2型糖尿病患者扫描式葡萄糖监测系统指标与尿白蛋白/肌酐比值的相关性研究

doi:10.12114/j.issn.1007-9572.2022.0236

中国全科医学 ›› 2022, Vol. 25 ›› Issue (23): 2856-2863.DOI: 10.12114/j.issn.1007-9572.2022.0236

2型糖尿病患者扫描式葡萄糖监测系统指标与尿白蛋白/肌酐比值的相关性研究

潘梓末, 褚琳, 陈陵霞^*(), 王晶桐

100044　北京市，北京大学人民医院老年科

收稿日期:2022-01-08 修回日期:2022-04-20 出版日期:2022-08-15 发布日期:2022-05-26
通讯作者: 陈陵霞
潘梓末，褚琳，陈陵霞，等. 2型糖尿病患者扫描式葡萄糖监测系统指标与尿白蛋白/肌酐比值的相关性研究[J]. 中国全科医学，2022，25（23）：2856-2863. [www.chinagp.net]
作者贡献：潘梓末、陈陵霞进行文章的构思与研究的设计；陈陵霞、王晶桐进行研究的科学性评价；潘梓末、褚琳负责数据收集和整理，统计学处理；潘梓末、褚琳、陈陵霞进行结果分析与解读；潘梓末撰写论文；陈陵霞负责论文的修订。
基金资助:
北京市科委基金项目(Z161100000116095)

Association of Metrics Derived from a Flash Glucose Monitoring System with Urine Albumin-to-creatinine Ratio in T2DM Patients

Zimo PAN, Lin CHU, Lingxia CHEN^*(), Jingtong WANG

Department of Geriatrics, Peking University People's Hospital, Beijing 100044, China

Received:2022-01-08 Revised:2022-04-20 Published:2022-08-15 Online:2022-05-26
Contact: Lingxia CHEN
About author:
PAN Z M, CHU L, CHEN L X, et al. Association of metrics derived from a flash glucose monitoring system with urine albumin-to-creatinine ratio in T2DM patients[J]. Chinese General Practice, 2022, 25 (23) : 2856-2863.

分享到

摘要/Abstract

摘要： 背景随着血糖监测技术的发展，近些年来人们开始使用扫描式葡萄糖监测系统（FGMS）"全景式"地观察2型糖尿病（T2DM）患者的血糖水平，明确FGMS指标与T2DM并发症之间的关系有助于提高其临床应用价值，但目前相关研究较少。目的探究佩戴FGMS的T2DM患者葡萄糖在目标范围内时间（TIR）等指标与尿白蛋白/肌酐比值（UACR）的相关性。方法选取2019年1月至2021年10月于北京大学人民医院老年科就诊并佩戴FGMS的T2DM患者79例，以尿液检查中UACR是否<30 mg/g将患者分为无白蛋白尿组（n=50）和白蛋白尿组（n=29）。比较两组患者的临床特征、实验室检查指标及FGMS指标等。采用Pearson相关、Spearman秩相关分析探讨TIR、高血糖时间（TAR）与糖化血红蛋白（HbA1c）的相关性。分别采用Pearson相关、Spearman秩相关、偏相关分析探讨FGMS指标与lnUACR的相关性。使用多因素Logistic回归分析探究T2DM患者发生白蛋白尿的影响因素，采用受试者工作特征（ROC）曲线评估TIR对白蛋白尿的预测价值。结果白蛋白尿组T2DM病程长于无白蛋白尿组，三酰甘油（TG）、HbA1c、平均血糖（MBG）、TAR、平均血糖标准差（SDBG）、最大葡萄糖波动幅度（LAGE）、平均葡萄糖波动幅度（MAGE）、连续每隔2 h血糖净作用（CONGA2）高于无白蛋白尿组，TIR低于无白蛋白尿组（P<0.05）。Pearson相关、Spearman秩相关分析结果显示，TIR与HbA1c呈负相关（P<0.001），TAR与HbA1c呈正相关（P<0.001）。Pearson相关、Spearman秩相关、偏相关分析结果均表明，TIR与lnUACR呈负相关（P<0.001），MBG、TAR、SDBG、LAGE、MAGE、CONGA2与lnUACR呈正相关（P<0.001）。多因素Logistic回归分析结果显示，TIR>70%〔OR=0.038，95%CI（0.003，0.467）〕是T2DM患者出现白蛋白尿的保护因素（P<0.05），TAR升高〔OR=1.046，95%CI（1.000，1.094）〕是T2DM患者出现白蛋白尿的危险因素（P<0.05）。TIR预测T2DM患者出现白蛋白尿的ROC曲线下面积（AUC）为0.784〔95%CI（0.674，0.894）〕（P=0.003），灵敏度为78%，特异度为83%，最佳切点为69.71%。结论在FGMS指标中，TIR>70%是T2DM患者出现白蛋白尿的保护因素，TAR升高是T2DM患者出现白蛋白尿的危险因素。同时，SDBG、LAGE、MAGE、CONGA2等多种反映血糖波动的指标也与UACR密切相关。对TIR水平较低及TAR、SDBG、LAGE、MAGE、CONGA2水平较高的T2DM患者进行FGMS筛查有助于早期识别及预防白蛋白尿的发生、发展。

关键词: 糖尿病，2型, 糖尿病肾病, 白蛋白尿, 尿白蛋白/肌酐比, 血糖自我监测, 扫描式葡萄糖监测系统, 目标范围内时间, 血糖波动

Abstract:

Background

With the advances in blood glucose monitoring technologies, a flash glucose monitoring system (FGMS) has recently been used to panoramically observe the blood glucose level in patients with type 2 diabetes mellitus (T2DM). Evaluating the relationship of blood glucose metrics monitored by the FGMS with T2DM complications will facilitate the clinical application of FGMS but relevant studies are rare.

Objective

To assess the correlation of time in range (TIR) and other markers with urine albumin-to-creatinine ratio (UACR) in patients with T2DM using a FGMS.

Methods

T2DM patients (n=79) using a FGMS were selected from Department of Geriatrics, Peking University People's Hospital from January 2019 to October 2021, including 29 with UACR greater than 30 mg/g (albuminuria group) and 50 with UACR less than 30 mg/g (non-albuminuria group). The clinical characteristics, laboratory test markers, and blood glucose metrics monitored by the FGMS of the two groups were compared. Pearson correlation and Spearman correlation analyses were used to explore the correlation of TIR and time above range (TAR) with glycated hemoglobin (HbA_1c). Pearson correlation, Spearman correlation and partial correlation analyses were used to explore the correlations of FGMS markers with natural logarithm-transformed UACR, respectively. Multivariate Logistic regression analysis was used to explore the factors influencing the development of albuminuria in T2DM. The predictive value of TIR for albuminuria was assessed using the receiver operating characteristic (ROC) curve.

Results

Compared with the non-albuminuria group, albuminuria group had longer duration of T2DM (P<0.05). Moreover, albuminuria group had higher triacylglycerol, HbA_1c, mean blood glucose (MBG), TAR, the standard deviation of mean blood glucose (SDBG), the largest amplitude of glycemic excursions (LAGE), mean amplitude of glycemic excursions (MAGE), and 2 h continuous overlapping net glycemic action (CONGA₂), as well as lower TIR (P<0.05). Pearson correlation and Spearman correlation analyses showed that HbA_1c was negatively correlated with TIR (P<0.001), and was positively correlated with TAR (P<0.001). Pearson correlation, Spearman correlation and partial correlation analyses revealed that the natural logarithm-transformed UACR was negatively correlated with TIR (P<0.001), and was positively correlated with MBG, TAR, SDBG, LAGE, MAGE, and CONGA₂ (P<0.001). Multivariable Logistic regression analysis showed that TIR>70%〔OR=0.038, 95%CI (0.003, 0.467) 〕 was associated with decreased risk of albuminuria in T2DM (P<0.05), while elevated TAR〔OR=1.046, 95%CI (1.000, 1.094) 〕 was associated with increased risk of albuminuria in T2DM (P<0.05). The area under the ROC curve of TIR for predicting the presence of albuminuria in T2DM was 0.784 〔95%CI (0.674, 0.894) 〕 (P=0.003), with a sensitivity of 78%, and a specificity of 83% when the optimal cutoff point was chosen as 69.71%.

Conclusion

The risk of albuminuria decreased with TIR>70% but increased with elevated TAR in T2DM. UACR was closely related with SDBG, LAGE, MAGE, CONGA₂ and other markers reflecting blood glucose fluctuations. Early screening and identifying T2DM patients with a low TIR level, and a high TAR, SDBG, LAGE, MAGE, and CONGA₂ will help to prevent the development of albuminuria.

Key words: Diabetes mellitus, type 2, Diabetic nephropathy, Albuminuria, Urine albumin-to-creatinine ratio, Blood glucose self-monitoring, Flash glucose monitoring system, Time in range, Blood glucose fluctuations

潘梓末,褚琳,陈陵霞,等. 2型糖尿病患者扫描式葡萄糖监测系统指标与尿白蛋白/肌酐比值的相关性研究[J]. 中国全科医学, 2022, 25(23): 2856-2863. DOI: 10.12114/j.issn.1007-9572.2022.0236.
Zimo PAN,Lin CHU,Lingxia CHEN, et al. Association of Metrics Derived from a Flash Glucose Monitoring System with Urine Albumin-to-creatinine Ratio in T2DM Patients[J]. Chinese General Practice, 2022, 25(23): 2856-2863. DOI: 10.12114/j.issn.1007-9572.2022.0236.

图/表 6

参考文献 40

[1]	BECK R W，CONNOR C G，MULLEN D M，et al. The fallacy of average：how using HbA 1c alone to assess glycemic control can be misleading[J]. Diabetes Care，2017，40（8）：994-999. DOI：10.2337/dc17-0636.
[2]	中华医学会糖尿病学分会. 中国持续葡萄糖监测临床应用指南（2017年版）[J]. 中华糖尿病杂志，2017，9（11）：667-675. DOI：10.3760/cma.j.issn.1674-5809.2017.11.002.
[3]	CAI L L，ZHOU J，JIA W P. Clinical research progress of flash glucose monitoring[J]. Zhonghua Nei Ke Za Zhi，2018，57（11）：858-861. DOI：10.3760/cma.j.issn.0578-1426.2018.11.014.
[4]	BAILEY T，BODE B W，CHRISTIANSEN M P，et al. The performance and usability of a factory-calibrated flash glucose monitoring system[J]. Diabetes Technol Ther，2015，17（11）：787-794. DOI：10.1089/dia.2014.0378.
[5]	BONORA B，MARAN A，CICILIOT S，et al. Head-to-head comparison between flash and continuous glucose monitoring systems in outpatients with type 1 diabetes[J]. J Endocrinol Invest，2016，39（12）：1391-1399. DOI：10.1007/s40618-016-0495-8.
[6]	ÓLAFSDÓTTIR A F，ATTVALL S，SANDGREN U，et al. A clinical trial of the accuracy and treatment experience of the flash glucose monitor FreeStyle libre in adults with type 1 diabetes[J]. Diabetes Technol Ther，2017，19（3）：164-172. DOI：10.1089/dia.2016.0392.
[7]	VIGERSKY R A，MCMAHON C. The relationship of hemoglobin A1C to time-in-range in patients with diabetes[J]. Diabetes Technol Ther，2019，21（2）：81-85. DOI：10.1089/dia.2018.0310.
[8]	DANNE T，NIMRI R，BATTELINO T，et al. International consensus on use of continuous glucose monitoring[J]. Diabetes Care，2017，40（12）：1631-1640. DOI：10.2337/dc17-1600.
[9]	LU J Y，MA X J，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）：2370-2376. DOI：10.2337/dc18-1131.
[10]	LU J，MA X，SHEN Y，et al. Time in range is associated with carotid intima-media thickness in type 2 diabetes[J]. Diabetes Technol Ther，2020，22（2）：72-78. DOI：10.1089/dia.2019.0251.
[11]	中华医学会糖尿病学分会微血管并发症学组. 中国糖尿病肾脏疾病防治临床指南[J]. 中华糖尿病杂志，2019，11（1）：15-28. DOI：10.3760/cma.j.issn.1674-5809.2019.01.004.
[12]	BATTELINO T，DANNE T，BERGENSTAL R M，et al. Clinical targets for continuous glucose monitoring data interpretation：recommendations from the international consensus on time in range[J]. Diabetes Care，2019，42（8）：1593-1603. DOI：10.2337/dci19-0028.
[13]	Professional practice committee：Standards of medical care in diabetes-2021[J]. Diabetes Care，2021，44（Suppl 1）：S3. DOI：10.2337/dc21-Sppc.
[14]	DE BLOCK C，MANUEL-Y-KEENOY B，VAN GAAL L，et al. Intensive insulin therapy in the intensive care unit：assessment by continuous glucose monitoring[J]. Diabetes Care，2006，29（12）：2763-2764. DOI：10.2337/dc06-1841.
[15]	GRIESDALE D E G，DE SOUZA R J，DAM R M V，et al. Intensive insulin therapy and mortality among critically ill patients：a meta-analysis including NICE-SUGAR study data[J]. CMAJ，2009，180（8）：821-827. DOI：10.1503/cmaj.090206.
[16]	The Action to Control Cardiovascular Risk in Diabetes Study Group. Effects of intensive glucose lowering in type 2 diabetes[J]. N Engl J Med，2008，358：2545-2559. DOI：10.1056/NEJMoa0802743.
[17]	中华医学会糖尿病学分会.中国血糖监测临床应用指南（2021年版）[J]. 中华糖尿病杂志，2021，13（10）：936-948.DOI：10.3760/cma.j.cn115791-20210810-00436.
[18]	VIGERSKY R A，FONDA S J，CHELLAPPA M，et al. Short- and long-term effects of real-time continuous glucose monitoring in patients with type 2 diabetes[J]. Diabetes Care，2012，35（1）：32-38. DOI：10.2337/dc11-1438.
[19]	BOLINDER J，ANTUNA R，GEELHOED-DUIJVESTIJN P，et al. Novel glucose-sensing technology and hypoglycaemia in type 1 diabetes：a multicentre，non-masked，randomised controlled trial[J]. Lancet，2016，388（10057）：2254-2263. DOI：10.1016/S0140-6736(16)31535-5.
[20]	BECK R W，BERGENSTAL R M，RIDDLESWORTH T D，et al. Validation of time in range as an outcome measure for diabetes clinical trials[J]. Diabetes Care，2019，42（3）：400-405. DOI：10.2337/dc18-1444.
[21]	YOO J H，CHOI M S，AHN J，et al. Association between continuous glucose monitoring-derived time in range，other core metrics，and albuminuria in type 2 diabetes[J]. Diabetes Technol Ther，2020，22：768-776. DOI：10.1089/dia.2019.0499.
[22]	MONNIER L，COLETTE C. Glycemic variability：should we and can we prevent it? [J]. Diabetes Care，2008，31（Suppl 2）：S150-154. DOI：10.2337/dc08-s241.
[23]	BROWNLEE M. Biochemistry and molecular cell biology of diabetic complications[J]. Nature，2001，414（6865）：813-820. DOI：10.1038/414813a.
[24]	MATOBA K，TAKEDA Y，NAGAI Y，et al. Targeting redox imbalance as an approach for diabetic kidney disease[J]. Biomedicines，2020，8（2）：E40. DOI：10.3390/biomedicines8020040.
[25]	REDDY M A，ADLER S G，KIM Y S，et al. Interaction of MAPK and 12-lipoxygenase pathways in growth and matrix protein expression in mesangial cells[J]. Am J Physiol Renal Physiol，2002，283（5）：F985-994. DOI：10.1152/ajprenal.00181.2002.
[26]	JHA J C，BANAL C，CHOW B S，et al. Diabetes and kidney disease：role of oxidative stress[J]. Antioxid Redox Signal，2016，25（12）：657-684. DOI：10.1089/ars.2016.6664.
[27]	BECK R W，BERGENSTAL R M，CHENG P Y，et al. The relationships between time in range，hyperglycemia metrics，and HbA_1c[J]. J Diabetes Sci Technol，2019，13（4）：614-626. DOI：10.1177/1932296818822496.
[28]	邓明群，周丽媛，翟笑，等. 扫描式葡萄糖监测系统中目标范围时间与糖化血红蛋白的相关性[J]. 协和医学杂志，2021，12（4）：526-530. DOI：10.12290/xhyxzz.20200035.
[29]	RISSO A，MERCURI F，QUAGLIARO L，et al. Intermittent high glucose enhances apoptosis in human umbilical vein endothelial cells in culture[J]. Am J Physiol Endocrinol Metab，2001，281（5）：E924-930. DOI：10.1152/ajpendo.2001.281.5.E924.
[30]	NUSCA A，TUCCINARDI D，ALBANO M，et al. Glycemic variability in the development of cardiovascular complications in diabetes[J]. Diabetes Metab Res Rev，2018，34（8）：e3047. DOI：10.1002/dmrr.3047.
[31]	SUBRAMANIAN S，HIRSCH I B. Diabetic kidney disease：is there a role for glycemic variability? [J]. Curr Diab Rep，2018，18（3）：13. DOI：10.1007/s11892-018-0979-3.
[32]	ŠKRHA J，ŠOUPAL J，ŠKRHA J Jr，et al. Glucose variability，HbA_1c and microvascular complications[J]. Rev Endocr Metab Disord，2016，17（1）：103-110. DOI：10.1007/s11154-016-9347-2.
[33]	YING C J，ZHOU X Y，CHANG Z Z，et al. Blood glucose fluctuation accelerates renal injury involved to inhibit the AKT signaling pathway in diabetic rats[J]. Endocrine，2016，53（1）：81-96. DOI：10.1007/s12020-016-0867-z.
[34]	HORVÁTH E M，BENKO R，KISS L，et al. Rapid 'glycaemic swings' induce nitrosative stress，activate poly（ADP-ribose） polymerase and impair endothelial function in a rat model of diabetes mellitus[J]. Diabetologia，2009，52（5）：952-961. DOI：10.1007/s00125-009-1304-0.
[35]	中华医学会内分泌学分会. 糖尿病患者血糖波动管理专家共识[J]. 药品评价，2017，14（17）：5-8，14. DOI：10.3969/j.issn.1672-2809.2017.17.001.
[36]	MONNIER L，MAS E，GINET C，et al. Activation of oxidative stress by acute glucose fluctuations compared with sustained chronic hyperglycemia in patients with type 2 diabetes[J]. JAMA，2006，295（14）：1681-1687. DOI：10.1001/jama.295.14.1681.
[37]	CAMERON F J，DONATH S M，BAGHURST P A. Measuring glycaemic variation[J]. Curr Diabetes Rev，2010，6（1）：17-26. DOI：10.2174/157339910790442592.
[38]	SU G，MI S H，TAO H，et al. Association of glycemic variability and the presence and severity of coronary artery disease in patients with type 2 diabetes[J]. Cardiovasc Diabetol，2011，10：19. DOI：10.1186/1475-2840-10-19.
[39]	JIN S M，KIM T H，OH S，et al. Association between the extent of urinary albumin excretion and glycaemic variability indices measured by continuous glucose monitoring[J]. Diabet Med，2015，32（2）：274-279. DOI：10.1111/dme.12607.
[40]	ŠOUPAL J，ŠKRHA J Jr，FAJMON M，et al. Glycemic variability is higher in type 1 diabetes patients with microvascular complications irrespective of glycemic control[J]. Diabetes Technol Ther，2014，16（4）：198-203. DOI：10.1089/dia.2013.0205.

组别	例数	年龄（岁）	性别（男/女）	BMI（kg/m²）	T2DM病程〔M（P₂₅，P₇₅），年〕	高血压病史〔n（%）〕	ACEI/ARB使用史〔n（%）〕	SGLT-2抑制剂使用史〔n（%）〕	降压药物使用史〔n（%）〕	吸烟史〔n（%）〕
无白蛋白尿组	50	66.6±13.5	33/17	24.9±3.1	12（5，20）	34（68.0）	20（40.0）	2（4.0）	21（42.0）	18（36.0）
白蛋白尿组	29	66.7±14.4	18/11	26.2±5.1	20（12，30）	21（72.4）	11（37.9）	4（13.8）	12（41.4）	11（37.9）
检验统计量值		-0.030	0.124^a	-1.105	930.000^b	0.169^a	0.033^a	2.508^a	0.003^a	0.029^a
P值		0.977	0.725	0.278	0.003	0.681	0.856	0.113	0.957	0.864
组别	收缩压（mm Hg）	舒张压（mm Hg）	HbA_1c（%）	TC（mmol/L）	TG〔M（P₂₅，P₇₅），mmol/L〕	LDL-C（mmol/L）	HDL-C（mmol/L）	ALB（g/L）	FINS〔M（P₂₅，P₇₅），μU/ml〕
无白蛋白尿组	131±18	75±10	7.7±1.4	4.21±1.05	1.31（1.04，2.01）	2.55±0.85	1.14±0.31	41.3±4.9	10.54（7.53，13.67）
白蛋白尿组	140±18	76±12	9.2±2.0	4.52±1.22	1.64（1.22，3.02）	2.68±0.77	1.17±0.59	39.7±4.6	7.62（5.96，27.11）
检验统计量值	-1.893	-0.353	-3.256	-1.206	922.000^b	-0.655	-0.314	1.432	382.500^b
P值	0.063	0.725	0.002	0.232	0.045	0.514	0.755	0.156	0.890
组别	FCP〔M（P₂₅，P₇₅），μg/L〕	eGFR〔ml·min^-1·（1.73 m²）^-1〕	FGMS佩戴天数（d）	FGMS计算次数（次）	MBG（mmol/L）	TAR〔M（P₂₅，P₇₅），%〕	TIR（%）	TBR〔M（P₂₅，P₇₅），%〕
无白蛋白尿组	2.13（1.20，2.99）	86.80±19.61	11.6±3.1	1 187±224	7.5±1.8	9.64（2.73，26.61）	77.9±19.1	1.45（0.26，4.28）
白蛋白尿组	2.59（1.52，3.80）	81.34±25.88	11.1±3.5	1 169±250	9.6±1.8	44.13（31.50，58.29）	55.4±21.0	0.60（0，1.91）
检验统计量值	232.000^b	1.058	0.680	0.120	-5.087	1 174.500^b	4.869	527.000^b
P值	0.279	0.293	0.498	0.905	<0.001	<0.001	<0.001	0.042

组别	例数	年龄（岁）	性别（男/女）	BMI（kg/m²）	T2DM病程〔M（P₂₅，P₇₅），年〕	高血压病史〔n（%）〕	ACEI/ARB使用史〔n（%）〕	SGLT-2抑制剂使用史〔n（%）〕	降压药物使用史〔n（%）〕	吸烟史〔n（%）〕
无白蛋白尿组	50	66.6±13.5	33/17	24.9±3.1	12（5，20）	34（68.0）	20（40.0）	2（4.0）	21（42.0）	18（36.0）
白蛋白尿组	29	66.7±14.4	18/11	26.2±5.1	20（12，30）	21（72.4）	11（37.9）	4（13.8）	12（41.4）	11（37.9）
检验统计量值		-0.030	0.124^a	-1.105	930.000^b	0.169^a	0.033^a	2.508^a	0.003^a	0.029^a
P值		0.977	0.725	0.278	0.003	0.681	0.856	0.113	0.957	0.864
组别	收缩压（mm Hg）	舒张压（mm Hg）	HbA_1c（%）	TC（mmol/L）	TG〔M（P₂₅，P₇₅），mmol/L〕	LDL-C（mmol/L）	HDL-C（mmol/L）	ALB（g/L）	FINS〔M（P₂₅，P₇₅），μU/ml〕
无白蛋白尿组	131±18	75±10	7.7±1.4	4.21±1.05	1.31（1.04，2.01）	2.55±0.85	1.14±0.31	41.3±4.9	10.54（7.53，13.67）
白蛋白尿组	140±18	76±12	9.2±2.0	4.52±1.22	1.64（1.22，3.02）	2.68±0.77	1.17±0.59	39.7±4.6	7.62（5.96，27.11）
检验统计量值	-1.893	-0.353	-3.256	-1.206	922.000^b	-0.655	-0.314	1.432	382.500^b
P值	0.063	0.725	0.002	0.232	0.045	0.514	0.755	0.156	0.890
组别	FCP〔M（P₂₅，P₇₅），μg/L〕	eGFR〔ml·min^-1·（1.73 m²）^-1〕	FGMS佩戴天数（d）	FGMS计算次数（次）	MBG（mmol/L）	TAR〔M（P₂₅，P₇₅），%〕	TIR（%）	TBR〔M（P₂₅，P₇₅），%〕
无白蛋白尿组	2.13（1.20，2.99）	86.80±19.61	11.6±3.1	1 187±224	7.5±1.8	9.64（2.73，26.61）	77.9±19.1	1.45（0.26，4.28）
白蛋白尿组	2.59（1.52，3.80）	81.34±25.88	11.1±3.5	1 169±250	9.6±1.8	44.13（31.50，58.29）	55.4±21.0	0.60（0，1.91）
检验统计量值	232.000^b	1.058	0.680	0.120	-5.087	1 174.500^b	4.869	527.000^b
P值	0.279	0.293	0.498	0.905	<0.001	<0.001	<0.001	0.042

组别	例数	SDBG（mmol/L）	CV（%）	MAGE（mmol/L）	LAGE（mmol/L）	MODD（mmol/L）	CONGA₂（mmol/L）
无白蛋白尿组	44	2.17±0.69	28.3±5.0	4.92±1.37	12.02±3.21	0.81±0.37	6.39±1.71
白蛋白尿组	17	2.98±1.23	30.1±7.8	6.32±2.30	15.20±4.81	0.64±0.27	8.44±2.29
t值		-2.551	-0.898	-2.357	-3.006	1.642	-3.805
P值		0.019	0.379	0.028	0.004	0.106	<0.001

组别	例数	SDBG（mmol/L）	CV（%）	MAGE（mmol/L）	LAGE（mmol/L）	MODD（mmol/L）	CONGA₂（mmol/L）
无白蛋白尿组	44	2.17±0.69	28.3±5.0	4.92±1.37	12.02±3.21	0.81±0.37	6.39±1.71
白蛋白尿组	17	2.98±1.23	30.1±7.8	6.32±2.30	15.20±4.81	0.64±0.27	8.44±2.29
t值		-2.551	-0.898	-2.357	-3.006	1.642	-3.805
P值		0.019	0.379	0.028	0.004	0.106	<0.001

变量	r（r_s）值	P值	偏相关系数	P值
MBG	0.516	<0.001	0.299	0.024
TAR	0.469^a	<0.001	0.338	0.010
TIR	-0.508	<0.001	-0.373	0.004
TBR	-0.143^a	0.210	0.101	0.455
SDBG	0.509	<0.001	0.368	0.018
CV	0.245	0.057	0.184	0.251
MAGE	0.467	<0.001	0.387	0.012
LAGE	0.425	0.001	0.318	0.043
MODD	-0.195	0.132	-0.019	0.904
CONGA₂	0.508	<0.001	0.361	0.020

2型糖尿病患者扫描式葡萄糖监测系统指标与尿白蛋白/肌酐比值的相关性研究

Association of Metrics Derived from a Flash Glucose Monitoring System with Urine Albumin-to-creatinine Ratio in T2DM Patients

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 6

参考文献 40

相关文章 15

编辑推荐

Metrics

留言

变量	模型	β	SE	Wald χ²值	OR（95%CI）	P值
TIR	单变量	-2.513	0.584	18.528	0.081（0.026，0.254）	<0.001
	模型1	-4.328	1.128	14.717	0.013（0.001，0.120）	<0.001
	模型2	-3.834	1.174	10.664	0.022（0.002，0.216）	0.001
	模型3	-3.275	1.282	6.523	0.038（0.003，0.467）	0.011
MBG	单变量	0.630	0.160	15.459	1.878（1.372，2.571）	<0.001
	模型1	0.901	0.234	14.854	2.463（1.557，3.896）	<0.001
	模型2	0.710	0.236	9.024	2.033（1.280，3.230）	0.003
	模型3	0.482	0.260	3.436	1.620（0.973，2.697）	0.064
TAR	单变量	0.051	0.013	16.438	1.052（1.027，1.079）	<0.001
	模型1	0.079	0.019	17.049	1.082（1.042，1.123）	<0.001
	模型2	0.067	0.020	10.906	1.069（1.028，1.113）	0.001
	模型3	0.045	0.023	3.927	1.046（1.000，1.094）	0.048
SDBG	单变量	0.979	0.369	7.051	2.661（1.292，5.480）	0.008
	模型1	1.379	0.491	7.887	3.973（1.517，10.403）	0.005
	模型2	1.504	0.637	5.580	4.499（1.292，15.670）	0.018
	模型3	1.553	1.087	2.041	4.724（0.561，39.765）	0.153
MAGE	单变量	0.458	0.180	6.488	1.581（1.111，2.250）	0.011
	模型1	0.679	0.241	7.900	1.971（1.228，3.164）	0.005
	模型2	0.736	0.280	6.916	2.087（1.206，3.612）	0.009
	模型3	0.580	0.351	2.727	1.786（0.897，3.554）	0.099
LAGE	单变量	0.219	0.084	6.773	1.245（1.055，1.467）	0.009
	模型1	0.339	0.122	7.753	1.404（1.106，1.783）	0.005
	模型2	0.356	0.145	6.001	1.427（1.074，1.897）	0.014
	模型3	0.320	0.212	2.270	1.377（0.908，2.086）	0.132
CONGA₂	单变量	0.513	0.168	9.297	1.670（1.201，2.323）	0.002
	模型1	0.782	0.273	8.227	2.185（1.281，3.728）	0.004
	模型2	0.682	0.296	5.302	1.978（1.107，3.534）	0.021
	模型3	0.622	0.399	2.436	1.864（0.853，4.072）	0.119

[1]	李殿江, 潘恩春, 孙中明, 文进博, 王苗苗, 武鸣, 沈冲. 社区2型糖尿病患者临床惰性现状及其影响因素分析[J]. 中国全科医学, 2023, 26(34): 4296-4301.
[2]	林恺, 姚弥, 陈章, 纪欣鑫, 林润琪, 陈永松, Sim MOIRA. 2型糖尿病治疗负担的概念框架及应对方式：基于视频记录分析[J]. 中国全科医学, 2023, 26(34): 4302-4307.
[3]	周小琦, 刘新会, 张微, 李长风, 严亚琼. 老年人丙氨酸氨基转移酶和天冬氨酸氨基转移酶/丙氨酸氨基转移酶与2型糖尿病及代谢综合征的相关性研究[J]. 中国全科医学, 2023, 26(29): 3645-3649.
[4]	孔德先, 邢煜玲, 孙文文, 张智敏, 周霏, 马慧娟. 预估葡萄糖处理率与2型糖尿病合并代谢相关脂肪性肝病的相关性研究[J]. 中国全科医学, 2023, 26(26): 3252-3258.
[5]	陈伦文, 周阳, 闫国栋, 沈怡, 孙晨, 蔡婉丽, 褚敏捷, 肖静. 2型糖尿病的恶性肿瘤风险：一项基于人群的前瞻性研究[J]. 中国全科医学, 2023, 26(26): 3238-3245.
[6]	费思杰, 张强, 刘方方, 白璐, 孙彩红, 信彩凤. 糖化血红蛋白变异性与2型糖尿病合并射血分数保留心力衰竭患者新发心房颤动的关系研究[J]. 中国全科医学, 2023, 26(26): 3246-3251.
[7]	卢作维, 曹宏伟, 刘涛, 张娜娜, 陈艳艳, 史勤利, 刘向阳, 王琼, 赖敬波, 李晓苗. 2型糖尿病患者微量白蛋白尿进展至大量白蛋白尿的风险预测模型研究[J]. 中国全科医学, 2023, 26(26): 3259-3268.
[8]	赵丽珍, 李卫民, 姜瑞霞. 系统免疫炎症指数对社区老年2型糖尿病患者并发糖尿病肾病的临床诊断价值研究[J]. 中国全科医学, 2023, 26(18): 2227-2231.
[9]	方福生, 刘星宇, 闫双通, 王宁, 李春霖, 田慧. 老年男性2型糖尿病患者目标范围内时间与长期血糖变异性的关系研究[J]. 中国全科医学, 2023, 26(16): 1979-1983.
[10]	张丽娜, 王岩, 张抗怀, 李友佳. 新型降糖药物替西帕肽的临床研究进展[J]. 中国全科医学, 2023, 26(15): 1902-1908.
[11]	王海燕, 黄源, 桂春. 2型糖尿病对扩张型心肌病患者预后的影响研究[J]. 中国全科医学, 2023, 26(15): 1840-1846.
[12]	王凌霄, 董荣娜, 周冰, 郭丽娜, 李晶. 人机交互智能管理对初发2型糖尿病患者血糖控制的影响研究[J]. 中国全科医学, 2023, 26(15): 1817-1823.
[13]	宋华隆, 高鹰. 血尿酸水平与2型糖尿病发病风险的关联队列研究[J]. 中国全科医学, 2023, 26(15): 1831-1839.
[14]	舒涛, 郭正, 王飞, 陈书艳. 葡萄糖在目标范围内时间与糖尿病肾脏疾病的相关性研究[J]. 中国全科医学, 2023, 26(15): 1873-1879.
[15]	孟启哲, 奚志, 王铭, 王洋, 杨霄鹏. 2型糖尿病合并近期皮质下小梗死患者血糖变异性与梗死负担及认知功能障碍的相关性研究[J]. 中国全科医学, 2023, 26(15): 1885-1891.