引用本文

許月瑤, 焦惠艷, 聶朦, 袁志權(quán), 鄔娜, 李成英, 吳龍, 伍永紅, 鐘理, 李亞斐, 楊敬源. 社區(qū)2型糖尿病患者空腹血糖波動軌跡及其影響因素分析[J]. 陸軍軍醫(yī)大學(xué)學(xué)報, 2023, 45(8): 786-793.   DOI: 10.16016/j.2097-0927.202209169  

XU Yueyao, JIAO Huiyan, NIE Meng, YUAN Zhiquan, WU Na, LI Chengying, WU Long, WU Yonghong, ZHONG Li, LI Yafei, YANG Jingyuan. Trajectory and influencing factors of fasting blood glucose fluctuations in patients with type 2 diabetes mellitus in community[J]. Journal of Army Medical University, 2023, 45(8): 786-793.   DOI: 10.16016/j.2097-0927.202209169  

這篇開放獲取文章遵循CC BY許可協(xié)議

社區(qū)2型糖尿病患者空腹血糖波動軌跡及其影響因素分析

, 焦惠艷3, 聶朦1,2, 袁志權(quán)2, 鄔娜2, 李成英2, 吳龍2, 伍永紅3, 鐘理4, 李亞斐2, 楊敬源1     

1. 550025 貴陽，貴州醫(yī)科大學(xué)公共衛(wèi)生與健康學(xué)院流行病與衛(wèi)生統(tǒng)計學(xué)系環(huán)境污染與疾病監(jiān)控教育部重點實驗室;
2. 400038 重慶，陸軍軍醫(yī)大學(xué)(第三軍醫(yī)大學(xué))軍事預(yù)防醫(yī)學(xué)系軍隊流行病學(xué)教研室;
3. 400032 重慶，沙坪壩區(qū)雙碑社區(qū)衛(wèi)生服務(wù)中心;
4. 401120 重慶，重慶醫(yī)科大學(xué)附屬第三醫(yī)院心血管疾病中心

收稿: 2022-09-19；修回: 2022-11-16

[摘要] 目的 構(gòu)建社區(qū)2型糖尿病患者的空腹血糖波動的軌跡模型，并分析不同類別血糖波動軌跡的影響因素。方法 本研究采用回顧性隊列研究，納入769例于2012年1月至2019年12月在重慶市沙坪壩區(qū)雙碑社區(qū)衛(wèi)生服務(wù)中心建立居民健康檔案并加入社區(qū)隨訪管理的2型糖尿病患者，基于群體的軌跡模型(group-based trajectory modelling，GBTM)來識別、構(gòu)建糖尿病患者的空腹血糖波動軌跡，利用貝葉斯信息準則(Bayesian information criterion，BIC)、平均驗后分組概率(average posterior probability，AvePP)等評價指標選擇最佳亞組數(shù)的軌跡，比較不同類別軌跡在人口學(xué)特征、個人健康狀況、疾病史、生活方式、服藥依從性等方面的差異，運用無序多分類Logistic回歸模型分析不同波動軌跡的影響因素。結(jié)果 運用GBTM分析，將社區(qū)769名2型糖尿病患者分為3個不同波動軌跡亞組，分別為“低水平平穩(wěn)組”、“高水平下降組”和“中水平上升組”。以低水平平穩(wěn)組為對照，無序多分類Logistic回歸分析結(jié)果顯示：有高血壓病史、未服藥患者被歸為“高水平下降組”的可能性較低，即這些患者的血糖從高水平逐漸下降的可能性較低(OR=0.50，95%CI：0.28~0.90，P=0.021；OR=0.13，95%CI：0.03~0.56，P=0.006)。但是偶爾或不鍛煉、飲酒或已戒酒的患者更傾向于被歸為“高水平下降組”(OR=2.02，95%CI：1.15~3.55，P=0.014；OR=2.32，95%CI：1.16~4.63，P=0.017)。與規(guī)律服藥的糖尿病患者相比，間斷服藥的糖尿病患者更傾向于被歸為“中水平上升組” (OR=6.02，95%CI：2.86~12.66，P < 0.001)。結(jié)論 社區(qū)2型糖尿病患者空腹血糖軌跡呈現(xiàn)不同的動態(tài)變化特征；高血壓史、服藥依從性、鍛煉頻率和飲酒可能影響患者出現(xiàn)不同血糖波動軌跡。

[關(guān)鍵詞] 社區(qū)人群    2型糖尿病    血糖波動    組基軌跡模型    影響因素    

Trajectory and influencing factors of fasting blood glucose fluctuations in patients with type 2 diabetes mellitus in community

XU Yueyao1,2, JIAO Huiyan3, NIE Meng1,2, YUAN Zhiquan2, WU Na2, LI Chengying2, WU Long2, WU Yonghong3, ZHONG Li4, LI Yafei2, YANG Jingyuan1     

1. Key Laboratory of Environmental Pollution Monitoring and Disease Control of Ministry of Education, Faculty of Epidemiology and Health Statistics, School of Public Health, Guizhou Medical University, Guiyang, Guizhou Province, 550025;
2. Department of Epidemiology, Faculty of Military Preventive Medicine, Army Medical University (Third Military Medical University), Chongqing, 400038;
3. Shuangbei Community Health Service Center of Shapingba District, Chongqing, 400032;
4. Cardiovascular Disease Center, the Third Affiliated Hospital of Chongqing Medical University, Chongqing, 401120, China

[Abstract] Objective To construct trajectory models of fasting blood glucose fluctuations in type 2 diabetes mellitus (T2DM) patients in community, and analyze the influencing factors of the trajectory of glucose fluctuation in different categories. Methods A retrospective cohort study was carried out on 769 T2DM patients who had health records and been involved in the diabetic management in Shuangbei Community Health Service Center of Shapingba District, Chongqing from 2012 to 2019. Group-based trajectory modelling (GBTM) was employed to identify and construct the fluctuation trajectory of fasting blood glucose in the patients. BIC, AvePP and other evaluation indicators were used to select the optimum subgroup number model. Then the differences in demographic characteristics, health status, medical history, lifestyle, medication compliance, etc were compared among different categories. Multinomial logistic regression model was constructed to explore the influencing factors of different fluctuation trajectories. Results The 769 T2DM subjects were divided into 3 groups of different fluctuation trajectories by GBTM, that is, low-level steady, high-level falling, and medium-level rising groups. Multinomial logistic regression analysis indicated that the patients with a history of hypertension and not taking medication were less likely to be assigned into the high-level falling group than into the low-level steady group, indicating that their high glucose level was not predisposed to a progressive decline (OR=0.50, 95%CI: 0.28~0.90, P=0.021; OR=0.13, 95%CI: 0.03~0.56, P=0.006). However, the subjects who occasionally or not exercised, consumed alcohol or abstained from alcohol were more likely to be assigned into the high-level falling group (OR=2.02, 95%CI: 1.15~3.55, P=0.014; OR=2.32, 95%CI: 1.16~4.63, P=0.017). When compared with the patients with regular medication, those with intermittent medication were more likely to be assigned into the medium-level rising group (OR=6.02, 95%CI: 2.86~12.66, P < 0.001). Conclusion There are different trajectories of dynamic changes in fasting glucose for T2DM patients. History of hypertension, medication adherence, frequency of exercise, and alcohol consumption may be associated with different trajectories of blood glucose fluctuations.

[Key words] community population    type 2 diabetes mellitus    blood glucose fluctuation    group-based trajectory modelling    influencing factors    

2型糖尿病是一個日益嚴重的全球健康問題，影響著全球約4.63億成年人[1]。2015-2017年中華醫(yī)學(xué)會內(nèi)分泌學(xué)分會在全國31個省進行的糖尿病流行病學(xué)調(diào)查顯示，我國18歲及以上人群糖尿病患病率為11.2%[2]。

近年來，血糖波動是2型糖尿病研究的熱點之一，血糖波動即血糖變異性(glycemic variability, GV)是指血糖在一定時間內(nèi)于高峰和低谷之間變化的非穩(wěn)定狀況，主要包括短期和長期血糖波動，是評價血糖控制質(zhì)量的主要考慮指標[3]。有研究表明，血糖波動會加劇微血管、大血管的并發(fā)癥，對糖尿病患者微血管和大血管并發(fā)癥以及全因死亡率有較高的預(yù)測價值[4-5]。無論是代表短期還是長期的血糖變異性，都與糖尿病大血管和微血管并發(fā)癥、低血糖、死亡率和其他不良臨床結(jié)局的風(fēng)險增加有關(guān)[6]。臨床上通常利用包括日內(nèi)和日間血糖變異性的短期變異性，以及基于糖化血紅蛋白(HbA1c)、空腹血糖(FPG)、自我檢測血糖(self- monitoring of blood glucose, SMBG)和連續(xù)血糖監(jiān)測(continuous glucose monitoring, CGM)的長期變異性來評估血糖波動。

盡管近年來評估血糖波動的手段和參數(shù)越來越豐富，但大多參數(shù)僅關(guān)注短期血糖波動的幅度，不能體現(xiàn)在較長時間尺度上的規(guī)律[7-8]?？v向軌跡可以描述某一事物發(fā)展?fàn)顟B(tài)隨時間變化的長期過程。組基軌跡模型(group-based trajectory modelling，GBTM)是一種以發(fā)展軌跡組為單位將人群聚類的方法，可以識別總體中具有差異的發(fā)展軌跡[9-10]。通過GBTM將糖尿病患者血糖水平長期波動的趨勢可視化，更好地體現(xiàn)出血糖水平隨著時間的變化規(guī)律。

改善血糖波動異常是2型糖尿病患者血糖管理的目標之一，本研究通過GBTM來識別社區(qū)隨訪管理的糖尿病患者不同空腹血糖波動軌跡，探索血糖波動軌跡的影響因素，為社區(qū)糖尿病患者血糖控制、預(yù)防不良結(jié)局提供依據(jù)。

1 資料與方法 1.1 研究對象

選取2012年1月至2019年12月在重慶市沙坪壩區(qū)雙碑社區(qū)衛(wèi)生服務(wù)中心建立居民健康檔案并納入社區(qū)隨訪管理的2型糖尿病患者。排除標準：①基線資料缺失；②診斷2型糖尿病后3年內(nèi)每年血糖隨訪少于2次。本研究通過陸軍軍醫(yī)大學(xué)倫理委員會批準(批件號：2021第25-02)。

1.2 研究方法

采用回顧性隊列研究設(shè)計。2型糖尿病患者在社區(qū)衛(wèi)生服務(wù)中心建立居民檔案，并加入社區(qū)隨訪管理時為研究基線，基線資料包括基本信息、生活方式和體檢信息，通過社區(qū)衛(wèi)生服務(wù)中心的慢性病管理系統(tǒng)調(diào)取，具體包括：①人口學(xué)信息：如性別、年齡、是否工作、婚姻狀況、醫(yī)保類型。②個人健康狀況及家族病史：如腰圍、體質(zhì)指數(shù)(BMI)、心電圖等。其中，男性腰圍≥85 cm，女性腰圍≥80 cm定義為中心型肥胖，BMI≥24 kg/m2定義為超重。③生活方式：吸煙狀況、飲酒狀況、鍛煉頻率及服藥依從性等。社區(qū)衛(wèi)生服務(wù)中心工作人員按照《國家基本公共衛(wèi)生服務(wù)規(guī)范第3版》隨訪管理評估要求，對確診的2型糖尿病患者，每年提供4次免費空腹血糖檢測和隨訪，血糖檢測為患者在空腹8~12 h狀態(tài)下，采指尖靜脈血運用血糖檢測儀測定空腹血糖。終點事件為診斷2型糖尿病后3年空腹血糖的動態(tài)變化。

1.3 統(tǒng)計學(xué)分析

符合正態(tài)分布的計量資料以x±s表示，兩組間比較采用獨立樣本t檢驗，多組間比較采用方差分析，非正態(tài)分布的計量資料以M(P25, P75)表示，組間比較采用秩和檢驗，計數(shù)資料以例數(shù)(%)表示，采用χ2檢驗或Fisher確切概率法比較。

假設(shè)人群中存在著有限個不同發(fā)展形態(tài)的潛在軌跡樣式，各潛變量軌跡組的研究群體隨時間(如年齡)的延伸具有同質(zhì)的縱向發(fā)展模式[11]，組基軌跡模型(GBTM)可以用來探索總體中包含多少個發(fā)展趨勢不同的亞組，并確定各亞組的發(fā)展軌跡。本研究采用GBTM構(gòu)建糖尿病患者空腹血糖水平的變化軌跡，將糖尿病患者分成各個亞組。GBTM組數(shù)一般為1~5組，每組軌跡遍歷1~3階多項式方程，最終模型的擬合效果采用以下指標進行評估[12]：①貝葉斯信息準則(Bayesian information criterion，BIC)：BIC值越接近0，表示模型擬合越好；②平均驗后分組概率(average posterior probability，AvePP)，該指標反映了根據(jù)軌跡分組后的亞組內(nèi)成員與該軌跡的符合程度，通常>0.7為可接受的標準；③每組成員數(shù)：各組成員數(shù)≥5%。本研究使用糖尿病確診后每年隨訪中的前2次空腹血糖數(shù)據(jù)，共3年6次，采用組基軌跡模型構(gòu)建并繪制軌跡分析圖。并采用多重插補法對缺失數(shù)據(jù)進行處理。

運用無序多分類Logistic回歸分析各個軌跡亞組的相關(guān)因素。所有統(tǒng)計檢驗均為雙側(cè)檢驗，P < 0.05為差異有統(tǒng)計學(xué)意義。本研究采用SPSS 25.0和Stata 15.0統(tǒng)計軟件進行數(shù)據(jù)分析。

2 結(jié)果 2.1 一般情況

本研究納入769名2型糖尿病患者，男性365人(47.5%)，女性404人(52.5%)，65歲及以上有314人(40.8%)，大部分患者文化程度為初中及以下，有一半以上患者同時患有高血壓。見表 1。

表 1 社區(qū)2型糖尿病患者的一般情況

變量 例數(shù)(%) 變量 例數(shù)(%) 性別 合并癥   男 365(47.5)   高血壓 424(55.1)   女 404(52.5)   其他合并癥 55(7.2) 年齡 中心型肥胖 488(63.5) 超重 494(64.2)    < 65歲 455(59.2) 鍛煉頻率   ≥65歲 314(40.8)   每天鍛煉 466(60.6) 文化程度   偶爾或不鍛煉 303(39.4)   初中及以下 565(73.5) 吸煙狀況   高中及以上 204(26.5)   不吸煙 574(74.6) 是否工作   吸煙或已戒煙 195(25.4)   有工作 587(76.3) 飲酒狀況   無工作 182(23.7)   不飲酒 583(75.8)   飲酒或已戒酒 186(24.2) 婚姻狀況 心電圖   已婚 657(85.4)   正常 533(69.3)   其他 112(14.6)   異常 236(30.7) 醫(yī)保類型 服藥依從性   城鎮(zhèn)職工 581(75.6)   規(guī)律 538(70.0)   其他 188(24.4)   間斷 84(10.9)   未服藥 147(19.1)

2.2 構(gòu)建空腹血糖變化軌跡模型

對社區(qū)2型糖尿病患者空腹血糖變化經(jīng)過多次軌跡擬合，模型擬合完成后，根據(jù)模型擬合評價指標和軌跡模型圖選擇最優(yōu)的模型。圖 1為擬合的糖尿病患者空腹血糖不同軌跡圖，一共擬合了4個模型，分別為2~ 5個亞組。

A: Model 1，分為2個亞組；B: Model 2，分為3個亞組；C: Model 3，分為4個亞組；D: Model 4，分為5個亞組；橫坐標1~6分別代表診斷糖尿病后第1年第1次隨訪、第1年第2次隨訪、第2年第1次隨訪、第2年第2次隨訪、第3年第1次隨訪、第3年第2次隨訪圖 1糖尿病患者空腹血糖軌跡模型曲線圖

根據(jù)最優(yōu)模型評估指標BIC接近0、AvePP>0.7以及每組成員數(shù)百分比≥5%[12]，確定最優(yōu)模型為Model 2(圖 1B)，亞組數(shù)量為3組(表 2)。第1個亞組占總?cè)藬?shù)的88%，該組患者空腹血糖呈現(xiàn)出空腹血糖水平較低、變化幅度小、整體平穩(wěn)的趨勢，將該組命名為低水平平穩(wěn)組。第2亞組占總?cè)藬?shù)的7%，該組空腹血糖呈現(xiàn)出由高水平下降至低水平，隨后維持穩(wěn)定的趨勢，將該亞組命名為高水平下降組。第3亞組占總?cè)藬?shù)的5%，空腹血糖呈現(xiàn)初期在低水平穩(wěn)定，隨后快速上升至高水平，后略有下降的趨勢，將該亞組命名為中水平上升組。

表 2 組基軌跡模型評價體系

模型 BIC AvePP 亞組1 亞組2 亞組3 亞組4 亞組5 Model 1 -10 614.57 0.99 0.93 Model 2 -10 366.76 0.99 0.93 0.96 Model 3 -10 284.21 0.87 0.99 0.94 0.97 Model 4 -10 180.51 0.94 0.98 0.90 0.99 0.99Model 1~Model 4分別表示將人群劃分為2~5組時的模型；BIC為貝葉斯信息準則，值越接近0，表示模型擬合越好；AvePP為平均驗后分組概率，通常>0.7為可接受的標準

2.3 空腹血糖變化軌跡模型亞組基線特征比較

根據(jù)GBTM軌跡擬合結(jié)果，將社區(qū)糖尿病患者分為低水平平穩(wěn)組、高水平下降組和中水平上升組，并比較3組之間的基線特征。3組比較結(jié)果顯示，既往高血壓史、鍛煉頻率、飲酒狀況和服藥依從性在3組的分布存在統(tǒng)計學(xué)差異(P < 0.05)，其余因素在3組間的分布均不存在統(tǒng)計學(xué)差異。與低水平平穩(wěn)組相比，高水平下降組和中水平上升組有既往高血壓史(38.6%、47.4% vs 57.0%)、每天鍛煉(45.6%、50.0% vs 62.5%)、不飲酒(61.4%、71.1% vs 78.5%)的比例更低。低水平平穩(wěn)組未服藥(20.9%)比例高于其余2組，高水平下降組規(guī)律服藥(86.0%)比例較其余兩組更高，中水平上升組間斷服藥(42.1%)比例較高(表 3)。

表 3 3組空腹血糖軌跡組基線特征比較[(例)%]

變量 低水平平穩(wěn)組(n=674) 高水平下降組(n=57) 中水平上升組(n=38) P 男性 311(46.1) 34(59.6) 20(52.6) 0.118 年齡 0.381    < 65歲 393(58.3) 36(63.2) 26(68.4)   ≥65歲 281(41.7) 21(36.8) 12(31.6) 文化程度 0.230   初中及以下 492(73.0) 47(82.5) 26(68.4)   高中及以上 182(27.0) 10(17.5) 12(31.6) 是否工作 0.833   有工作 514(76.3) 45(78.9) 28(73.7)   無工作 160(23.7) 12(21.1) 10(26.3) 婚姻狀況 0.243   已婚 575(85.3) 52(91.2) 30(78.9)   其他 99(14.7) 5(8.3) 8(21.1) 醫(yī)保類型 0.076   城鎮(zhèn)職工醫(yī)保 518(76.9) 37(64.9) 26(68.4)   其他醫(yī)保類型 156(23.1) 20(35.1) 12(31.6) 既往高血壓史 384(57.0) 22(38.6) 18(47.4) 0.017 中心型肥胖 433(64.2) 34(59.6) 21(55.3) 0.441 超重 437(64.8) 37(64.9) 20(52.6) 0.310 鍛煉頻率 0.017   每天鍛煉 421(62.5) 26(45.6) 19(50.0)   偶爾或不鍛煉 253(37.5) 31(54.4) 19(50.0) 吸煙狀況 0.094   不吸煙 511(75.8) 36(63.3) 27(71.1)   吸煙或已戒煙 163(24.2) 21(36.8) 11(28.9) 飲酒狀況 0.009   不飲酒 529(78.5) 35(61.4) 27(71.1)   飲酒或已戒酒 145(21.5) 22(38.6) 11(28.9) 心電圖情況 0.387   正常 468(69.4) 36(63.2) 29(76.3)   異常 206(30.6) 21(36.8) 9(23.7) 服藥依從性 0.001   規(guī)律 471(69.9) 49(86.0) 18(47.4)   間斷 62(9.2) 6(10.5) 16(42.1)   未服藥 141(20.9) 2(3.5) 4(10.5)

2.4 空腹血糖軌跡相關(guān)因素的Logistic回歸分析

以糖尿病患者空腹血糖變化軌跡分組作為因變量，將單因素分析中有統(tǒng)計學(xué)意義的變量進一步納入多因素Logistic回歸分析。分析結(jié)果顯示(表 4)，以低水平平穩(wěn)組為對照，有高血壓病史、未服藥的患者被歸為高水平下降組的可能性較低，即這部分患者的血糖從高水平逐漸下降的可能性較低，OR值(95%CI)分別為0.50(0.28~0.90)和0.13(0.03~0.56)，偶爾或不鍛煉、飲酒或已戒酒的患者更傾向于被歸為高水平下降組，即血糖更易呈現(xiàn)從高水平逐漸下降的波動趨勢，OR值(95%CI)分別為2.02(1.15~3.55)和2.32(1.16~4.63)。與規(guī)律服藥的糖尿病患者相比，間斷服藥的糖尿病患者更傾向被歸為中水平上升組，即出現(xiàn)血糖水平從中水平上升趨勢的風(fēng)險較高，OR值(95%CI)為6.02(2.86~12.66)。

表 4 不同空腹血糖變化軌跡影響因素的無序多分類Logistic回歸

因素 高水平下降組a 中水平上升組a OR(95%CI) P OR(95%CI) P 性別   女 參照組 參照組   男 0.95(0.48~1.88) 0.888 1.06(0.47~2.39) 0.896 年齡    < 65歲 參照組 參照組   ≥65歲 1.00(0.55~1.80) 0.990 0.83(0.40~1.75) 0.631 高血壓史   否 參照組 參照組   是 0.50(0.28~0.90) 0.021 0.84(0.42~1.68) 0.617 鍛煉頻率   每天鍛煉 參照組 參照組   偶爾或不鍛煉 2.02(1.15~3.55) 0.014 1.39(0.70~2.75) 0.353 飲酒狀況   不飲酒 參照組 參照組   飲酒或已戒酒 2.32(1.16~4.63) 0.017 1.33(0.55~3.19) 0.525 服藥依從性   規(guī)律 參照組 參照組   間斷 0.73(0.29~1.81) 0.494 6.02(2.86~12.66) < 0.001   未服藥 0.13(0.03~0.56) 0.006 0.72(0.24~2.20) 0.568a：對照為低水平平穩(wěn)組

3 討論

血糖波動與卒中、心肌梗死和全因死亡率的風(fēng)險呈劑量反應(yīng)關(guān)系[13]，且與心血管疾病的風(fēng)險呈顯著正相關(guān)[14]。高血糖變異性與低血糖風(fēng)險增加[15]、心理健康障礙及生活質(zhì)量降低[16]和2型糖尿病患者死亡率增加相關(guān)[17-18]。目前大多關(guān)于血糖長期波動的研究所使用的手段及參數(shù)不能體現(xiàn)血糖水平隨時間的變化趨勢，且有關(guān)血糖波動影響因素的研究并不多，本研究采用模型構(gòu)建來描述血糖的變化規(guī)律性，反映血糖波動特征，并探討波動的影響因素。

本研究結(jié)果顯示，運用GBTM可以將社區(qū)2型糖尿病人群按照空腹血糖水平分為3組，即低水平平穩(wěn)組、高水平下降組和中水平上升組。以低水平平穩(wěn)組為對照，有高血壓史、未服藥的2型糖尿病患者被歸為高水平下降組的可能性較低，即基線血糖水平高且不易改善，血糖水平從高水平逐漸下降的可能性較低。而偶爾或不鍛煉、飲酒或已戒酒的糖尿病患者更傾向于被歸為高水平下降組，即基線血糖水平高，但血糖水平從高水平逐漸下降的可能性較大。有相關(guān)研究表明，糖尿病伴高血壓患者的血壓水平不佳(2級高血壓及以上)為糖尿病足病伴高血壓患者血糖控制的主要影響因素[19]，高血壓患者碳水化合物代謝紊亂較無高血壓的人群來說更為常見[20-21]，即高血壓患者血糖調(diào)節(jié)能力更差，這意味著有高血壓史的2型糖尿病患者空腹血糖控制難度更大，血糖要控制到正常水平較無高血壓的糖尿病患者更難，這與本研究相符。

3.1 生活方式與血糖的關(guān)聯(lián)

《國家基層糖尿病防治管理手冊(2022)》表明糖尿病是由遺傳和環(huán)境因素共同作用所導(dǎo)致的復(fù)雜性疾病，其中糖尿病可干預(yù)的危險因素主要包括糖尿病前期、代謝綜合征、不健康飲食、身體活動不足、吸煙等[22]。美國糖尿病協(xié)會的聲明表示體力活動可以增強胰島素作用效果、降低空腹血糖，更好地達到血糖控制目標[23]，LUMB[24]表示在2型糖尿病中，無論是有氧運動還是阻力運動都改善了血糖控制，與血糖下降有關(guān)。目前公認體育運動對2型糖尿病的血糖控制有益[25]，且各國糖尿病治療指南均建議糖尿病患者進行體育鍛煉，每個糖尿病患者均應(yīng)定期參加體育鍛煉，以實現(xiàn)最佳的血糖控制，F(xiàn)RANCESCONI等[26]的研究表明運動有助于降低胰島素抵抗，提高胰島素分泌來改善血糖，耐力和力量訓(xùn)練都能從根本上改善胰島素抵抗，建議成年男性和女性每周至少進行150 min中等強度的有氧運動。有研究結(jié)果顯示，在社區(qū)開展包括加強體育鍛煉、戒煙、減少酒精攝入量等生活方式干預(yù)能有效降低空腹血糖水平[27-28]，目前共識認為個人生活方式如吸煙、飲酒、運動、飲食及肥胖與2型糖尿病發(fā)生有關(guān)，ZHANG等[29]的研究表明采用健康的生活方式與明顯降低2型糖尿病風(fēng)險相關(guān)，糖尿病管理應(yīng)鼓勵人們避免吸煙和酗酒、健康飲食和增加體育活動水平，許多2型糖尿病病例可以通過改變生活方式(包括保持健康體質(zhì)量、健康飲食、不吸煙以及適量飲酒等在內(nèi))來預(yù)防[1]。本研究顯示基線為偶爾或不鍛煉、飲酒或已戒酒的糖尿病患者更傾向于被歸為高水平下降組，即該組患者基線時空腹血糖大多處于高水平狀態(tài)(>15 mmol/L)，是低水平平穩(wěn)組(7~8 mmol/L)的2倍多，這與大部分研究結(jié)果相符。至于該組患者為何更易呈現(xiàn)高水平逐漸下降的波動趨勢，可能的原因是所研究的因素均為基線所收集的資料，身體活動不足、飲酒為糖尿病可干預(yù)的危險因素，該組患者在社區(qū)醫(yī)師的健康管理下，采取增加鍛煉、限酒等改善生活方式的控制血糖的措施，因此更容易呈現(xiàn)出高水平下降的波動趨勢。

3.2 服藥依從性與血糖的關(guān)聯(lián)

KOHNERT等[30]在未使用胰島素治療的2型糖尿病患者中證實口服降糖藥及餐后β細胞功能與血糖變異性獨立相關(guān)，降糖藥物的使用能夠使糖尿病患者血糖控制更好，PAGKALOS[31]表明胰島素和口服降糖藥物是降低高血糖水平最有效的療法，KOUFAKIS等[32]的研究表明在因高血糖的住院患者中，口服降糖藥有效控制血糖水平的療效與胰島素相當(dāng)，且有良好的安全性和耐受性，以上研究均表明口服降糖藥能夠很好地控制血糖。而對于血糖水平較低的患者，間斷服藥是出現(xiàn)血糖由低水平升高至高水平波動的獨立危險因素。有文獻闡明更高的藥物使用依從性與血糖控制有關(guān)[33]，趙茜等[34]的研究也表明提高藥物使用依從性有助于提高2型糖尿病患者空腹血糖的控制水平。血糖控制水平越差，基礎(chǔ)血糖水平較低的糖尿病患者出現(xiàn)血糖波動的風(fēng)險越高。本研究進一步驗證上述研究結(jié)果，與規(guī)律服藥的糖尿病患者相比，間斷服藥的糖尿病患者更傾向于被歸為中水平上升組，即血糖水平呈現(xiàn)從中水平上升趨勢的風(fēng)險較高，可見提高服藥依從性、減少間斷服藥，可以維持血糖在較低水平的穩(wěn)定性，避免出現(xiàn)不良的血糖波動趨勢。

本研究還存在一定的局限性，只選擇了重慶市一個社區(qū)納入慢性病管理的糖尿病患者，研究的代表性有限，且樣本量不夠大，血糖波動組人數(shù)較少，后續(xù)擬納入多個社區(qū)人群擴大樣本量進一步驗證研究結(jié)果。此外，對于社區(qū)2型糖尿病患者只收集到基線的生活方式狀態(tài)，未觀察到患者在研究過程中生活方式的改變，這種改變對于糖尿病患者血糖控制有著較為重要的影響，后續(xù)可以增加對生活方式改善相關(guān)資料的收集，進一步研究鍛煉、飲酒等生活方式對血糖波動的影響。另外，利用組基軌跡模型對糖尿病患者血糖波動特征進行識別分組，可以使糖尿病患者血糖波動可視化，能夠更好地描述血糖波動的特征，但GBTM在縱向數(shù)據(jù)的研究中忽略了相同軌跡內(nèi)的個體變異性，以及根據(jù)后驗概率在進行分組時存在一定的不確定性[10]，這可能對研究結(jié)果產(chǎn)生一定的影響。

綜上，本研究以社區(qū)2型糖尿病患者空腹血糖為基礎(chǔ)，運用GBTM構(gòu)建軌跡模型并探討其相關(guān)影響因素。結(jié)果表明社區(qū)2型糖尿病患者空腹血糖軌跡呈現(xiàn)不同的動態(tài)變化特征，高血壓史、服藥依從性、鍛煉頻率和飲酒可能是患者出現(xiàn)不同血糖波動軌跡的相關(guān)影響因素，這為更有效地控制社區(qū)2型糖尿病患者的血糖提供了理論依據(jù)。

參考文獻

[1]

ZHENG Y, LEY S H, HU F B. Global aetiology and epidemiology of type 2 diabetes mellitus and its complications[J]. Nat Rev Endocrinol, 2018, 14(2): 88-98.

[2]

中華醫(yī)學(xué)會糖尿病學(xué)分會. 中國2型糖尿病防治指南(2020年版)[J]. 國際內(nèi)分泌代謝雜志, 2021, 41(5): 482-548.
Chinese Diabetes Society of Chinese Medical Association. Guideline for the prevention and treatment of type 2 diabetes mellitus in China (2020 edition)[J]. Int J Endocrinol Metab, 2021, 41(5): 482-548.

[3]

RODBARD D. Glucose variability: a review of clinical applications and research developments[J]. Diabetes Technol Ther, 2018, 20(S2): S25-S215.

[4]

YOON J E, SUNWOO J S, KIM J S, et al. Poststroke glycemic variability increased recurrent cardiovascular events in diabetic patients[J]. J Diabetes Complications, 2017, 31(2): 390-394.

[5]

CARODSO C L, LEITE N C, MORAM C M, et al. Long-term visit-to-visit glycemic variability as predictor of micro-and macrovascular complications in patients with type 2 diabetes: the Rio de Janeiro Type 2 Diabetes Cohort Study[J]. Cardiovasc Diabetol, 2018, 17(1): 33.

[6]

ZHOU Z, SUN B, HUANG S Q, et al. Glycemic variability: adverse clinical outcomes and how to improve it?[J]. Cardio-vasc Diabetol, 2020, 19(1): 102.

[7]

MARTINEZ M, SANTAMARINA J, PAVESI A, et al. Glycemic variability and cardiovascular disease in patients with type 2 diabetes[J]. BMJ Open Diabetes Res Care, 2021, 9(1): e002032.

[8]

倪佳英, 馬曉靜, 周健. 血糖波動異常與糖尿病并發(fā)癥的研究進展[J]. 中華糖尿病雜志, 2022, 14(04): 388-392.
NI J Y, MA X J, ZHOU J. Research progress of abnormal glycemic variability and diabetic complications[J]. Chin J Diabetes Mellit, 2022, 14(4): 388-392.

[9]

NAGIN D S, ODGERS C L. Group-based trajectory modeling in clinical research[J]. Annu Rev Clin Psychol, 2010, 6: 109-138.

[10]

張晨旭, 謝峰, 林振, 等. 基于組軌跡模型及其研究進展[J]. 中國衛(wèi)生統(tǒng)計, 2020, 37(6): 946-949.
ZHANG C X, XIE F, LIN Z, et al. Group trajectory model and its research progress[J]. Chin J Health Stat, 2020, 37(6): 946-949.

[11]

馮國雙, 于石成, 劉世煒. 軌跡分析模型在追蹤數(shù)據(jù)分析中的應(yīng)用[J]. 中國預(yù)防醫(yī)學(xué)雜志, 2014, 15(3): 292-295.
FENG G S, YU S C, LIU S W. Application of trajectory analysis model in tracking data analysis[J]. Chin Prev Med, 2014, 15(3): 292-295.

[12]

Lennon H, Kelly S, Sperrin M, et al. Framework to construct and interpret latent class trajectory modelling[J]. BMJ Open, 2018, 8(7): e020683.

[13]

LEE D Y, HAN K, PARK S, et al. Glucose variability and the risks of stroke, myocardial infarction, and all-cause mortality in individuals with diabetes: retrospective cohort study[J]. Cardiovasc Diabetol, 2020, 19(1): 144.

[14]

SHEN Y, ZHOU J, SHI L Z, et al. Association between visit-to-visit HbA1c variability and the risk of cardiovascular disease in patients with type 2 diabetes[J]. Diabetes Obes Metab, 2021, 23(1): 125-135.

[15]

QU Y M, JACOBER S J, ZHANG Q Y, et al. Rate of hypo-glycemia in insulin-treated patients with type 2 diabetes can be predicted from glycemic variability data[J]. Diabetes Technol Ther, 2012, 14(11): 1008-1012.

[16]

PENCKOFER S, QUINN L, BYRN M, et al. Does glycemic variability impact mood and quality of life?[J]. Diabetes Technol Ther, 2012, 14(4): 303-310.

[17]

HIRAKAWA Y, ARIMA H, ZOUNGAS S, et al. Impact of visit-to-visit glycemic variability on the risks of macrovascular and microvascular events and all-cause mortality in type 2 diabetes: the ADVANCE trial[J]. Diabetes Care, 2014, 37(8): 2359-2365.

[18]

KAZE A D, SANTHANAM P, ERQOU S, et al. Long-term variability of glycemic markers and risk of all-cause mortality in type 2 diabetes: the Look AHEAD study[J]. BMJ Open Diabetes Res Care, 2020, 8(2): e001753.

[19]

婁海飛, 張麗華, 趙月, 等. 糖尿病足病伴高血壓患者血糖控制的影響因素[J]. 中華高血壓雜志, 2022, 30(3): 287-289.
LOU H F, ZHANG L H, ZHAO Y, et al. Influencing factors of blood glucose control in patients with diabetic foot disease and hypertension[J]. Chin J Hypertens, 2022, 30(3): 287-289.

[20]

PERREAULT L, PAN Q, ARODA V R, et al. Exploring residual risk for diabetes and microvascular disease in the Diabetes Prevention Program Outcomes Study (DPPOS)[J]. Diabet Med, 2017, 34(12): 1747-1755.

[21]

WEI G S, COADY S A, GOFF D C, J r, et al. Blood pressure and the risk of developing diabetes in African Americans and whites: ARIC, CARDIA, and the Framingham heart study[J]. Diabetes Care, 2011, 34(4): 873-879.

[22]

中華醫(yī)學(xué)會糖尿病學(xué)分會, 國家基層糖尿病防治管理辦公室. 國家基層糖尿病防治管理手冊(2022)[J]. 中華內(nèi)科雜志, 2022, 61(7): 717-748.
Chinese Diabetes Society of Chinese Medical Associntion, National Office for Primary Diabetes Care. National handbook for the prevention and control of diabetes in prim ary care (2022)[J]. Chin J Intern Med, 2022, 61(7): 717-748.

[23]

COLBERG S R, SIGAL R J, YARDLEY J E, et al. Physical activity/exercise and diabetes: a position statement of the American diabetes association[J]. Diabetes Care, 2016, 39(11): 2065-2079.

[24]

LUMB A. Diabetes and exercise[J]. Clin Med (Lond), 2014, 14(6): 673-676.

[25]

MELMER A, KEMPF P, LAIMER M. The role of physical exercise in obesity and diabetes[J]. Praxis (Bern 1994), 2018, 107(17/18): 971-976.

[26]

FRANCESCONI C, NIEBAUER J, HABERP, et al. Life-style: physical activity and training as prevetion and therapy of type 2 diabetes mellitus (Update 2019)[J]. Wien Klin Wochenschr, 2019, 131(Suppl 1): 61-66.

[27]

KNOWLER W C, BARRETT-CONNOR E, FOWLER S E, et al. Reduction in the incidence of type 2 diabetes with lifestyle intervention or metformin[J]. N Engl J Med, 2002, 346(6): 393-403.

[28]

LIN A H, ZHANG G R, LIU Z T, et al. Community-based lifestyle intervention for reducing blood pressure and glucose among middle-aged and older adults in China: a pilot study[J]. Int J Environ Res Public Health, 2014, 11(11): 11645-11663.

[29]

ZHANG Y, PAN X F, CHEN J, et al. Combined lifestyle factors and risk of incident type 2 diabetes and prognosis among individuals with type 2 diabetes: a systematic review and meta-analysis of prospective cohort studies[J]. Diabetologia, 2020, 63(1): 21-33.

[30]

KOHNERT K D, AUGSTEIN P, ZANDER E, et al. Glycemic variability correlates strongly with postprandial beta-cell dysfunction in a segment of type 2 diabetic patients using oral hypoglycemic agents[J]. Diabetes Care, 2009, 32(6): 1058-1062.

[31]

PAGKALOS E M. Combinations of insulin and oral hypoglycemic agents in diabetes mellitus type 2[J]. Diabetes Res Clin Pract, 2011, 93: S100-S101.

[32]

KOUFAKIS T, MUSTAFA O G, ZEBEKAKIS P, et al. Oral antidiabetes agents for the management of inpatient hyper-glycaemia: so far, yet so close[J]. Diabet Med, 2020, 37(9): 1418-1426.

[33]

CAPOCCIA K, ODEGARD P S, LETASSY N. Medication adherence with diabetes medication[J]. Diabetes Educ, 2016, 42(1): 34-71.

[34]

趙茜, 郭雅麗, 許琪, 等. 格列齊特藥物治療下2型糖尿病患者血糖控制水平影響因素研究[J]. 中國慢性病預(yù)防與控制, 2012, 20(3): 314-316.
ZHAO Q, GUO Y L, XU Q, et al. The influential factors of fasting blood glucose in patients of type 2 diabetes mellitus with gliclazide treatment[J]. Chin J Prev Control Chronic Dis, 2012, 20(3): 314-316.

相關(guān)知識

Analysis of body composition and influencing factors of lean non
Factors associated with medication adherence in community patients with coronary artery disease based on health belief model(HBM): a cross
國家標準化代謝性疾病管理中心(MMC)代謝病管理指南(第二版)
妊娠期糖尿病孕婦血糖管理決策行為及影響因素的研究
Bariatric Clinic
孕期營養(yǎng)素攝入與妊娠期糖尿病孕婦血糖控制效果的相關(guān)性研究
Perceived Quality of Health Information in Short Video Platforms: Modeling the Process and Influencing Factors
基于保護動機理論的妊娠期糖尿病孕婦血糖管理決策行為模型的構(gòu)建
The Health Benefits of Dietary Fibre
左旋肉堿改善代謝綜合征的作用及機制研究進展

網(wǎng)址: Trajectory and influencing factors of fasting blood glucose fluctuations in patients with type 2 diabetes mellitus in community http://m.u1s5d6.cn/newsview638350.html