《Diabetes Research and Clinical Practice》：Prediction of gestational diabetes mellitus using continuous glucose monitoring metrics
编辑推荐：
妊娠糖尿病预测中连续血糖监测衍生指标（%TA7.8、Hyper-GRI、J-index、SD、MAGE）的AUROC均超过0.80，其中%TA7.8和Hyper-GRI表现最优（0.862）。BMI<23组和 Chinese参与者预测效能更佳，整合临床变量后模型AUROC提升至0.895。
陈凌伟（Ling-Wei Chen）|顾志伟（Chee Wai Ku）|郑如瑟（Ruther Teo Zheng）|詹杰瑞（Jerry Kok Yen Chan）|叶法宾（Fabian Yap）|罗诗玲（See Ling Loy）
台湾国立大学公共卫生学院流行病学与预防医学研究所，台北，台湾
摘要
目的
我们评估了基于连续血糖监测（CGM）的指标在预测妊娠糖尿病（GDM）方面的有效性。
方法
我们分析了一项多民族前瞻性队列研究中167名孕妇的数据，这些孕妇在妊娠18-24周时有至少3天的CGM数据，并在妊娠24-28周接受了75克口服葡萄糖耐量测试。使用接收者操作特征曲线下面积（AUROC）和5折交叉验证（20次重复）来评估CGM指标的预测性能；最优切点通过Youden指数确定。
结果
共有30例（18%）妊娠糖尿病患者。最强的预测指标是“高于7.8 mmol/L的时间百分比”（%TA7.8）[AUROC（95% CI）：0.862（0.780, 0.945）；切点：1.23%；敏感性：0.800；特异性：0.847]以及“血糖风险指数的高血糖成分”（Hyper-GRI）[0.862（0.779, 0.945）；切点：0.79；敏感性：0.767；特异性：0.883]。J指数、标准差（SD）和血糖波动平均幅度（MAGE）的AUROC也超过了0.80。在BMI<23 kg/m2的女性中（n=89；AUROC范围：0.813–0.882），这些指标的预测性能优于BMI≥23 kg/m2的女性（n=78；AUROC范围：0.657–0.756）。在中国孕妇（n=142）中，%TA7.8和J指数的AUROC超过0.80；在非中国孕妇（n=25）中，SD的表现最好（AUROC：0.845）。将单个CGM指标添加到包含母亲年龄、孕前BMI、职业状况、GDM病史和糖尿病家族史的模型中后，AUROC分别提高了0.642至0.895（%TA7.8）、0.867（Hyper-GRI）、0.877（J指数）、0.868（SD）和0.848（MAGE）。
结论
基于CGM的指标在预测GDM方面表现良好，具有早期发现不良妊娠血糖状况的潜力
部分内容摘要
背景
母亲在怀孕前、怀孕期间和怀孕后的代谢健康对其自身未来的健康以及孩子的长期健康具有重要影响。妊娠糖尿病（GDM）现在被认为是最常见的妊娠并发症[1]，全球约有13.9%的妊娠受到影响[2]。GDM定义为在怀孕期间首次诊断出的高血糖，会增加母亲日后患2型糖尿病的风险[3][4]，并且与
研究设计与参与者
数据来自KK妇女儿童医院（KKH）进行的一项前瞻性队列研究（NCT03803345），该医院拥有新加坡最大的妇产科部门，每年大约有10,000例新生儿出生（约占当地所有分娩的30%[16]）。招募工作于2019年3月至2021年10月期间进行。临床研究协调员在产前诊所系统地筛查所有孕妇，并随后与她们联系
结果
符合当前分析条件的参与者在妊娠18至24周（中位数：20.3周）期间至少有3天的CGM数据，并在妊娠24至28周（中位数：24.9周）通过OGTT进行了GDM筛查。共有167名孕妇符合这些标准并被纳入分析（详见补充图1中的流程图）。其中30名参与者被诊断为GDM讨论
在这项前瞻性队列研究中，我们系统地评估了一系列基于CGM的指标在预测GDM发生方面的性能。多个CGM指标表现出良好的区分能力，其中“高于7.8 mmol/L的时间百分比”（%TA7.8）和“血糖风险指数的高血糖成分”（Hyper-GRI）成为最佳的单一预测指标（AUROC>0.85）。J指数、SD和MAGE也显示出良好的预测价值（AUROC>0.80）。值得注意的是，孕前BMI较低的女性的预测性能优于BMI较高的女性。这些发现
作者贡献声明
陈凌伟（Ling-Wei Chen）：撰写 – 审稿与编辑、撰写 – 原稿、数据可视化、软件使用、项目管理、方法学设计、调查实施、数据分析、概念构思。顾志伟（Chee Wai Ku）：撰写 – 审稿与编辑、资源获取、调查实施。郑如瑟（Ruther Teo Zheng）：撰写 – 审稿与编辑、方法学设计、数据管理。詹杰瑞（Jerry Kok Yen Chan）：撰写 – 审稿与编辑、资源获取、调查实施。叶法宾（Fabian Yap）：撰写 – 审稿与编辑、资源获取、调查实施。罗诗玲（See Ling Loy）：撰写 – 审稿与
资助
本研究得到了新加坡卫生部国家医学研究委员会（NMRC）开放基金-青年个人研究资助（NMRC/OFYIRG/0082/2018）的支持。CWK、JKYC和SLL得到了新加坡卫生部国家医学研究委员会（NMRC）的资助（NMRC/MOH-001773-00；NMRC/CSA-SI-008-2016；NMRC/MOH-001266-01；NMRC/MOH-001221-01；NMRC/MOH-000932-01；NMRC/MOH-001537-01）。LWC得到了相关部门的资助（MOST110-2314-B-002-290-MY2；NSTC112-2314-B-002-322-MY3）。
利益冲突声明
作者声明以下可能被视为潜在利益冲突的财务利益/个人关系：叶法宾与销售营养产品的公司有关联，包括演讲和讲座费用。如果还有其他作者，他们声明没有已知的可能影响本文所述工作的财务利益或个人关系。
致谢
我们感谢KKH在研究期间提供的机构支持。同时感谢参与研究的孕妇、临床研究协调员、研究官员和医疗保健提供者们的辛勤工作。在准备这项工作时，作者使用了ChatGPT进行语言编辑并获取图表生成的代码建议。在使用该工具/服务后，作者正式审查了
