被“低风险”标签漏掉的人

在英国初级保健人群中，部分被风险预测模型判定为“低风险”的个体仍最终发生T2DM。Dinsdale等人[1]基于英国临床实践研究数据链中2013~2023年新诊断的305 841例T2DM成人数据，采用QDiabetes模型评估风险，并依据英国国家医疗服务体系（NHS）健康检查高危筛查阈值（QDiabetes评分>5.6%）将人群分为低危和高危两组。

结果显示，11.8%（33 299例）被归为低预测风险组。与高危组相比，该组更年轻（平均52岁 vs. 60岁）、更瘦[体重指数（BMI）26 kg/m2 vs. 34 kg/m2]，但诊断时HbA1c反而更高（70 mmol/mol vs. 61 mmol/mol）。随访10年发现，低危组启动一线治疗（aHR 0.92，95%CI：0.90~0.94）和二线治疗（aHR 0.91，95%CI：0.89~0.94）的可能性较低，但启动胰岛素治疗的风险较高（aHR 1.38，95%CI：1.28~1.50），严重视网膜病变风险也更高（aHR 1.29，95%CI：1.19~1.40），全因死亡风险偏高（aHR 1.30，95%CI：1.23~1.37），且主要由非心血管死亡驱动（aHR 1.42，95%CI：1.34~1.51）。

研究者认为，当前基于风险评分的HbA1c筛查策略可能遗漏了这一亚组：他们诊断时HbA1c较高，但比典型T2DM更年轻、更瘦，因此需要更精准的干预策略。

谁在预测T2DM上更胜一筹？

评估胰岛素抵抗（IR）的指标众多，但哪种指标对预测T2DM最有效尚不明确，且这些指标在不同身体成分类别中的纵向模式也缺乏充分描述。Gunnarsson等人[2]在瑞典BOTNIA家族队列中，对2209例基线无T2DM的成人进行了中位6.9年随访，比较5种IR指标[HOMA-IR、HOMA2-IR、甘油三酯-葡萄糖（TyG）指数、甘油三酯与HDL-C比值（TG/HDL-C）、脂肪组织IR]和3种胰岛素敏感性指标（HOMA2-%S、Stumvoll指数、Matsuda指数）的10年轨迹及其对新发T2DM的增量预测价值。参与者按体脂百分比和腰围分为5种肥胖表型（代谢风险递增）。

结果显示，胰岛素敏感性指标提供了最稳健的预测改善（总ΔAUC=0.092~0.12），由基线值和轨迹斜率共同驱动。HOMA-IR、HOMA2-IR和脂肪组织IR也提高了预测能力（基线ΔAUC>0.04），主要归因于基线值（P<0.001）。值得注意的是，TyG指数和TG/HDL-C比值则主要通过轨迹斜率（斜率ΔAUC=0.011~0.046，P<0.001）而非仅基线值来提高预测能力。

研究提示，在不同身体成分类别中，选择何种指标预测T2DM需因人而异。与IR指标相比，胰岛素敏感性指标在不同肥胖表型中提供了更稳健的T2DM预测，而基于甘油三酯的指标通过时间轨迹贡献了独特的预测价值。

你的手表能预测糖尿病吗？

昼夜节律紊乱与代谢性疾病的关系越来越受到关注，但日常行为节律与身体温度节律之间的协调程度能否预测T2DM，此前缺乏证据。Tan等人[3]分析了英国生物样本库约90 000例参与者的腕戴加速度计和设备温度记录（中位年龄63岁），将行为信号与腕温信号之间的循环互相关分解为3个对齐特征：24小时耦合强度（M24）、相对于预期反相的相位偏差（D24）和12小时谐波幅度（M12）。

采用Cox比例风险模型分析，中位随访7.83年间，较弱的活动-温度耦合和较大的相位错位可独立预测新发T2DM（M24每增加1个标准差，HR 0.84，95%CI：0.81~0.87）和全因死亡率（HR 0.93，95%CI：0.91~0.96）。人群归因分数估计，26.5%的新发T2DM病例和10.4%的全因死亡与次优节律对齐相关。全基因组关联分析（n=77 746）识别出52个独立遗传位点，富集于神经元、温度感觉和下丘脑通路，为该发现提供了生物学验证。外部验证使用SHARE数据（n=853）也证实了该方法的稳健性。

因此，可穿戴设备衍生的跨域昼夜节律对齐是一种可扩展、具有生物学依据的多振荡器协调生物标志物。这些发现对人群健康监测以及旨在减轻昼夜节律敏感的T2DM疾病负担的靶向干预具有重要意义。

负荷后1小时血糖——被忽视的预警信号

口服葡萄糖耐量试验（OGTT）中，1小时血糖作为糖尿病预测标志物的价值近年来被反复讨论，但在葡萄糖调节正常人群中其独立预测能力尚需验证。Gabriel等人[4]汇总了6项国际前瞻性研究的个体参与者数据，纳入9569例基线空腹血糖<5.7 mmol/L且2小时血糖<7.8 mmol/L的成人（不同族裔，男女性均有），中位随访10年。

结果显示，单纯1小时血糖升高（≥8.6 mmol/L）者占12.9%，其10年T2DM累积发病率高达24.2%，远高于1小时血糖正常者（8.3%），粗比值比（OR）为3.49（95%CI：3.08~3.95，P<0.06）。以1小时血糖最低四分位数（Q1）为参照，Q2、Q3和Q4的T2DM OR分别为2.25、3.58和7.68（趋势P=0）。多变量校正后，1小时血糖与新发T2DM的关联强度超过空腹血糖和2小时血糖（总样本OR 1.33，95%CI：1.28~1.38，P<0.001；男性OR 1.22，女性OR 1.19，均P<0.001）。ROC分析得出的最佳截断值为8.7 mmol/L（AUC 0.713，敏感度0.694，特异度0.644）。

研究者认为，单纯1小时血糖升高与正常血糖成人新诊断T2DM高风险相关，且是比空腹血糖或2小时血糖更强的预测因素，提示其有潜力作为糖尿病风险的独立生物标志物。

用血常规就能给糖尿病“分型”？

T2DM异质性众所周知，但临床实践中缺乏基于生物学机制的分型方法。Venteclef等人[5]利用法国PNDS、意大利VNDS和德国GDS共计3个独立欧洲纵向队列中超过1500例新诊断T2DM患者的循环中性粒细胞、淋巴细胞和单核细胞计数，通过无监督聚类识别出4种可重复的免疫内型：严重炎症性糖尿病（SIND）、轻度炎症性糖尿病（MIND）、淋巴细胞丰富型糖尿病（LYRD）和淋巴细胞缺乏型糖尿病（LYDD）。

这4种内型在多达67 000例受试者的纵向队列中得到了验证，且独立于经典临床变量，随时间保持稳定。SIND和LYDD与心血管事件、肾功能下降和死亡风险升高相关，而MIND和LYRD预后较好。多组学分析（血清蛋白质组学、流式细胞术、单细胞RNA测序）显示，SIND具有强烈的促炎特征，表现为CCR2hi和CD39hi单核细胞扩增及固有免疫通路激活。值得关注的是，这种炎症特征是可逆的——IL-1β拮抗可抑制促炎单核细胞并消除SIND内型，减重手术则使患者向低风险内型转变。

研究者认为，使用常规血细胞计数进行基于免疫的内型分型，可识别T2DM中具有临床意义且可干预的亚组。该方法能够实现稳健的风险分层，捕捉疾病机制，并突出一个治疗上可改变的高风险炎症内型。这些发现支持将免疫谱分析整合到T2DM的精准医学策略中。

提醒系统让产后筛查不再“掉队”

有妊娠期糖尿病（GDM）史的女性日后发展为T2DM风险显著增高，但产后随访筛查的依从性一直是难题。Bochanen等人[6]评估了比利时2009~2025年实施的Sweet Pregnancy召回登记系统的长期效果。该系统向有GDM史的女性每年发送提醒，促使其在初级保健中接受空腹血浆葡萄糖筛查。

16年间共登记27 173例女性，系统内平均随访4.4年，中位年龄31.8岁，28.5%超重、28.1%肥胖。年度应答率从第1年的48.4%下降至第10年的27.6%，但应答者中的筛查参与率从74.6%上升至91.0%。在随访至少3年和5年的应答者中，分别有70.7%和66.8%至少接受过一次全科医生筛查。无应答者更可能年龄<30岁（45.4% vs. 42.0%）且患有肥胖（32.6% vs. 24.8%）。数字提醒（电子邮件）的1年后应答率（44.3%）明显高于传统邮政邮件（19.8%），而在应答者中2种方式的筛查参与率相当（84.7% vs. 84.2%）。10年后糖尿病累积发病率为11.0%（95%CI：10.1%~12.0%），空腹血糖受损累积发病率为34.7%（95%CI：33.1%~36.4%）。

研究者认为，该登记系统在常规工作场景中可行且有效，可促进既往GDM女性的产后糖尿病筛查。糖尿病前期和糖尿病的高累积发病率凸显了长期随访和针对性干预的重要性，以防止该高危人群进展为T2DM。

6项研究从不同角度拓展了T2DM的预测手段：重新审视被风险模型遗漏的低危人群、验证胰岛素敏感性指标的预测价值、探索可穿戴设备捕捉昼夜节律信号、确认餐后1小时血糖的独立预测能力、通过免疫内型分型发现可逆的高风险亚组，以及证明产后筛查登记系统的长期可行性。这些工作为T2DM的早期识别提供了更多可操作的临床路径。

参考文献

1. M. M. Dinsdale, et al. Developing type 2 diabetes despite low predicted risk identifies a subgroup with increased insulin requirement, complication risk, and mortality: a matched UK cohort study. EASD2026; OP 01.

2. S. Gunnarsson, et al. Longitudinal trajectories and predictive value of insulin resistance and sensitivity indices for type 2 diabetes across adiposity phenotypes. EASD2026; OP 01.

3. X. Tan, H. Chen. Circadian coherence between behavioural and wearable-derived wrist-temperature rhythms as a predictor of type 2 diabetes. EASD2026; OP 01.

4. R. Gabriel, et al. Elevated 1-hour postload glucose is a risk factor of incident type 2 diabetes in adults with normal glucose regulation: a pooled analysis of individual participant's data from six prospective studies. EASD2026; OP 01.

5. N. Venteclef, et al. Immune endotypes define risk and trajectories in type 2 diabetes. EASD2026; OP 01.

6. N. Bochanen, et al. Long-term effectiveness of a reminder system to stimulate postpartum screening for glucose intolerance in women with gestational diabetes: the “Sweet Pregnancy” Project. EASD2026; OP 01.

本文仅供医疗卫生专业人士了解最新医药资讯参考使用，不代表本平台观点。该等信息不能以任何方式取代专业的医疗指导，也不应被视为诊疗建议，如果该信息被用于资讯以外的目的，本站及作者不承担相关责任。