Diabetes Care
糖尿病前期个体微血管与大血管并发症风险的纵向代谢轨迹研究
小赛推荐：
该研究利用长期随访数据，揭示了糖尿病前期人群在向T2D进展过程中存在四种不同的代谢轨迹，并与微血管和大血管并发症风险相关。文章为个性化早期干预提供了重要的窗口期和理论依据。
文献概述
本文《Longitudinal Metabolic Trajectories in Diabetes Prevention Program Participants Reveal Subgroups With Varying Micro- and Macrovascular Complication Risks》，发表于Diabetes Care杂志，回顾并总结了糖尿病前期个体在向T2D进展过程中，其代谢轨迹的异质性及与微血管和大血管并发症风险的关系。研究基于Diabetes Prevention Program（DPP）和其长期随访研究DPPOS的1,732名参与者数据，采用张量分解与高斯混合建模技术，识别出四个不同的代谢轨迹群组，并分析其在糖尿病及并发症发生中的差异。
背景知识
糖尿病前期是一种高血糖状态，介于正常血糖和T2D之间，常伴随胰岛素抵抗或β细胞功能障碍。尽管糖尿病前期的个体进展至T2D的速率和并发症风险存在显著异质性，但既往研究多依赖于横断面数据，难以追踪个体随时间的代谢变化。近年来，随着数据驱动聚类方法的发展，如Ahlqvist等人（2018）和Wagner等人（2019）提出的糖尿病亚型分类，揭示了不同亚型与并发症风险的关系。然而，这些研究基于诊断时的临床数据，缺乏长期追踪能力，限制了对疾病轨迹的准确刻画。本研究通过纵向数据分析，解决了这一方法学瓶颈，首次识别出在进展至T2D前就已出现肾功能下降或尿白蛋白增加的高风险亚型，提示早期干预的重要性。此外，研究还揭示了部分个体即使发展为T2D，仍具有代谢弹性，为临床实践中的风险分层管理提供了理论基础。
研究方法与实验
研究纳入1,732名DPP/DPPOS参与者，随访时间长达19年，涵盖12项临床表型（如空腹血糖、胰岛素、A1C、HDL、LDL、收缩压、舒张压、eGFR、uACR、BMI和腰围）。通过张量分解（PARAFAC）提取时间序列中的潜在模式，再使用高斯混合模型（GMM）进行聚类，最终确定4个最优聚类（k=4）。研究进一步评估各聚类的糖尿病和并发症发生率，包括视网膜病变、神经病变、肾功能障碍、扩展性主要不良心血管事件（eMACE）等。
关键结论与观点
研究意义与展望
本研究为糖尿病前期人群的个体化风险评估提供了新的生物标志物基础，并提示在糖尿病前期阶段，肾功能和胰岛素抵抗的动态监测可能成为早期干预的依据。未来研究应进一步在多组学数据中验证这些亚型的分子机制，并探索其在不同人群中的适用性。
结语
本研究通过长期随访与纵向聚类分析，揭示了糖尿病前期个体在进展至T2D过程中的代谢轨迹异质性。研究识别出四个具有不同并发症风险的亚型：两个具有代谢弹性（Cluster 1和2），一个以胰岛素抵抗和微血管并发症为主（Cluster 3），另一个则以肾功能下降和大血管事件风险为主（Cluster 4）。这些发现为糖尿病前期人群的个体化管理提供了新的理论基础，强调了在进展至T2D前识别高风险亚型的重要性。此外，研究也提示传统横断面分析在捕捉疾病轨迹方面存在局限，未来应更多采用动态追踪策略来优化风险预测和干预时机。
