-
随着生活水平的提高,人们生活方式的改变以及人口老龄化的加剧,我国糖尿病患病率在逐年增长。而糖尿病微血管并发症(DMAP)通常是指糖尿病肾病(DN)和糖尿病视网膜病变(DR)[1],它们对机体造成的严重危害大大影响了人们的生活质量,增加了病人和社会的医疗以及经济负担。瑞典的一项研究[2]表明,慢性血管病变(包括大血管病变和微血管病变)和神经病变等慢性并发症引发的医疗费用占据了糖尿病病人住院医疗费用支出的很大一部分。控制血糖对减少糖尿病并发症起着至关重要的作用,而糖化血红蛋白(HbA1c)是评价血糖控制水平的良好指标,也可预测糖尿病远期并发症。即使是不同个体HbA1c在同一水平上,他们的平均葡萄糖浓度可能会差异很大,说明仅使用HbA1c评估血糖水平可能存在误导性[3]。2021年ADA糖尿病医疗诊疗标准[4]提出评估血糖控制时,除了延续使用主要指标HbA1c,还强调了持续葡萄糖检测(CGM)对优化葡萄糖管理有着巨大的潜力,新增了使用血糖目标范围内时间(TIR)来评估血糖水平管理,并且提出了TIR与DMAP风险存在密切相关性。本文旨在研究HbA1c、CGM指标(包括TIR)与DMAP的相关性以及TIR和HbA1c对DMAP的预测价值。
-
与NDMAP组相比较,DMAP组病程较长,HbA1c、TC、SDBG、MBG、MAGE较高,TIR较低,差异均有统计学意义(P < 0.05~P < 0.01)(见表 1)。
分组 年龄/岁 男 女 病程/年 HbA1c/% TG/(mmol/L) TC/(mmol/L) HDL/(mmol/L) DMAP组 59.13±10.16 22 23 9.05±4.66 9.81±2.16 1.94±1.15 5.14±1.91 1.16±0.38 NDMAP组 59.58±10.90 60 37 7.34±6.20 7.70±1.28 1.87±1.26 4.32±0.97 1.20±0.37 t 0.23 2.12* 2.49# 5.60# 0.31 2.22# 0.61 P >0.05 >0.05 < 0.05 < 0.01 >0.05 < 0.05 >0.05 分组 LDL/(mmol/L) 收缩压/mmHg 舒张压/mmHg SDBG/(mmol/L) MBG/(mmol/L) TIR/% MAGE/(mmol/L) DMAP组 3.09±1.59 133.80±18.63 80.20±11.56 3.27±0.86 10.11±2.21 50.22±20.62 6.84±2.24 NDMAP组 2.59±0.84 130.22±18.04 79.53±10.90 2.51±1.08 8.80±1.70 69.99±20.10 5.81±1.58 t 1.66# 1.09 0.34 4.15 3.72# 5.41 3.15 P >0.05 >0.05 >0.05 < 0.01 < 0.01 < 0.01 < 0.05 *示χ2值;#示Z值 表 1 2组一般资料和血糖指标比较
-
Spearman相关分析示,DMAP与TIR水平呈负相关关系(r=-0.424, P < 0.01),与HbA1c、MBG、SDBG、MAGE呈正相关关系(r=0.471、0.314、0.371、0.233,P < 0.01)(见表 2)。
指标1 指标2 r P DMAP TIR -0.424 < 0.01 DMAP HbA1c 0.471 < 0.01 DMAP TG 0.037 >0.05 DMAP TC 0.187 < 0.05 DMAP HDL -0.060 >0.05 DMAP LDL 0.140 >0.05 DMAP 收缩压 0.047 >0.05 DMAP 舒张压 0.016 >0.05 DMAP MBG 0.314 < 0.01 DMAP SDBG 0.371 < 0.01 DMAP MAGE 0.233 < 0.01 表 2 DMAP与各指标之间的spearman相关分析
-
以有无DMAP为因变量,以病程、HbA1c、TC、SDBG、MBG、MAGE、TIR为自变量进行二元logistic回归分析,结果显示,校正病程、TC、SDBG、MBG、MAGE等因素后,HbA1c是DMAP的危险因素(OR=1.859,P < 0.01),TIR是DMAP的保护因素(OR=0.948,P < 0.01)(见表 3)。
因素 B SE P OR 95%CI HbA1c 0.620 0.161 < 0.01 1.859 1.357~2.547 TIR -0.053 0.020 < 0.01 0.948 0.912~0.985 表 3 DMAP相关因素的logistic回归分析
-
TIR预测DMAP发生风险的AUC为0.763(95%CI: 0.681~0.846, P < 0.05),灵敏度为0.733,特异度为0.691,最佳诊断值为61%。HbA1c预测DMAP发生风险的AUC为0.792(95%CI: 0.702~0.883,P < 0.01),灵敏度为0.644,特异度为0.928,最佳诊断值为9.4%。HbA1c和TIR联合预测DMAP发生风险的AUC为0.795(95%CI: 0.705~0.885,P < 0.01),灵敏度为0.644,特异度为0.928。
血糖目标范围内时间和糖化血红蛋白与2型糖尿病微血管病变的相关性研究
Correlation of time in range and glycosylated hemoglobin with diabetic microvascular complication in type 2 diabetes mellitus
-
摘要:
目的探讨血糖目标范围内时间(TIR)、血糖波动性、糖化血红蛋白(HbA1c)与2型糖尿病微血管病变(DMAP)的关系。 方法根据有无糖尿病视网膜病变和糖尿病肾病, 将142例2型糖尿病(T2DM)病人分为DMAP组和对照组(NDMAP组)。比较2组的一般临床资料、实验室资料和动态血糖指标。使用Spearman相关分析DMAP与各指标的相关性。使用二元logistic回归分析病人DMAP的影响因素。使用受试者工作特征曲线(ROC曲线)评估HbA1c、TIR对DMAP的预测价值。 结果DMAP组和NDMAP组比较, 病程、HbA1c、总胆固醇(TC)、血糖标准差(SDBG)、平均血糖(MBG)、平均血糖波动幅度(MAGE)、TIR差异均有统计学意义(P < 0.05~P < 0.01)。Spearman相关分析显示: DMAP与TIR水平呈负相关关系(r=-0.424, P < 0.01), 与HbA1c、MBG、SDBG、MAGE呈正相关关系(r=0.471, 0.314, 0.371, 0.233, P < 0.01)。二元logistic回归分析显示, HbA1c是DMAP的危险因素, TIR是DMAP的保护因素。ROC曲线分析显示, HbA1c、TIR预测DMAP发生风险的ROC曲线下面积分别为0.792和0.763。 结论HbA1c、TIR均与DMAP相关, 且可预测DMAP发生的风险。 -
关键词:
- 糖尿病微血管病变 /
- 葡萄糖目标范围内时间 /
- 糖化血红蛋白
Abstract:ObjectiveTo explore the relationship among the time in range (TIR), fluctuation of blood glucose, glycated hemoglobin (HbA1c) and microangiopathy in type 2 diabetes mellitus(T2DM). MethodsA total of 142 patients with T2DM were divided into the diabetic microangiopathy group (DMAP group) and the control group (NDMAP group) according to their diabetic retinopathy and diabetic nephropathy.The general clinical data, laboratory data and dynamic blood glucose index were compared between the two groups.Spearman correlation analysis was used to analyze the correlation between DMAP and each index.The influencing factors of DMAP were analyzed by binary logistic regression analysis.The receiver operating characteristic (ROC) curve was used to evaluate the predictive value of HbA1c and TIR for DMAP. ResultsThere were significant differences in the course of disease, HbA1c, cholesterol (TC), blood glucose standard deviation (SDBG), mean blood glucose (MBG), mean amplitude of glycemic excursions (MAGE) and TIR between the DMAP group and NDMAP group(P < 0.05 to P < 0.01).Spearman correlation analysis showed that DMAP was negatively correlated with TIR (r=-0.424, P < 0.01), and positively correlated with HbA1c, MBG, SDBG and MAGE (r= 0.471, 0.314, 0.371, 0.233, P < 0.01).Binary logistic regression analysis showed that HbA1c was a risk factor for DMAP and TIR was a protective factor for DMAP.ROC curve analysis results showed that the area under the ROC curve for HbA1c and TIR was 0.792 and 0.763, respectively. ConclusionsHbA1c and TIR are both related to DMAP, which can predict the risk of DMAP. -
Key words:
- diabetic microangiopathy /
- glucose time in range /
- glycosylated hemoglobin
-
表 1 2组一般资料和血糖指标比较
分组 年龄/岁 男 女 病程/年 HbA1c/% TG/(mmol/L) TC/(mmol/L) HDL/(mmol/L) DMAP组 59.13±10.16 22 23 9.05±4.66 9.81±2.16 1.94±1.15 5.14±1.91 1.16±0.38 NDMAP组 59.58±10.90 60 37 7.34±6.20 7.70±1.28 1.87±1.26 4.32±0.97 1.20±0.37 t 0.23 2.12* 2.49# 5.60# 0.31 2.22# 0.61 P >0.05 >0.05 < 0.05 < 0.01 >0.05 < 0.05 >0.05 分组 LDL/(mmol/L) 收缩压/mmHg 舒张压/mmHg SDBG/(mmol/L) MBG/(mmol/L) TIR/% MAGE/(mmol/L) DMAP组 3.09±1.59 133.80±18.63 80.20±11.56 3.27±0.86 10.11±2.21 50.22±20.62 6.84±2.24 NDMAP组 2.59±0.84 130.22±18.04 79.53±10.90 2.51±1.08 8.80±1.70 69.99±20.10 5.81±1.58 t 1.66# 1.09 0.34 4.15 3.72# 5.41 3.15 P >0.05 >0.05 >0.05 < 0.01 < 0.01 < 0.01 < 0.05 *示χ2值;#示Z值 表 2 DMAP与各指标之间的spearman相关分析
指标1 指标2 r P DMAP TIR -0.424 < 0.01 DMAP HbA1c 0.471 < 0.01 DMAP TG 0.037 >0.05 DMAP TC 0.187 < 0.05 DMAP HDL -0.060 >0.05 DMAP LDL 0.140 >0.05 DMAP 收缩压 0.047 >0.05 DMAP 舒张压 0.016 >0.05 DMAP MBG 0.314 < 0.01 DMAP SDBG 0.371 < 0.01 DMAP MAGE 0.233 < 0.01 表 3 DMAP相关因素的logistic回归分析
因素 B SE P OR 95%CI HbA1c 0.620 0.161 < 0.01 1.859 1.357~2.547 TIR -0.053 0.020 < 0.01 0.948 0.912~0.985 -
[1] 谭垚. 2型糖尿病患者微血管病变与血糖波动的关系及其影响因素分析[D]. 延安: 延安大学, 2019. [2] ANDERSSON E, PERSSON S, HALLÉN N, et al. Costs of diabetes complications: hospital-based care and absence from work for 392 200 people with type 2 diabetes and matched control participants in Sweden[J]. Diabetologia, 2020, 63(12): 2582. doi: 10.1007/s00125-020-05277-3 [3] BECK RW, CONNOR CG, MULLEN DM, et al. The fallacy of average: how using HbA1c alone to assess glycemic control can be misleading[J]. Diabetes Care, 2017, 40(8): 994. doi: 10.2337/dc17-0636 [4] 蔡璟浩, 周健. 《2021年美国糖尿病学会糖尿病医学诊疗标准》解读[J/CD]. 中国医学前沿杂志(电子版), 2021, 13(2): 13. [5] 中国2型糖尿病防治指南(2017年版)[J]. 中国实用内科杂志, 2018, 38(4): 292. [6] 邝嘉敏, 顾炽昌, 梁勇前. 血糖控制目标范围内时间与糖尿病视网膜病变的相关性分析[J]. 广州医科大学学报, 2021, 49(4): 99. [7] 唐青青, 郭英, 张广栋, 等. 葡萄糖目标范围内时间和糖化血红蛋白水平与糖尿病视网膜病变风险的相关性研究[J]. 中华眼底病杂志, 2022, 38(1): 20. [8] 郗光霞, 安平, 梁登耀, 等. 糖化血红蛋白水平和血糖波动与氧化应激关系的研究[J]. 中国糖尿病杂志, 2021, 29(2): 99. [9] CHATZIRALLI IP. The role of glycemic control and variability in diabetic retinopathy[J]. Diabetes Ther, 2018, 9(1): 431. doi: 10.1007/s13300-017-0345-5 [10] 白倩, 陈琰, 代闪, 等. 2型糖尿病患者血糖波动指标与MAU的相关性[J]. 临床与病理杂志, 2019, 39(8): 1698. [11] 吕玲. 葡萄糖目标范围内时间与2型糖尿病肾脏疾病的相关性研究[D]. 长春: 吉林大学, 2021. [12] AGIOSTRATIDOU G, ANHALT H, BALL D, et al. Standardizing clinically meaningful outcome measures beyond HbA1c for type 1 diabetes: a consensus report of the American Association of Clinical Endocrinologists, the American Association of Diabetes Educators, the American Diabetes Association, the Endocrine Society, JDRF international, the Leona M. and Harry B. Helmsley Charitable Trust, the pediatric Endocrine Society, and the T1D exchange[J]. Diabetes care, 2017, 40(12): 1622. doi: 10.2337/dc17-1624 [13] BECK RW, BERGENSTAL RM, RIDDLESWORTH TD, et al. Validation of time in range as an outcome measure for diabetes clinical trials[J]. Diabetes care, 2019, 42(3): 400. [14] LU J, MA X, ZHOU J, et al. Association of time in range, as assessed by continuous glucose monitoring, with diabetic retinopathy in type 2 diabetes[J]. Diabetes Care, 2018, 41(11): 2370. [15] 陆静毅, 戴冬君, 周健. 糖尿病管理新指标: 葡萄糖在目标范围内时间的研究现状及展望[J]. 中华医学杂志, 2020, 100(38): 2961. [16] 中国2型糖尿病防治指南(2020年版)(上)[J]. 中国实用内科杂志, 2021, 41(8): 668.