Diabetes Care
基于连续血糖监测的个性化HbA1c校正模型提升糖化血红蛋白与平均血糖一致性

小赛推荐：

该研究揭示了传统HbA1c在不同种族个体中评估血糖暴露的局限性，提出pA1C作为更精准的替代指标，为糖尿病精准管理策略提供了新的临床参考标准，尤其对T2D患者的个体化治疗设计具有重要指导意义。

 

文献概述

本文《Glucose-Derived Personalized HbA1c Correction (GDAC) Study to Improve Alignment Between CGM-Derived Metrics and HbA1c in Different Individuals and Racial Groups With Diabetes: Implications for Clinical Practice》, 发表于《Diabetes Care》杂志，系统探讨了糖尿病患者中糖化血红蛋白（HbA1c）与连续血糖监测（CGM）衍生的平均葡萄糖（AG）之间的一致性问题，特别关注个体间及种族间红细胞生理差异对HbA1c准确性的影响。研究团队通过前瞻性队列设计，提出并验证了一种新型个性化HbA1c（pA1C）计算方法，旨在校正因RBC寿命和糖化速率差异导致的HbA1c偏差。该指标基于个体的AG和HbA1c动态数据推导出个人糖化率（PGR），从而实现更准确的血糖暴露评估。研究进一步在真实世界数据集中验证了pA1C的优越性，提示其在优化糖尿病管理、减少健康差异方面的潜在价值。

背景知识

1. 该研究解决的T1D和T2D痛点在于，尽管HbA1c是糖尿病管理的核心指标，但其反映的平均血糖水平在不同个体中存在显著差异，尤其在Black人群中常出现HbA1c高于实际血糖水平的现象，导致治疗决策偏差，可能引发过度治疗或低估高血糖风险。这种个体化偏差源于RBC寿命、糖化动力学及血红蛋白变异等生理因素，传统HbA1c无法有效校正。2. 目前HbA1c的研究瓶颈在于其作为群体平均指标难以适应个体异质性，尤其在多民族混合人群中，依赖单一HbA1c目标可能导致系统性偏倚。此外，虽然CGM可提供精准AG数据，但其成本和可及性限制了广泛长期使用，亟需一种可整合CGM短期数据以优化传统HbA1c解释的方法。3. 选题切入点在于利用CGM与HbA1c的纵向匹配数据构建个体化校正模型，提出pA1C作为桥梁指标，既保留HbA1c的临床实用性，又融合CGM的个体动态信息，从而突破现有血糖评估体系的“平均化”局限，实现从“one-size-fits-all”向“personalized A1C”的范式转变。

 

针对糖尿病研究，赛业生物提供多种基因编辑小鼠模型，包括肥胖、糖尿病、非酒精性脂肪肝等代谢性疾病模型，支持基因敲除、基因敲入和饮食诱导等多种造模方式，助力疾病机制研究与新药开发。模型具备良好表型数据，可稳定遗传，适用于药效评价与机制验证。

了解更多

 

研究方法与核心实验

作者在一项为期26周的前瞻性多中心研究中纳入257名糖尿病患者（包括T1D和T2D），覆盖四种主要种族群体（Black、White、Asian等），每两周采集一次中心实验室HbA1c，并通过FreeStyle Libre系统进行全程CGM监测。研究利用前12周的HbA1c与AG数据计算个体化糖化率（PGR），进而推导出pA1C，并在后续14周验证其与AG的一致性。关键实验设计包括：使用Deming回归评估HbA1c/pA1C与AG的关系，定义≥0.5%的偏差为临床显著不一致，并在独立真实世界数据集（n=25,436）中进行外部验证。通过比较不同CGM时长（14–56天）对PGR计算的影响，评估模型的实用性。

关键结论与观点

• 约33%的参与者存在≥0.5%的HbA1c-AG临床显著偏差，其中Black人群偏差率最高（41%），提示HbA1c在该群体中系统性高估血糖暴露；pA1C将总体不一致率降低至14%，在Black人群中降幅达71%，显著提升血糖评估准确性，对后续临床监测策略具有重要指导意义
• pA1C与AG的相关性优于传统HbA1C（R²=0.92 vs. 0.79），在HbA1c为7%时，pA1C的预测区间（PI95）比HbA1c窄37%，表明其能更精确地反映个体血糖水平；该发现支持pA1C作为更可靠的替代指标，对后续药物开发中疗效评估的敏感性提升具有指导意义
• 仅需28天CGM数据即可实现PGR的稳定计算，使pA1C具备较高的临床可行性；PGR值在61–69 mL/g范围内提示HbA1c相对准确，而PGR≥70或≤60 mL/g则显著影响HbA1c解读，提示应优先使用pA1C；这对后续实验方向中筛选需个性化校正的患者亚群具有实用价值

研究意义与展望

该发现为药物开发提供了更精准的疗效终点指标，尤其在涉及多民族人群的临床试验中，使用pA1C可减少因种族相关HbA1c偏差导致的统计偏倚。在临床监测层面，pA1C有望成为HbA1c的升级版报告项，帮助识别“HbA1c假性升高”或“假性降低”个体，避免误治。此外，对于资源有限无法长期使用CGM的患者，短期CGM结合pA1C计算可提供个体化校准，提升管理质量。

 

为支持糖尿病及代谢疾病研究，赛业生物提供标准化的小鼠表型分析服务，涵盖行为学、生理生化、病理学、代谢分析（如GTT、ITT）及分子检测等全方位检测。服务适用于基因功能研究、疾病模型评估及药物药效验证，帮助研究人员全面解析代谢表型。

了解更多

 

结语

本研究通过大规模前瞻性队列与真实世界数据验证，确立了个性化HbA1c（pA1C）在提升血糖评估准确性方面的显著优势，尤其在纠正Black人群HbA1c高估问题上表现突出。pA1C不仅桥接了CGM的个体化数据与传统HbA1c的临床实用性，还为糖尿病管理从“群体平均”向“个体精准”转型提供了可操作路径。未来，将pA1C纳入常规实验室报告，结合短期CGM使用，有望成为优化T1D和T2D患者血糖控制、减少治疗相关并发症和健康差异的基石策略。该模型的推广将强化基于动态生理参数的个体化医疗框架，推动糖尿病照护体系向更公平、更精准的方向演进。

 

Ramzi A Ajjan, Pratik Choudhary, Yongjin Xu, and Timothy C Dunn. Glucose-Derived Personalized HbA1c Correction (GDAC) Study to Improve Alignment Between CGM-Derived Metrics and HbA1c in Different Individuals and Racial Groups With Diabetes: Implications for Clinical Practice. Diabetes Care.