不用采血就可以知道餐后血糖的方法
餐后血糖，这么预测更简单！
餐后血糖（PBG）是血糖谱的重要组成部分，对于已使用药物治疗的糖尿病患者，监测PBG是评估疗效、调整治疗方案的重要手段。那餐后血糖一定需要采血检测才知道吗？中日友好医院杨文英教授与北京大学人民医院的纪立农教授携手开发出了一个不需要采血检测就可以知道PBG的“简便”的方法——PBG预测模型：
1、 只要将已有的空腹血糖（FBG）与糖化血红蛋白（HbA1c）值代入预测模型[PBG (mmol/L) = 1.5 × HbA1c (%) + 0.5 × FBG (mmol/L) – 4.1 (R2 =0.57)]就可以获得餐后血糖信息；
2、 该预测模型是通过训练队列构建模型，然后用验证队列验证模型；最后对比实测数据与预测数据发现，两者均值非常接近仅相差0.1mmol/L；
3、 值得注意的是PBG是点血糖，受饮食等因素影响较大，模型计算出的PBG是大致平均范围，不能简单的理解为随机检测的点血糖。
对此，两位教授也给我们详细分享了该预测模型的“来龙去脉”，下面就一起来看看他们是怎么说的！
杨文英教授
FBG、PBG和HbA1c三者之间不容忽视的关系
目前FBG、PBG和HbA1c是衡量血糖水平的三项重要指标，FBG与HbA1c临床上相对PBG检测较多且容易获得。而点血糖PBG受饮食的影响因素比较多。HbA1c是3个月的平均值，它跟FBG与PBG之间的关系非常密切，有研究表明，血糖偏高的时候，PBG和FBG增值贡献各占50%，但是当我们把HbA1c控制到一个比较好的水平，比如7%~8%之间的时候，这个时候FBG看似比较好，但是如果PBG控制不佳，HbA1c也很难控制到7%以内。
基于这样的临床背景，所以我们希望利用临床试验人群开发一个PBG预测模型，根据FBG和HbA1c的情况来预测PBG是否高。
两步法建模
PBG建模分了2步走，首先是用训练队列构建模型，纳入一项东亚人群的随机对照试验（RCT）研究数据，经口服降糖药物（OAM）治疗后，HbA1c为7%-11%，体质指数（BMI）为18.5-35.0 kg/m2的成年2型糖尿病（T2DM）患者。随机接受了26周低预混或中预混胰岛素类似物治疗，采集基线和26周的空腹指末血糖、HbA1c和餐后2小时指末血糖（2h-PBG）用于模型构建的数据，应用线性回归模型构建预测模型，使用R2衡量模型的拟合程度。最终得到的预测模型为：
PBG (mmol/L) = 1.5 × HbA1c (%) + 0.5 × FBG (mmol/L) – 4.1 (R2 =0.57)。
第二步是用验证队列验证模型，根据预测模型计算PBG预测值，并比较其与实际值的差异。采用该模型对验证队列患者的2h-PBG进行预测，预测值平均水平为13.8±3.7 mmol/L，与实际平均水平（13.7±4.6 mmol/L）非常接近，差值为0.1 mmol/L (95%可信区间: -0.1 - 0.5, P=0.52)；是一个拟合度比较高的PBG预测模型，
表1餐后血糖预测模型的验证
使用餐后血糖模型的2个注意事项
建模时使用的HbA1c和FBG、PBG是同一周的数据，验证队列的HbA1c与FBG、PBG时间差也是在1个月之内。因此使用该模型的时候需要注意使用的数据的时间点，如3个月前的HbA1c，可能对数据预测的准确性会受到影响。另外，PBG是点血糖，影响因素非常多，时间、情绪、饮食的影响非常大。因此模型计算出的PBG是大致平均范围，不能简单的理解为随机检测的点血糖。
纪立农教授
餐后血糖检测的“壁垒”
临床实践中，由于PBG常需要餐后2小时进行检测，患者目前自我血糖监测次数较少，多为空腹血糖；门诊静脉采血对于PBG检测不便，因此PBG数值获取也相对较少；而餐后血糖问题对于中国人而言尤为突出，需要常规监测PBG，尤其是这4类患者：血糖控制不达标的患者；FBG达标，而HbA1c不达标（如FBG<7 mmol/L，但HbA1c>7.0%）；低血糖风险较高的患者，进餐不规律或餐后剧烈运动者；使用降糖药物，尤其是降低PBG药物者。
因此，有了PBG预测模型便可以很容易就获取到患者PBG信息，了解患者血糖的控制情况。
建立餐后血糖预测模型的数据采集
PBG建模时训练队列纳入一项RCT研究基线和26周共756个观测值，其中，HbA1c、FBG和2h-PBG的平均水平分别为7.8%±1.3%、8.3±2.3 mmol/L和11.4±3.7 mmol/L。
验证队列从真实世界中纳入了经OAM治疗后血糖控制不佳（HbA1c≥7.5%）的中国成年T2DM患者，接受中预混胰岛素类似物或基础胰岛素类似物治疗，其基线和24周的血糖参数用于模型验证。最后收集到基线和24周共1027个数据，HbA1c、FBG、2h-PBG的平均水平分别为8.7%±1.8%，9.6±2.9 mmol/L和13.7±4.6 mmol/L。
表2.血糖参数（HbA1c，FBG，PBG）
令人感到欣喜是，最终模型得到了真实世界的“肯定”。
未来应用
后续该PBG预测模型可以应用于慢病管理的APP或诊室简易小工具，临床医生通过公式计算结果，提示临床医生或患者是否有餐后血糖高的问题，并采取相应的治疗措施，进一步改善血糖的控制。
小结
医生在临床实际中，需要了解餐后血糖的情况，进行降糖药物的选择，以及治疗后了解FBG、PBG及HbA1c的情况，了解整体的血糖控制，更好的进行糖尿病管理。杨文英教授与纪立农教授携手为接受口服降糖药或胰岛素治疗的成人T2DM患者提供了一种简便易用的基于HbA1c和FBG预测2h-PBG的方法，解决了临床上PBG检测少带来的问题,有助于改善临床实践中T2DM患者的管理。
专家简介
杨文英 教授
曾任中日友好医院内分泌代谢病中心主任、大内科主任、大内科教研室主任、医院学术委员会主任；
曾任中华医学会糖尿病分会主任委员、亚洲糖尿病学会(AASD)副主席、中央保健会诊专家；
曾任《中华糖尿病杂志》创刊主编，多家杂志编委；
曾获2013年首届亚洲糖尿病学会（AASD）糖尿病流行病学奖、2015年中华医学会糖尿病分会科学贡献奖、2017年首届国之名医（卓越建树）奖；
近几年已发表在国内、外核心期刊论文450多篇。
专家简介
纪立农 教授
主任医师、教授、博士生导师
北京大学人民医院内分泌科主任
北京大学糖尿病中心主任
国际糖尿病联盟西太平洋区（IDF-WPR）主席
中华医学会糖尿病学分会委员
中国医师协会内分泌代谢医师分会副会长
中华医学会理事
担任世界卫生组织糖尿病定义、诊断和分型委员会顾问
国际糖尿病联盟亚洲西太平洋地区（IDF-WPR）糖尿病政策组成员。
担任《中国糖尿病杂志》主编，《中华糖尿病杂志》副主编，Journal of Diabetes Investigation 执行编委， Diabetes and Metabolism Research and Review 共同主编