2021年,全球约有840万1型糖尿病(type 1 diabetes mellitus,T1DM)患者
[1]。良好的血糖控制可显著降低T1DM患者发生糖尿病并发症的风险。近年来,持续葡萄糖监测系统(continuous glucose monitoring system,CGMS)和胰岛素泵等治疗技术显著提升了T1DM的管理效果。然而,过高或者过低的血糖导致血糖的大幅波动,仍然是管理T1DM的主要挑战
[2]。人工胰腺系统(artificial pancreas system,APS)是1种新兴治疗方式,由胰岛素泵、CGMS和控制算法组成,能够模仿生理胰岛素分泌过程,自动调整胰岛素剂量,为糖尿病管理提供了一种创新的解决方案
[3-8]。
社会经济因素对T1DM血糖管理效果同样具有重要影响。低社会经济水平与糖尿病并发症的恶化密切相关;即使在一些拥有全民医疗保健系统的国家,低收入群体糖尿病管理仍面临显著挑战
[9-10]。在许多低收入和中等收入国家,由于卫生资源有限,T1DM患者血糖控制不佳的情况普遍存在,病死率持续增高
[11]。尽管已有证据
[12]表明,使用APS的患者血糖控制水平有显著改善,但大多数研究样本主要集中在高社会经济地位的人群上,对于低社会经济地位群体关注较少。因此,本研究旨在探讨城市经济水平对使用开源APS(do-it-yourself APS,DIYAPS)的T1DM患者血糖控制的影响,为相关领域提供来自中国人群的初步证据。
1 对象与方法
1.1 伦理声明
本研究已获得中国科学技术大学附属第一医院(安徽省立医院)伦理委员会批准(审批号:2024KY伦审第414号),所有研究对象均签署了知情同意书。
1.2 对象
本研究为基于真实世界数据的分析。纳入自2019年9月至2024年2月于中国T1DM登记管理项目(该项目通过糖尿病患者线上社区招募)注册的患者,样本覆盖中国26个省份和82个市区,所有患者均使用AndroidAPS。该项目移动端平台在本课题组前期研究
[13]中已有介绍。在设备使用过程中,成年患者均独立操作,未成年患者由法定监护人通过平台远程监督设备操作及上传血糖数据。纳入标准:1)由二级及以上医院的内分泌科医师诊断为T1DM的患者;2)有≥3个月连续使用APS的记录(开环时间不超过 14 d);3)同意提供个人病史及家族史等信息;4)患者本人或患儿父母同意参加本研究。排除标准:1)基本信息不全;2)使用口服降糖药物;3)怀孕或哺乳期。
1.3 方法
1)收集基本资料:通过中国T1DM登记管理项目移动端,收集注册时调查对象的基本情况,包括人口统计学信息(年龄、性别和家庭人均年收入等)、糖尿病相关信息(T1DM确诊时间、监测血糖的方式和注册时的糖化血红蛋白等),并进一步收集注册后CGMS同步的血糖监测数据,选取使用APS的患者90~120 d的血糖数据进行分析。
2)计算持续葡萄糖监测(continuous glucose monitoring,CGM)参数:根据CGM血糖数据计算平均血糖、葡萄糖在目标范围内时间(time in range,TIR)、葡萄糖低于目标范围时间(time below range,TBR)、葡萄糖高于目标范围时间(time above range,TAR)、低血糖指数(low blood glucose index,LBGI)、高血糖指数(high blood glucose index,HBGI)、标准差(standard deviation,
SD)及变异系数(coefficient of variation,
CV)。本研究中TIR(7.8)、TIR(10.0)分别指时间范围内葡萄糖水平为3.9~7.8、3.9~10.0 mmol/L时间所占的百分比(%);TBR(3.9)、TBR(3.0)分别指时间范围内葡萄糖水平<3.9、<3.0 mmol/L时间所占的百分比(%);TAR(7.8)、TAR(10.0)分别指时间范围内葡萄糖水平>7.8、>10.0 mmol/L时间所占的百分比(%)。时间段定义为全天0:00-24:00、白天6:00-24:00和夜晚0:00-6:00
[14]。CGM参数计算公式详见
附表1(
https://doi.org/10.57760/sciencedb.36726)。
3)分组定义:有关中国一线、新一线、三线和四线城市的划分已基本形成广泛的共识,并被广泛认可为城市发展水平的划分标准
[15-16]。一线城市包括深圳、北京、上海和广州等;新一线城市包括长沙、重庆、成都和苏州等;二线城市包括石家庄、佛山、福州和哈尔滨等;三线城市包括揭阳、九江、许昌和运城等。本研究将新一线、一线城市定义为发达城市组,二线、三线城市定义为发展中城市组。
4)观察指标:主要观察指标是TIR(10.0)和TIR(7.8)。次要观察指标是预估糖化血红蛋白(estimated glycated hemoglobin A1c,eA1c)、LBGI、HBGI、TBR(3.9)和TBR(3.0)、TAR(10.0)和TAR(7.8)、SD、CV等。
1.4 统计学处理
采用R4.2.1软件对数据进行统计分析。非正态分布的计量资料以中位数(第1四分位数,第3四分位数)表示,组间比较采用Wilcoxon检验。计数资料以例数和百分比表示,组间比较采用卡方检验或Fisher精确检验。筛选出不同经济水平城市T1DM患者血糖控制的差异性指标。LBGI因其分布非正态且缺乏临床阈值,采用中位数进行二分类分组以平衡样本量,减少偏态分布的影响。采用多因素Logistic回归模型评估城市经济水平与T1DM患者低血糖指标的相关性。P<0.05为差异有统计学意义。
2 结 果
2.1 根据城市经济水平分组后T1DM患者基线特征比较
本研究共纳入T1DM患者124例,其中发达城市56例(45.2%),发展中城市68例(54.8%);男性52例(41.9%),女性72例(58.1%);年龄为22.3(9.3,32.5)岁,病程为0.8(0,8.8)年。发展中城市组及发达城市组在年龄、病程、性别、体重指数(body mass index,BMI)、2代内直系血亲患糖尿病、吸烟、饮酒、起病时有糖尿病酮症酸中毒(diabetic ketoacidosis,DKA)、起病时糖化血红蛋白、基础胰岛素剂量、总胰岛素剂量、使用DIYAPS时长、家庭人均年收入、父母教育程度及本人教育程度方面的差异均无统计学意义(均
P>0.05,
表1)。
2.2 发达城市组和发展中城市组T1DM患者血糖控制的比较
在全天时间段,与发达城市组相比,发展中城市组的LBGI较高[1.5(0.9,2.4) vs 1.1(0.6,1.5),
P<0.05],TAR(7.8)较低[30.9%(19.2%,40.8%) vs 36.3%(28.7%,49.2%),
P<0.05]。在白天时间段,与发达城市组相比,发展中城市组TIR(7.8)较高[59.8%(49.9%,71.6%) vs 55.4(43.7%,64.4%),
P<0.05]、LBGI较高[1.4(0.9,2.3) vs 1.0(0.6,1.5),
P<0.05]、TBR(3.9)较高[5.3%(3.0%,9.1%) vs 3.9%(1.7%,6.3%),
P<0.05],TAR(7.8)较低[31.3%(22.3%,43.3%) vs 39.5%(30.7%,53.6%),
P<0.05]。夜晚时间段组间差异均无统计学意义(均
P>0.05,
表2)。
此外,根据临床常用阈值对血糖控制状态进行分类分析显示,发达城市组患者的血糖达标率(TIR≥70%)为83.93%,高血糖率(TAR≥25%)为16.07%,低血糖率(TBR≥4%)为39.29%;发展中城市组则分别为82.35%、14.71%和63.24%。
2.3 T1DM患者低血糖风险与城市经济水平的相关性
以低血糖结局指标LBGI二分类变量(基于中位数分组)作为因变量,将城市经济水平等级分组(发展中城市=1,发达城市=2)作为自变量,并纳入年龄、性别、BMI及家庭人均年收入作为协变量,构建多因素Logistic回归模型。单因素分析显示,发达城市组全天的LBGI显著低于发展中城市组[
OR=0.45,95%
CI 0.22~0.93,
P=0.031]。在校正年龄、性别、BMI及家庭人均年收入混杂因素后,城市经济水平仍与全天LBGI独立相关(
OR=0.43,95%
CI 0.20~0.91,
P=0.028;
表3)。
昼夜分时段分析:白天时间段,与发展中城市组相比,发达城市组的LBGI显著降低[未校正
OR=0.40,95%
CI 0.19~0.81,
P=0.012;校正后
OR=0.36,95%
CI 0.16~0.76,
P=0.008];夜晚时间段LBGI与城市经济水平无显著关联(
P>0.05,
表3)。
3 讨 论
本研究探讨了T1DM患者血糖控制与城市经济水平的相关性,结果表明城市经济水平与T1DM患者LBGI呈负相关,与TAR(7.8)呈正相关,且这种差异仅见于全天、白天时间段。即使在校正患者年龄、性别、BMI及家庭人均年收入因素后,这种相关性仍具有统计学意义。
本研究对象来自中国26个省份和82个市区。不同经济水平城市的T1DM患者年龄、病程、性别、BMI、家庭人均年收入、父母教育程度及本人教育程度的差异均无统计学意义。因此,尽管本研究对象来自不同经济发展水平的城市,他们在影响血糖管理的家庭教育背景与经济因素方面的差异较小,这使得2组之间的血糖控制指标具有可比性。
进一步根据个体血糖控制状态进行的分类分析显示,发展中城市组患者的低血糖率(TBR≥4%)显著高于发达城市组,而2组的血糖达标率(TIR≥70%)及高血糖率(TAR≥25%)相近。该结果与前述连续变量的分析结论相互印证,进一步表明发展中城市组患者的低血糖风险显著更高,而2组的血糖达标率相近,高血糖比例亦未见明显差异。
既往研究
[17-19]表明,较差的血糖控制和较高的糖尿病并发症发生率通常出现在低收入群体中。这提示临床工作者应尽量避免对低社会经济群体的忽视。本研究发现,尽管发达城市的医疗资源和经济水平较高,但发展中城市的T1DM患者在白天时段表现出更好的血糖控制。这可能受到某些生活方式和环境因素的影响,包括日常的体力活动、饮食习惯、社会支持网络以及较少的心理压力等。发达城市T1DM患者可能由于更为丰富的娱乐活动而影响了血糖的控制。适当强度的身体活动和阻力训练可以改善心肺功能,助力血糖达标
[20-23]。因活动量、饮食方式等数据缺失,本研究未进行进一步的探究。与发达城市组相比,发展中城市组的LBGI更高、TAR(7.8)更低,尤其在全天和白天时间段。发达城市组呈现出“低血糖风险低,高血糖风险高”的矛盾现象,提示不同风险因素的叠加效应可能主导血糖控制结局。具体而言,可从以下3个方面进行解释:1)医疗资源与教育水平效应。发达城市拥有更丰富的医疗资源与更高的教育水平,患者能够更快地获取糖尿病管理的前沿信息,这有助于降低低血糖风险。2)行为与环境效应。城市化进程带来的生活方式改变(如久坐增多、高脂饮食)以及环境因素(如人工照明导致的昼夜节律紊乱),使得居民高频进食、依赖代步工具等行为增多,进而导致餐后血糖波动加剧。3)社会支持的双面性。发展中城市线下病友组织的活跃度较高,虽有助于低血糖预警信息共享,但也可能传播保守控糖策略(如刻意维持较高血糖基线以规避低血糖);而发达城市患者因社群互动以线上为主,可能导致自我管理支持不足。发达城市T1DM患者可能面临低血糖与高血糖并存的双重风险,提示在临床实践中需制定差异化的血糖管理策略,以实现二者之间的平衡。
发展中城市组T1DM患者血糖控制较好,但低血糖风险显著高于发达城市组。基于此,本研究进一步探讨了低血糖指标LBGI与城市经济发展水平之间的关系。多因素Logistic回归模型显示,在全天和白天时间段,校正年龄、性别、BMI和家庭人均年收入潜在混杂因素后,城市经济水平仍与低血糖风险独立负向关联。这一发现提示,城市经济发展水平不仅对T1DM患者的血糖控制具有直接影响,还可能通过改善生活方式和健康行为间接调节低血糖风险。
本研究的主要优势在于使用真实世界数据,分析了不同经济水平城市的T1DM患者血糖控制情况,并结合各时段CGM数据全面评估了血糖波动特征。此外,本研究首次探讨城市经济水平与DIYAPS使用者血糖控制之间的关联性,揭示了宏观经济环境对个体血糖管理的潜在作用。
长期而严格的T1DM管理要求,可能会对T1DM患者心理健康和社交功能产生严重的负面影响,导致自我管理能力和血糖控制效果恶化
[24-27]。但是前期研究
[22, 28]发现,通过使用DIYAPS,血糖控制得到改善,许多患者生活质量得到改善。糖尿病患者生活质量得到改善,对低血糖症的恐惧减轻
[29-31]。本研究结果为理解社会经济因素对T1DM患者血糖管理的影响提供了新的视角。数据
[32]表明,DIYAPS的使用人群正在增长,患者在使用后取得了积极的临床效果,选择使用DIYAPS的患者数量在未来几年很可能还会继续增加。APS技术的普及降低了血糖管理的技术门槛,但城市间经济差距对患者的血糖管理的影响仍需关注。
本研究尚存在局限性。首先,本研究依赖自我报告,可能会存在偏倚和误差,且由于可能存在显著回忆性偏倚,本研究未能评估每一个项目与低血糖事件发生的关联。再者,本研究中LBGI的分组基于样本中位数,可能受特定人群特征影响,限制了结果的普适性。未来研究需结合临床验证的LBGI临界值,以进一步验证城市经济水平与低血糖风险的关联。未来中国T1DM登记管理项目移动端数据采集模块将进一步完善。
综上所述,城市经济发展水平对使用DIYAPS的T1DM患者的血糖控制具有重要影响,较高的城市经济水平与较低的T1DM患者低血糖风险相关。研究结果凸显了DIYAPS技术在优化糖尿病管理、降低健康风险方面的重要意义,特别是在经济条件较好的城市地区,其应用潜力和价值更为突出。
四大慢病国家科技重大专项(2023ZD0509100)
中国科学院战略性先导科技专项(CX9100000003)