糖尿病前期中西醫結合早期診斷的國內外進展與挑戰

【摘要】 糖尿病前期是一種表現為空腹血糖受損、糖耐量異常或兩者的混合狀態的疾病，屬于中醫“脾癉”范疇。隨著現代生活模式的改變，糖尿病前期的患病率不斷升高，具有和糖尿病相當的預后風險，及時診斷并早期干預至關重要。本文從中醫學和現代醫學兩個角度梳理了糖尿病前期的起源與定義，發現早在《素問》成書時，中醫學便已對“脾癉”形成了一定的認識。隨著循證醫學的發展和規范化臨床研究的實施，我國逐步構建了具有中醫特色的規范化糖尿病前期臨床實踐指南。在診斷方面，血糖檢測指標類型和閾值、中醫證候診斷、中西醫結合診斷模型、疾病風險評分模型、生物標志物、可穿戴設備等多種無創中西醫結合診斷方法不斷完善，但多針對糖尿病患者的預防而非糖尿病前期的早期診斷和篩查；餐后1 h血糖可能是未來診斷糖尿病前期或糖尿病高危人群的新指標，但需進一步研究證實以推廣使用。針對糖尿病前期中西醫結合早期診斷面臨的診斷標準的動態性、篩查流程的復雜性、臨床癥狀的不典型性、疾病的低知曉性等挑戰，未來需不斷更新和完善診斷標準，融合數字化健康管理和可穿戴設備，充分發揮中醫優勢，構建針對糖尿病前期人群的基于中醫宏觀表征與組學微觀數據相結合的疾病診斷模型，開發更簡便、快捷的中西醫結合篩查方法，實現糖尿病前期的“早篩查、早診斷、早干預、早康復”。

【關鍵詞】 糖尿病前期；脾癉；早期診斷；中西醫結合；糖尿病預防

【中圖分類號】 R 587.1 【文獻標識碼】 A DOI：10.12114/j.issn.1007-9572.2024.0328

Domestic and International Advances and Challenges in Early Diagnosis of Prediabetes with Integrated Chinese and Western Medicine

PENG Hongye1，2，3，JING Yanan1，2，LIU Dianchun3，WANG Ying4，XUE Xue5，LU Chunli1，2*

1.Guangdong Provincial Research Center of Integration of Traditional Chinese Medicine and Western Medicine in Metabolic Diseases（Institute of Chinese medicine）/Guangdong Pharmaceutical University，Guangzhou 510006，China

2. Key Laboratory of Glucolipid Metabolic Disorder，Ministry of Education of China，Guangzhou 510006，China

3. Beijing University of Chinese Medicine，Beijing 100029，China

4. Department of Traditional Chinese Medicine，Beixiaguan Community Health Service Center，Haidian District，Beijing 100082，China

5.Department of Nephrology/Shizhen Laboratory，Hubei Provincial Hospital of Traditional Chinese Medicine，Hubei University of Chinese Medicine，Wuhan 430006，China

*Corresponding author：LU Chunli，Research assistant；E-mail：Jennylu@bucm.edu.cn

【Abstract】 Prediabetes is a condition characterized by impaired fasting glucose，impaired glucose tolerance，or a combination of both，which is classified under the category of \"Pi Dan\" in Traditional Chinese Medicine（TCM）. With the changes in modern lifestyles，the prevalence of prediabetes is continuously rising，carrying a risk comparable to diabetes prognosis. Therefore，timely diagnosis and early intervention are crucial. This article reviewed the origins and definitions of prediabetes from both TCM and modern medical perspectives，revealing that TCM had already recognized \"Pi Dan\" as early as the composition of the \"SuWen\". With the development of evidence-based medicine and the implementation of standardized clinical research，China has gradually established the standardized clinical practice guidelines for prediabetes with TCM characteristics. Regarding diagnosis，diagnostic indicators and thresholds for monitoring blood glucose levels，various non-invasive integrated TCM and modern medical diagnostic methods，including TCM syndrome diagnosis，integrated TCM and Western medicine diagnostic models，disease risk scoring models，biomarkers，and wearable devices，have been continuously improved. However，its primary focus lies in diabetes prevention rather than the early detection and screening of prediabetes. Besides，1-hour plasma glucose may be a new outcome for prediabetes diagnosis or identifying high-risk diabetes populations in the future. However，further research is required to validate its broader application. Addressing the challenges of dynamic diagnostic standards，complex screening processes，atypical clinical symptoms，and low disease awareness during early prediabetes diagnosis，it is imperative to continuously update and refine diagnostic standards. The integration of digital health management and wearable devices should be promoted to fully capitalize on TCM strengths in constructingt disease diagnostic models that combine TCM macro manifestations and omics microdata for prediabetes. Simplified and expedited integrated TCM and modern medical screening methods can facilitate early screening，early diagnosis，early intervention，and early recovery for prediabetes.

【Key words】 Prediabetic state；Pi Dan；Early diagnosis；Integrated traditional Chinese medicine amp; western medicine；Diabetes prevention

糖尿病前期（prediabetes），又稱前驅糖尿病、血糖調節受損，歸屬于中醫“脾癉”范疇，是指從正常糖代謝向糖尿病［包括1型糖尿病、2型糖尿?。╰ype 2 diabetes mellitus，T2DM）、特殊類型糖尿病及妊娠期糖尿?。╣estational diabetes mellitus，GDM）］轉化的中間發展階段，此階段患者的血糖水平高于正常，但尚未達到糖尿病的診斷標準，其主要表現為空腹血糖受損（impaired fasting glucose，IFG）、糖耐量異常（impaired glucose tolerance，IGT）以及同時存在IFG和IGT［1］。慢性高血糖狀態與多個器官，如眼睛、腎臟、心臟等的長期損害和功能障礙密切相關，糖尿病前期具有和糖尿病相當的預后風險［2］。糖尿病前期（ICD-11編號5A40.Z）已成為一種明確的疾病［3］。隨著《“健康中國2030”規劃綱要》［4］和《“十四五”國民健康規劃》等政策的頒布，我國對糖尿病防治工作予以高度重視。然而目前，臨床工作者和普通公眾對糖尿病前期的認知度普遍偏低、疾病漏診率較高。基于17萬人群的流行病學調查顯示，我國糖尿病前期患病率高達38.1%，糖尿病漏診率高達63.3%［5］。本文旨在通過系統梳理糖尿病前期的起源和定義、診斷標準和方法的演變，闡明當前中西醫結合在糖尿病前期篩查和診斷方面存在的主要挑戰，并提出針對性建議，以期發現更簡便、更精確的篩查措施，實現“早診斷、早干預、早康復”。

1 糖尿病前期（脾癉）的起源與定義

1.1 中醫學對脾癉的認識及演變

中醫學雖未提出“糖尿病前期”的概念，但其對糖尿病前期的認識（包括病因病機、診斷、治療）卻遠早于西方，且具有獨特的診斷方法與治療特色。隨著醫學標準化的進步，有不少針對糖尿病防治和糖尿病前期診療的中醫指南與共識文件發布和實施。中醫學認為糖尿病前期屬于消渴發展前端的“脾癉”范疇，早在《素問·奇病論》即言“有病口甘者……名為脾癉……此肥美之所發也，此人必數食甘美而多肥也……故其氣上溢，轉為消渴”。而后，隨著對疾病認識的完善，病機圍繞熱生，逐漸細化包括中滿內熱、痰熱或濕熱交結。目前強調動態認識疾病，認為“郁、熱、虛、損”貫穿了“脾癉-消渴”的整個病變過程，并可兼雜痰、瘀、毒等病理產物［6］。

隨著循證醫學的發展和規范化中醫藥臨床研究的實施，通過系統收集、分析和評價相關研究成果，我國也發布了糖尿病防治和糖尿病前期的相關中醫指南，為糖尿病前期的中醫診療提供了科學、系統的指導意見，使其逐步實現標準化。在《糖尿病前期中醫藥循證臨床實踐指南》［7］、《糖尿病前期病證結合診療指南》［8］、《國家糖尿病基層中醫防治管理指南（2022）》［9］和《糖尿病中醫防治指南》［10］中，認為糖尿病前期的中醫證型包括肝郁氣滯證［7-9］、濕熱蘊結證［7-9］、脾虛濕困證［7-9］、脾胃壅滯證［8］和氣陰兩虛［7-8］5個證型。綜上，中醫學對脾癉的認識較早，隨著時間的演變和中醫藥標準化研究的深入，對該病的認識不斷全面和深入，針對糖尿病前期的中醫藥循證指南不斷系統化，證候診斷和治療的手段不斷全面化。

1.2 現代醫學對糖尿病前期的認識

IGT的概念由美國國家糖尿病數據組（National Diabetes Data Group，NDDG）于1979年首次提出，定義為血漿葡萄糖水平介于正常和糖尿病之間，即空腹血糖（fasting plasma glucose，FPG）lt;7.8 mmol/L，口服葡萄糖耐量試驗（oral glucose tolerance test，OGTT）餐后2 h血糖（2-hours plasma glucose，2 hPG）為7.8～11.1 mmol/L，以取代原來“化學性、潛在性、邊緣性、亞臨床狀態、無癥狀糖尿病”等無明確診斷標準的術語［11］。1985年世界衛生組織（World Health Organization，WHO）正式采用該術語，隨后IGT被糖尿病界廣為推薦和使用。1991年CHARLES等［12］首次提出IFG的概念，定義為FPG升高但糖耐量正常的人群，即FPG 6.1～7.8 mmol/L，2 hPGlt;7.8 mmol/L。1997年美國糖尿病協會（American Diabetes Association，ADA）正式采納IFG這一概念，并建議調整其診斷閾值為6.1～7.0 mmol/L，以滿足糖尿病的新診斷標準［13］。1999年WHO正式使用IFG這一概念，并將患有IGT和/或IFG的受試者統稱為血糖調節受損（impaired glucose regulation，IGR）。2003年1月ADA的國際專家委員會（International Expert Committee，IEC）將IFG和IGT正式命名為糖尿病前期［14］。由此可見，最初學者對糖尿病前期的認識局限于糖耐量的異常，隨后逐漸意識到IFG的特殊性。隨著時間的推移和研究的深入，糖尿病前期的定義和診斷標準不斷完善，旨在早期識別出更高比例的高危人群，降低糖尿病的發病率。

我國對“糖尿病前期”的認識，最早可追溯到1974年，伍漢文［15］首次提出“隱性糖尿病”，又稱“化學糖尿病”，指代FPG正?；蛏?，但口服或靜脈葡萄糖耐量試驗不正常的人群，這與糖尿病前期的定義類似。2004年，《中國糖尿病防治指南》（試行本）（節選）［16］首次明確提出血糖調節受損的概念，與國際糖尿病相關定義和診斷標準接軌，指出“糖尿病前期”是處于正常和糖尿病血糖水平之間的中間時期，包括IFG（FPG 6.1～7.0 mmol/L）和IGT（OGTT 2 hPG 7.8～11.1 mmol/L）。此后，我國相繼頒布糖尿病前期相關指南，將其視為獨立疾病進行診療，以規范糖尿病前期的防治［7-8］。由此可見，最初我國并沒有將糖尿病前期視為一個獨立的疾病類別，而是以糖尿病為中心，在其防治基礎上提出糖尿病前期這一階段性概念；同時也沒有提出針對糖尿病前期人群的篩查建議，以實現早識別、早干預。

綜上，與國際研究進程相比，盡管我國在指南的制訂上稍顯滯后，但對糖尿病前期這一疾病的認識或為更早；同時，國內指南融合了中醫學的優勢，形成了具備中醫特色的防治指南與共識，突破了單一治療模式的局限，為疾病的多維防治提供了新視角。

2 糖尿病前期的中西醫結合早期診斷方法現狀與不足

2.1 中醫證候診斷

盡管辨證分型在疾病診斷后進行，但辨證論治是中醫特色所在，證候診斷也是認識和了解疾病發生發展趨勢的重要依據。早期中醫對糖尿病前期的診斷與治療沒有統一的標準，醫生依據經驗技能進行診斷與治療，缺乏循證證據支撐。直至2017年發布的《糖尿病前期中醫藥循證臨床實踐指南》，首次從中醫視角對糖尿病前期的臨床實踐規范提出診療建議，目前中醫類指南對于糖尿病前期的證候診斷基本統一，主要包含5個證型［7-9］。然而上述證候的診斷依賴于臨床醫生的經驗判斷，缺乏對中醫證候辨證的量化、標準化的相關研究，尤其是對糖尿病前期領域的證候研究還未有突破。

2.2 結合表觀與微觀的中西醫結合精準診斷模型

隨著組學技術的發展與成熟，糖尿病前期的診斷不斷標準化和精準化。系統生物學推動的組學技術與中醫的“整體觀”高度契合，為實現中醫證候的標準化和量化研究提供了重要方法學支撐。精準醫學的發展為融合中西醫理念、開發結合中醫宏觀表征與組學微觀數據的診斷模型提供了新路徑。這種結合旨在超越中醫依賴臨床經驗和現代醫學依賴設備精確度的局限，利用中西醫各自優勢，發揮協同效應，拓展疾病診斷的范疇［17-18］。

在中西醫結合診斷模型構建上，鑒于舌象是一種宏觀表征，根據中醫全息理論，其可以反映全身臟腑功能，是辨病、辨證的重要依據，現有研究常將舌診與機器學習相結合，以實現舌象的客觀化、標準化。既往研究證實舌部特征的差異變化可以反映糖代謝異常，將中醫舌診與機器學習技術相結合構建糖尿病前期風險預測模型是切實可行的。然而鑒于該領域的發文量較少且沒有專門針對糖尿病前期的中西醫結合診斷模型，因此本文納入糖尿病中西醫結合診斷模型。LI等［19］基于1 512例受試者的舌象圖片發現，舌象診斷糖尿病和糖尿病前期的受試者工作特征曲線下面積（area under the curve，AUC）可分別高達0.84和0.88。與之相似，另一項基于1 710例受試者的研究發現，基于舌面圖片構建糖尿病前期診斷模型，其AUC為0.91，精確度為0.69，召回率為0.95［20］。WU等［21］研究發現基于腸道菌群可以有效識別糖代謝異常群體，AUC為0.78。基于中醫宏觀表征與組學微觀數據的中西醫結合診斷模型有望實現“1+1gt;2”的預期效果，提高疾病診斷效能。ZHANG等［22］通過采集296名糖尿病受試者和531名非糖尿病受試者的舌頭圖像，采用分割合并法和色度閾值法分離舌體和舌苔，以提取的舌圖像顏色和紋理特征作為輸入變量，以支持向量機的方法構建糖尿病診斷模型，發現基于中醫舌象的糖尿病診斷方法具有重要價值、數字化舌診具有可行性。YUAN等［23］基于中醫宏觀表征—舌象與組學微觀數據—舌苔菌群構建胃癌診斷模型，AUC可達0.92～0.94。然而目前尚未構建專門針對糖尿病前期的中西醫結合診斷模型，該領域有待學者進一步探索。

此外，疾病風險評分模型便捷、經濟，是糖尿病前期的重要篩查方法，但檢索國內外數據庫發現目前尚沒有專門針對糖尿病前期的疾病風險評分模型，因此本文納入國內外各類型的糖尿?。ò?型糖尿病、T2DM、特殊類型糖尿病及GDM）疾病風險評分模型進行比較與分析，各類型的糖尿病疾病風險評分/預測模型包括中國糖尿病風險評分（Chinese Diabetes Risk Score，CDRS）［24］、芬蘭糖尿病評分（Finnish Diabetes Risk Score，FINDRISC）［25］、加拿大糖尿病風險評分（Canadian Diabetes Risk Score，CANRISK）［26］、印度糖尿病風險評分（Indian Diabetes Risk Score，IDRS）［27］和ADA 風險評分［28］等，詳見表1。這些風險評分最初用于糖尿病的篩查，后逐漸擴展至糖尿病前期、GDM、糖尿病并發癥等相關領域，未來建立專門針對糖尿病前期的疾病風險評分模型，有助于早期識別糖尿病前期人群，提高模型的臨床實用性。其中，CDRS是基于中國4萬余例成年人數據開發的篩查工具，由年齡、性別、腰圍、BMI、收縮壓和糖尿病家族史組成，評分范圍0～51分，最佳截斷值為25分［24］。FINDRISC是應用最廣、使用條目最多的全球糖尿病和糖尿病前期的篩查模型［29］，包含年齡、BMI、腰圍、日?；顒铀健嬍沉晳T、抗高血壓藥物的使用情況、高血糖病史以及糖尿病家族史等因素。與CDRS相比，FINDRISC富含生活習慣和用藥史信息［25］，這提示未來在優化CDRS效能時，可考慮納入生活方式等要素。值得注意的是，近年在構建疾病篩查模型時，多數學者通常不再細分糖尿病前期和糖尿病患者，而將其統稱為糖代謝異常群體，以區別健康對照者。如學者 BAHIJRI等［30］基于性別、年齡、腰圍、高血糖史和糖尿病家族史5個變量建立SADRISC模型，以識別糖代謝異常人群，靈敏度可達0.72，特異度約0.69，AUC可達0.76。PEI等［31］基于年齡、性別、婚姻狀態、教育程度、BMI、高血壓病史、心血管/卒中病史、高脂血癥病史、糖尿病病史、心血管/卒中家族史、吸煙史、睡眠時間、體育活動、工作壓力等14個變量構建J48決策樹模型，識別糖代謝異常人群，模型的準確率可達90.3%，精確度為89.7%，召回率為90.3%。DONG等［32］基于年齡、BMI、腰臀比、收縮壓、腰圍、睡眠時間、吸煙狀況、每周劇烈娛樂活動時間等8個因素構建機器學習模型，其識別糖代謝異常人群的AUC可達0.822。然而，將糖尿病前期和糖尿病患者視為同一整體人群在建模過程中會降低其在臨床實際應用中的效能，無法早期針對性發現糖尿病前期潛在患者。疾病風險評分模型不依賴于實驗室檢測，通過簡單問答即可讓患者自我評估，便于在社區及初級保健環境中應用。然而，其穩健性、普適性和精確度有待進一步評估，目前只適用于初步篩查。此外，構建專門針對糖尿病前期篩查的疾病風險評分模型也可能是未來的重點研究方向。

隨著精準醫學的發展，生物標志物逐漸成為糖尿病前期篩查的重要指標之一，并被國內外臨床實踐指南推薦（詳見表1）。脂聯素是一種由脂肪細胞分泌的保護性因子，可以較為精確地反映胰島素敏感性和葡萄糖代謝狀況，通過單次抽血檢測即可獲得，是預測糖尿病早期風險的重要指標［33-35］，《糖尿病高危人群篩查及干預專家共識》［36］推薦以脂聯素為代表的生物標志物作為糖尿病風險篩查的手段之一。此外，腫瘤壞死因子［37-38］、成纖維細胞生長因子［39］、白介素［40］、血清1，5-脫水葡萄糖醇［41］、晶狀體晚期糖基化終末產物［42］等也與糖尿病風險顯著相關，可能是預測糖尿病高危人群的潛在指標，但其特異性、可操作性以及經濟效益成本有待進一步研究［35］。與此同時，LUO等［43］發現白介素17D、白介素18受體1、碳酸酐酶5a、白介素1受體2型和基質細胞外磷酸糖蛋白可能是識別糖尿病前期的潛在生物標志物。MONFARED等［44］研究發現miRNA-135a可以作為糖尿病前期的候選生物標志物，靈敏度為51.2%，特異度為52.5%。然而這些新發現的生物標志物在臨床實踐中的實際應用效能有待驗證?；谏飿酥疚锏脑\斷方法相較于OGTT，可縮短人群的診斷時間，步驟和流程簡單，且結果更為精準，無需反復抽血和特殊飲食準備。組學技術的快速發展為基于生物標志物的新診斷方法的開發提供了有力技術支撐，具有廣闊的應用前景。然而，目前糖尿病前期領域的生物標志物尚未與中醫關聯，且研究成本較高，如何以最低的經濟成本開發具備中醫特色的生物標志物是未來值得深入探索的問題。

綜上所述，目前國內外在糖尿病前期診斷模型的構建上多借助于人口學、實驗室指標等現代醫學數據，尚未結合中醫特色與優勢，調查信息較局限，在一定程度上限制了模型的適用性和預測效能；同時在研究對象上多側重于糖代謝異常群體（糖尿病前期及糖尿?。?，缺乏專門針對糖尿病前期的診斷模型。因此，依靠現代醫學手段，融合中醫學特色與優勢，構建專門針對糖尿病前期的中西醫結合診斷模型具有重要臨床價值。中醫的癥狀、體征、舌脈等特征蘊含重要信息，可為疾病早期診斷提供獨特視角。此外，目前雖已有學者提出通過融合中醫四診信息、中醫經典著作、圖像資料、影音資料、心理行為等多模態數據，構建智能中醫輔助決策系統，但尚處于研究起步階段。未來有望通過整合中醫元素，提高模型的全面性和精確性；結合現代組學技術和人工智能手段將生物標志物與中醫診斷方法進行有效整合，開發出更為先進和精準的疾病風險評估工具，用于人群篩查和基本體檢項目。

2.3 血糖相關指標的診斷和篩查方法

糖尿病前期的診斷隨著對糖尿病人群逐漸精細化管理而出現，并通過下調血糖指標閾值定義人群范圍，因此，血糖檢測是最直接的糖尿病前期診斷手段，包括靜脈血漿血糖檢測、OGTT、糖化血紅蛋白（hemoglobin A1c，HbA1c）檢測等，其中，FPG和2 h PG是診斷糖尿病前期的核心指標。對于IGT類型，除1979年NDDG和1985年WHO定義為FPGlt;7.8 mmol/L、2 hPG 7.8～11.1 mmol/L外，后續標準均統一調整為FPGlt;7.0 mmol/L，

2 hPG 7.8～11.1 mmol/L；對于IFG類型，1999年WHO將其定義為FPG 6.1～7.0 mmol/L，2003年ADA將其定義為5.6～7.0 mmol/L。我國指南對FPG與2 hPG的范圍界定大多采用1999年WHO標準，除2014年《中國成人2型糖尿病預防的專家共識精要》［47］和2017年《糖尿病前期中醫藥循證臨床實踐指南》［7］選擇了更低的診斷標準（2003 ADA指南）（國內外指南對血糖指標閾值演變見圖1）。此外，針對糖尿病前期的診斷閾值隨著新的研究成果不斷下調。盡管這種動態的調整過程給疾病的篩查和診斷帶來了一定挑戰，但旨在更精確地識別糖尿病前期患者，實現早期干預，減緩或降低糖尿病的發生、發展。

除FPG和2 hPG外，近年最新研究顯示，餐后1 h血糖（1-hour plasma glucose，1 hPG）可能成為未來診斷糖尿病前期或篩查糖尿病高危人群的新指標。TRICò等［48］研究發現1 hPG≥7.4 mmol/L與較差的臨床和代謝表型相關，可能是肥胖青少年進展為糖尿病前期的獨立預測因子。2024年3月“大慶研究”Ⅱ期項目——中國糖尿病預防研究（China Diabetes Prevention Program，CDPP）基于30年隨訪數據的事后分析結果發現，即使在糖耐量正常（2 hPGlt;7.8 mmol/L）的情況下，非糖尿病人群中1 hPG≥8.6 mmol/L的受試者，其發展為T2DM及其長期并發癥的風險也顯著升高［49］。一項長達6～10年的隊列研究發現，發展為糖尿病前期的群體，1 hPG首次≥8.6 mmol/L的時間早于2 hPG首次≥7.8 mmol/L的時間，換言之，1 hPG≥8.6 mmol/L能更早地識別出潛在糖尿病前期群體［50］?；谏鲜龆囗椗R床研究結果，國際糖尿病聯盟（International Diabetes Federation，IDF）2024年也建議［51］使用1 hPG≥8.6 mmol/L診斷糖尿病前期，1 hPG≥11.6 mmol/L診斷糖尿病。盡管已有多項研究初步表明，1 hPG或許可以取代2 hPG成為診斷糖尿病前期的強有力標志物，減少檢測時間和經濟成本，更靈敏地預測糖尿病、心血管疾病、微血管病和死亡率［50，52］，但1 hPG仍需進一步驗證其在不同種族和年齡段群體中的普適性、準確性，才可以大規模推廣應用。

HbA1c作為一種特定形式的血紅蛋白，可以反映近2～3個月的平均血糖水平情況［53］。但考慮到早期HbA1c檢測方法存在缺乏標準化、成本較高以及儀器設備限制等問題，ADA和WHO并未將其作為診斷糖尿病和糖尿病前期的依據。隨著美國國家糖化血紅蛋白標準化計劃、日本糖尿病學會、日本臨床化學學會和國際臨床化學家聯盟（International Federation of Clinical Chemists，IFCC）HbA1c工作組的成立，HbA1c的檢測逐漸實現高度標準化。2004年IFCC開發了一種新的參考測量系統以標準化HbA1c的檢測，使其結果可以在不同時間和不同種族人群中得到統一應用［54-55］。鑒于HbA1c具有與糖尿病并發癥的強相關性、樣本采集后的穩定性、檢測方式的便利性（可隨時獲取，不需要空腹）等優勢，2009年IFC開始建議使用HbA1c診斷糖尿病和糖尿病前期［56］；2010年ADA指南采納了該建議，并推薦使用HbA1c≥6.5%診斷糖尿病、HbA1c 5.7%～6.4%診斷糖尿病前期［57-58］；2011年WHO建議在條件具備的國家和地區使用HbA1c診斷糖尿病，然而并未推薦HbA1c作為糖尿病前期的診斷依據；為了與國際接軌，2010年我國開始啟動“中國HbA1c教育計劃”；2020年《中國2型糖尿病防治指南（2020年版）》［45］和《國家糖尿病基層中醫防治管理指南（2022）》［9］提出，可將HbA1c列入糖尿病的補充診斷；2023年版《中國成人糖尿病前期干預的專家共識》首次指出，具備條件的醫療機構可將HbA1c作為糖尿病前期的診斷標準［1］?；? 080例受試者的數據表明，HbA1c診斷糖尿病的AUC為0.844，靈敏度為61.8%，特異度為95.7%；診斷糖尿病前期的效能相對偏低，AUC僅為0.583［59］。由此可見，國內HbA1c標準化檢測和推廣應用落后于國際十余年，目前應用到糖尿病前期人群的檢測尚屬于起步階段。此外，盡管HbA1c不易受到餐前或餐后血糖波動的干擾，但HbA1c的結果可能受到貧血、血紅蛋白變異、腎功能不全等疾病的影響，無法像FPG和2 hPG直接精準診斷糖尿病前期。但是，HbA1c作為一個可以反映一段時間內血糖的穩態指標，檢測流程簡易，未來仍有望在更多指南中被推薦用于糖尿病前期和糖尿病高危人群的篩查。

隨著對糖尿病前期認識的不斷深入，基于血糖的檢測方法不斷完善和發展，目前仍然將FPG和2 hPG作為診斷糖尿病前期的核心指標，但其操作流程復雜，尚不能作為糖尿病前期人群篩查的檢測方式。未來，應當從精準化個體診斷和便捷化人群篩查出發，不僅需要進一步開發和驗證1 hPG對糖尿病前期診斷的敏感性和準確性，同時，需要開發和驗證便捷化的檢測手段，以提高對人群篩查的覆蓋度，實現糖尿病前期的早期發現，以便對疾病早干預。

2.4 以可穿戴設備為載體的數智化診斷方法

隨著數字技術和第五代移動通信技術的發展，“互聯網+”健康管理和數字醫療成為新的疾病預防和管理模式［60］。數字化血糖儀和持續葡萄糖監測（continuous glucose monitoring，CGM）在糖尿病前期、糖尿病以及糖尿病高危人群的監測和篩查領域表現出巨大潛力。其一，可穿戴設備能夠提供連續、動態、實時、全面的血糖監測譜，在任意時間點捕獲預警信號，進而降低漏診率，實現對疑似高危人群的“早篩查”；其二，通過提供可視化數據，輔助醫患制訂更加個性化和有效的管理計劃，實現“早干預”；其三，持續的血糖監測可以促使患者自主地調整飲食、運動、睡眠等生活習慣，有效地管理血糖，及時發現血糖異常狀態，長期維持健康狀態；同時線上實時互動縮短了醫患交流所需的空間距離，提高患者依從性，增強對患者的管理，實現“早康復”。

盡管可穿戴設備展示了良好的應用前景，但目前臨床證據相對缺乏，相關橫斷面研究表明，CGM區分健康受試者與IGT/糖尿病患者的準確率為91.4%，區分IGT與糖尿病患者的準確率為79.5%［61］。PATEL等［62］進一步發現腕戴可穿戴設備比腰戴可穿戴設備可以更準確地預測糖尿病前期患者的血糖控制情況，這可能與腕部更接近心臟和大血管位置，可以更準確地捕獲心率、血流動態等有關；而腹部脂肪堆積可能降低設備的敏感性。BLIUDZIUS等［63］發現使用可穿戴設備監測體力活動有助于改善糖尿病前期患者的自我健康管理，尤其是在控制血脂方面。盡管當前研究證據的數量相對不足，但是《5G+“三早”糖尿病健康管理中國專家共識（2024）》［64］建議應用5G智能可穿戴設備可有效開展風險因素居家監測和糖尿病風險預警。雖然CGM為患者提供了連續監測血糖的便利，降低了頻繁手指采血的需要，但也存在一定局限。首先，CGM測量的是皮下組織間液中的葡萄糖水平，這可能滯后于血液中的葡萄糖水平變化；其次，CGM需要穿透皮膚植入，這種有創性操作可能引發排斥反應，盡管設備不斷更新換代，但是高血糖患者仍然有較高的傷口感染風險；此外，CGM的成本較高，盡管發射器和接收器可充電重復使用，但傳感器為一次性使用，一般為7～14 d，傳感器初次使用1～2 d和有效期前的1～2" d精準性均較差，由于目前尚缺乏在我國本土的大樣本循證醫學證據，CGM也未納入我國醫療保險系統。總之，CGM目前推薦已確診糖尿病1年以上且具有經濟實力的患者使用，但對糖尿病前期的研究仍屬空白。

因此，未來的血糖監測技術發展方向應更加注重精確化、無創化、低成本化；同時，不僅限于監測血糖變化，還應結合人工智能技術，拓展到血壓、心率等其他代謝指標的監測。這將使得基于監測結果的個性化數據分析更為立體、全面和具體，能夠根據患者的活動和飲食習慣提供基于時間線的個性化建議，從而多維度地指導患者調整生活方式和治療方案，實現綜合性的健康管理。此外，可穿戴設備，如可佩戴式血壓計、數字化體重秤/體脂秤也逐漸應用于超重/肥胖、高血壓等糖尿病高危人群的監測［65-66］。未來可穿戴設備在慢性疾病領域將具有廣泛的適用性，值得深入探索其多領域、多場景的應用效果。

3 糖尿病前期中西醫早期診斷面臨的挑戰及應對方法

隨著現代生活模式的變化及超重和肥胖人群的增加，糖尿病前期和糖尿病高危人群的患病率不斷攀升。這種趨勢不僅擴大了潛在糖尿病患者基數，還將加劇慢性疾病的整體防治負擔。隨著對糖尿病的深入研究和主動干預的實施，學術界已經開始重視糖尿病前期的早期篩查和防治管理工作。糖尿病前期的篩查和診斷方法已涵蓋中醫證候診斷、中西醫結合診斷模型、疾病風險評分模型、生物標志物、血糖指標（FPG、OGTT 1 h/2 h PG、HbA1c）、可穿戴設備等多種方式，且在不斷豐富和完善，但在實踐中仍面臨一些挑戰，主要表現在以下幾個方面：

其一，診斷方法多樣、閾值動態變化。糖尿病前期仍然是一個不斷完善的概念和領域，其診斷閾值及方法隨著時間演變和研究進展在不斷動態調整（表2），這要求醫務人員，尤其是基層醫生，緊跟國際前沿，及時掌握最新研究進展并應用于臨床，使早期篩查的精準度和覆蓋面最大化。

其二，缺乏便捷的人群篩查方法。糖尿病前期的診斷金標準——OGTT，存在操作復雜、需要多次采血、耗時長等問題，不適宜大規模推廣［67］。開發更簡便、快捷的糖尿病前期篩查方法，仍是一個嚴峻挑戰。中醫在疾病早期識別方面擁有潛在優勢，“治未病”理念與糖尿病前期的防治原則高度契合，未來基于中醫的癥狀和體征構建診斷和預測模型可能是早期識別糖尿病前期的重要方法之一。此外，數字化健康管理應用程序和可穿戴設備具有簡便、實時監測等優勢［62］，可實現糖尿病風險因素的居家監測，尤其適宜于老年慢性疾病患者，在進行充分評估與驗證后值得推廣應用。

其三，疾病知曉度、重視度普遍不足。無論是基層醫護人員，還是普通公眾，對糖尿病前期的知曉率普遍偏低［68］。由于該病癥狀多不典型，重視度亦相對不足。加深對這一疾病的認識是實現早期篩查和診斷的基礎，因此提升公眾，特別是高危人群對糖尿病前期的認知度和重視度，是防止糖尿病發生、發展的關鍵所在。

此外，缺乏糖尿病高危人群的篩查與管理。糖尿病高危人群作為一個特殊群體，血糖尚處于正常范圍，但其患糖尿病、心血管事件乃至死亡的風險顯著增加，因此其與糖尿病前期患者需同等管理。然而目前尚缺乏針對糖尿病高危人群的標準篩查和管理共識。如何有效地識別和干預這些高危群體將是未來若干年的研究重點。

4 小結

隨著研究的進展，糖尿病前期的診斷方法不斷完善和全面，其閾值在不斷下調以擴大篩查范圍，降低漏診率。然而，現有的診斷方法無法全面覆蓋所有潛在糖尿病前期患者群體，學者仍在不斷探索更精準、更便捷的篩查措施，以實現早期篩查、及時診斷的目的。中醫在疾病早期識別方面具有潛在優勢，“治未病”理念與糖尿病前期防治理念高度契合，未來基于中醫宏觀表征和現代醫學微觀數據的中西醫結合疾病診斷模型有望突破現有研究的局限，進一步提高篩查精確度，實現“早篩查、早診斷、早干預、早康復”。

作者貢獻：彭紅葉負責資料收集、繪制圖表、文

章撰寫；荊雅楠負責繪制圖表、文章修訂；留典淳、王瑩、薛雪負責文章修訂；魯春麗負責文章構思與設計、文章修訂、文章的質量控制，對論文整體負責。

本文無利益沖突。

魯春麗https：//orcid.org/0000-0003-2939-1327

參考文獻

中華醫學會內分泌學分會，中華醫學會糖尿病學分會，中國醫師協會內分泌代謝科醫師分會，等. 中國成人糖尿病前期干預的專家共識［J］. 中華內分泌代謝雜志，2020，36（5）：371-380. DOI：10.3760/cma.j.cn311282-20200115-00022.

ECHOUFFO-TCHEUGUI J B，PERREAULT L，JI L N，et al. Diagnosis and management of prediabetes：a review［J］. JAMA，2023，329（14）：1206-1216. DOI：10.1001/jama.2023.4063.

ICD-11 Coding Tool［EB/OL］.［2024-07-19］. https：//icd.who.int/ct/icd11_mms/en/release.

印發《“健康中國 2030”規劃綱要》［N］. 人民日報，2016- 10-26（001）.

WANG L M，PENG W，ZHAO Z P，et al. Prevalence and treatment of diabetes in China，2013-2018［J］. JAMA，2021，326（24）：2498-2506. DOI：10.1001/jama.2021.22208.

逄冰，劉文科，林軼群，等. 論“態靶因果” 辨治方略在2型糖尿病中的應用［J］. 中華中醫藥雜志，2017，32（7）：2864-2866.

方朝暉，仝小林，段俊國，等. 糖尿病前期中醫藥循證臨床實踐指南［J］. 中醫雜志，2017，58（3）：266-270. DOI：10.13288/j.11-2166/r.2017.03.023.

中國醫師協會中西醫結合醫師分會內分泌與代謝病學專業委員會. 糖尿病前期病證結合診療指南［J］. 世界中醫藥，2021，16（4）：533-538. DOI：10.3969/j.issn.1673-7202.2021.04.002.

中華中醫藥學會糖尿病基層防治專家指導委員會. 國家糖尿病基層中醫防治管理指南（2022）［J］. 中華糖尿病雜志，2023，

15（2）：100-117.

中華中醫藥學會. 糖尿病中醫防治指南［J］. 中國中醫藥現代遠程教育，2011，9（4）：148-151. DOI：10.3969/j.issn.1672-2779.2011.04.111.

National Diabetes Data Group. Classification and diagnosis of diabetes mellitus and other categories of glucose intolerance. National Diabetes Data Group［J］. Diabetes，1979，28（12）：1039-1057. DOI：10.2337/diab.28.12.1039.

CHARLES M A，FONTBONNE A，THIBULT N，et al. Risk factors for NIDDM in white population. Paris prospective study［J］. Diabetes，1991，40（7）：796-799. DOI：10.2337/diab.40.7.796.

American Diabetes Association. Report of the expert committee on the diagnosis and classification of diabetes mellitus［J］. Diabetes Care，1997，20（7）：1183-1197. DOI：10.2337/diacare.20.7.1183.

Expert Committee on the Diagnosis and Classification of Diabetes Mellitus. Report of the expert committee on the diagnosis and classification of diabetes mellitus［J］. Diabetes Care，2003，26（Suppl 1）：S5-20. DOI：10.2337/diacare.26.2007.s5.

伍漢文. 化學糖尿病的定義 ［J］. 國外醫學參考資料（內科學分冊），1974（2）：90-91.

衛生部疾病控制司，中華醫學會糖尿病學分會. 《中國糖尿病防治指南》（試行本）（節選）［J］. 中國慢性病預防與控制，2004，12（6）：283-285. DOI：10.3969/j.issn.1004-6194.2004.06.022.

彭紅葉，魯春麗，黃曉強，等. 多組學技術在中醫藥領域中的應用現狀與前景分析［J］. 中醫雜志，2024，65（8）：775-781. DOI：10.13288/j.11-2166/r.2024.08.002.

TRAN K A，KONDRASHOVA O，BRADLEY A，et al. Deep learning in cancer diagnosis，prognosis and treatment selection［J］. Genome Med，2021，13（1）：152. DOI：10.1186/s13073-021-00968-x.

LI J，CHEN Q，HU X，et al. Establishment of noninvasive diabetes risk prediction model based on tongue features and machine learning techniques ［J］. Int J Med Inform，2021，149（1）：104429. DOI：10.1016/j.ijmedinf.2021.104429.

LI J，YUAN P，HU X J，et al. A tongue features fusion approach to predicting prediabetes and diabetes with machine learning［J］. J Biomed Inform，2021，115：103693. DOI：10.1016/j.jbi.2021.103693.

WU H，TREMAROLI V，SCHMIDT C，et al. The gut microbiota in prediabetes and diabetes：a population-based cross-sectional study［J］. Cell Metab，2020，32（3）：379-390.e3. DOI：10.1016/j.cmet.2020.06.011.

ZHANG J F，XU J T，HU X J，et al. Diagnostic method of diabetes based on support vector machine and tongue images［J］. Biomed Res Int，2017，2017：7961494. DOI：10.1155/2017/7961494.

YUAN L，YANG L，ZHANG S C，et al. Development of a tongue image-based machine learning tool for the diagnosis of gastric cancer：a prospective multicentre clinical cohort study［J］. E Clinical Medicine，2023，57：101834. DOI：10.1016/j.eclinm.2023.101834.

ZHOU X H，QIAO Q，JI L N，et al. Nonlaboratory-based risk assessment algorithm for undiagnosed type 2 diabetes developed on a nation-wide diabetes survey［J］. Diabetes Care，2013，36（12）：3944-3952. DOI：10.2337/dc13-0593.

LINDSTR?M J，TUOMILEHTO J. The diabetes risk score：a practical tool to predict type 2 diabetes risk［J］. Diabetes Care，2003，26（3）：725-731. DOI：10.2337/diacare.26.3.725.

ROBINSON C A，AGARWAL G，NERENBERG K. Validating the CANRISK prognostic model for assessing diabetes risk in Canada's multi-ethnic population［J］. Chronic Dis Inj Can，2011，32（1）：19-31.

MOHAN V，DEEPA R，DEEPA M，et al. A simplified Indian Diabetes Risk Score for screening for undiagnosed diabetic subjects［J］. J Assoc Physicians India，2005，53：759-763.

BANG H，EDWARDS A M，BOMBACK A S，et al. Development and validation of a patient self-assessment score for diabetes risk［J］. Ann Intern Med，2009，151（11）：775-783. DOI：10.7326/0003-4819-151-11-200912010-00005.

NIETO-MARTINEZ R，BARENGO N C，RESTREPO M，et al. Large scale application of the Finnish Diabetes Risk S core in Latin American and Caribbean populations：a descriptive study［J］. Front Endocrinol，2023，14：1188784. DOI：10.3389/fendo.2023.1188784.

BAHIJRI S，AL-RADDADI R，AJABNOOR G，et al. Dysglycemia risk score in Saudi Arabia：a tool to identify people at high future risk of developing type 2 diabetes［J］. J Diabetes Investig，2020，11（4）：844-855. DOI：10.1111/jdi.13213.

PEI D M，YANG T F，ZHANG C P. Estimation of diabetes in a high-risk adult Chinese population using J48 decision tree model［J］. Diabetes Metab Syndr Obes，2020，13：4621-4630. DOI：10.2147/DMSO.S279329.

DONG W N，TSE T Y E，MAK L I，et al. Non-laboratory-based risk assessment model for case detection of diabetes mellitus and pre-diabetes in primary care［J］. J Diabetes Investig，2022，

13（8）：1374-1386. DOI：10.1111/jdi.13790.

尤麗麗，張秀薇，張小云，等. 廣東地區無代謝性疾病自然人群脂聯素參考值的建立［J］. 中華糖尿病雜志，2020，12（4）：216-220. DOI：10.3760/cma.j.cn115791-20191111-00421.

WANG Y L，MENG R W，KUNUTSOR S K，et al. Plasma adiponectin levels and type 2 diabetes risk：a nested case-control study in a Chinese population and an updated meta-analysis［J］. Sci Rep，2018，8（1）：406. DOI：10.1038/s41598-017-18709-9.

WOO Y C，TSO A W，XU A M，et al. Combined use of serum adiponectin and tumor necrosis factor-alpha receptor 2 levels was comparable to 2-hour post-load glucose in diabetes prediction［J］. PLoS One，2012，7（5）：e36868. DOI：10.1371/journal.pone.0036868.

中國女醫師協會糖尿病專業委員會，《中華健康管理學雜志》編輯委員會，中國健康促進基金會. 糖尿病高危人群篩查及干預專家共識［J］. 中華健康管理學雜志，2022，16（1）：7-14. DOI：10.3760/cma.j.cn115624-20211111-00677.

AKASH M S，REHMAN K，CHEN S Q. Role of inflammatory mechanisms in pathogenesis of type 2 diabetes mellitus［J］. J Cell Biochem，2013，114（3）：525-531. DOI：10.1002/jcb.24402.

AGUIRRE V，WERNER E D，GIRAUD J，et al. Phosphorylation of Ser307 in insulin receptor substrate-1 blocks interactions with the insulin receptor and inhibits insulin action［J］. J Biol Chem，2002，277（2）：1531-1537. DOI：10.1074/jbc.M101521200.

GAWLIK K，MILEWICZ T，PAWLICA-GOSIEWSKA D，et al. Fibroblast growth factor 21 in gestational diabetes mellitus and type 2 diabetes mellitus［J］. J Diabetes Res，2023，10：4024877. DOI：10.1155/2023/4024877.

WANG X，BAO W，LIU J，et al. Inflammatory markers and risk of type 2 diabetes：a systematic review and meta-analysis［J］. Diabetes Care，2013，36（1）：166-175. DOI：10.2337/dc12-0702.

MALKAN U Y，GUNES G，CORAKCI A. Rational diagnoses of diabetes：the comparison of 1，5-anhydroglucitol with other glycemic markers［J］. Springerplus，2015，4：587. DOI：10.1186/s40064-015-1389-5.

SALAZAR J，NAVARRO C，ORTEGA á，et al. Advanced glycation end products：new clinical and molecular perspectives［J］. Int J Environ Res Public Health，2021，18（14）：7236. DOI：10.3390/ijerph18147236.

LUO H，BAUER A，NANO J，et al. Associations of plasma proteomics with type 2 diabetes and related traits：results from the longitudinal KORA S4/F4/FF4 Study［J］. Diabetologia，2023，66（9）：1655-1668. DOI：10.1007/s00125-023-05943-2.

MONFARED Y K，HONARDOOST M，SAROOKHANI M R，et al. Circulating miR-135 may serve as a novel co-biomarker of HbA1c in type 2 diabetes［J］. Appl Biochem Biotechnol，2020，191（2）：623-630. DOI：10.1007/s12010-019-03163-2.

中華醫學會糖尿病學分會. 中國2型糖尿病防治指南（2020年版）［J］. 國際內分泌代謝雜志，2021，41（5）：482-548. DOI：10.3760/cma.j.cn121383-20210825-08063.

中華醫學會糖尿病學分會. 中國2型糖尿病防治指南（2017年版）［J］. 中華糖尿病雜志，2018，10（1）：4-67. DOI：10.3760/cma.j.issn.1674-5809.2018.01.003.

童于真，童南偉. 中國成人2型糖尿病預防的專家共識精要［J］. 中國實用內科雜志，2014，34（7）：671-677. DOI：10.7504/nk2014060203.

TRICò D，GALDERISI A，MARI A，et al. One-hour post-load plasma glucose predicts progression to prediabetes in a multi-ethnic cohort of obese youths［J］. Diabetes Obes Metab，2019，21（5）：1191-1198. DOI：10.1111/dom.13640.

PENG M Y，HE S Y，WANG J P，et al. Efficacy of 1-hour postload plasma glucose as a suitable measurement in predicting type 2 diabetes and diabetes-related complications：a post hoc analysis of the 30-year follow-up of the Da Qing IGT and Diabetes Study［J］. Diabetes Obes Metab，2024，26（6）：2329-2338. DOI：10.1111/dom.15547.

HA J，CHUNG S T，BOGARDUS C，et al. One-hour glucose is an earlier marker of dysglycemia than two-hour glucose［J］. Diabetes Res Clin Pract，2023，203：110839. DOI：10.1016/j.diabres.2023.110839.

BERGMAN M，MANCO M，SATMAN I，et al. International Diabetes Federation Position Statement on the 1-hour post-load plasma glucose for the diagnosis of intermediate hyperglycaemia and type 2 diabetes［J］. Diabetes Res Clin Pract，2024，209：111589. DOI：10.1016/j.diabres.2024.111589.

BUYSSCHAERT M，BERGMAN M，VALENSI P. 1-h post-load plasma glucose for detecting early stages of prediabetes［J］. Diabetes Metab，2022，48（6）：101395. DOI：10.1016/j.diabet.2022.101395.

趙騰飛，費愛華. 糖化血紅蛋白對急性胰腺炎危險分層及預后評估的應用價值［J］. 醫學研究雜志，2024，53（4）：166-170，176. DOI：10.11969/j.issn.1673-548X.2024.04.031.

HOELZEL W，WEYKAMP C，JEPPSSON J O，et al. IFCC reference system for measurement of hemoglobin A1c in human blood and the national standardization schemes in the United States，Japan，and Sweden：a method-comparison study［J］. Clin Chem，2004，50（1）：166-174. DOI：10.1373/clinchem.2003.024802.

ROHLFING C，WIEDMEYER H M，LITTLE R，et al. Biological variation of glycohemoglobin［J］. Clin Chem，2002，48（7）：1116-1118.

GILLETT M J. International Expert Committee report on the role of the A1c assay in the diagnosis of diabetes：diabetes care［J］. Clin Biochem Rev，2009，32（7）：1327-1334. DOI：10.2337/dc09-9033.

American Diabetes Association. Standards of medical care in diabetes—2010［J］. Diabetes Care，2010，33（Suppl 1）：S11-61. DOI：10.2337/dc10-S011.

ASSOCIATION A D. Diagnosis and classification of diabetes mellitus［J］. Diabetes Care，2010，33（Suppl 1）：S62-69. DOI：10.2337/dc10-S062.

黃麗霞，張靜，董彩霞，等. 糖代謝異常的糖化血紅蛋白診斷切點值的研究［J］. 中國糖尿病雜志，2023，31（7）：500-504. DOI：10.3969/j.issn.1006-6187.2023.07.004.

NORDYKE R J，APPELBAUM K，BERMAN M A. Estimating the impact of novel digital therapeutics in type 2 diabetes and hypertension：health economic analysis［J］. J Med Internet Res，2019，21（10）：e15814. DOI：10.2196/15814.

ACCIAROLI G，SPARACINO G，HAKASTE L，et al. Diabetes and prediabetes classification using glycemic variability indices from continuous glucose monitoring data［J］. J Diabetes Sci Technol，2018，12（1）：105-113. DOI：10.1177/1932296817710478.

PATEL M S，POLSKY D，SMALL D S，et al. Predicting changes in glycemic control among adults with prediabetes from activity patterns collected by wearable devices［J］. NPJ Digit Med，2021，4（1）：172. DOI：10.1038/s41746-021-00541-1.

BLIUDZIUS A，PURONAITE R，TRINKUNAS J，et al. Research on physical activity variability and changes of metabolic profile in patients with prediabetes using Fitbit activity trackers data［J］. Technol Health Care，2022，30（1）：231-242. DOI：10.3233/THC-219006.

中華醫學會健康管理學分會. 5G+“三早” 糖尿病健康管理中國專家共識（2024）［J］. 中華健康管理學雜志，2024，18（3）：161-173. DOI：10.3760/cma.j.cn115624-20231215-00342.

WRIGHT E E，SUBRAMANIAN S. Evolving use of continuous glucose monitoring beyond intensive insulin treatment［J］. Diabetes Technol Ther，2021，23（S3）：S12-18. DOI：10.1089/dia.2021.0191.

RIZOS E C，KANELLOPOULOU A，FILIS P，et al. Difference on glucose profile from continuous glucose monitoring in people with prediabetes vs. normoglycemic individuals：a matched-pair analysis［J］. J Diabetes Sci Technol，2024，18（2）：414-422. DOI：10.1177/19322968221123530.

卞文軒，何云強，付麒，等. 我國胰島功能評估方法和應用的初步調查［J］. 中國糖尿病雜志，2024，32（3）：161-168. DOI：10.3969/j.issn.1006-6187.2024.03.001.

林樂韋華，歐倩瀅，林璐，等. 海南省城鄉居民糖尿病患病率及合并其他慢性代謝性疾病調查［J］. 中國熱帶醫學，2021，21（9）：839-844. DOI：10.13604/j.cnki.46-1064/r.2021.09.05.

（收稿日期：2024-04-10；修回日期：2024-08-15）

（本文編輯：趙躍翠）

基金項目：廣州市科學技術局2024年度基礎與應用基礎研究專題項目資助（2024A04J4734）

引用本文：彭紅葉，荊雅楠，留典淳，等.糖尿病前期中西醫結合早期診斷的國內外進展與挑戰［J］. 中國全科醫學，2025，28（3）：262-272. DOI：10.12114/j.issn.1007-9572.2024.0328. ［www.chinagp.net］

PENG H Y，JING Y N，LIU D C，et al. Domestic and international advances and challenges in early diagnosis of prediabetes with integrated Chinese and western medicine［J］. Chinese General Practice，2025，28（3）：262-272.

? Editorial Office of Chinese General Practice. This is an open access article under the CC BY-NC-ND 4.0 license.