RU2723626C1 - Method for prediction of clinical course of type 2 diabetes mellitus with application of various types of glucose-lowering therapy on the basis of estimation of glycemia variability - Google Patents
Method for prediction of clinical course of type 2 diabetes mellitus with application of various types of glucose-lowering therapy on the basis of estimation of glycemia variability Download PDFInfo
- Publication number
- RU2723626C1 RU2723626C1 RU2019142779A RU2019142779A RU2723626C1 RU 2723626 C1 RU2723626 C1 RU 2723626C1 RU 2019142779 A RU2019142779 A RU 2019142779A RU 2019142779 A RU2019142779 A RU 2019142779A RU 2723626 C1 RU2723626 C1 RU 2723626C1
- Authority
- RU
- Russia
- Prior art keywords
- diabetes mellitus
- glycemia
- type
- course
- diabetes
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000002560 therapeutic procedure Methods 0.000 title claims abstract description 17
- 208000001072 type 2 diabetes mellitus Diseases 0.000 title claims abstract description 17
- 230000010030 glucose lowering effect Effects 0.000 title abstract 2
- 206010012601 diabetes mellitus Diseases 0.000 claims abstract description 17
- 230000002218 hypoglycaemic effect Effects 0.000 claims abstract description 15
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 claims abstract description 12
- 239000008103 glucose Substances 0.000 claims abstract description 12
- 238000012544 monitoring process Methods 0.000 claims abstract description 9
- 239000008280 blood Substances 0.000 claims abstract description 7
- 210000004369 blood Anatomy 0.000 claims abstract description 7
- 230000002349 favourable effect Effects 0.000 claims abstract description 3
- 230000008092 positive effect Effects 0.000 claims abstract description 3
- 230000002641 glycemic effect Effects 0.000 claims description 21
- 239000003814 drug Substances 0.000 abstract description 8
- 201000010099 disease Diseases 0.000 abstract description 7
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 4
- 239000000126 substance Substances 0.000 abstract 1
- 208000013016 Hypoglycemia Diseases 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 229940079593 drug Drugs 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 230000001965 increasing effect Effects 0.000 description 4
- NOESYZHRGYRDHS-UHFFFAOYSA-N insulin Chemical compound N1C(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(NC(=O)CN)C(C)CC)CSSCC(C(NC(CO)C(=O)NC(CC(C)C)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CCC(N)=O)C(=O)NC(CC(C)C)C(=O)NC(CCC(O)=O)C(=O)NC(CC(N)=O)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CSSCC(NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2C=CC(O)=CC=2)NC(=O)C(CC(C)C)NC(=O)C(C)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2NC=NC=2)NC(=O)C(CO)NC(=O)CNC2=O)C(=O)NCC(=O)NC(CCC(O)=O)C(=O)NC(CCCNC(N)=N)C(=O)NCC(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC(O)=CC=3)C(=O)NC(C(C)O)C(=O)N3C(CCC3)C(=O)NC(CCCCN)C(=O)NC(C)C(O)=O)C(=O)NC(CC(N)=O)C(O)=O)=O)NC(=O)C(C(C)CC)NC(=O)C(CO)NC(=O)C(C(C)O)NC(=O)C1CSSCC2NC(=O)C(CC(C)C)NC(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CC(N)=O)NC(=O)C(NC(=O)C(N)CC=1C=CC=CC=1)C(C)C)CC1=CN=CN1 NOESYZHRGYRDHS-UHFFFAOYSA-N 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 235000012054 meals Nutrition 0.000 description 3
- XZWYZXLIPXDOLR-UHFFFAOYSA-N metformin Chemical compound CN(C)C(=N)NC(N)=N XZWYZXLIPXDOLR-UHFFFAOYSA-N 0.000 description 3
- 229960003105 metformin Drugs 0.000 description 3
- 230000001225 therapeutic effect Effects 0.000 description 3
- 208000002249 Diabetes Complications Diseases 0.000 description 2
- 102000004877 Insulin Human genes 0.000 description 2
- 108090001061 Insulin Proteins 0.000 description 2
- 239000003472 antidiabetic agent Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 208000029078 coronary artery disease Diseases 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 230000037213 diet Effects 0.000 description 2
- 235000005911 diet Nutrition 0.000 description 2
- 230000002526 effect on cardiovascular system Effects 0.000 description 2
- 229960004580 glibenclamide Drugs 0.000 description 2
- ZNNLBTZKUZBEKO-UHFFFAOYSA-N glyburide Chemical compound COC1=CC=C(Cl)C=C1C(=O)NCCC1=CC=C(S(=O)(=O)NC(=O)NC2CCCCC2)C=C1 ZNNLBTZKUZBEKO-UHFFFAOYSA-N 0.000 description 2
- 208000002672 hepatitis B Diseases 0.000 description 2
- 229940125396 insulin Drugs 0.000 description 2
- 230000000144 pharmacologic effect Effects 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 208000007342 Diabetic Nephropathies Diseases 0.000 description 1
- 206010012689 Diabetic retinopathy Diseases 0.000 description 1
- 102000016622 Dipeptidyl Peptidase 4 Human genes 0.000 description 1
- 108010067722 Dipeptidyl Peptidase 4 Proteins 0.000 description 1
- 206010048554 Endothelial dysfunction Diseases 0.000 description 1
- 102000017011 Glycated Hemoglobin A Human genes 0.000 description 1
- 229940121710 HMGCoA reductase inhibitor Drugs 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 206010061218 Inflammation Diseases 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 229940100389 Sulfonylurea Drugs 0.000 description 1
- 208000007536 Thrombosis Diseases 0.000 description 1
- 206010067584 Type 1 diabetes mellitus Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 239000002220 antihypertensive agent Substances 0.000 description 1
- 229940127088 antihypertensive drug Drugs 0.000 description 1
- 229940127218 antiplatelet drug Drugs 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000023852 carbohydrate metabolic process Effects 0.000 description 1
- 235000021256 carbohydrate metabolism Nutrition 0.000 description 1
- 201000001883 cholelithiasis Diseases 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013211 curve analysis Methods 0.000 description 1
- 230000000254 damaging effect Effects 0.000 description 1
- 238000013501 data transformation Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 208000033679 diabetic kidney disease Diseases 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 229940090124 dipeptidyl peptidase 4 (dpp-4) inhibitors for blood glucose lowering Drugs 0.000 description 1
- 230000008694 endothelial dysfunction Effects 0.000 description 1
- 230000003511 endothelial effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 108091005995 glycated hemoglobin Proteins 0.000 description 1
- 239000002471 hydroxymethylglutaryl coenzyme A reductase inhibitor Substances 0.000 description 1
- 201000001421 hyperglycemia Diseases 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000004054 inflammatory process Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 208000010125 myocardial infarction Diseases 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 230000036542 oxidative stress Effects 0.000 description 1
- 230000037081 physical activity Effects 0.000 description 1
- 239000000106 platelet aggregation inhibitor Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 229960004034 sitagliptin Drugs 0.000 description 1
- MFFMDFFZMYYVKS-SECBINFHSA-N sitagliptin Chemical group C([C@H](CC(=O)N1CC=2N(C(=NN=2)C(F)(F)F)CC1)N)C1=CC(F)=C(F)C=C1F MFFMDFFZMYYVKS-SECBINFHSA-N 0.000 description 1
- YROXIXLRRCOBKF-UHFFFAOYSA-N sulfonylurea Chemical class OC(=N)N=S(=O)=O YROXIXLRRCOBKF-UHFFFAOYSA-N 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
- 231100000216 vascular lesion Toxicity 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/66—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving blood sugars, e.g. galactose
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Hematology (AREA)
- Molecular Biology (AREA)
- Urology & Nephrology (AREA)
- Biomedical Technology (AREA)
- Chemical & Material Sciences (AREA)
- Immunology (AREA)
- Food Science & Technology (AREA)
- Analytical Chemistry (AREA)
- Microbiology (AREA)
- Cell Biology (AREA)
- Biotechnology (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- Diabetes (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Acyclic And Carbocyclic Compounds In Medicinal Compositions (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
Description
Изобретение относится к медицине, а именно к эндокринологии и предназначено для прогнозирования течения и эффективности терапии сахарного диабета 2 типа. Актуальность.The invention relates to medicine, namely to endocrinology and is intended to predict the course and effectiveness of the treatment of type 2 diabetes. Relevance.
В Российской Федерации распространенность сахарного диабета (СД) растет высокими темпами: за последние 18 лет она увеличилась на 2,5 млн. человек и более чем у 4,5 млн. имеются официально зарегистрированные случаи заболевания, что, однако не отражает истинную картину (Дедов И.И., Шестакова М.В., Викулова O.K., Железнякова А.В., Исаков М.А. Сахарный диабет в Российской Федерации: распространенность, заболеваемость, смертность, параметры углеводного обмена, структура сахароснижающей терапии по данным Федерального регистра сахарного диабета // Сахарный диабет. 2018. Т. 21, №3. С. 144-159). Согласно общемировым сведениям, каждый второй больной СД остается нераспознанным.In the Russian Federation, the prevalence of diabetes mellitus (DM) is growing rapidly: over the past 18 years, it has increased by 2.5 million people and more than 4.5 million have officially registered cases of the disease, which, however, does not reflect the true picture (Dedov II, Shestakova MV, Vikulova OK, Zheleznyakova AV, Isakov MA Diabetes mellitus in the Russian Federation: prevalence, incidence, mortality, carbohydrate metabolism parameters, structure of hypoglycemic therapy according to the Federal Register of Diabetes // Diabetes mellitus. 2018.V. 21, No. 3. P. 144-159). According to global information, every second patient with diabetes remains unrecognized.
Ущерб, наносимый обществу СД 2 типа, связан с увеличением сердечно-сосудистой заболеваемости и смертности, а растущая инвалидизация в виду развития поздних микро- и макрососудистых осложнений приводит к колоссальной потере трудовых и экономических ресурсов. Учитывая отсутствие выраженных клинических симптомов при СД 2 типа, к моменту постановки диагноза у 20-30% больных выявляются уже имеющиеся микро- и макрососудистые осложнения.The damage to society of type 2 diabetes is associated with an increase in cardiovascular morbidity and mortality, and growing disability due to the development of late micro- and macrovascular complications leads to a huge loss of labor and economic resources. Given the absence of pronounced clinical symptoms in type 2 diabetes, by the time of diagnosis in 20-30% of patients already existing micro- and macrovascular complications are detected.
Как известно, непременным условием профилактики поздних осложнений диабета является строгий гликемический контроль, заключающийся в поддержании уровня гликированного гемоглобина (HbAlc) близким к нормальному (HolmanR.R. etal. 10-yearfollow-upofintensiveglucosecontrolintype 2 diabetes // N. Engl. J. Med. 2008. Vol.359, №15. P. 1577-1589). В связи с этим HbAlc является «золотым стандартом» в оценке качества контроля гликемии. Тем не менее, научные данные демонстрируют, что чередование нормальной и высокой концентрации глюкозы оказывает не менее важное влияние на формирование сосудистых поражений, по сравнению со стабильно высокой гликемией (Климонтов В.В., Мякина Н.Е. Вариабельность гликемии при сахарном диабете: инструмент для оценки качества гликемического контроля и риска осложнений // Сахарный диабет. 2014. Vol.17, №2. Р. 76-82).As is known, strict glycemic control, which is to maintain the level of glycated hemoglobin (HbAlc) close to normal (HolmanR.R. etal. 10-yearfollow-upofintensiveglucosecontrolintype 2 diabetes // N. Engl. J. Med., Is an indispensable condition for the prevention of late complications of diabetes. 2008. Vol. 359, No. 15. P. 1577-1589). In this regard, HbAlc is the "gold standard" in assessing the quality of glycemic control. Nevertheless, scientific data demonstrate that the alternation of normal and high glucose concentrations has an equally important effect on the formation of vascular lesions, compared with stably high glycemia (Klimontov V.V., Myakina N.E. Glycemic variability in diabetes mellitus: a tool to assess the quality of glycemic control and the risk of complications // Diabetes. 2014. Vol.17, No. 2. P. 76-82).
За последние два десятилетия в мировой литературе накопилось большое количество данных о роли вариабельности гликемии (ВГ) в развитии осложнений диабета. Вариабельность рассматривается как самостоятельный предиктор осложнений СД. В ряде исследований установлено, что параметры ВГ имеют самостоятельное значение в прогнозировании диабетической ретинопатии, нефропатии и сердечнососудистых осложнений. Предполагают, что повреждающий эффект подъемов гликемии на сосудистую стенку может реализоваться путем индукции окислительного стресса, выработки маркеров воспаления, развития эндотелиальной дисфункции (Ceriello A., Novials A., Ortega Е. et al. Hyperglycemia following recovery from hypoglycemia worsens endothelial damage and thrombosis activation in type 1 diabetes and in healthy controls. NutrMetabCardiovascDis 2014; 24 (2): 116-123).Over the past two decades, a large amount of data has accumulated in the world literature on the role of glycemic variability (GV) in the development of diabetes complications. Variability is seen as an independent predictor of diabetes complications. In a number of studies, it was found that the parameters of hepatitis B have independent significance in predicting diabetic retinopathy, nephropathy, and cardiovascular complications. It is believed that the damaging effect of glycemic elevations on the vascular wall can be realized by inducing oxidative stress, developing markers of inflammation, developing endothelial dysfunction (Ceriello A., Novials A., Ortega E. et al. Hyperglycemia following recovery from hypoglycemia worsens endothelial damage and thrombosis activation in type 1 diabetes and in healthy controls. NutrMetabCardiovascDis 2014; 24 (2): 116-123).
В настоящее время разработаны методы оценки ВГ, позволяющие количественно судить о колебаниях гликемии в разных диапазонах значений и в разные временные отрезки.At present, methods have been developed for the assessment of GV, which allow quantifying the fluctuations in glycemia in different ranges of values and in different time periods.
Традиционной мерой ВГ является стандартное отклонение (standartdeviation - SD), характеризующее степень разброса значений гликемии, а также коэффициент вариации (coeffitient of variation - CV), показывающий, какой процент от среднего значения гликемии составляет SD. Основными отличиями перечисленных методов оценки ВГ является простота расчета и отсутствие специальных требований к частоте и длительности контроля гликемии, а так же возможности использования для анализа результатов самоконтроля глюкозы крови (СКГК). При этом использование в качестве показателя ВГ CV имеет преимущества, поскольку является относительным показателем среднего, что делает его более точным описательным методом, характеризующим экскурсию гликемии, чем SD.A traditional measure of GV is standard deviation (SD), which characterizes the degree of spread of glycemia values, as well as a coefficient of variation (CV), which shows what percentage of the average glycemia is SD. The main differences between these methods for assessing GV are the simplicity of the calculation and the absence of special requirements for the frequency and duration of glycemic control, as well as the possibility of using for the analysis of the results of self-monitoring of blood glucose (SCHC). Moreover, the use of CV as an indicator of SH has advantages, since it is a relative indicator of the average, which makes it a more accurate descriptive method that characterizes the glycemic excursion than SD.
Оценка ВГ является наиболее перспективным подходом к оценке эффективности управления СД, а снижение ВГ можно рассматривать как одну из важных терапевтических целей при лечении СД. Соответственно, все больше внимания уделяется изучению влияния различных сахароснижающих препаратов (ССП) на параметры гликемической изменчивости. В последнее время параметры ВГ все чаще входят в протоколы клинических исследований, где служат критерием эффективности при регистрации новых сахароснижающих препаратов. Основной проблемой, препятствующей внедрению известных параметров в широкую клиническую практику, является отсутствие четких диагностических критериев, по которым следовало бы оценивать течение СД, а также эффективность проводимой терапии.Evaluation of HBV is the most promising approach to assessing the effectiveness of managing diabetes, and reducing HBV can be considered as one of the important therapeutic goals in the treatment of diabetes. Accordingly, more and more attention is being paid to studying the effect of various sugar-lowering drugs (BSP) on the parameters of glycemic variability. Recently, GV parameters are increasingly included in clinical trial protocols, where they serve as a criterion for effectiveness when registering new sugar-lowering drugs. The main problem that impedes the introduction of known parameters into widespread clinical practice is the lack of clear diagnostic criteria by which the course of diabetes and the effectiveness of the therapy should be evaluated.
Задачей настоящего изобретения является создание способа прогнозирования течения и эффективности проводимой терапии у больных СД 2 типа по данным самоконтроля гликемии.The objective of the present invention is to provide a method for predicting the course and effectiveness of therapy in patients with type 2 diabetes according to self-control of glycemia.
Технический результат заключается в количественной оценке способа с целью повышения его точности, расширения арсенала средств для оценки течения заболевания и эффективности проводимой терапии у больных, страдающих сахарным диабетом 2 типа. Сущность предлагаемого способа.The technical result consists in a quantitative assessment of the method with the aim of increasing its accuracy, expanding the arsenal of tools for assessing the course of the disease and the effectiveness of the therapy in patients with type 2 diabetes. The essence of the proposed method.
В соответствии с поставленной задачей нами был разработан способ прогнозирования течения и эффективности терапии СД 2 типа, включающий: проведения СКГК в количестве 7-ми раз в сутки, в течение 3 дней; сбор данных о СМГ; математическое преобразование данных с вычислением индексов вариабельности, SD и CV; прогноз благоприятного течения заболевания и положительного эффекта от проводимой терапии пероральными сахароснижающими препаратами у больных СД 2 типа в случае, если индекс CV не превышает 30%. Количество дней мониторинга является достаточным для того, чтобы минимизировать межсуточные различия ВГ, обусловленные сменой питания и физической активности, а заданная кратность измерений предоставляет широкую информацию об уровне гликемии в разное время суток (в зависимости от приема пищи), что обеспечивает объективность при оценке результатов исследования.In accordance with the task, we have developed a method for predicting the course and effectiveness of the treatment of type 2 diabetes, including: performing SCHC in the amount of 7 times a day, for 3 days; collection of data on SMG; mathematical data transformation with calculation of variability indices, SD and CV; the prognosis of the favorable course of the disease and the positive effect of the therapy with oral hypoglycemic drugs in patients with type 2 diabetes if the CV index does not exceed 30%. The number of monitoring days is sufficient to minimize the diurnal differences in GV due to changes in diet and physical activity, and the specified measurement frequency provides wide information about the level of glycemia at different times of the day (depending on the meal), which provides objectivity in evaluating the results of the study .
Новизна способа заключается в использовании методов анализа гликемических кривых для оценки гликемического контроля и эффективности сахароснижающей терапии у больных с СД 2 типа с использованием метода оценки вариабельности гликемии по данным самоконтроля, как наиболее приемлемого для клинической практики, в отличие от НМГ (непрерывного мониторинга глюкозы) с применением специальных устройств.The novelty of the method lies in the use of glycemic curve analysis methods to assess glycemic control and the effectiveness of hypoglycemic therapy in patients with type 2 diabetes using the method of assessing glycemic variability according to self-monitoring as the most acceptable for clinical practice, in contrast to NMH (continuous monitoring of glucose) with the use of special devices.
Способ осуществляется следующим образом.The method is as follows.
Основой для анализа ВГ у конкретного пациента с С Д являлись данные повторных измерений уровня глюкозы, выполненных в лабораторных условиях. Мониторирование глюкозы производилось путем измерения уровня гликемии в 7 временных точках, в разное время суток (до и после приема пищи и на ночь). Длительность наблюдения составляла 3 суток. Для анализа гликемических кривых ВГ использовали стандартное отклонение (SD). При вычислении SD результаты серии измерений усредняются, от каждого значения гликемии отнимается среднее значение и из суммы квадратов полученных разниц, разделенной на количество периодов, извлекается квадратный корень:The basis for the analysis of hepatitis B in a particular patient with C D was the data of repeated measurements of glucose levels performed in laboratory conditions. Glucose was monitored by measuring glycemia at 7 time points, at different times of the day (before and after meals and at night). The observation duration was 3 days. For the analysis of glycemic curves of SH, standard deviation (SD) was used. When calculating SD, the results of a series of measurements are averaged, the average value is taken from each glycemia value and the square root is extracted from the sum of the squares of the differences, divided by the number of periods:
где G_t - значение гликемии в определенный момент времени;where G_t is the value of glycemia at a certain point in time;
G- - среднее значение гликемии; k - число измерений.G - - the average value of glycemia; k is the number of measurements.
Производным показателем является от SD является коэффициент вариации (CV), который показывает, какой процент от среднего значения гликемии составляет SD и рассчитывается по формуле:A derivative of SD is the coefficient of variation (CV), which shows what percentage of the average glycemia is SD and is calculated by the formula:
CV=(SD/M)CV = (SD / M)
где М - среднее значение глюкозы капиллярной крови по данным семикратного измерения втечение суток, SD - стандартное отклонениеwhere M is the average glucose value of capillary blood according to seven times a day, SD is the standard deviation
гликемии.glycemia.
Вычисление индексов ВГ осуществлялось с помощью электронной таблицы Exel.Calculation of the indices of VG was carried out using an Exel spreadsheet.
Указанным способом было обследовано 92 пациента, с длительностью СД 2 типа менее 5 лет, в возрасте 53,5±5,0 лет. Больные были разделены на группы 1, 2а, 2б и 3 (n=32, 19, 23 и 18, соответственно) в зависимости от лечения: 1) диета и/или только метформин (группа контроля); 2) пероральная терапия, включающая ингибиторы дипептидилпептидазы 4, И-ДПП 4 (группа 2а) или препараты сульфонилмочевины, ПСМ (группа 2б); 3) инсулин (группа 3). Проводилось сравнение параметров гликемического контроля в разных группах, как традиционных (гликемия натощак, среднесуточная гликемия и HbAlc), так и отражающих ВГ (SD, CV). Оценивалась частота и тяжесть проявления гипогликемических состояний. Сравнение определяемых показателей в разных группах, представлено в таблице.In this way, 92 patients were examined, with a duration of type 2 diabetes less than 5 years, at the age of 53.5 ± 5.0 years. Patients were divided into groups 1, 2a, 2b and 3 (n = 32, 19, 23 and 18, respectively) depending on the treatment: 1) diet and / or metformin alone (control group); 2) oral therapy, including dipeptidyl peptidase 4, I-DPP 4 inhibitors (group 2a) or sulfonylurea preparations, PSM (group 2b); 3) insulin (group 3). The parameters of glycemic control were compared in different groups, both traditional (fasting glycemia, daily average glycemia and HbAlc), and reflecting HB (SD, CV). The frequency and severity of the manifestation of hypoglycemic conditions was evaluated. Comparison of defined indicators in different groups is presented in the table.
Анализ результатов показал, что процент CV (М±σ) увеличивался от группы 1 (18,6±3,3%) до группы 4 (32,7±8,2%). В группе 1 верхний предел CV составил 29,7%, который был взят за основу в качестве ориентира для определения для разделения стабильной и нестабильной гликемии. Так пациенты, у которых CV превышает 30% имели высокую вариабельность гликемии, пациенты с CV менее 30% - низкую ВГ. Процент пациентов с уровнем CV выше этого порога в группах 2а, 2б и 3- составил 8,5%, 16,0% и 53,0%, соответственно. Гипогликемия была более частой в группе 2б (Р<0,01) и группе 3 (Р<0,03). При детальном анализе выяснилось, что у 99% пациентов, перенесших гипогликемию, исследуемый параметр CV превышал установленный порог. Уровень CV в 30%, является подходящим порогом для различения стабильной и нестабильной гликемии при сахарном диабете, поскольку за пределами этого предела частота гипогликемии значительно увеличивается, особенно у пациентов, получающих инсулин. Клинический пример.The analysis of the results showed that the percentage of CV (M ± σ) increased from group 1 (18.6 ± 3.3%) to group 4 (32.7 ± 8.2%). In group 1, the upper limit of CV was 29.7%, which was taken as a basis as a guideline for determining the separation of stable and unstable glycemia. So patients with a CV exceeding 30% had high glycemic variability, patients with a CV less than 30% had a low GV. The percentage of patients with CV levels above this threshold in groups 2a, 2b and 3- was 8.5%, 16.0% and 53.0%, respectively. Hypoglycemia was more frequent in group 2b (P <0.01) and group 3 (P <0.03). A detailed analysis revealed that in 99% of patients undergoing hypoglycemia, the investigated CV parameter exceeded the established threshold. A CV level of 30% is an appropriate threshold for distinguishing between stable and unstable glycemia in diabetes mellitus, since beyond this limit the frequency of hypoglycemia increases significantly, especially in patients receiving insulin. Clinical example.
Пациентка Н., 57 лет, длительность СД 2 типа - 5 лет. С момента выявления заболевания принимала глибенкламид 3,5 мг/сутки, метформин 1000 мг/сутки. Среди сопутствующих заболеваний имеет ишемическую болезнь сердца (ИБС), перенесенный инфаркт миокарда, гипертоническую болезнь, ожирение I степени, желчнокаменную болезнь. Помимо сахароснижающей терапии регулярно принимает гипотензивные препараты, статины, антиагреганты. При первичном обращении к эндокринологу уровень HbAlc составлял 8,3%. Для оценки ВГ проводилось суточное мониторирование глюкозы путем измерения уровня гликемии в капиллярной крови в 7 временных точках, в разное время суток (до и после каждого приема пищи и ночью) в течение 3-х дней. На основании полученных измерений гликемии определяли CV гликемии. По результатам мониторинга CV на исходной терапии составил 36% (высокая вариабельность гликемии). Уровень глюкозы крови варьировал от 4,1 до 13,7 ммоль/л. Снижение глюкозы крови менее 4,5 ммоль/л вызывало у больной симптомы легкой гипогликемии. Пациентке была проведена коррекция сахароснижающей терапии с целью снижения ВГ и минимизации риска гипогликемий. Для этого глибенкламид был заменен на ситаглиптин в дозе 100 мг/сутки. Прием метформина был продолжен в прежней дозировке. Спустя 3 месяца после смены терапии повторно провели суточный мониторинг глюкозы, по результатам которого CV гликемии составил 21%. Уменьшился размах колебаний гликемии (от 6,8 до 11,3 ммоль/л), гипогликемические состояния не отмечались.Patient N., 57 years old, duration of type 2 diabetes - 5 years. From the moment of detection of the disease, she took glibenclamide 3.5 mg / day, metformin 1000 mg / day. Among concomitant diseases, it has coronary heart disease (CHD), myocardial infarction, hypertension, grade I obesity, gallstone disease. In addition to hypoglycemic therapy, he regularly takes antihypertensive drugs, statins, antiplatelet agents. At the initial visit to the endocrinologist, the HbAlc level was 8.3%. To assess GV, daily monitoring of glucose was carried out by measuring the level of glycemia in capillary blood at 7 time points, at different times of the day (before and after each meal and at night) for 3 days. Based on the obtained glycemic measurements, the glycemic CV was determined. According to the monitoring results, the initial therapy CV was 36% (high glycemic variability). Blood glucose levels ranged from 4.1 to 13.7 mmol / L. A decrease in blood glucose of less than 4.5 mmol / L caused symptoms of mild hypoglycemia in the patient. The patient underwent correction of hypoglycemic therapy in order to reduce VH and minimize the risk of hypoglycemia. For this, glibenclamide was replaced with sitagliptin at a dose of 100 mg / day. Metformin was continued at the previous dosage. 3 months after the change of therapy, repeated daily monitoring of glucose was carried out, according to which the CV glycemia was 21%. The magnitude of the fluctuations in glycemia decreased (from 6.8 to 11.3 mmol / L), hypoglycemic conditions were not observed.
Таким образом, определение вариабельности гликемии (ВГ) является новым перспективным подходом в оценке эффективности управления сахарным диабетом и одной из важных терапевтических целей его лечения. Описанный метод может быть использован в эндокринологических стационарах при обследовании пациентов с СД 2 типа для формирования групп с повышенным риском тяжелого течения заболевания и развития осложнений, с целью оптимизации дальнейшей тактики ведения данных пациентов и подбора соответствующей группы сахароснижающих препаратов.Thus, the determination of glycemic variability (GV) is a new promising approach in assessing the effectiveness of diabetes management and one of the important therapeutic goals of its treatment. The described method can be used in endocrinology hospitals when examining patients with type 2 diabetes to form groups with an increased risk of a severe course of the disease and the development of complications, with the aim of optimizing the further tactics of managing these patients and selecting the appropriate group of hypoglycemic drugs.
При определении лечебной тактики и выбора предпочтительного фармакологического препарата следует учитывать особенности отдельных препаратов. Предпочтение следует отдавать препаратам, обладающим минимальной вариабельностью фармакологического профиля и сахароснижающего эффекта в течение дня.When determining therapeutic tactics and choosing the preferred pharmacological drug, the characteristics of individual drugs should be taken into account. Preference should be given to drugs with minimal variability in the pharmacological profile and sugar-lowering effect during the day.
По заявляемому нами способу было обследовано 92 пациента.According to our claimed method, 92 patients were examined.
Результаты исследования:The results of the study:
Claims (1)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2019142779A RU2723626C1 (en) | 2019-12-17 | 2019-12-17 | Method for prediction of clinical course of type 2 diabetes mellitus with application of various types of glucose-lowering therapy on the basis of estimation of glycemia variability |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2019142779A RU2723626C1 (en) | 2019-12-17 | 2019-12-17 | Method for prediction of clinical course of type 2 diabetes mellitus with application of various types of glucose-lowering therapy on the basis of estimation of glycemia variability |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2723626C1 true RU2723626C1 (en) | 2020-06-17 |
Family
ID=71096034
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2019142779A RU2723626C1 (en) | 2019-12-17 | 2019-12-17 | Method for prediction of clinical course of type 2 diabetes mellitus with application of various types of glucose-lowering therapy on the basis of estimation of glycemia variability |
Country Status (1)
| Country | Link |
|---|---|
| RU (1) | RU2723626C1 (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115762782A (en) * | 2022-11-22 | 2023-03-07 | 南京晶捷生物科技有限公司 | Blood glucose analysis method based on CGM dynamic graph and edge calculation device |
| CN120299743A (en) * | 2025-06-13 | 2025-07-11 | 中国人民解放军空军军医大学 | System and method for analyzing the cognitive impairment effects of diabetes based on brain functional imaging |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2006125153A (en) * | 2006-07-12 | 2008-01-20 | Юниверсити Оф Вирджиния Пэйтент Фаундейшн (Us) | METHOD, SYSTEM AND SOFTWARE PRODUCT FOR EVALUATING GLYCEMIA CONTROL DIABETES ACCORDING TO SELF-MONITORING DATA |
| WO2014140066A1 (en) * | 2013-03-14 | 2014-09-18 | Roche Diagnostics Gmbh | System and methods for analyzing blood glucose data and quantifying the success for failure of insulin therapy |
| RU2557978C2 (en) * | 2013-07-22 | 2015-07-27 | Государственное бюджетное образовательное учреждение дополнительного профессионального образования "Новокузнецкий государственный институт усовершенствования врачей" Министерства здравоохранения Российской Федерации | Method of diagnosing gestational diabetes mellitus |
-
2019
- 2019-12-17 RU RU2019142779A patent/RU2723626C1/en active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2006125153A (en) * | 2006-07-12 | 2008-01-20 | Юниверсити Оф Вирджиния Пэйтент Фаундейшн (Us) | METHOD, SYSTEM AND SOFTWARE PRODUCT FOR EVALUATING GLYCEMIA CONTROL DIABETES ACCORDING TO SELF-MONITORING DATA |
| WO2014140066A1 (en) * | 2013-03-14 | 2014-09-18 | Roche Diagnostics Gmbh | System and methods for analyzing blood glucose data and quantifying the success for failure of insulin therapy |
| RU2557978C2 (en) * | 2013-07-22 | 2015-07-27 | Государственное бюджетное образовательное учреждение дополнительного профессионального образования "Новокузнецкий государственный институт усовершенствования врачей" Министерства здравоохранения Российской Федерации | Method of diagnosing gestational diabetes mellitus |
Non-Patent Citations (1)
| Title |
|---|
| БРОДОВСКАЯ А.Н. и др. Взаимосвязь вариабельности гликемии и поражения почек у больных с впервые выявленным сахарным диабетом 2 типа// Вестник Ивановской медицинской академии - 2018 - N 2 - С.48-49. * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115762782A (en) * | 2022-11-22 | 2023-03-07 | 南京晶捷生物科技有限公司 | Blood glucose analysis method based on CGM dynamic graph and edge calculation device |
| CN120299743A (en) * | 2025-06-13 | 2025-07-11 | 中国人民解放军空军军医大学 | System and method for analyzing the cognitive impairment effects of diabetes based on brain functional imaging |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Radbill et al. | Rationale and strategies for early detection and management of diabetic kidney disease | |
| Manzano-Fernández et al. | Complementary prognostic value of cystatin C, N-terminal pro-B-type natriuretic Peptide and cardiac troponin T in patients with acute heart failure | |
| Gravante et al. | Prediction of mortality in acute pancreatitis: a systematic review of the published evidence | |
| Schnabel et al. | Relation of multiple inflammatory biomarkers to incident atrial fibrillation | |
| Jensen et al. | Prevalence of systolic and diastolic dysfunction in patients with type 1 diabetes without known heart disease: the Thousand & 1 Study | |
| Palanca et al. | Prevalence and progression of subclinical atherosclerosis in patients with chronic kidney disease and diabetes | |
| Damsgaard et al. | Prognostic value of urinary albumin excretion rate and other risk factors in elderly diabetic patients and non-diabetic control subjects surviving the first 5 years after assessment | |
| Hedderson et al. | Prepregnancy cardiometabolic and inflammatory risk factors and subsequent risk of hypertensive disorders of pregnancy | |
| RU2723626C1 (en) | Method for prediction of clinical course of type 2 diabetes mellitus with application of various types of glucose-lowering therapy on the basis of estimation of glycemia variability | |
| Richter et al. | A simple derived prediction score for the identification of an elevated pulmonary artery wedge pressure using precatheterization clinical data in patients referred to a pulmonary hypertension center | |
| Palatini et al. | Cystatin C as predictor of microalbuminuria in the early stage of hypertension | |
| Li et al. | Uric acid and risk of incident heart failure in individuals with cardiovascular disease | |
| Nouhravesh et al. | Retinopathy is associated with impaired myocardial function assessed by advanced echocardiography in type 1 diabetes patients–the Thousand & 1 Study | |
| Berton et al. | Albumin excretion in acute myocardial infarction: a guide for long-term prognosis | |
| Rettke et al. | Significance of mildly elevated creatine kinase (myocardial band) activity after elective abdominal aortic aneurysmectomy | |
| Zhu et al. | Duration-specific association between plasma IGFBP7 levels and diabetic complications in patients with type 2 diabetes mellitus | |
| RU2814003C1 (en) | Method of predicting risk of developing diabetic retinopathy in patients with type 2 diabetes mellitus | |
| Zhang et al. | Development of an Amyloidosis Risk Score for Positive Tenosynovial Biopsy at Carpal Tunnel Release | |
| Li et al. | Prognostic significance of mitral regurgitation in long-term all-cause mortality in patients aged≥ 80 years with acute coronary syndrome | |
| Ho et al. | Chest pain on exercise treadmill test predicts future cardiac hospitalizations | |
| Mo et al. | Implications of bleeding on subsequent cardiovascular events in patients with atrial fibrillation after acute coronary syndrome or PCI | |
| Moriconi et al. | Albumin‐To‐Creatinine Ratio Underestimates True 24‐Hour Albuminuria in Obesity: Clinical Relevance for Vascular Risk Stratification | |
| RU2833118C1 (en) | Method for prediction of risk of fatal outcome due to covid-19 in patients with type 1 and 2 diabetes mellitus (versions) | |
| Yun et al. | Referral to nephrologists is associated with the slow progression of kidney dysfunction in patients with type 2 diabetes mellitus | |
| RU2814112C1 (en) | Method of predicting probability of adverse cardiovascular events in patients with coronary heart disease who have undergone planned coronary myocardial revascularization |