连续血糖监测与低碳水化合物营养指导改善2型糖尿病控制:随机质量改进计划

简介

背景

2型糖尿病(T2DM)是全球发病率和死亡率的主要原因，其不良健康后果主要与高血糖有关[1］．不幸的是，尽管临床实践指南建议[2]、有效的药物治疗[3.]，以及支持患者和提供者的干预措施[4-6]，估计高达60%的T2DM患者有血红蛋白A_{1 c}(HbA_{1 c})高于建议指标的水平[2，7］．多重障碍阻碍最佳的血糖控制，包括患者层面的障碍(如药物不依从[8])、提供者(如临床惯性[9，10])和卫生系统(例如，缺乏支持资源[11])。这些障碍可能会因许多2型糖尿病药物(包括胰岛素)的高成本而加剧。12］．

为了帮助更多T2DM患者实现控制血糖和减轻药物负担的双重目标，需要在不同的临床环境中持续和扩展的新策略。越来越多的证据表明，这些目标可以通过限制饮食中的碳水化合物来实现。极低碳水化合物和低碳水化合物饮食(分别定义为<每日碳水化合物总能量的10%和10%-26%)已在临床试验环境中成功用于管理和逆转2型糖尿病[13，14］．因此，T2DM临床实践指南现在支持在T2DM患者中使用限制碳水化合物的膳食计划，这些患者(1)没有达到血糖目标，(2)希望减少抗高血糖药物的使用，或(3)更喜欢这种饮食方法[15，16］．然而，到目前为止，很少有策略支持在全科实践环境中使用限制碳水化合物的膳食计划，因为这种饮食通常需要密集的个性化指导和密切监测，并进行药物调整，以减轻使用二甲双胍以外药物治疗的患者的低血糖风险[17-19］．

持续血糖监测(CGM)可能是有效、高效和安全地支持控制不佳的T2DM患者使用限制碳水化合物饮食计划的一种有前途的策略。CGM可以通过提供个人对特定食物的血糖反应的实时信息，支持患者的自我教育和自我管理。CGM技术历史上用于1型糖尿病的治疗，现在更便宜，用户友好，并越来越多地用于指导2型糖尿病患者的药物治疗决策[20.，21］．然而，很少有人知道CGM技术作为一种帮助患者开始和维持行为改变的工具的潜在作用。在之前发表的一项针对15名前驱糖尿病患者的试点研究中，我们发现CGM加低碳水化合物指导是支持饮食行为改变的可接受和可行的方法[22］．

目标

我们假设，在控制不佳的2型糖尿病患者中，使用CGM技术与营养师提供的限制饮食碳水化合物教育相结合的干预措施将有效地改变患者的饮食行为并改善血糖控制。这个实用的随机质量改进(QI)计划的主要目标是比较HbA的平均变化_{1 c}在亚最佳控制的T2DM患者(定义为HbA_{1 c}≥7.5%)的患者与接受常规护理(UC)的患者相比，有机会使用CGM并接受营养咨询。

方法

研究设计

我们进行了一项为期12个月、实用的随机对照人群水平的QI计划评估。虽然我们本可以进行更传统的、简单的2组随机对照试验，但我们希望能够了解在典型的初级保健办公室环境中QI计划的潜在影响。因此，我们没有像常规研究那样在获得同意后对参与者进行随机分组，而是首先确定并随机将在临床中就诊的T2DM成年患者全部纳入UC或强化护理(EC)组。然后，我们尝试联系每一个随机分到EC组的患者，他们都有HbA卡_{1 c}>水平7.5% (58 mmol/mol)，更严格的血糖控制在医学上是合适的，并邀请他们参与该项目。这使我们能够估计该项目在同意的研究环境之外的潜在影响。参与研究的所有患者都提供了临床同意书，但只有一小部分患者同意将详细数据用于后续研究或教育。一年后，那些符合条件并随机分配到UC组的患者也有机会参与干预，但这里提供的数据不包括等待列表控制结果。

这项评估是务实的，因为招募和干预程序已纳入通常的临床工作流程，并由临床工作人员而不是研究人员进行。我们使用了语用解释连续体指标摘要[23]来设计研究并选择更务实(而不是解释性)的策略，从而增加该项目在现实世界临床环境中扩展和持续的可能性。

由于复杂的评估设计，该项目由密歇根大学的IRB在2个独立的机构审查委员会(IRB)申请下进行审查。QI项目被视为豁免且不受监管，并获得了队列识别和参与者跟踪的知情同意弃权(HUM00147295)。该组成部分包括通过鉴别队列汇总数据评估的主要结果的定量评估。第二个IRB应用程序仅应用于数据存储库子队列。所有参与该项目的个人都被邀请参加一个数据存储库，该数据库允许研究团队成员查看他们完整的电子健康记录(EHR)，用于当前和后续的研究和教育。数据存储库的参与是自愿的，需要书面知情同意(HUM00148100)。项目评估于2018年11月至2019年11月进行。

参与者和设置

该QI项目在一所大学附属的家庭医学诊所进行，该诊所由家庭医学医生、住院医生和高级实践提供者组成。虽然由于该项目的QI性质，详细的患者层面的社会人口统计数据有限，但诊所服务的大多数患者都是白人，并拥有私人保险或医疗保险。

使用数据直接[24密歇根医学基于网络的工具，用于访问卫生系统中4百万患者的数据，我们确定了年龄≥21岁的T2DM患者，由基于ehr的问题列表诊断确定;与HbA_{1 c}≥6.5%;或服用除二甲双胍以外的任何抗高血糖药物的有效处方(N=1584)。

随机化

所有个体采用1:1随机分组，并根据年龄、性别和BMI分层:UC或EC。分配序列使用STATA 16.0 (StataCorp LLC)生成。

如图1，每个研究组中的个体被分类为uc -高风险(UC-HR)或EC-HR(如果他们有基线HbA)_{1 c}血糖水平≥7.5%，经临床复查患者的EHR数据和必要时与初级保健医生(PCP)讨论确定，在医学上符合改善血糖控制的条件。具体来说，那些血糖控制更严格的人(即HbA_{1 c}<7.5%)不符合美国糖尿病协会指南的建议[25]、低血糖和跌倒高风险的年老体弱者、因合并症而预期寿命小于6个月的人，或患有严重或未经治疗的精神健康疾病(包括饮食失调)的人;孕妇或哺乳期妇女;那些以前做过减肥手术的人被排除在高危组之外。

‎ 查看此图

招聘

该项目采用了几种招聘策略来吸引EC-HR人员。这包括通过信件邀请，基于电子病历的电子信息，以及项目团队成员的电话。此外，对于对这种外展没有反应的患者，当他们与PCP或其他卫生保健提供者访问诊所时，试图与他们面对面接触。

程序

加州大学的手臂

UC组的个体在12个月的研究期间接受常规护理。常规护理包括PCP随访和接受初级保健营养师营养咨询的机会，后者建议患者遵循美国糖尿病协会的标准卡路里限制饮食，而不特别强调饮食碳水化合物限制[26］．

电子商务部门

所有EC-HR人员被邀请参加该项目(n=185)。在185人中，61人(32.9%)参与了该计划，80%(49/61)的人知情同意参与数据存储库。项目参与者使用间歇性观察的CGM(雅培Freestyle Libre)，并从项目营养师那里接受个性化的低碳水化合物饮食咨询。与其他CGM技术(包括新型号的Freestyle Libre)相比，间歇性查看CGM要求用户扫描传感器以获得结果，并且没有低血糖或高血糖警报。我们使用术语CGM而不是间歇性地查看CGM，因为这是共识指南中使用的首要术语[1］．

该传感器由营养师放置，在为期12个月的项目期间，每个人都有机会佩戴多达7个cgm。项目参与者与项目营养师一对一会面。尽管该营养师是为项目目的而雇用的，但她没有接受过任何高级培训，因此无法在其他初级保健环境中由营养师进行干预。在第一次访问期间，营养师进行了基本营养评估(例如，饮食回忆)，并指导个人如何保持准确的食物日志，与CGM数据一起使用，以促进营养指导和量身定制的教育。

至少10天后，参与者与营养师进行了一对一的访问，营养师审查了CGM数据和食物日志，并帮助他们了解他们的饮食碳水化合物摄入量如何影响他们的血糖水平。所有受试者最初都被要求将每日膳食碳水化合物总量限制在每天≤100克，因为这对许多受试者来说是一个临床相关的、实用的、可实现的目标[13，14］．随后，研究人员建议参与者调整碳水化合物摄入量，以优化时间范围，定义为血糖为70-180 mg/dL (3.9-10 mmol/L)。具体来说，营养师与患者会面，回顾葡萄糖监测数据和食物日志，目的是识别特定的食物(如面包和香蕉)，引发葡萄糖漂移。然后，她帮助参与者确定符合他们饮食偏好和预算限制的低碳水化合物替代品，并指定一个更低的碳水化合物目标(例如，每天总共50个碳水化合物)，如果患者希望计算碳水化合物。当指定了一个较低的碳水化合物目标时，参与者被指导如何计算净碳水化合物(即碳水化合物的总克数-纤维的克数)，以鼓励摄入绿叶蔬菜和非淀粉蔬菜。通过这种方式，营养咨询是根据个人的需求量身定制的，旨在适应个人可能需要限制饮食碳水化合物以实现血糖控制的程度的差异。

虽然饮食建议是从许多公开资源中提取的，但该计划的指导原则是基于总是饿路德维希发明的饮食[27］．营养师还对患者进行了有关限制碳水化合物的潜在风险和副作用的教育，包括低血糖;低血压;还有头痛、疲劳、恶心和便秘的身体症状。此外，营养师通过电子病历与初级保健临床药剂师或医疗提供者沟通，以便及时改变参与者的药物，以避免严重的低血糖和低血压的发生。

多媒体附件1展示了用于教参与者如何计算碳水化合物的讲义示例。多媒体附件2显示了在与营养师访问期间审查的信息类型的一个例子。

主要结果测量

基线和后续HbA卡_{1 c}级别是从EHR中抽象出来的。所有人都有基线HbA_{1 c}随机分组前作为常规临床护理的一部分获得的水平。后续HbA_{1 c}数据由个体的pcp获取，作为常规临床护理的一部分。为了方便完整的数据可用性，该项目的营养师订购了HbA_{1 c}代表pcp为EC患者提供水平;根据临床表现，pcp可批准或取消。HbA的变化_{1 c}通过减去参与者的基线HbA计算_{1 c}级别_{1 c}的水平。

次要结果测量

基线和12个月的BMI从EHR中提取。在随机分组前，所有受试者都进行了体重和身高的基线测量，并计算了BMI作为常规临床护理的一部分。随访BMI数据由个体的pcp获取，作为常规临床护理的一部分;我们提取了12个月研究期结束时的随访BMI。BMI的变化是通过用随访值减去参与者的基线BMI来计算的。

探索性和过程结果

项目参与

我们评估了HR-EC队列的项目参与率。我们将项目参与定义为使用至少一种CGM，并与营养师进行至少一次会议。

每月降糖药物费用变化

降糖药物费用的变化是通过用随访期间的降糖药物总费用减去基线时的降糖药物总费用来确定的。在参与该项目的61人中，49人(80%)同意让研究团队成员审阅他们完整的电子病历。在49名参与者中，1名(2%)参与者离开了实践，因此对48张图表进行了药物成本变化数据的审查。一名研究小组成员回顾了参与者的电子病历，记录了在研究开始和结束时处方的降糖药物和剂量。个人抗高血糖药物的费用是根据2017年私人保险索赔数据库Clinformatics DataMart数据库(OptumInsight)的数据确定的。Clinformatics DataMart数据库包含8,000万私人保险成人和儿童的医疗保健遭遇(即办公室就诊、门诊就诊和住院就诊)的身份识别索赔。Clinformatics DataMart数据库中的所有成本数据都是标准化的，以便能够以一致的方式比较不同患者、数据源和地理区域的成本。我们还检查了基线时使用胰岛素的患者每月抗高血糖药物费用的变化。

CGM指标的变化

CGM报告中自动计算的CGM传感器指标包括平均血糖水平，高于范围的时间百分比，处于范围的时间百分比，低于范围的时间百分比，以及低血糖事件的数量。在EC-HR组45例患者的子集中，他们参与了该计划，同意参与数据存储库，并在12个月的计划期间佩戴了至少两个传感器，我们使用简单的二元线性回归比较CGM传感器指标，每个CGM指标作为因变量，并使用二分类时间变量来表示第一个或最后一个传感器。

EC-HR组的参与者经验

我们对EC-HR部门的参与者进行了半结构化的电话采访，以探讨他们参与干预的经验[1］．选择了半结构化的面试指南，以便在面试和采访者之间提出一致的问题，同时仍然允许每个采访者提出针对每个参与者的后续问题[28］．选择电话采访是为了提高那些可能难以亲自参加的人的参与度。访谈由接受过半结构化访谈技术培训的团队成员进行，并定期得到定性方法学家的反馈。

研究协调员通过电话联系了那些同意分享数据的人(49/61，占EC-HR部门参与者的80%)，并邀请他们参加。所有参与者都被给予了2个招聘电话，并在可用时留下语音邮件。当面试完成到主题饱和时，招聘结束。参与者提供口头同意。电话采访被录音，然后被专业转录。

统计分析

所有描述性分析均采用集中趋势度量(如比例、均值和SDs)。我们比较了HbA的变化_{1 c}使用意图治疗差异中的差异分析方法，使用线性混合模型。差异中的差异是表示时间段的分类变量(例如，项目期前vs项目期后)与研究组(例如，UC-HR vs EC-HR)之间的相互作用项。作为敏感性分析，我们根据年龄和性别调整了模型。这对差中差分析的参数估计影响不大。因此，我们只给出未经调整的结果。

我们估计了HbA的前后变化_{1 c}在61名参与该项目的人中，使用线性混合模型进行研究。我们估计了同意参与数据存储库的79%(48/61)个人的降糖药费用的前后变化。我们计算了平均post前成本并使用配对t测试以确定差异的显著性。所有分析均使用STATA 16.0进行。

定性数据分析

接受过定性分析培训的3名团队成员(MD、TN和CB)进行了归纳式主题分析[29，30.］．首先，我们使用MaxQDA软件对所有的成绩单进行审核和整理。MD、TN和CB分别编写了相同的文本，并讨论了新出现的想法。我们创建了一个描述代码列表来表示有意义的文本片段;然后将描述性代码应用于下一份抄本。我们讨论了代码的应用，以确保所有团队成员一致地应用代码。在这个时候，添加了额外的代码，并根据需要修改了其他代码以澄清定义。对前3份转录本重复此过程。接下来，TN和CB分别对剩下的转录本进行编码。规范的应用、规范之间的关系以及它们的含义在定期的团队会议上进行了讨论。 After coding, related codes were grouped into themes and summarized using structured summaries, including a narrative description of the theme and all the quotes associated with the theme.

结果

基线特征

全人群(N=1584)的人口学特征在基线(表1)．略少于一半的队列为女性(740/1584,46.71%)，平均年龄为63.3岁(SD 13.1岁)。UC组和EC组基线时相似。185名EC-HR参与者中，61人(32.9%)参与了该项目。如图1在124名未参与研究的个体中，不参与研究的最常见原因包括无法联系个体(47/124,37.9%)和拒绝参与(36/124,29%)。

主要的结果

收集所有患者的基线数据。在61例患者中，50例(82%)患者接受了至少一次额外的HbA_{1 c}评估作为12个月研究期间常规临床护理的一部分。跟踪HbA卡的平均时间_{1 c}水平262 d (SD 83 d)。HbA_{1 c}降低0.41% (4.5 mmol/mol;P=.04) EC-HR参与者在基线至12个月期间比UC-HR参与者多。调整年龄和性别对差异影响不大。在佩戴cgm的EC-HR参与者(n=61)的前后比较中，HbA_{1 c}12个月时与基线相比降低1.1% (12 mmol/mol)。P<措施)。这些参与者的BMI前后变化没有统计学意义(组内差异- 0.6，P= 0。06;表2)．

二次结果

计算纳入队列的所有患者的基线BMI。在61例患者中，53例(87%)患者在12个月的研究期间，作为常规临床护理的一部分，至少有一个额外的BMI。随访BMI的平均变化时间为287天(SD 81天)。EC-HR和UC-HR参与者从基线到12个月的BMI变化无显著差异(表3)．调整年龄和性别对差异影响不大。从基线到12个月，佩戴cgm的EC-HR参与者(n=61)有轻度体重减轻的趋势，但这种变化在统计学上不显著(- 0.6 kg/m)²；P= 0。06)。

探索性和过程结果

每月降糖药物费用变化

从基线到12个月，抗高血糖药物费用的平均变化为- 107美元(平均SE为129.7;P=.41)， 79%(48/61)佩戴传感器并同意参与数据存储库的个人。在52%(25/48)使用胰岛素的个体中，从基线到12个月，每月抗高血糖药物费用的平均变化为- 363美元(均值的SE为227.1;P=点)。

CGM传感器参数的变化

参与该项目的EC-HR组参与者同意参与数据存储库，在12个月的项目期间平均佩戴4.3 (SD 1.8)传感器。在48个人中，有4个人(8%)只戴了一个传感器。在94%(45/48)佩戴至少两个传感器的参与者中，平均葡萄糖下降(- 29.1 mg/dL, SD 9.4 mg/dL;P=.003)，高于极值的平均时间百分比下降(−19%，SD 5.8%;P=.002)，平均在程时间百分比增加(17.7%，SD 5.4%;P= .002)。低于范围的平均时间百分比(+0.3%，SD 1%;P=.86)和低血糖事件的平均次数(+0.2次，SD 1次;P=.84)无显著变化。

不良事件

无重大不良事件发生。在61名参与者中，最常报告的事件包括皮肤刺激(6/ 61,10%)或传感器部位疼痛(3/ 61,5%)。大多数认可的短暂性症状并不排除后续使用CGM。服用口服抗凝剂的患者注意到传感器部位有淤青。在61名参与者中，1名(2%)患者报告了传感器检测到的低血糖发作，这被确定是由于传感器错误导致的，当她出现在急诊科。

定性结果

概述

在EC-HR部门的61名参与者中，21人(34%)参加了半结构化面试。专题分析得出了与EC-HR参与者的项目参与和CGM使用相关的三个主题:(1)了解特定食物如何影响血糖趋势的能力，(2)遵循低碳水化合物饮食的容易程度，以及(3)血糖监测的容易程度。

了解特定食物如何影响血糖趋势的能力

EC-HR组的参与者表示，通过使用CGM进行血糖监测，并与营养师一起回顾他们的CGM数据，他们了解并更好地了解不同的食物是如何影响他们的血糖水平的。在21名参与者中，有1名(5%)参与者解释说:

CGM真的很好，因为它帮助我集中注意力，实时地看到它。我可以看着我的血糖上升，然后，看到它上升多高，在我吃了这样的东西之后。真的很酷，我很喜欢。
(010年参与者)

通过观察CGM生成的图表中的峰值和峰值，参与者可以很容易地将他们葡萄糖水平的波动联系起来。许多参与者在进食后观察他们的葡萄糖水平，以了解某些食物是如何实时影响他们的葡萄糖水平的。例如:

我真的在研究中思考了份量控制，因为，我注意到，你知道，就像我吃的食物类型一样，因为，它会让我的糖根据我吃的东西而升高或降低。就像蛋白质奶昔，尽管它是，说它是低碳水化合物和所有的，我的血糖水平会上升，并保持相当长一段时间。而不是吃一个煮鸡蛋和一片吐司。这样会更均匀。所以，我了解到有些食物比其他食物对我更好。
(021年参与者)

当参与者与营养师合作独立查看数据时，他们可以将自己的情绪、能量水平、注意力和睡眠周期与他们所做的饮食选择联系起来。在21名参与者中，1名(5%)参与者总结了干预对他们有帮助的方面:

与(营养师)一起工作，我想知道，能够看到我吃的东西的刺突和东西。燕麦片，我喜欢燕麦片，但它会使葡萄糖水平升高。
(015年参与者)

最后，由于他们的观察，参与者描述了不同的饮食选择，以预测对他们血糖的影响。例如，参与者报告说，当他们的血糖水平较高时，他们会将碳水化合物含量较高的食物换成蛋白质含量更高的食物。21名参与者中有1人(5%)解释道:

我的意思是，如果它太高了，我就会改变我接下来打算吃的东西。所以，如果我在回家的路上看一下，然后去买晚餐，我可能会换衣服。我本来要吃披萨的，但我的糖太高了，所以我改吃鸡肉了。
(008年参与者)

当实时查看他们的CGM数据时，参与者能够做出反应并防止随后的葡萄糖水平飙升。

低碳水化合物饮食的便捷性

大多数EC-HR参与者报告说，作为研究的一部分，他们能够实施低碳水化合物饮食。他们评论说他们“做得很好”，“没问题”，或者“很不错”。然而，一些参与者报告了在干预期间实施和维持饮食的挑战，包括对高碳水化合物食物的偏好，处理渴望，以及高度加工食品的便利性。在21名参与者中，1名(5%)能够在干预期间减少碳水化合物摄入量的参与者仍然描述了挑战:

(节食)没什么乐趣。我喜欢的东西都是碳水化合物……
(013年参与者)

另一名参与者描述了在繁忙或离家(例如在工作途中)时，寻找和准备低碳水化合物食物是多么困难:

我出差，所以…be在g able to consistently find something to eat when I’m...getting, when it’s easier to go through fast food, than to find something lower carb, higher protein. Right. So that, you know, especially when my schedule’s, it’s halfway through my day and I end up being someplace I wasn’t expecting to be.
(008年参与者)

虽然这是一种不寻常的经历，但5%(1/21)的参与者指出，在干预期间，感觉“不同”或需要大量维护是低碳水化合物饮食的障碍。他们解释说:

我试图隐藏(饮食)。你知道，我，我不会告诉全家人的。我的妻子知道，我的孩子们知道，我的儿子们知道，还有……我基本上不会随便传，因为每个人都会对你有所不同……“哦，你能吃这个吗?”你能吃这个吗?”你知道，所有这些…they’ll make somethin’ for me that nobody else will eat. So, you know, I’d really rather not be treated like that.
(002年参与者)

随着参与者继续低碳水化合物饮食，许多人报告说情绪、注意力、精力和睡眠都有所改善，对碳水化合物的渴望也减少了。参与者描述“当我不吃碳水化合物或喝含咖啡因的汽水时，我有更多的能量”(参与者001)。然而，这些改进并不是普遍的。一些人报告说注意力难以集中，精力不足，尤其是在开始节食后的头几天。

当被问及他们打算在未来保持低碳水化合物饮食时，超过一半的参与者表示他们会坚持这种饮食，而另外29%(6/21)的参与者描述了轻微的改变。这些参与者通常表示，在参与干预期间，他们的健康和福祉有所改善。例如:

事实上，我仍然在吃低碳水化合物饮食，因为低碳水化合物饮食，我感觉更有活力。
(003年参与者)

那些做了改变的人描述说他们对碳水化合物的摄入不那么严格了。这些改变包括“适量”摄入更多的碳水化合物，同时仍然试图“健康饮食”和“减少垃圾食品”。

相比之下，14%(3/21)的参与者报告在干预期间遇到困难后不再继续食用低碳水化合物饮食。例如，5%(1/21)的参与者在干预期间描述没有减少碳水化合物的摄入量，他们解释说他们发现减少碳水化合物是非常严格的:

这很难，因为上面的东西都是我吃的。我不怎么吃鱼，嗯…所以这很难，因为我知道碳水化合物，你知道，面包和意大利面，还有…那是我喜欢吃的那种东西……［During the intervention] I really didn’t change my diet out too much. I just ate less.
(004年参与者)

易于血糖监测

CGM的使用在许多方面影响了参与者的生活方式。首先，参与者描述了使用CGM如何消除了血糖监测仪检查血糖水平的需要。对于许多参与者来说，CGM更方便:

它适合任何人在任何时间、任何地点使用。
(007年参与者)

此外，绝大多数参与者更喜欢使用CGM而不是“一直戳我的手指”。参与者经常对刺破手指进行血糖检查感到恼火，因为这不仅不方便，而且很痛苦:

棍子的疼痛。我的手指又短又胖，很难抓住那些棍子，而把显示器放在上面就容易多了……看看我的数字。
(006年参与者)

同样，另一名参与者评论说，CGM可以“立竿见影”，而不必刺痛和挤压手指来测量血糖。

其次，使用CGM导致EC-HR参与者在干预期间更频繁地监测血糖。为了说明，5%(1/21)的参与者解释了干预前监测的频率:

我偶尔会测一下血糖。可能是……每3个月到2个月一次。或者这只是个偶然的机会…
(003年参与者)

参与者继续描述了这种行为在干预过程中是如何改变的:

我注意到的变化是我更经常检查我的糖。(在研究之前)可能是每3个月一次，一周一次。所以，没有预定的时间，只要我…我想也许我应该。我会追踪它。显示器就在那里，很方便……检查血糖并没有影响我的生活。
(003年参与者)

如前所述，监测仪的便利性使参与者更容易将血糖监测纳入他们的生活方式。另一位参与者同样描述了使用血糖仪而不是“即时”和“方便”的CGM系统时的费力过程:

(用手指刺)你要你知道，传感器，或者你要的其他东西，用酒精戳你的手指，把血从那里抽出来。你知道，检查一下。酒精又沾到手指上了，把所有东西都收起来，把带子扔掉。你知道，与其把手机放到胳膊上，砰，就完事了。
(020年参与者)

第三，使用CGM可以更全面地了解他们的血糖水平和血糖趋势。例如，一些参与者描述了能够在一夜之间和一段时间内监测血糖水平趋势的好处。在21名参与者中，1名(5%)参与者解释了关于血糖趋势的额外知识如何影响他们的糖尿病管理:

我们还发现，呃…the blood glucose drops during the night, sometimes down in the 40s, which was [when I was] asleep. So, which is, you know, something you wouldn’t normally pick up. You can track it more, as to what’s been going on. It just gives lots more numbers.
(017年参与者)

尽管有这些好处，但一些参与者在使用CGM时遇到了障碍，包括粘合剂的挑战，皮肤感染，以及干预后CGM传感器的成本。最常见的是，CGM上的粘合剂不足，导致传感器脱落，然后必须在随后的访问中更换。虽然不常见，但5%(1/21)的参与者抱怨传感器插入部位的皮肤感染。最后，一些参与者表示，他们愿意在干预后继续使用cgm来监测他们的血糖，但受到成本和保险的限制:

比起戳我的手指，我完全愿意用CGM来代替其他的血糖计。但我的保险不包括这个，所以我不能继续了。
(004年参与者)

讨论

主要研究结果

这项为期12个月的实用QI项目评估研究了CGM技术-结合低碳水化合物营养咨询-是否可以降低HbA_{1 c}在控制欠佳的2型糖尿病患者中。结果显示HbA的减少显著增加_{1 c}(-0.41%;-4.5更易与摩尔;PEC组(n=185)与UC组(n=197)的差异为0.04。HbA卡的改进_{1 c}水平不伴随抗高血糖药物费用的增加，并与改善的CGM指标相关。定性结果表明，EC-HR参与者积极看待介入和CGM的使用;然而，低碳水化合物饮食的体验更有变数。

最近的系统回顾和荟萃分析显示，低碳水化合物饮食组参与者在3个月和6个月时血糖控制有显著改善，但这些改善在12个月后减弱[1］．相比之下，其他测试极低碳水化合物生酮饮食有效性的研究表明，HbA有显著和持久的改善_{1 c}最高可达24个月[2，3.］．在本研究中，尽管只有32.9%(61/185)的EC参与者参与了该项目，但我们观察到HbA的显著减少_{1 c}12个月时。考虑到该项目使用了低强度饮食咨询，我们的结果表明CGM技术可以促进低碳水化合物饮食的坚持。

CGM技术正在迅速发展，并日益被认为是支持个性化T2DM管理的新工具[21］．然而，到目前为止，很少有策略在全科实践中检验CGM技术在支持T2DM患者管理中的作用[4］．在现有的针对血糖控制不佳的个体的干预措施中，许多旨在促进药物强化和遵守规定的方案[4，31］．与这些现有的策略相比，CGM技术与个性化营养咨询相结合，可以通过改变行为而无需加强药物治疗来促进改善血糖控制。一项小型非随机研究使用CGM技术和个性化营养咨询来促进低血糖指数早餐，并在2周随访中证明了血糖变化的降低[32］．在这项研究中，我们同样观察到了血糖控制的改善，而没有增加抗高血糖药物的使用。

先前的研究已经证明了低碳水化合物饮食对2型糖尿病管理的有效性[13，33］．然而，此前很少有研究证明了低碳水化合物饮食在现实环境中对个体的有效性[34，35］．一项基于初级保健的干预为一组非随机患者提供了面对面的低碳水化合物计划，并证明了体重和HbA的显著改善_{1 c}在13个月的研究期内的水平[34］．一项面向公众的基于网络的干预措施同样显示了HbA的减少_{1 c}非随机项目完成者的水平和体重35］．我们通过证明HbA的显著减少来增强这些先前的发现_{1 c}使用意向治疗分析方法随机队列患者的水平。我们的数据表明，在亚最佳控制的2型糖尿病患者中，以限制饮食碳水化合物为重点并以个人CGM数据为指导的个性化营养咨询比常规PCP和营养师随访更有效。干预参与者积极参与干预，注意到营养师提供的知识和支持的好处。虽然不是所有参与者在干预后都保持低碳水化合物饮食，但他们在干预期间成功地减少了碳水化合物的摄入量，并注意到他们的身体健康和福祉有所改善。

在185名符合严格血糖控制条件的EC-HR患者中，61人(32.9%)参加了该计划。这被认为是一个很高的参与率，因为在项目邀请之前，每个人都是随机的，所有符合条件的人都包括在分母中。在124名未参与研究的个体中，不参与的最常见原因是无法联系到符合条件的个体(47/124,37.9%)，而29%(36/124)拒绝参与该项目，16.1%(20/124)对参与不确定，在研究期间没有参与。我们没有探讨个人拒绝参与的原因，这可以在未来的工作中进行调查。据我们所知，以前很少有研究探讨CGM技术作为2型糖尿病患者糖尿病自我管理工具的障碍和促进因素[36，37］．虽然CGM技术可以赋予和激励习惯于常规自我监测血糖的1型糖尿病患者指导胰岛素剂量[36]， CGM技术可能会增加糖尿病相关的痛苦，这是T2DM自我管理的已知障碍[38］．此外，限制碳水化合物的饮食可能不符合一些患者的偏好饮食模式，因此强调需要额外的个性化营养方法[39，40］．

在12个月的研究期间，我们观察到在组内HbA有统计学意义的变化_{1 c}UC-HR和EC-HR个体之间的水平和BMI。这可能反映了同期临床实践的变化，即从使用致肥性抗高血糖药物(如胰岛素和磺脲类药物)转向使用可能促进减肥和患者依从性的新药物(如钠-葡萄糖共转运体-2抑制剂和胰高血糖素样肽1受体激动剂)。与先前关于初级保健干预以改善次优控制T2DM患者血糖控制的文献结果一致[4]，我们没有观察到BMI在组间的显著变化。

限制

首先，我们从美国学术医疗中心的初级保健诊所招募人员，项目内容由一名营养师提供;因此，我们的结果可能无法推广到其他诊所或人群。其次，我们没有评估超过12个月的结果，因此无法评估血糖控制的长期变化。第三，由于这是一个实用的QI研究，不需要随机分组的同意，我们使用了HbA_{1 c}为临床目的而获得的水平和BMI数据。因此，基线和随访评估之间的时间存在差异。此外，我们从EHR中提取的数据类型有限，我们没有能力回顾整个队列中抗高血糖药物使用的变化。在为EHR审查提供书面知情同意的EC-HR个体子集中，药物强化并没有导致组间HbA的变化_{1 c}的水平。后续访谈仅限于EC-HR数据存储库参与者，UC部门参与者的经历没有被探讨。最后，我们无法辨别饮食碳水化合物限制加CGM与饮食碳水化合物限制或单独CGM的比较有效性。然而，我们的研究结果表明，CGM可能有助于将低碳水化合物饮食转化为常规临床实践。这与以往关于饮食碳水化合物限制的疗效和有效性研究形成了鲜明对比，这些研究通常是密集的，或需要专门的研究人员，这可能会限制其在常规实践环境中的泛化性。

结论

许多T2DM患者无法实现最佳血糖控制[7]尽管临床实践指南建议[15，16]以及支持加强患者抗高血糖方案的干预措施[4］．现在有越来越多的证据支持使用限制碳水化合物的饮食来帮助患者降低血糖水平和药物使用[16，18，41］．然而，个体患者需要在多大程度上限制饮食中的碳水化合物才能获得益处尚不清楚[19］．我们的研究结果表明，使用CGM技术和以限制饮食碳水化合物为重点的个性化营养咨询可以帮助次优化控制的T2DM患者改善HbA_{1 c}不增加抗高血糖药物的使用。随着CGM技术的发展[21而碳水化合物限制作为支持T2DM自我管理的有力工具被越来越多地接受，该计划可能是一个可扩展和可持续的策略，以帮助T2DM患者实现血糖控制。