持续葡萄糖监测（continuous glucose monitoring，CGM）能较全面反映人体全天血糖的水平及波动变化，有助于及时呈现降糖药物的治疗效果，指导调整治疗方案，已较广泛应用于1型和2型糖尿病人群的血糖管理 ^{［ 1 , 2 ］} 。虽然CGM最初是为糖尿病患者研发的，但近年来，其在非糖尿病人群中的应用也逐渐受到关注。CGM在这一领域的研究主要集中在作为非糖尿病人群的健康教育工具，提供饮食、运动等生活方式指导。此外，也有研究关注CGM在糖尿病前期的筛查评估、特定疾病的血糖管理等方面的应用。随着研究的深入和技术的不断进步，CGM在非糖尿病人群中的应用前景将更加广阔。为此，本文总结了CGM在非糖尿病人群中的临床研究进展。

一、健康人群CGM指标的正常参考范围

准确定义“正常”是判断“异常”的关键，故CGM正常参考值的建立是科学应用和合理解释该技术的重要科学问题之一。早年已有多项国内外研究针对该问题进行探讨 ^{［ 3 , 4 , 5 ］} 。2009年，Zhou等 ^{［ 4 ］} 利用回顾性CGM系统对全国10家医院的434名糖耐量正常者进行连续3 d的监测，结果发现正常人群的24 h平均血糖水平为（5.8±0.6）mmol/L，血糖高于7.8 mmol/L及低于3.9 mmol/L的时间占比均值分别为4.1%和2.4%。随后，多项国外研究应用CGM对血糖正常人群进行监测，发现其平均血糖水平为5.0~6.4 mmol/L，血糖在3.9~7.8 mmol/L内时间为87%~97.4%，血糖变异系数（coefficient of variation，CV）为14%~20%（ 表1 ） ^{［ 6 , 7 , 8 , 9 , 10 , 11 , 12 , 13 ］} 。然而，值得注意的是，目前仍缺乏基于长期前瞻性的随访结果和大样本的自然人群调查数据建立CGM正常参考值的研究。

近年来，有学者致力于应用CGM技术建立非糖尿病人群的大型生物数据库，进一步探究了该人群的CGM数据特征，并探索了该人群血糖与其他生理指标间的关联。Keshet等 ^{［ 14 ］} 在2019—2022年期间收集7 104名40~70岁的健康成年人的CGM数据，并计算葡萄糖在目标范围内时间（time in range，TIR）、平均血糖波动幅度（mean amplitude of glycemic excursion，MAGE）、CV、J指数、低血糖指数、高血糖指数等CGM指标，发现上述指标均随着年龄增加而发生显著变化；其中，MAGE变化最大，每年增长0.007 mmol/L，提示CGM技术或可用于捕捉健康人群随衰老而发生的糖代谢变化。此外，该研究还发现，低血糖指数与颈动脉内膜中膜厚度呈正相关，J指数与眼底成像中的分形维数显著相关。

以上研究为未来CGM在非糖尿病人群中的研究和临床应用提供参考，并进一步揭示了血糖与其他生理指标之间的潜在规律。未来可进一步探究健康人群CGM测得的血糖指标与长期健康结局之间的关系。

二、CGM应用于糖尿病前期人群的筛查

早期识别糖尿病前期人群或有机会通过早期干预缓解或逆转疾病的进一步进展，故对糖尿病前期进行筛查十分重要。2024年美国糖尿病学会发布的糖尿病医学诊疗标准推荐使用空腹血糖（fasting plasma glucose，FPG）、75 g口服葡萄糖耐量试验（oral glucose tolerance test，OGTT）和糖化血红蛋白（glycated hemoglobin A _1c，HbA _1c）来诊断糖尿病前期。然而上述检测方法均有其局限性。既往研究表明，在第一次FPG结果均正常的人群中，约40%的受试者根据后续进一步的血糖监测结果可被诊断为糖尿病前期 ^{［ 15 ］} ；而OGTT操作复杂，且重复性较差；HbA _1c易受其他因素影响，如血红蛋白病、肝肾疾病状态等可通过影响红细胞生成和寿命或干扰检测方法来影响HbA _1c的浓度。此外，传统血糖监测手段主要检测FPG和餐后2 h血糖，较少关注餐后1 h等其余时间点血糖，以及黎明现象等特殊时间段血糖变化情况 ^{［ 16 , 17 ］} 。而CGM技术以其连续、全天候、多天监测的优势，有助于评估血糖全貌，敏感捕捉异常血糖，或能更准确地将健康人群、糖尿病前期人群与糖尿病人群区分开来 ^{［ 18 , 19 ］} 。当然，CGM若要广泛应用于上述人群，最关键的是解决不同CGM仪器检测结果一致性的问题。由于不同厂家CGM设备的检测结果存在差异，尚未标准化，目前难以确定可统一应用的诊断切点。

目前，确立CGM应用于糖尿病前期人群筛查的核心指标，仍是关键问题。2008年，周健等 ^{［ 20 ］} 使用CGM评估不同糖耐量个体的血糖波动的特点，结果显示糖尿病前期人群24 h平均血糖为（6.3±0.7）mmol/L。此后，多项研究在糖尿病前期人群中使用CGM，结果显示研究人群平均血糖水平为5.6~6.8 mmol/L，血糖在3.9~7.8 mmol/L和3.9~10.0 mmol/L内时间分别为76.9%~94.9%和94.6%~97.8%，CV为15.3%~20.1%，MAGE为1.71~3.1 mmol/L（ 表2 ） ^{［ 6 ， 9 ， 12 , 13 ， 21 ］} 。自2019年国际糖尿病先进技术与治疗大会发表CGM国际共识以来，TIR作为推荐CGM核心指标之一备受学界关注。然而无论以3.9~10.0 mmol/L还是近期备受关注的3.9~7.8 mmol/L作为目标范围，健康人群的血糖在目标范围内时间未显著区别于糖尿病前期人群 ^{［ 6 ， 21 ］} 。故该指标可能并不适合筛查糖尿病前期人群，尚需要寻找其他能用于筛查糖尿病前期人群的有效指标。血糖波动指标也是临床研究常用的指标之一。既往4项研究对比由空腹血糖受损和HbA _1c定义的糖尿病前期人群与健康人群的CGM数据，结果均发现与健康人群相比，糖尿病前期人群CV、MAGE明显升高，提示糖尿病前期人群血糖波动已有明显变化 ^{［ 6 ， 9 ， 12 ， 22 ］} 。基于上述研究证据，有学者推荐将血糖波动指标用于识别糖尿病前期人群，并提出MAGE可能是具有潜力的指标 ^{［ 23 ］} 。

此外，近年学界涌现一些新的CGM指标，比如血糖时间序列复杂度等。CGM数据是时间序列数据，而常用指标如TIR、CV等只分析了血糖波动幅度的线性特征，忽略了血糖在时间序列上的复杂特性。血糖时间序列分析可以通过傅里叶分析、多尺度熵等方法，分析血糖序列在时间尺度上的规律性，从而量化血糖的复杂程度，可能提供更新型敏感的血糖指标。Li等 ^{［ 24 ］} 根据性别、年龄和体重指数匹配得到糖耐量正常、血糖调节受损及2型糖尿病3组受试者共756例，结果显示，随着糖代谢紊乱的加重，血糖复杂度呈梯度下降，即血糖的复杂程度在健康进展到糖尿病前期最后发展为糖尿病的过程中逐渐下降，提示血糖时间序列复杂度可用于评估血糖稳态，或可用于筛查糖尿病前期人群。

三、CGM应用于非糖尿病人群的生活方式管理

1.CGM在非糖尿病人群饮食管理中的应用：糖尿病前期人群、肥胖人群等饮食干预的主要问题在于依从性不足，难以改变饮食习惯。而CGM可以实时、直观地向佩戴者展现不同饮食对其血糖的影响 ^{［ 14 ］} ，故有望提高患者的饮食健康意识，增强依从性。Chekima等 ^{［ 25 ］} 将40例平均年龄为26岁的超重或肥胖患者随机分配至实时CGM组或对照组，予饮食教育，发现相较于对照组，实时CGM组的FPG、HbA _1c等指标改善幅度更大，证明CGM的应用可进一步提高饮食管理的效果。

此外，基于CGM技术，结合人工智能方法，可建立个体化模型预测不同患者的餐后血糖反应，为不同个体提供饮食的精准指导。2015年，Zeevi等 ^{［ 26 ］} 将个人CGM数据与机器算法结合，可根据使用者实时饮食摄入量预测餐后血糖并在手机应用程序上给出个性化饮食建议，继而改善血糖控制。2021年，Ben-Yacov等 ^{［ 27 ］} 将225例糖尿病前期患者随机分配至个性化饮食组和地中海饮食组，进行6个月的饮食干预，结果发现个性化饮食组血糖高于目标范围内时间（time above range，TAR）比地中海饮食组下降得更显著，提示个性化饮食比地中海饮食更能改善糖尿病人群的饮食干预效果。随后，2023年，Zahedani等 ^{［ 28 ］} 对746名健康人群和206例糖尿病前期患者使用CGM结合人工智能进行饮食干预，观察28 d后发现，在健康人群和糖尿病前期人群中，血糖>7.8 mmol/L、>10.0 mmol/L、<3.9 mmol/L的日均发生次数和CV均显著下降。因此，除了糖尿病前期人群，基于CGM的个性化饮食干预有望进一步改善健康人群的血糖。此外，该方案可以提供个性化指导，便于患者居家自我管理血糖，从而优化使用体验。这可能使患者更愿意坚持饮食干预 ^{［ 27 , 28 ］} 。

以上研究表明，CGM技术可通过促进非糖尿病人群饮食干预来改善血糖控制。未来可完善相关技术并推广至临床应用，帮助非糖尿病人群居家实现更好的饮食自我管理。

2.CGM在非糖尿病人群运动管理中的应用：运动有利于保持健康，即使对于非糖尿病人群，运动期间仍有潜在的高血糖、低血糖风险。一方面，CGM可作为研究工具，探究非糖尿病人群运动期间的血糖变化，及不同运动方式对血糖的影响，为该人群提供科学运动的指导。Skroce等 ^{［ 29 ］} 回顾12 504名经常运动的健康成年人的CGM数据，发现运动期间TAR（>7.8 mmol/L）为10.3%，血糖低于目标范围时间（time below range，TBR）为11.9%；低血糖日均发生5次，每次持续时间为8~11 min。D′Souza等 ^{［ 30 ］} 分析119名健康人群为期10 d的CGM数据，发现有氧运动、有氧运动加阻力运动的混合运动与血糖下降更相关，而单纯阻力运动与更低的TBR、TAR相关。

另一方面，CGM可通过实时显示血糖数据，直观地将体育锻炼与血糖变化相联系，或有助于鼓励糖尿病前期人群与肥胖人群进行体育活动，提高积极性。Lee等 ^{［ 31 ］} 在32例糖尿病前期患者佩戴扫描式CGM 28 d后进行访谈，结果发现绝大多数（82%）糖尿病前期患者认同佩戴CGM会提醒他们保持健康的生活方式。Liao等 ^{［ 32 ］} 对19例肥胖或超重受试者进行研究，受试者接受体育活动教育后使用扫描式CGM自我监测并接受问卷调查，该研究发现与试验前相比，参与者行动前犹豫阶段减少和行动阶段增加。最近，有研究者将CGM与智能手机应用程序相结合，受试者可在应用程序上记录体育活动，应用程序根据个人血糖波动特征给出运动建议，发现研究期间糖尿病前期受试者的体育活动时间显著增加 ^{［ 28 ］} 。以上研究表明，CGM有助于提高糖尿病前期人群或肥胖人群进行运动的主观能动性，是该人群进行运动管理的可行工具。

四、CGM在特定疾病人群中的应用

CGM由于全天监测的优势可发现传统点时血糖监测难以发现的血糖规律，以探究其他血糖异常人群的特别的血糖波动模式。例如，Worth等 ^{［ 33 ］} 使用CGM观察23例高胰岛素血症患者237 d，定义低血糖为血糖<3.5 mmol/L，结果发现低血糖事件平均时间为每天35 min，患者早上3：00~7：00有明显的低血糖倾向，病程10个月以上患者在此期间低血糖发生率为7.6%，其余时间低血糖发生率为2.6%。由于CGM可及时发现异常血糖并分析其规律，在临床中或能帮助医生更好地管理特定疾病血糖异常人群。

此外，近年来有研究探究CGM除监测工具以外的临床应用，如作为胰岛素瘤患者的筛查工具等。72 h禁食试验是诊断胰岛素瘤的金标准，但操作时间长、过程复杂，故有必要对门诊疑似胰岛素瘤患者进行筛查，而CGM可以提供简单、相对低成本的血糖监测。2021年，Ma等 ^{［ 34 ］} 对28例胰岛素瘤患者使用CGM监测，推荐将CV>19%作为切点用于胰岛素瘤筛查。目前相关研究较少，未来仍需对不同CGM指标筛查胰岛素瘤的效果进行进一步分析。

五、小结

既往已有多项研究利用CGM技术建立健康人群的正常血糖参考范围。此外，研究表明，CGM技术亦可用于评估糖尿病前期和其他代谢异常人群，如高胰岛素血症、胰岛素瘤等患者的血糖全貌，有助于其血糖管理。其中，CGM新指标血糖时间序列复杂度或可作为评估血糖稳态的新型早期、敏感指标，未来有必要进一步探究其在非糖尿病人群，特别是糖尿病前期患者中的应用。同时，基于CGM技术结合数字医疗有助于对非糖尿病人群开展饮食、运动等健康生活方式管理。今后，有必要在建立大型生物数据库时纳入CGM类监测新技术，进一步挖掘不同疾病发展阶段的新型血糖标记物，及其与衰老等重大健康问题的联系。