Diabetes Care
基于进展可能性评分对德国儿童及青少年1型糖尿病1期和2期疾病进展速率进行分层
小赛推荐：
该研究验证了进展可能性评分（PLS）在当前分期标准下对1型糖尿病进展风险的分层能力，并开发了一种无需口服葡萄糖耐量试验的新型评分系统，有助于优化监测策略和临床试验入组。
文献概述
本文《Stratifying the Rate of Disease Progression by Progression Likelihood Scores in Children and Adolescents With Stage 1 and Stage 2 Type 1 Diabetes in Germany》，发表于《Diabetes Care》杂志，回顾并总结了在德国基于Fr1da研究队列，使用进展可能性评分（PLS）对处于1型糖尿病1期和2期的儿童和青少年进行进展风险分层的有效性。研究进一步开发并验证了一种无需口服葡萄糖耐量试验（OGTT）的新型风险评分系统。结果显示，PLS能有效预测从1期和2期向临床3期糖尿病的短期进展风险，且新开发的非OGTT评分同样具备良好的风险分层能力。该研究为早期1型糖尿病的个体化监测和临床试验入组提供了重要的风险评估工具。背景知识
1型糖尿病是一种由自身免疫反应介导的胰岛β细胞破坏导致的慢性疾病，其自然病程可分为多个阶段。在出现临床症状（第3阶段）之前，个体可经历一个漫长的无症状期，即第1阶段（存在两种或以上胰岛自身抗体，血糖正常）和第2阶段（存在自身抗体且伴有血糖异常）。准确评估处于第1和第2阶段的个体向临床糖尿病进展的风险，对于优化监测方案、进行患者咨询以及筛选适合参与预防性干预临床试验的高危人群至关重要。然而，尽管分期本身提供了平均风险估计，同一阶段内个体间的进展速率存在显著异质性。既往研究已尝试开发风险评分系统，如基于糖化血红蛋白（HbA1c）、90分钟OGTT血糖和IA-2抗体滴度的进展可能性评分（PLS），但其在当前美国糖尿病协会（ADA）更新的分期标准（纳入HbA1c作为血糖异常指标）下的适用性尚不明确。此外，OGTT操作繁琐，儿童依从性差，限制了其在大规模筛查和随访中的应用。因此，开发一种无需OGTT、简便易行且准确的风险分层工具，是当前研究领域的重要挑战和未满足需求。本研究正是在此背景下，旨在验证PLS在新分期标准下的性能，并探索替代OGTT的生物标志物，以建立更实用的风险预测模型。
研究方法与实验
研究基于德国Fr1da人群筛查研究，纳入了211,464名1.75至10岁儿童，通过检测胰岛自身抗体识别出早期1型糖尿病患者。对参与者进行代谢分期（包括OGTT和HbA1c检测）并随访其向临床3期糖尿病的进展情况。研究团队应用了先前开发的进展可能性评分（PLS），该评分综合了HbA1c、OGTT 90分钟血糖值和IA-2抗体滴度，并采用既定的阈值（低、中、高）对患者进行风险分层。研究首先评估了PLS在当前ADA分期标准下对第1期患者2年进展风险的预测能力，并在独立验证队列中进行验证。其次，通过单变量和多变量Cox比例风险模型，探索了除PLS参数外其他变量（如肥胖、IA-2抗体表位反应性等）与进展风险的关联，以改进现有模型。最后，研究团队开发了一种新型的非OGTT风险评分，该评分基于IA-2抗体滴度类别、HbA1c、肥胖状态和IA-2 juxtamembrane（JM）表位抗体阳性等变量，旨在实现无需OGTT的进展风险分层。关键结论与观点
研究意义与展望
本研究的发现对1型糖尿病的临床管理具有重要意义。通过验证PLS在当前分期标准下的有效性，研究为临床医生提供了一个实用的风险分层工具，可用于指导不同风险个体的监测频率和强度。例如，低PLS个体可能需要较少的随访，而高PLS个体则应被密切监测，其风险水平与第2期患者相当，应被视为预防性干预试验的优先入组对象。
更重要的是，研究开发的非OGTT风险评分系统解决了OGTT操作不便的核心问题，使得风险评估可以在常规门诊或大规模筛查项目中更便捷地实施。这有望显著提高早期1型糖尿病风险分层的可及性和效率。未来的研究需要在其他种族和地理人群中验证这些评分的普适性，并进一步探索将遗传、代谢组学等其他组学数据整合到风险模型中，以构建更精准的动态预测工具。此外，基于这些评分的个体化监测策略的成本效益也需要进行评估。
结语
本研究系统评估了进展可能性评分（PLS）在德国儿童和青少年1型糖尿病1期和2期患者中对进展至临床3期风险的分层能力。研究证实，PLS在当前ADA分期标准下依然有效，能够将1期患者的2年进展风险从0%（低PLS）分层至43.7%（高PLS），并同样适用于2期患者的进一步风险分层。研究还识别出肥胖和IA-2抗体JM表位阳性为独立的进展风险因子。最重要的是，研究团队成功开发了一种新型的非OGTT风险评分，该评分整合了IA-2抗体滴度、HbA1c、肥胖和IA-2 JM表位抗体等变量，无需进行OGTT即可有效分层进展风险。这一成果为早期1型糖尿病的个体化管理提供了重要的工具，有助于优化临床监测策略、改善患者咨询，并为预防性临床试验的精准入组提供了科学依据。该研究推动了向更简便、更精准的早期糖尿病风险预测模型的发展，具有重要的临床转化价值。
