疗方案提供了更可靠的依据，有望改善糖尿病患者的血糖控制效果和生活质量。这一研究成果对于优化糖尿病管理策略具有重要的指导意义，也为后续在血糖监测和管理领域的研究奠定了基础，推动该领域朝着更加精准化的方向发展。