Pastāvīgas glikozes mērīšanas rezultāti cilvēkiem ar prediabēta riska faktoriem

Abstract

Prediabēts ir pārejas stāvoklis starp normoglikēmiju un cukura diabētu, ko raksturo traucēta glikozes tolerance un/vai paaugstināts glikozes līmenis tukšā dūšā. Tas nav tikai diabēta priekšvēstnesis, bet patstāvīgs vielmaiņas traucējums, kas saistīts ar hronisku iekaisumu, insulīna rezistenci un β-šūnu disfunkciju. Tradicionālās metodes (tukšā dūšā glikoze, OGTT, HbA1c) neatspoguļo ikdienas glikozes svārstības. Pastāvīgā glikozes monitorēšana (PGM) sniedz iespēju novērtēt glikozes dinamiku reālos dzīves apstākļos. Pētījumā tika iekļauti 61 dalībnieks ar prediabēta riska faktoriem, bet bez diagnosticēta diabēta. Visi 14 dienas nēsāja PGM ierīci Abbott Libre Pro IQ. Tika aprēķināti galvenie rādītāji: TITR (normas robežās), TBR (zem normas) un TATR (virs normas), kā arī analizēti bioķīmiskie un hematoloģiskie marķieri. TITR mediāna bija 98%, TBR un TATR – katrs 1%. Tikai 6,56% dalībnieku glikozes līmenis bija normas robežās visu laiku. TATR korelēja ar glikozes līmeni, triglicerīdiem un vidukļa/auguma attiecību; TBR – ar leikocītiem, limfocītiem, HDL un negatīvi ar triglicerīdiem. Regresijas analīzē nozīmīgākie prognozējošie faktori bija dzimums, bazofīli, glikozes līmenis un eozinofīli. Secinājumi: PGM atklāj glikozes svārstību saistību ar kardiometaboliem un iekaisuma rādītājiem, sniedzot iespēju agrīnai riska novērtēšanai nediabētiskā populācij

Prediabetes is a transitional state between normoglycemia and type 2 diabetes, characterized by impaired glucose tolerance and/or elevated fasting glucose levels. It is not only a precursor of diabetes but an independent metabolic condition associated with chronic inflammation, insulin resistance, and β-cell dysfunction. Traditional markers (fasting glucose, OGTT, HbA1c) fail to reflect daily glucose fluctuations. Continuous glucose monitoring (CGM) enables the evaluation of glycemic variability under real-life conditions. This study included 61 participants with prediabetes risk factors but no diagnosed diabetes. All wore the CGM device Abbott Libre Pro IQ for 14 days. Key metrics were calculated: TITR (time in target range), TBR (time below range), and TATR (time above target range). Biochemical and hematological markers were also analyzed. The median TITR was 98%, TBR and TATR each 1%. Only 6.56% of participants maintained glucose levels strictly within the target range throughout the monitoring period. TATR correlated with glucose level, triglycerides, and waist-to-height ratio; TBR correlated with leukocytes, lymphocytes, HDL, and inversely with triglycerides. In regression analysis, the most significant predictors were sex, basophils, glucose level, and eosinophils. Conclusions: CGM reveals associations between glycemic variability and cardiometabolic and inflammatory markers, offering potential for early risk detection in a non-diabetic population.