1型糖尿病成人启动持续葡萄糖监测后的体重与HbA1c轨迹：一项基于组的多轨迹分析队列研究

《The Lancet Regional Health - Europe》：Weight and HbA1c trajectories following initiation of continuous glucose monitoring in adults with type 1 diabetes: a cohort study using group-based multi-trajectory analysis

　　

背景：持续葡萄糖监测（CGM）可改善1型糖尿病（T1D）成人的血糖管理，但可能与体重增加相关。研究人员评估了启动CGM后体重和HbA_1c的变化，并描述了体重-血糖轨迹的特征。方法：研究人员从DPV登记处（DPV-CGM；n=2104）和合并的比利时队列（BE-CGM；n=2074）中回顾性分析了4178名启动CGM的T1D成人。使用配对t检验和基于组的多轨迹模型评估24个月内的结局。在DPV中，将CGM启动者与未使用CGM的匹配对照者（n=2104；按性别、年龄、糖尿病病程、基线体重和HbA_1c匹配）进行比较。结果：24个月后，DPV-CGM队列中平均体重增加1.8 kg [95% CI: 1.5; 2.0]，BE-CGM队列中增加1.0 kg [0.8; 1.2]，而HbA_1c分别下降?0.2% [?0.1; ?0.2]和?0.1% [?0.03; ?0.1]（所有p<0.0001）。在DPV对照组中，体重增加1.2 kg [0.9; 1.5]（p<0.01），HbA_1c下降0.06% [?0.001; ?0.11]（p=0.05）。识别出三条轨迹。第一条显示体重适度增加伴HbA_1c改善：DPV-CGM中147/2104（7.0%）对比DPV对照组中99/2104（4.7%），以及BE-CGM中411/2074（19.8%）。第二条最大的组显示体重和HbA_1c稳定：DPV-CGM中1773/2104（83.2%）对比DPV对照组中1612/2104（74.7%），以及BE-CGM中1447/2074（69.8%）。第三条为不利轨迹，特点是体重显著增加（约8 kg）伴HbA_1c稳定，包括DPV-CGM中184/2104（9.9%）对比DPV对照组中393/2104（20.5%），以及BE-CGM中216/2074（10.4%）（χ² p<0.01）。解读：CGM启动与适度体重增加和HbA_1c改善相关。与匹配对照者相比，CGM使用者属于不利轨迹（体重增加伴HbA_1c稳定）的可能性更低，该轨迹发生率分别为9.9%对比20.5%。

<文章解读>

**研究背景与目的**
过去几十年，1型糖尿病（T1D）的管理取得了显著进展，尤其是持续葡萄糖监测（CGM）系统的应用，通过提供实时血糖数据改善了血糖控制并降低了低血糖和高血糖的发生率。然而，强化胰岛素治疗（如DCCT研究所示）常伴随体重增加，且体重增加与血糖改善呈负相关，可能加剧胰岛素抵抗和心血管风险。随着T1D人群中超重和肥胖的流行率上升，体重管理已成为与血糖控制并重的优先事项。现有真实世界数据和临床试验提示CGM启动后可能引起体重增加，但个体层面的反应差异尚不明确。因此，本研究旨在利用多中心真实世界数据，通过基于组的多轨迹模型（GBTM）评估CGM启动后T1D成人个体水平的体重和HbA_1c变化，并与未使用CGM的匹配对照者进行比较，以区分不同亚组的代谢反应模式。该论文发表在《The Lancet Regional Health - Europe》。

**主要技术方法**
研究人员从德国/奥地利/卢森堡/瑞士糖尿病患者随访登记处（DPV注册处）和比利时两项试验（FUTURE和RESCUE）中获取数据，分别形成DPV-CGM队列（n=2104）和BE-CGM队列（n=2074），并从DPV中选取倾向性评分匹配的未使用CGM的对照组（n=2104，匹配变量：性别、年龄、糖尿病病程、基线体重和HbA_1c）。主要分析方法包括：1）配对t检验评估基线至24个月体重和HbA_1c的变化；2）基于组的多轨迹模型（GBTM）识别体重和HbA_1c的双变量联合轨迹亚组，采用贝叶斯信息准则（BIC）确定最优组数和多项式阶数；3）多变量随机效应荟萃分析合并各队列的轨迹组比例；4）多项逻辑回归分析评估基线协变量与轨迹组归属的关联；5）交叉滞后面板分析（cross-lagged panel analysis）检验体重与HbA_1c之间的双向时间动态关系。

**研究结果**
**基线特征**：DPV-CGM与DPV对照组在匹配变量上可比，BE-CGM队列平均年龄更大、病程更长。所有队列中多数患者使用每日多次胰岛素注射（MDI）。
**整体变化**：24个月后，DPV-CGM组体重平均增加1.8 kg，HbA_1c下降0.2%；BE-CGM组体重增加1.0 kg，HbA_1c下降0.1%；DPV对照组体重增加1.2 kg，HbA_1c下降0.06%（p=0.05）。
**基于组的多轨迹模型**：通过GBTM识别出三条双变量轨迹亚组：
1）**体重适度增加伴HbA_1c下降**（DPV-CGM: 7.0%, BE-CGM: 19.8%, DPV对照组: 4.7%）：该亚组基线HbA_1c最高（DPV-CGM: 9.6%），体重较低，年龄较小，病程较短，CGM启动后HbA_1c显著改善（约?2.3%至?2.4%），体重增加有限（+1.3至+3.8 kg）。
2）**体重和HbA_1c稳定**（DPV-CGM: 83.2%, BE-CGM: 69.8%, DPV对照组: 74.7%）：为主要亚组，体重和HbA_1c变化极小（体重变化?0.5至+0.6 kg，HbA_1c变化?0.01%至+0.2%）。
3）**体重显著增加伴HbA_1c稳定**（DPV-CGM: 9.9%, BE-CGM: 10.4%, DPV对照组: 20.5%）：该不利亚组基线体重最高（DPV-CGM: 78.7 kg），BMI≥30 kg/m2比例最高（23.4%），24个月内体重增加显著（+8.2至+11.1 kg），HbA_1c几乎无变化。
**荟萃分析**：合并三个队列的加权比例分别为：体重适度增加伴HbA_1c下降亚组8.9%，稳定亚组77.4%，体重增加伴HbA_1c稳定亚组12.1%。仅合并两个CGM队列时，不利亚组比例为9.6%。
**逻辑回归**：启动CGM后前6个月体重增加超过队列平均增加量（约0.5 kg）的个体，归属于体重增加伴HbA_1c稳定亚组的几率约为稳定亚组的2倍（OR: 1.85-1.98）。前6个月HbA_1c增加超过平均下降量（约?0.12%至?0.17%）的个体，归属于体重适度增加伴HbA_1c下降亚组的几率降低约95%（OR: 0.02-0.05）。此外，在DPV队列中，启动CGM者归属于体重适度增加伴HbA_1c下降亚组的几率是对照组的近3倍（OR: 2.80）。
**交叉滞后面板分析**：各变量对自身后续时间点的预测效应强，而体重与HbA_1c之间的跨时间点相互关系较弱，仅在DPV-CGM的体重增加伴HbA_1c稳定亚组中，12个月时的HbA_1c每增加1%，预测24个月时体重增加约1 kg。

**讨论与结论**
本研究揭示了CGM启动后T1D成人中体重和血糖演变的分化模式。总体而言，CGM启动后24个月观察到适度的HbA_1c改善和有限的体重增加，但个体差异显著。约10%的CGM使用者（对照者中为20.5%）经历显著体重增加而无血糖获益，提示CGM本身并未增加体重过度增加的风险，反而可能作为综合策略的一部分有助于预防体重增加。早期识别高危人群（如基线体重较高、前6个月体重增加超过1.5 kg）对于及时干预（如辅助治疗或转诊手术）至关重要。相反，另有一小部分患者（约7-20%）在CGM启动后获得显著的HbA_1c改善且体重增加有限，这类人群通常基线HbA_1c高、体重低、年龄小、病程短，可能得益于行为适应（如饮食意识增强、胰岛素滴定优化）。
研究结论：大多数T1D成人无论是否使用CGM，在24个月内体重和血糖控制均保持稳定。尽管体重增加是T1D患者面临的普遍问题，但CGM作为一种工具，对绝大多数使用者体重影响不大，甚至可能限制体重增加。本研究强调了T1D患者代谢反应的个体间变异性，并提示需要针对不同亚组评估治疗和工具（如CGM）的影响。未来研究应纳入更长随访、评估CGM依从性、体力活动及心理因素，并探索体重变化的代谢通路。