东南大学医学院的研究人员开发了一种简便、快捷、非侵入性的检测工具，该工具能够灵敏准确的识别未诊断糖尿病患者。这一研究成果发表于柳叶刀杂志的子刊 EBioMedicine 上。
糖尿病业已成为一个世界性的难题。糖尿病的患病率逐年升高。最新的 IDF 统计数据显示，平均每 11 个年龄在 20-79 岁之间的成人中就有一个是糖尿病患者，而在所有糖尿病患者中，有 50% 的人并不知道自己身患此病。这一形势在中国更为严峻，中国糖尿病的患病率在 9.7% 到 11.6% 之间，而中国糖尿病的未诊断率更是高达 60.7% 到 69.9% 之间。此外，UKPDS 的研究显示约有 25% 的患者被诊断为糖尿病时就已经伴随有微血管并发症。
因此，在中国对于糖尿病患者的早期识别就显得尤为重要。孙子林教授，李伟，谢波以及全国 10 家合作医院的研究人员共同参与了《Non-lab and semi-lab algorithms for screening undiagnosed diabetes: a cross-sectional study》这一文章的研究与发表。在中华人民共和国科学技术部国家重点研发计划（2016YFC13057 在中华人民共和国科学技术部国家重点研发计划（2016YFC1305700）的资助下，孙子林教授的团队开发了 2 个简便易用的列线图（Non-lab 及 Semi-lab 列线图）以及两个相应的网站 (Non-lab和 Semi-lab)。
这两个列线图是基于常规易于获取的如病史，体格检查等资料而建立的，它们可以用于评估来自不同民族的个体糖尿病患病的概率。相较于 Non-lab 列线图，在 Semi-lab 列线图中引入了餐后 2 h 段间尿糖这一变量，这一变量的引入在不降低评测模型灵敏度的前提下明显的提高了评测模型的特异度（提高了 14.3% 的特异度，4.2% 的灵敏度）。同时，决策曲线分析结果显示，在每 100 个参与者中，Semi-lab 模型的应用能够在不增加假阳性率的情况下减少 52 个参与者避免做不必要的 OGTT 试验。孙子林教授还补充说道：「利用餐后 2 h 段间尿糖高度特异性这一优势，并充分考虑影响尿糖测量准确度因素的前提下，我们开发的 semi-lab 模型会给未来中国糖尿病的筛查工作带来巨大的经济效应」。
原始出处：
Li W, Xie B, Qiu S, Huang X, Chen J, Wang X, et al. Non-lab and semi-lab algorithms for screening undiagnosed diabetes: A cross-sectional study. EBioMedicine. 2018 Sep;35:307-316. doi: 10.1016/j.ebiom.2018.08.009. Epub 2018 Aug 13.
文章转载自微信公众号：柳叶刀子刊 EBioMedicine
