摘要：糖化血红蛋白（HbA1c）作为评估血糖控制的“金标准”，存在无法反映低血糖和血糖波动（变异性）的局限，而这正是1型糖尿病（T1D）患者日常管理中常见且最危险的挑战。国家代谢性疾病临床医学研究中心、中南大学湘雅二医院李霞教授团队近期在《世界糖尿病杂志》（Worl
糖化血红蛋白（HbA1c）作为评估血糖控制的“金标准”，存在无法反映低血糖和血糖波动（变异性）的局限，而这正是1型糖尿病（T1D）患者日常管理中常见且最危险的挑战。国家代谢性疾病临床医学研究中心、中南大学湘雅二医院李霞教授团队近期在《世界糖尿病杂志》（World Journal of Diabetes）发表的一项观察性研究，通过对328例T1D患者的分析证实，源自持续血糖监测（CGM）的“血糖风险指数”（GRI）能有效弥补这些不足。GRI在识别低血糖和血糖波动风险上显著优于HbA1c，并能区分不同风险特征的患者群体。研究强调：GRI并非要取代HbA1c，而是与其形成互补，二者联合使用可以为优化T1D管理提供更精准、全面的决策依据。
一、背景：HbA1c的局限与GRI的潜力
良好的血糖控制对改善T1D患者预后至关重要。T1D患者因胰岛素绝对缺乏，在血糖管理中面临高度挑战，表现为显著的血糖波动，易发生低血糖和高血糖。尽管治疗手段不断进步，但仅有20%~40%的患者能达到目标血糖水平。
HbA1c作为国际公认的评估金标准，虽具备标准化检测、易测性和成本效益等优势，却存在局限性：无法反映低血糖事件、无法体现血糖变异性（GV），且结果易受多种因素干扰，难以满足全面评估的需求。
CGM技术的发展提供了海量血糖数据，美国糖尿病协会（ADA）推荐使用动态血糖图谱（AGP）整合CGM关键指标，包括血糖目标范围内时间（TIR）、不同等级的低/高血糖时间、平均血糖（MG）、血糖管理指标（GMI）及变异系数（CV）。然而这些指标的高度相关性，使得临床决策更为复杂化。
GRI应运而生：这一新型综合指标由330位国际糖尿病专家基于CGM数据制定，通过加权低血糖组分（GRI-lo）和高血糖组分（GRI-hi）计算得出（公式：GRI=3.0×GRI-lo+1.6×GRI-hi）。作为单一指数，GRI能反映低血糖和高血糖风险，特别强调临床高危的低血糖，且与TIR强相关，有望有效指导血糖调整。
本研究旨在探讨GRI在识别多维血糖控制状态中的具体作用，以及是否能够弥补HbA1c的局限性，为T1D患者的血糖控制提供更精确的评估工具。
二、研究方法
本横断面研究利用随访数据探讨GRI在T1D患者中的临床价值。纳入中南大学湘雅二医院随访队列中328例T1D患者（共681次随访数据），年龄>4岁，病程>3个月。排除贫血、近期并发症等干扰因素者。
数据收集
临床指标：包括年龄、性别、糖尿病病程、体重指数（BMI）、胰岛素方案。
实验室检测：HbA1c、空腹C肽（FCP）和混合餐耐量试验（MMTT）后的2小时C肽（2hCP）水平。
CGM数据
所有参与者佩戴Freestyle Libre动态血糖监测（FGM）系统14天，每15分钟记录一次血糖值。根据定义的目标血糖范围3.9~10.0 mmol/L，计算TIR、高于目标范围时间（TAR）和低于目标范围时间（TBR）。
TBR和TAR按血糖值分为两级：1级TBR（Low）为3.0~10.0~13.9 mmol/L，2级TAR（VHigh）为>13.9 mmol/L。其他CGM衍生指标包括MG、GMI、CV及血糖标准差（SD），CV和SD均为GV指标。
GRI计算
GRI包含两个关键组分：低血糖组分（GRI-lo）和高血糖组分（GRI-hi），计算公式分别为“VLow+(0.8×Low)”和“VHigh+(0.5×High)”。GRI为两者加权和：GRI=3.0×GRI-lo+1.6×GRI-hi。GRI范围0~100（值越高风险越大）；并分5区（A~E）进行风险分层。绘制GRI二维网格图直观反映风险构成（横轴GRI-lo，纵轴GRI-hi）。
统计学分析
采用线性混合效应模型分析GRI与HbA1c之间的关系，并使用相关性和聚类分析评估GRI对AGP七项关键指标的综合反映。所有数据使用SPSS或R软件分析，P
三、研究证实GRI独特价值，GRI+HbA1c完美互补
1、血糖控制现状严峻
纳入681份数据（n=328，171例患者接受1~7次随访），其中194例（59.1%）为女性，236例（72.0%）于儿童或青少年期发病，中位发病年龄10（6~18）岁，中位病程28（13~49）个月。
不足半数T1D患者达到血糖目标：仅40.1%患者HbA1c70%，仅35.4%患者CV
2、GRI分区揭示渐进性风险梯度
患者总体GRI中位值为47（33~69），主要分布于B区（27.2%）和C区（27.6%）。随着GRI分区升高（A→E区）：
血糖控制恶化：HbA1c、MG、GMI、TBR、TAR、GRI-lo、GRI-hi及夜间低血糖频率显著上升；胰岛功能进行性下降（FCP及2hCP↓），血糖稳定性下降（CV↑）；
达标率骤降：HbA1c70%者从A区的100.0%降至E区的0%。
3、GRI vs. HbA1c：捕捉不同风险维度
GRI与低血糖/血糖波动性关联更强（图1）：
GRI与TBR呈中度正相关（r=0.37），而HbA1c与TBR仅呈弱负相关（r=-0.25）；
GRI与CV呈正相关（r=0.71），显著强于HbA1c与CV的相关性；
GRI与TIR呈强负相关性（r=-0.90），TIR与TBR之间无相关性。
量化影响：
HbA1c与GRI呈正相关（r=0.53），二者关联受到TBR和CV的影响：在相同HbA1c水平下，TBR每增加1%，GRI上升1.87（95%CI：1.72~2.01；P
图1. GRI与其他CGM指标、HbA1c之间的关系（1表示强正相关，-1表示强负相关）
4、GRI联合AGP识别四大风险亚型
通过聚类分析（整合GRI和AGP七项参数TIR、VLow、Low、High、VHigh、GMI、CV），可识别出四组不同血糖特征的患者亚群（表1）：
中危组（占比最多）：77%患者TIR 50%~70%，GMI 6.5%~8%，中等高血糖、低血糖及CV风险，以轻度高血糖为主。低血糖高危组：76.9%患者TIR 50%~70%，94.5%GMI
最佳血糖控制组：所有患者TIR>70%，GMI
高血糖高危组：所有患者TIR
表1. 根据聚类分析的四组间血糖及代谢参数比较
GRI的区分力：
四组间GRI水平差异显著。在GRI二维网格图中结合GRI-lo和GRI-hi，可清晰区分四组患者（图2），判别准确率达94%。
图2. GRI网格二维图中四组患者分布情况
5、随访动态揭示GRI与HbA1c联合监测价值
HbA1c
治疗响应模式：
HbA1c和GRI同步下降：伴随TAR、SD降低和TIR升高，表明多维血糖控制全面改善；HbA1c稳定/升高但GRI下降，伴随TBR和CV降低，提示低血糖风险降低；
HbA1c稳定/下降但GRI升高，伴随TBR和CV升高，预警血糖波动加剧和低血糖风险升高；
HbA1c和GRI同步升高：伴随TAR和CV升高、TIR显著下降，血糖控制全面恶化。
四、GRI临床价值及未来方向
本研究确证了GRI是评估T1D患者血糖控制的有效工具，其核心价值在于：1）弥补了HbA1c在识别低血糖风险和血糖波动方面的局限性，尤其擅长识别HbA1c达标患者的隐匿性风险；2）以单一指数整合CGM多维度信息，且与AGP关键参数强关联；3）实现精准风险分层，GRI结合二维网格图能有效区分具有不同临床风险特征（如低血糖高危、高血糖高危）的患者亚群；4）GRI与HbA1c联合使用，可同时评估长期血糖控制水平（HbA1c）和短期血糖波动风险（GRI），为个体化治疗提供全景视角，优化T1D管理策略。
未来研究需进一步探讨GRI与糖尿病并发症的关联，并开发基于机器学习的GRI治疗反应预测模型，以推进精准糖尿病管理。
专家简介
李霞 教授
中南大学湘雅二医院
主任医师 博士生导师
中南大学湘雅二医院代谢内分泌科主任
中南大学湘雅医学院内分泌与代谢病学系主任
国家代谢性疾病临床医学研究中心副主任
中国医师协会内分泌代谢科医师分会常委
中华医学会糖尿病学分会委员、1型糖尿病学组副组长
四大慢病重大专项首席专家；主持科技部重大研发计划、国家自然科学基金等课题；
获国家科技进步二等奖、湖南省青年科技奖等；湖南省卫生领域高层次人才；
长期从事糖尿病与免疫方面的临床和基础研究，成果发表在Nature Communications, Diabetes Care, STTT, J of Autoimmunity, Diabetologia，JCEM等杂志, 共同牵头制定首部《糖尿病分型诊断中国专家共识》、《中国1型糖尿病诊治指南》、参与制定国际糖尿病联盟等国内外指南和共识。
参考文献：He BB, Liu ZZ, Xu RY, et al. Glycated hemoglobin is not enough: The role of glycemia risk index for glycemic control assessment in type 1 diabetes. World J Diabetes. 2025;16(6):104024. doi:10.4239/wjd.v16.i6.104024
来源：国际糖尿病