2020, Vol. 47
糖尿病是严重危害健康的代谢性疾病之一，国际糖尿病联盟（International Diabetes Federation，IDF）报道2017年全球约有4.51亿（8.4%）成年糖尿病患者，到2045年将增至6.93亿（9.9%），其中有49.7%的糖尿病患者未被诊断[1]。糖尿病在中国的发病率为10.9%，糖尿病前期为35.7%，而糖尿病的诊断只有4%[2]。多数糖尿病患者临床症状不典型，往往延迟确诊，而糖尿病并发症在糖尿病前期即可出现[3]，因此糖尿病的早期筛查尤为重要。既往筛查糖尿病的办法主要有问卷调查、生化检测及两者的结合。由于多数糖尿病患者早期并无症状，基于临床症状的问卷调查灵敏度较低；生化检测为有创性，大众接受程度较低。其中，空腹血糖（fasting plasma glucose，FPG）灵敏度较低，糖化血红蛋白（HbA1c）检查费用昂贵且标准不统一，口服葡萄糖耐量试验（oral glucose tolerance test，OGTT）检查过程繁琐[4]。因此，迫切需要无创且有效的糖尿病筛查方法。
糖尿病前期即可出现交感小神经病变，汗腺功能减退是交感小神经病变的早期表现之一[5]。因此，汗腺功能的评估有助于糖尿病早期神经病变的筛查。既往检测汗腺功能的方法有定量运动轴突反射试验和皮肤交感神经反射，但操作复杂，且需要专业人士和设备[6]。电生理刺激反馈仪是新研制的快速、无创、可重复、定量评估汗腺功能的设备。该设备采用反向离子法和电化学方法测量皮肤汗液中氯离子浓度，计算皮肤电导值（electrochemical skin conductance，ESC），从而评估汗腺功能，反映自主神经病变程度[7]。Sudoscan是最早研发的电生理刺激反馈仪，主要用于糖尿病周围神经病变的检测[8]；Ezscan在Sudoscan基础上，将测得的ESC结合性别、年龄、体重指数、收缩压，求得糖尿病指数，可用于糖尿病的筛查[9]。国内外研究显示Ezscan在不同人群中筛查糖代谢异常的灵敏度较高，但特异度差别较大，可能的原因是该设备采用的糖尿病指数算法及临界值来源于法国人群，而糖尿病在不同种族中的发病率不同[10]。为克服这一缺点，国产电生理刺激反馈仪（DS21）研发时，模型参数来源于中国上海人群，并进行了大样本的临床效果验证，使得该设备计算出的ESC与糖尿病的相关性更高，准确性更好。本课题组前期研究初步证实了国产型电生理刺激反馈仪在糖代谢正常、糖调节受损及糖尿病患者中的ESC差异有统计学意义，且重复性较好，安全性较高，但由于样本量小，无法确定筛查临界值[11]。本研究旨在研究国产型电生理刺激反馈仪筛查糖代谢异常的有效性，确定筛查临界值，并扩大样本量进一步验证其安全性。
资料和方法研究对象 纳入2018年1月23日—2018年2月10日在复旦大学附属中山医院就诊的95例受试者，年龄40~79岁。选择该人群的主要原因是糖尿病风险较高，且国产电生理刺激反馈仪（DS21）的模型参数来源于40岁以上人群。受试者均行OGTT，参照2003年美国糖尿病协会（American Diabetes Association，ADA）的诊断标准，排除感染、应激及其他特殊状态下的血糖升高，具体排除标准如前[9]。根据OGTT结果及既往病史分为糖耐量正常（normal glucose tolerance，NGT）组和糖代谢异常（impaired glucose metabolism，IGM）组，已确诊糖尿病者均分至IGM组。本研究通过复旦大学附属中山医院伦理委员会审核（批文号：2014-73），所有受试者均签署知情同意书。
研究方法 本研究是筛查试验的横断面研究。本中心所有受试者均为内分泌科门诊患者，均接受常规体检并收集既往疾病史、用药史、家族遗传病史等情况，先进行OGTT，再进行电生理刺激反馈仪检测，OGTT作为诊断糖尿病的“金标准”[12]。
OGTT受试者在检测前需空腹8~10 h，于晨7~9时开始口服含1分子水葡萄糖（82.5 g）的300 mL水溶液（5 min内服完）。从服糖开始计时，分别在服糖前和服糖后2 h前臂采血。试验过程中，受试者不做剧烈运动，不饮茶、咖啡或吸烟。已诊断糖尿病者以馒头餐代替糖粉。
电生理刺激反馈仪 国产电生理刺激反馈仪（DS21）是由上海中嘉衡泰医疗科技有限公司在2013年研发的一种用于评估40岁以上人群糖代谢异常风险的设备。该设备采用反离子电渗疗法和计时电流法测量四肢汗液中氯化物浓度，评估自主神经功能，从而提示糖尿病风险。DS21的使用方法：在恒定温度和湿度的环境下（空调房中），受试者将双手、双脚（脱去鞋袜）放在2对大面积镍电极板上，站立不动，保持均匀压力2 min[9]。纳入计算的ESC为手、足ESC的平均值。四肢ESC与血糖相关性优于前额[10]，可能的原因是支配四肢的神经纤维较长，而较长的神经纤维更容易受损[13]。
统计学分析 所有数据均采用SAS 9.3软件分析。符合正态分布的连续变量用x±s表示，非正态分布的用M（P25，P75）表示，分类变量以例数（%）表示。连续变量且符合正态分布的组间比较采用t检验，非正态分布的组间比较采用Wilcoxon秩和检验，分类变量组间比较采用χ2检验。双侧检验α为0.05。理论上健康人的ESC大于糖代谢异常人群，单侧检验α为0.025。区分IGM的ROC曲线下面积，不同阈值下的敏感度、特异度、阳性似然比、阴性似然比。以Youden指数最大点为最佳临界值。P < 0.05为差异有统计学意义。ROC曲线下面积（AUC）区分力判别准则：0.90~1.00为优，具有极佳的区分力；0.80~0.90为好，具有良好的区分力；0.70~0.80为一般，具有可接受的区分力；0.60~0.70为差，具有不能接受的区分力；0.50~0.60则不具有区分力。
结果一般资料 入组病例95例，其中NGT组有55例（57.9%），IGM组有40例：糖尿病前期22例（23.2%），糖尿病18例（18.9%）。IGM组较NGT组年龄、BMI、收缩压和舒张压有升高趋势，但差异无统计学意义。IGM组的FPG、餐后2 h血糖（postprandial plasma glucose，PPG）和HbA1c均明显高于NGT组（P < 0.01，表 1）。
| [n(%), x±s or M(P25-P75)] | |||||||||||||||||||||||||||||
| Characteristic | NGT (n=55) | IGM (n=40) | P | ||||||||||||||||||||||||||
| Women (%) | 42 (76.4) | 32 (80.0) | 0.673(1) | ||||||||||||||||||||||||||
| Age (y) | 56.1±7.5 | 58.6±5.6 | 0.080(2) | ||||||||||||||||||||||||||
| BMI (kg/m2) | 24.1±3.2 | 25.0±2.8 | 0.129(2) | ||||||||||||||||||||||||||
| SBP (mmHg) | 126.0±17.8 | 131.8±13.5 | 0.086(2) | ||||||||||||||||||||||||||
| DBP (mmHg) | 77.2±9.2 | 79.8±8.2 | 0.160(2) | ||||||||||||||||||||||||||
| Diabetes history | 0 (0) | 29 (72.5) | < 0.01(1) | ||||||||||||||||||||||||||
| Diabetes genetic history | 8 (14.6) | 10 (25.0) | 0.199(1) | ||||||||||||||||||||||||||
| HbA1c（g/L) | 5.6 (5.3-5.8) | 6.1 (5.7-6.8) | < 0.01(3) | ||||||||||||||||||||||||||
| FPG (mmol/L) | 4.8 (4.5-5.0) | 5.6 (4.8-6.7) | < 0.01(3) | ||||||||||||||||||||||||||
| PPG (mmol/L) | 6.3 (5.4-6.8) | 10.6 (8.8-13.1) | < 0.01(3) | ||||||||||||||||||||||||||
| ESC | 63.0 (58.0-67.0) | 57.0 (55.0-60.0) | < 0.01(3) | ||||||||||||||||||||||||||
| (1)χ2 test, (2)Student’s t-test, (3) Wilcoxon rank-sum test.ESC:Electrochemical skin conductance. | |||||||||||||||||||||||||||||
效应指标和安全性 NGT组的ESC为63.0（58.0，67.0），IGM组的ESC为57.0（55.0，60.0），两组之间差异有统计学意义（P < 0.01，表 1）。两组ESC分布直方图与拟合的正态曲线图见图 1。以OGTT结果区分IGM的AUC为0.78（95%CI：0.69~0.87），根据AUC区分力的判别准则，其具有可接受的区分力（图 2）。在阈值点为61.0时，灵敏度为77.5%（95%CI：61.6%~89.2%），特异度为61.8%（95%CI：47.7%~74.6%），阳性似然比2.03，阴性似然比2.75（表 2）。根据Youden指数确定ESC临界值为61.0，≥61.0为低风险，< 61.0为高风险。OGTT诊断的NGT组中，根据ESC确定的低风险和高风险比率分别为61.8%和38.2%，IGM组中低风险和高风险比率分别为22.5%和77.5%。两组均无不良事件和不良反应发生。
|
| 图 1 两组ESC分布直方图与拟合的正态曲线图 Fig 1 Histogram of ESC and the fitted normal distribution curve of the two groups |
|
| 图 2 区分糖代谢异常的ROC曲线 Fig 2 The ROC curve that distinguishes impaired glucose metabolism |
| Cut off | Sensitivity(%) | Specificity(%) | LR+ | LR- |
| < 47 | 0 | 100 | - | 1.00 |
| < 50 | 2.5 | 100 | - | 1.03 |
| < 52 | 7.50 | 100 | - | 1.08 |
| < 53 | 12.5 | 98.18 | 6.87 | 1.12 |
| < 54 | 12.5 | 96.36 | 3.43 | 1.10 |
| < 55 | 22.5 | 94.55 | 4.13 | 1.22 |
| < 56 | 30.0 | 92.73 | 4.13 | 1.33 |
| < 57 | 32.5 | 89.09 | 2.98 | 1.32 |
| < 58 | 55.0 | 81.82 | 3.03 | 1.82 |
| < 60 | 65.0 | 70.91 | 2.23 | 2.03 |
| < 61 | 77.5 | 61.82 | 2.03 | 2.75 |
| < 62 | 80.0 | 60.00 | 2.00 | 3.00 |
| < 63 | 87.5 | 56.36 | 2.01 | 4.51 |
| < 64 | 95.0 | 47.27 | 1.80 | 9.45 |
| < 65 | 95.0 | 43.64 | 1.69 | 8.73 |
| < 66 | 97.5 | 30.91 | 1.41 | 12.36 |
| < 67 | 100 | 25.45 | 1.34 | - |
| < 68 | 100 | 5.45 | 1.06 | - |
| < 71 | 100 | 1.82 | 1.02 | - |
| ≤71 | 100 | 0 | 1.00 | - |
| LR+:Positive likehood ratio; LR-:Negative likehood ratio. | ||||
把握度计算 本研究中NGT组纳入55例，IGM组纳入40例，采用PASS 15.0软件中的“Test for One ROC Curve”模块计算把握度，Ⅰ类错误α为0.05，AUC为0.78，测定指标为连续变量，所以设定Lower FPR=0.00，Upper FPR=1.00，当阳性组和阴性组分别为40和55时，把握度为0.99。因此，本研究有足够的把握度进行ROC分析。
讨论本研究对95例糖代谢异常及正常受试者进行电生理刺激反馈仪检查，结果提示电生理刺激反馈仪在中国上海人群中筛查糖代谢异常的临界值为61.0，灵敏度为77.5%，特异度为61.8%，区分IGM的AUC为0.78，无不良事件发生。因此电生理刺激反馈仪在中国上海人群中筛查糖代谢异常具有一定的有效性和安全性，并首次明确了其筛查IGM的临界值。
IGM是微血管和大血管疾病的危险因素之一，早期识别并控制IGM是防止心血管疾病及糖尿病其他并发症的重要措施[14]。电生理刺激反馈仪Ezscan通过检测汗腺功能评估自主神经病变，提示糖尿病风险。国内外多项研究报道Ezscan可用于IGM的无创筛查。最近的一项Meta分析[15]纳入4项临床研究，人群覆盖中国、墨西哥及印度，结果显示Ezscan筛查糖尿病的灵敏度为53%~81%，特异度为43%~70%，总的灵敏度为72%，特异度为56%，且优于HbA1c（> 6.5%）的筛查效果（灵敏度为52.8%）。本研究发现国产型电生理刺激反馈仪筛查糖代谢异常的灵敏度为77.5%，特异度为61.8%，临界值为61，与Ezscan筛查糖代谢异常的效果相当。研究报道餐后高血糖与自主神经受损关系更密切[16]，而国内糖尿病患者以餐后血糖升高居多[17]。因此，电生理刺激反馈仪可能更适合于国人糖尿病的筛查。国产电生理刺激反馈仪（DS21）具备一般电生理刺激反馈仪的特点，且因其模型参数来源于中国人群，可能更适合于国人糖尿病的筛查。
既往研究显示电生理刺激反馈仪在不同种族、不同糖代谢状态人群中具有不同的筛查界值。国内研究[7]报道，Ezscan筛查糖耐量受损的界值为37，灵敏度为82%，特异度为62%，AUC为0.778，筛查糖尿病的界值为50，灵敏度为53%，特异度为59%，AUC为0.528；另一项国内研究[10]报道，筛查糖尿病的界值为40，灵敏度为85%，特异度为64%；而国外研究[18-19]报道，筛查糖尿病的界值为50。总之，电生理反馈仪的筛查界值受种族、人群、糖代谢状态等因素的影响。本研究探讨国产型电生理反馈仪在中国上海人群的筛查价值及界值，由于样本量较小，未区分糖尿病前期和糖尿病，后期将扩大样本量，在不同地区、不同糖代谢人群中评估筛查价值及寻找临界值。
电生理刺激仪反馈仪除筛查糖代谢异常外，还有预测糖尿病患病风险的价值。有研究报道Ezscan测得的ESC > 65的患者在8个月后进展为糖耐量受损的风险明显高于ESC < 65的患者（OR=6.19）[20]，这对糖尿病的防治具有重要意义。对于糖尿病高风险人群，建议进一步检查FPG、HbA1c及OGTT等，同时也需要改变生活方式以延缓糖尿病的发生。本研究以61为界值，根据ESC确定NGT组糖尿病高风险率为38.2%，IGM组糖尿病高风险率为77.5%。
本研究是筛查试验的横断面研究，首次探讨国产型电生理反馈仪筛查糖代谢异常的有效性及安全性，初步确定其在中国上海人群中筛查糖代谢异常的临界值。本研究的主要局限是样本量较小，未分别计算DS21筛查IGM及糖尿病患者的相应临界点，且只纳入了40岁以上人群，后续研究需要扩大样本量，区分糖尿病前期和糖尿病，在不同年龄段、不同地点进行。电生理刺激反馈仪更适合作为筛查手段而不是诊断手段，其他糖尿病危险因素（如血压、BMI及血脂）也应该被纳入考虑。综上所述，本研究结果初步提示国产型电生理刺激反馈仪可作为糖代谢异常的无创筛查手段，在阈值61.0处有较高的灵敏度和特异度，后续研究将扩大样本量进一步确定其筛查界值及其预测糖尿病风险的价值。
| [1] |
CHO NH, SHAW JE, KARURANGA S, et al. IDF Diabetes Atlas:global estimates of diabetes prevalence for 2017 and projections for 2045[J]. Diabetes Res Clin Pract, 2018, 138: 271-281.
[DOI]
|
| [2] |
WANG L, GAO P, ZHANG M, et al. Prevalence and ethnic pattern of diabetes and prediabetes in China in 2013[J]. JAMA, 2017, 317(24): 2515-2523.
[DOI]
|
| [3] |
TABÁK AG, HERDER C, RATHMANN W, et al. Prediabetes:a high-risk state for diabetes development[J]. The Lancet, 2012, 379(9833): 2279-2290.
[DOI]
|
| [4] |
AMERICAN DIABETES ASSOCIATION. Classification and diagnosis of diabetes[J]. Diabetes Care, 2017, 40(Suppl 1): S11-S24.
|
| [5] |
TESFAYE S, BOULTON AJ, DYCK PJ, et al. Diabetic neuropathies:update on definitions, diagnostic criteria, estimation of severity, and treatments[J]. Diabetes Care, 2010, 33(10): 2285-223.
[DOI]
|
| [6] |
LOW VA, SANDRONI P, FEALEY RD, et al. Detection of small-fiber neuropathy by sudomotor testing[J]. Muscle Nerve, 2006, 34(1): 57-61.
|
| [7] |
CHEN X, CHEN L, DING R, et al. A preliminary investigation of EZSCAN screening for impaired glucose tolerance and diabetes in a patient population[J]. Exp Ther Med, 2015, 9(5): 1688-1694.
[URI]
|
| [8] |
SELVARAJAH D, CASH T, DAVIES J, et al. SUDOSCAN:a simple, rapid, and objective method with potential for screening for diabetic peripheral neuropathy[J]. PLoS One, 2015, 10(10): e0138224.
[DOI]
|
| [9] |
CHEN L, CHEN X, DING R, et al. Evaluation of EZSCAN as a screening tool for impaired glucose metabolism[J]. Diabetes Res Clin Pract, 2013, 100(2): 210-214.
[DOI]
|
| [10] |
SHENG CS, ZENG WF, HUANG QF, et al. Accuracy of a novel non-invasive technology based EZSCAN system for the diagnosis of diabetes mellitus in Chinese[J]. Diabetol Metab Syndr, 2011, 3(1): 36.
[DOI]
|
| [11] |
卞华, 朱小鹏, 颜红梅, 等. 国产新型电生理刺激反馈仪DS21在无创筛查糖尿病中的初步应用[J]. 中国临床医学, 2017, 24(3): 359-362. [CNKI]
|
| [12] |
NO AUTHORS LISTED. Report of the expert committee on the diagnosis and classification of diabetes mellitus[J]. Diabetes Care, 1997, 20(7): 1183-1197.
[URI]
|
| [13] |
PROVITERA V, NOLANO M, CAPORASO G, et al. Evaluation of sudomotor function in diabetes using the dynamic sweat test[J]. Neurology, 2010, 74(1): 50-56.
[DOI]
|
| [14] |
SPALLONE V. Update on the impact, diagnosis and management of cardiovascular autonomicneuropathy in diabetes:what is defined, what is new, and what is unmet[J]. Diabetes Metab J, 2019, 43(1): 3-30.
[URI]
|
| [15] |
BERNABE-ORTIZ A, RUIZ-ALEJOS A, MIRANDA JJ, et al. EZSCAN for undiagnosed type 2 diabetes mellitus:a systematic review and meta-analysis[J]. PLoS One, 2017, 12(10): e0187297.
[DOI]
|
| [16] |
ISAK B, OFLAZOGLU B, TANRIDAG T, et al. Evaluation of peripheral and autonomic neuropathy among patients with newly diagnosed impaired glucose tolerance[J]. Diabetes Metab Res Rev, 2008, 24(7): 563-569.
|
| [17] |
ZHANG XM, LI PF, HOU JN, et al. Blood glucose profiles in East Asian and caucasian injection-naive patients with type 2 diabetes inadequately controlled on oral medication:a pooled analysis[J]. Diabetes Metab Res Rev, 2018, 34(8): e3062.
[PubMed]
|
| [18] |
MAYAUDON H, MILOCHE PO, BAUDUCEAU B. A new simple method for assessing sudomotor function:relevance in type 2 diabetes[J]. Diabetes Metab, 2010, 36(6 Pt 1): 450-454.
[URI]
|
| [19] |
RAMACHANDRAN A, MOSES A, SHETTY S, et al. A new non-invasive technology to screen for dysglycaemia including diabetes[J]. Diabetes Res Clin Pract, 2010, 88(3): 302-306.
[URI]
|
| [20] |
RAMACHANDRAN A, MOSES A, SNEHALATHA C, et al. Assessment of sudomotor function to predict future abnormalities of glucose tolerance in at risk population[J]. J Diabetes Metab, 2011, 2(3): 1-4.
[URI]
|