糖尿病分型新视野——基于临床表现向基于病因分子机制转变

doi:10.3969/j.issn.1006-5725.2024.16.001

实用医学杂志 ›› 2024, Vol. 40 ›› Issue (16): 2199-2205.doi: 10.3969/j.issn.1006-5725.2024.16.001

• 述评 • 下一篇

糖尿病分型新视野——基于临床表现向基于病因分子机制转变

杨舒婷,罗说明,周智广()

中南大学湘雅二医院代谢内分泌科，糖尿病免疫学教育部重点实验室，国家代谢性疾病临床医学研究中心（长沙 410011 ）

收稿日期:2024-03-28 出版日期:2024-08-25 发布日期:2024-08-26
通讯作者: 周智广 E-mail:zhouzg@hotmail.com
作者简介:周智广，教授、一级主任医师、博士研究生导师、湘雅名医。国家代谢性疾病临床医学研究中心主任、糖尿病免疫学教育部重点实验室主任、中国医师协会内分泌代谢科医师分会名誉会长。38年来坚持扎根临床和科研一线，围绕糖尿病精准诊疗，建立了糖尿病免疫诊断新方法、开辟了免疫治疗新途径、创立了糖尿病“防-管-治”结合的管理新模式，牵头制定中国指南共识10部；在《BMJ》等国际期刊发表论文380余篇，授权国家发明专利25项，获国家科技进步奖3项及湖南省科技进步一等奖2项。荣获全国优秀科技工作者、卫生部有突出贡献中青年专家、中国青年科技奖等荣誉。1993年起享受国务院政府津贴。
基金资助:
湖南省自然科学基金重大项目（揭榜制）(2021JC0003);湖南省临床医疗技术创新引导项目(2021SK53508);湖南省卫生健康高层次人才重大科研专项(R202344)

A new vision of diabetes classification： A shift from clinical manifestation to etiological molecular mechanism

Shuting YANG,Shuoming LUO,Zhiguang. ZHOU()

Department of Metabolism Endocrinology，the Second Xiangya Hospital of Central South University，Key Laboratory of Diabetes Immunology，Ministry of Education，National Clinical Medical Research Center for Metabolic Diseases，Changsha 410011，China

Received:2024-03-28 Online:2024-08-25 Published:2024-08-26
Contact: Zhiguang. ZHOU E-mail:zhouzg@hotmail.com

摘要/Abstract

摘要：

随着医学科技进步和对疾病本质理解的深入，糖尿病的分型正经历着变革，传统基于临床特征和胰岛素依赖性的分类方法逐渐显示出其局限性。近年来，基因组、表观遗传、代谢组学等生物信息技术的应用，以及大数据和机器学习技术在疾病分类中的运用，推动了糖尿病分型向更加精细化和个性化的方向发展。这些新技术揭示了糖尿病复杂的病理生理机制和广泛的异质性，为早期诊断、个性化治疗和预后评估提供了新思路。这一进展不仅对糖尿病的复杂性理解具有重要意义，而且将为患者提供更加精准和有效的治疗方案，标志着糖尿病分型从简单的基于临床表现向基于病因分子机制转变的历史性时刻。

关键词: 糖尿病分型, 病因分子机制, 早期诊断, 个性化治疗

Abstract:

The classification of diabetes is undergoing a significant transformation. As advancements in medical technology and a deeper understanding of its etiology， traditional classification methods based on clinical characteristics and insulin dependency are increasingly revealing their limitations. In recent years， the integration of genomic， epigenetic， and metabolomic technologies， combined with the application of big data analytics and machine learning in disease classification， has propelled diabetes classification towards enhanced precision and personalization. These cutting-edge technologies elucidate the intricate pathophysiological mechanisms and extensive heterogeneity inherent in diabetes， offering novel methodologies for early diagnosis， individualized treatment， and prognostic evaluation. This paradigm shift not only deepens the comprehension of diabetes complexity but also holds the potential to provide more precise and efficacious therapeutic interventions for patients. Consequently， this marks a historic transition from simplistic， clinically-based classification systems to sophisticated， molecular mechanism-based paradigms in diabetes classification.

Key words: diabetes classification, etiological molecular mechanism, early diagnosis, precision medicine

中图分类号:

R587.1

杨舒婷,罗说明,周智广. 糖尿病分型新视野——基于临床表现向基于病因分子机制转变[J]. 实用医学杂志, 2024, 40(16): 2199-2205.

Shuting YANG,Shuoming LUO,Zhiguang. ZHOU. A new vision of diabetes classification： A shift from clinical manifestation to etiological molecular mechanism[J]. The Journal of Practical Medicine, 2024, 40(16): 2199-2205.

图/表 2

参考文献 72

1	CHUNG W K， ERION K， FLOREZ J C，et al.Precision medicine in diabetes： a Consensus Report from the American Diabetes Association （ADA） and the European Association for the Study of Diabetes （EASD）［J］. Diabetologia，2020，63（9）：1671-1693. doi:10.1007/s00125-020-05181-w doi: 10.1007/s00125-020-05181-w
2	ALBERTI K G， ZIMMET P Z.DEFINITION， diagnosis and classification of diabetes mellitus and its complications. Part 1： diagnosis and classification of diabetes mellitus provisional report of a WHO consultation［J］. Diabet Med，1998，15（7）：539-553. doi:10.1002/(sici)1096-9136(199807)15:7<539::aid-dia668>3.0.co;2-s doi: 10.1002/(sici)1096-9136(199807)15:7<539::aid-dia668>3.0.co;2-s
3	Organization W H.Classification of diabetes mellitus， 2019［M］. Geneva： WHO Document Production Services，2019.
4	中国医师协会内分泌代谢科医师分会，国家代谢病临床研究中心. 糖尿病分型诊断中国专家共识［J］. 中华糖尿病杂志，2022，14（2）：120-139. doi:10.3760/cma.j.cn115791-20211219-00672 doi: 10.3760/cma.j.cn115791-20211219-00672
5	中华医学会糖尿病学分会，中华医学会内分泌学分会.中国1型糖尿病诊治指南（2021版）［J］. 中华糖尿病杂志， 2022，14（11）：1143-1250.
6	中华医学会儿科学分会内分泌遗传代谢学组. 儿童单基因糖尿病临床诊断与治疗专家共识［J］. 中华儿科杂志，2019，57（7）：508-514. doi:10.3760/cma.j.issn.0578-1310.2019.07.003 doi: 10.3760/cma.j.issn.0578-1310.2019.07.003
7	中华医学会糖尿病学分会. 中国 2 型糖尿病防治指南（2020 年版）［J］. 中华糖尿病杂志， 2021，13（4）：315-409.
8	PETER P R， LUPSA B C. Personalized Management of Type 2 Diabetes［J］. Curr Diab Rep， 2019，19（11）：115. doi:10.1007/s11892-019-1244-0 doi: 10.1007/s11892-019-1244-0
9	MISRA A， SATTAR N， TANDON N，et al. Clinical management of type 2 diabetes in south Asia［J］. Lancet Diabetes Endocrinol，2018，6（12）：979-991. doi:10.1016/s2213-8587(18)30199-2 doi: 10.1016/s2213-8587(18)30199-2
10	NAM S， CHESLA C， OTTS N A ST，et al. Barriers to diabetes management： patient and provider factors［J］. Diabetes Res Clin Pract，2011，93（1）：1-9. doi:10.1016/j.diabres.2011.02.002 doi: 10.1016/j.diabres.2011.02.002
11	LAAKSO M.Biomarkers for type 2 diabetes［J］. Mol Metab，2019，27s（）：S139-S146. doi:10.1016/j.molmet.2019.06.016 doi: 10.1016/j.molmet.2019.06.016
12	PHILIPSON L H. Harnessing heterogeneity in type 2 diabetes mellitus［J］. Nat Rev Endocrinol，2020，16（2）：79-80. doi:10.1038/s41574-019-0308-1 doi: 10.1038/s41574-019-0308-1
13	KIM D S， GLOYN A L， KNOWLES J W. Genetics of Type 2 Diabetes： Opportunities for Precision Medicine： JACC Focus Seminar［J］. J Am Coll Cardiol，2021，78（5）：496-512. doi:10.1016/j.jacc.2021.03.346 doi: 10.1016/j.jacc.2021.03.346
14	GLOYN A L， DRUCKER D J. Precision medicine in the management of type 2 diabetes［J］. Lancet Diabetes Endocrinol，2018，6（11）：891-900. doi:10.1016/s2213-8587(18)30052-4 doi: 10.1016/s2213-8587(18)30052-4
15	LANCET DIGITAL H THE. Equitable precision medicine for type 2 diabetes［J］. Lancet Digit Health，2022，4（12）：e850. doi:10.1016/s2589-7500(22)00217-5 doi: 10.1016/s2589-7500(22)00217-5
16	REUTENS A T. Diabetes： Individualized therapy for diabetes mellitus--just a promise？［J］. Nat Rev Endocrinol，2010，6（8）：426-427. doi:10.1038/nrendo.2010.88 doi: 10.1038/nrendo.2010.88
17	BLUESTONE J A， HEROLD K， Genetics EISENBARTH G.， pathogenesis and clinical interventions in type 1 diabetes［J］. Nature，2010，464（7293）：1293-1300. doi:10.1038/nature08933 doi: 10.1038/nature08933
18	CARR A L J， EVANS-MOLINA C， ORAM R A. Precision medicine in type 1 diabetes［J］. Diabetologia，2022，65（11）：1854-1866. doi:10.1007/s00125-022-05778-3 doi: 10.1007/s00125-022-05778-3
19	LYNAM A， MCDONALD T， HILL A，et al. Development and validation of multivariable clinical diagnostic models to identify type 1 diabetes requiring rapid insulin therapy in adults aged 18-50 years［J］. BMJ Open，2019，9（9）：e031586. doi:10.1136/bmjopen-2019-031586 doi: 10.1136/bmjopen-2019-031586
20	SHIELDS B M， PETERS J L， COOPER C，et al. Can clinical features be used to differentiate type 1 from type 2 diabetes？ A systematic review of the literature［J］. BMJ Open，2015，5（11）：e009088. doi:10.1136/bmjopen-2015-009088 doi: 10.1136/bmjopen-2015-009088
21	HOLT R I G， DEVRIES J H， HESS-FISCHL A，et al. The Management of Type 1 Diabetes in Adults. A Consensus Report by the American Diabetes Association （ADA） and the European Association for the Study of Diabetes （EASD）［J］. Diabetes Care，2021，44（11）：2589-2625. doi:10.2337/dci21-0043 doi: 10.2337/dci21-0043
22	ACHENBACH P， HIPPICH M， ZAPARDIEL-GONZALO J，et al.A classification and regression tree analysis identifies subgroups of childhood type 1 diabetes［J］. EBioMedicine，2022，82：104118. doi:10.1016/j.ebiom.2022.104118 doi: 10.1016/j.ebiom.2022.104118
23	LEETE P， ORAM R A， MCDONALD T J，et al. Studies of insulin and proinsulin in pancreas and serum support the existence of aetiopathological endotypes of type 1 diabetes associated with age at diagnosis［J］. Diabetologia，2020，63（6）：1258-1267. doi:10.1007/s00125-020-05115-6 doi: 10.1007/s00125-020-05115-6
24	LEETE P， MORGAN N G. Footprints of Immune Cells in the Pancreas in Type 1 Diabetes； to "B" or Not to "B"： Is That Still the Question？［J］. Front Endocrinol （Lausanne），2021，12：617437. doi:10.3389/fendo.2021.617437 doi: 10.3389/fendo.2021.617437
25	LEETE P， WILLCOX A， KROGVOLD L，et al. Differential Insulitic Profiles Determine the Extent of β-Cell Destruction and the Age at Onset of Type 1 Diabetes［J］. Diabetes，2016，65（5）：1362-1369. doi:10.2337/db15-1615 doi: 10.2337/db15-1615
26	SMITH M J， CAMBIER J C， GOTTLIEB P A.Endotypes in T1D： B lymphocytes and early onset［J］. Curr Opin Endocrinol Diabetes Obes，2020，27（4）：225-230. doi:10.1097/med.0000000000000547 doi: 10.1097/med.0000000000000547
27	NISHIMURA A， MATSUMURA K， KIKUNO S，et al. Slowly Progressive Type 1 Diabetes Mellitus： Current Knowledge And Future Perspectives［J］. Diabetes Metab Syndr Obes，2019，12：2461-2477. doi:10.2147/dmso.s191007 doi: 10.2147/dmso.s191007
28	MISHRA R， HODGE K M， COUSMINER D L，et al. A Global Perspective of Latent Autoimmune Diabetes in Adults［J］. Trends Endocrinol Metab，2018，29（9）：638-650. doi:10.1016/j.tem.2018.07.001 doi: 10.1016/j.tem.2018.07.001
29	COUSMINER D L， AHLQVIST E， MISHRA R，et al. First Genome-Wide Association Study of Latent Autoimmune Diabetes in Adults Reveals Novel Insights Linking Immune and Metabolic Diabetes［J］. Diabetes Care，2018，41（11）：2396-2403. doi:10.2337/dc18-1032 doi: 10.2337/dc18-1032
30	BUZZETTI R， TUOMI T， MAURICIO D，et al. Management of Latent Autoimmune Diabetes in Adults： A Consensus Statement From an International Expert Panel［J］. Diabetes，2020，69（10）：2037-2047. doi:10.2337/dbi20-0017 doi: 10.2337/dbi20-0017
31	AGARDH C D， LYNCH K F， PALMÉR M，et al. GAD65 vaccination： 5 years of follow-up in a randomised dose-escalating study in adult-onset autoimmune diabetes［J］. Diabetologia，2009，52（7）：1363-1368. doi:10.1007/s00125-009-1371-2 doi: 10.1007/s00125-009-1371-2
32	DEUTSCH A J， AHLQVIST E， UDLER M S. Phenotypic and genetic classification of diabetes［J］. Diabetologia，2022，65（11）：1758-1769. doi:10.1007/s00125-022-05769-4 doi: 10.1007/s00125-022-05769-4
33	THORENS B， RODRIGUEZ A， CRUCIANI-GUGLIELMACCI C，et al.Use of preclinical models to identify markers of type 2 diabetes susceptibility and novel regulators of insulin secretion-A step towards precision medicine［J］. Mol Metab，2019，27s（）：S147-s154. doi:10.1016/j.molmet.2019.06.008 doi: 10.1016/j.molmet.2019.06.008
34	KAZE A D， SANTHANAM P， MUSANI S K，et al. Metabolic Dyslipidemia and Cardiovascular Outcomes in Type 2 Diabetes Mellitus： Findings From the Look AHEAD Study［J］. J Am Heart Assoc，2021，10（7）：e016947. doi:10.1161/jaha.120.016947 doi: 10.1161/jaha.120.016947
35	VALENSI P， AVIGNON A， SULTAN A，et al. Atherogenic dyslipidemia and risk of silent coronary artery disease in asymptomatic patients with type 2 diabetes： a cross-sectional study［J］. Cardiovasc Diabetol，2016，15（1）：104. doi:10.1186/s12933-016-0415-4 doi: 10.1186/s12933-016-0415-4
36	SZCZERBINSKI L， FLOREZ J C. Precision medicine of obesity as an integral part of type 2 diabetes management - past， present， and future［J］. Lancet Diabetes Endocrinol，2023，11（11）：861-878. doi:10.1016/s2213-8587(23)00232-2 doi: 10.1016/s2213-8587(23)00232-2
37	FARAZ A， ASHRAF H， AHMAD J. Clinical Features， Biochemical Profile， and Response to Standard Treatment in Lean， Normal-Weight， and Overweight/Obese Indian Type 2 Diabetes Patients［J］. Rev Diabet Stud，2021，17（2）：68-74. doi:10.1900/rds.2021.17.68 doi: 10.1900/rds.2021.17.68
38	MOHAMMEDI K， CHALMERS J， HERRINGTON W，et al. Associations between body mass index and the risk of renal events in patients with type 2 diabetes［J］. Nutr Diabetes，2018，8（1）：7. doi:10.1038/s41387-017-0012-y doi: 10.1038/s41387-017-0012-y
39	PARAMESWARAPPA D C， RAJALAKSHMI R， MOHAMED A，et al.Severity of diabetic retinopathy and its relationship with age at onset of diabetes mellitus in India： A multicentric study［J］. Indian J Ophthalmol，2021，69（11）：3255-3261. doi:10.4103/ijo.ijo_1459_21 doi: 10.4103/ijo.ijo_1459_21
40	VAN HATEREN K J， LANDMAN G W， KLEEFSTRA N，et al.The lipid profile and mortality risk in elderly type 2 diabetic patients： a ten-year follow-up study （ZODIAC-13）［J］. PLoS One，2009，4（12）：e8464. doi:10.1371/journal.pone.0008464 doi: 10.1371/journal.pone.0008464
41	WYSHAM C， SHUBROOK J. Beta-cell failure in type 2 diabetes： mechanisms， markers， and clinical implications［J］. Postgrad Med，2020，132（8）：676-686. doi:10.1080/00325481.2020.1771047 doi: 10.1080/00325481.2020.1771047
42	TAJIRI Y， KIMURA M， MIMURA K，et al. Variation of fasting serum C-peptide level after admission in Japanese patients with type 2 diabetes mellitus［J］. Diabetes Technol Ther，2009，11（9）：593-599. doi:10.1089/dia.2009.0010 doi: 10.1089/dia.2009.0010
43	GUO Y， ZHAO X， LIU C Q，et al. A novel refined classification system for type 2 diabetes in adults： A Chinese retrospective cohort study［J］. Diabetes Metab Res Rev，2022，38（8）：e3577. doi:10.1002/dmrr.3577 doi: 10.1002/dmrr.3577
44	AHLQVIST E， STORM P， KÄRÄJÄMÄKI A，et al. Novel subgroups of adult-onset diabetes and their association with outcomes： a data-driven cluster analysis of six variables［J］. Lancet Diabetes Endocrinol，2018，6（5）：361-369. doi:10.1016/s2213-8587(18)30051-2 doi: 10.1016/s2213-8587(18)30051-2
45	MISRA S， WAGNER R， OZKAN B，et al. Precision subclassification of type 2 diabetes： a systematic review［J］. Commun Med （Lond），2023，3（1）：138.
46	IHARA K， SKUPIEN J， KOBAYASHI H，et al. Profibrotic Circulating Proteins and Risk of Early Progressive Renal Decline in Patients With Type 2 Diabetes With and Without Albuminuria［J］.Diabetes Care，2020，43（11）：2760-2767. doi:10.2337/dc20-0630 doi: 10.2337/dc20-0630
47	LINNEMANN B， VOIGT W， NOBEL W，et al. C-reactive protein is a strong independent predictor of death in type 2 diabetes： association with multiple facets of the metabolic syndrome［J］.Exp Clin Endocrinol Diabetes，2006，114（3）：127-134. doi:10.1055/s-2006-924012 doi: 10.1055/s-2006-924012
48	JIAN W， PENG W， XIAO S，et al. Role of serum vaspin in progression of type 2 diabetes： a 2-year cohort study［J］. PLoS One，2014，9（4）：e94763. doi:10.1371/journal.pone.0094763 doi: 10.1371/journal.pone.0094763
49	GONG S， GUO J， HAN X，et al. Clinical and Genetic Features of Patients With Type 2 Diabetes and Renal Glycosuria［J］. J Clin Endocrinol Metab， 2017，102（5）：1548-1556. doi:10.1210/jc.2016-2332 doi: 10.1210/jc.2016-2332
50	SALEEM T， DAHPY M， EZZAT G，et al. The Profile of Plasma Free Amino Acids in Type 2 Diabetes Mellitus with Insulin Resistance： Association with Microalbuminuria and Macroalbuminuria［J］. Appl Biochem Biotechnol，2019，188（3）：854-867. doi:10.1007/s12010-019-02956-9 doi: 10.1007/s12010-019-02956-9
51	USMAN M， KHUNTI K， DAVIES M J，et al. Association and relative importance of multiple risk factor control on cardiovascular disease， end-stage renal disease and mortality in people with type 2 diabetes： A population-based retrospective cohort study［J］. Prim Care Diabetes，2021，15（2）：218-226. doi:10.1016/j.pcd.2020.08.008 doi: 10.1016/j.pcd.2020.08.008
52	FENG X， ZHAI G， YANG J，et al. Myocardial Infarction and Coronary Artery Disease in Menopausal Women With Type 2 Diabetes Mellitus Negatively Correlate With Total Serum Bile Acids［J］. Front Endocrinol （Lausanne），2021，12：754006. doi:10.3389/fendo.2021.754006 doi: 10.3389/fendo.2021.754006
53	WARREN R A， CAREW A S， ANDREOU P，et al. Haptoglobin Phenotype Modifies the Effect of Fenofibrate on Risk of Coronary Event： ACCORD Lipid Trial［J］. Diabetes Care，2022，45（1）：241-250. doi:10.2337/dc21-1429 doi: 10.2337/dc21-1429
54	YU H， WANG H， SU X，et al. Serum chromogranin A correlated with albuminuria in diabetic patients and is associated with early diabetic nephropathy［J］. BMC Nephrol，2022，23（1）：41. doi:10.1186/s12882-022-02667-0 doi: 10.1186/s12882-022-02667-0
55	ZAHARIA O P， STRASSBURGER K， STROM A，et al. Risk of diabetes-associated diseases in subgroups of patients with recent-onset diabetes： a 5-year follow-up study［J］. Lancet Diabetes Endocrinol，2019，7（9）：684-694. doi:10.1016/s2213-8587(19)30187-1 doi: 10.1016/s2213-8587(19)30187-1
56	LANDGRAF W， OWENS D R， FRIER B M，et al. Treatment responses to basal insulin glargine 300 U/ml and glargine 100 U/ml in newly defined subphenotypes of type 2 diabetes： A post hoc analysis of the EDITION 3 randomized clinical trial［J］. Diabetes Obes Metab，2024，26（2）：503-511.
57	DENNIS J M， SHIELDS B M， HENLEY W E，et al. Disease progression and treatment response in data-driven subgroups of type 2 diabetes compared with models based on simple clinical features： an analysis using clinical trial data［J］. Lancet Diabetes Endocrinol，2019，7（6）：442-451. doi:10.1016/s2213-8587(19)30087-7 doi: 10.1016/s2213-8587(19)30087-7
58	MANSOUR ALY D， DWIVEDI O P， PRASAD R B，et al.Genome-wide association analyses highlight etiological differences underlying newly defined subtypes of diabetes［J］. Nat Genet，2021，53（11）：1534-1542. doi:10.1038/s41588-021-00948-2 doi: 10.1038/s41588-021-00948-2
59	ZAGHLOOL S B， HALAMA A， STEPHAN N，et al. Metabolic and proteomic signatures of type 2 diabetes subtypes in an Arab population［J］. Nat Commun，2022，13（1）：7121. doi:10.1038/s41467-022-34754-z doi: 10.1038/s41467-022-34754-z
60	LUGNER M， GUDBJÖRNSDOTTIR S， SATTAR N，et al. Comparison between data-driven clusters and models based on clinical features to predict outcomes in type 2 diabetes： nationwide observational study［J］. Diabetologia，2021，64（9）：1973-1981. doi:10.1007/s00125-021-05485-5 doi: 10.1007/s00125-021-05485-5
61	BELLO-CHAVOLLA O Y， BAHENA-LÓPEZ J P， VARGAS-VÁZQUEZ A，et al. Clinical characterization of data-driven diabetes subgroups in Mexicans using a reproducible machine learning approach［J］. BMJ Open Diabetes Res Care，2020，8（1）：e001550. doi:10.1136/bmjdrc-2020-001550 doi: 10.1136/bmjdrc-2020-001550
62	WANG F， ZHENG R， LI L，et al. Novel Subgroups and Chronic Complications of Diabetes in Middle-Aged and Elderly Chinese：A Prospective Cohort Study［J］. Front Endocrinol （Lausanne），2021，12：802114. doi:10.3389/fendo.2021.802114 doi: 10.3389/fendo.2021.802114
63	LI L， CHENG W Y， GLICKSBERG B S，et al. Identification of type 2 diabetes subgroups through topological analysis of patient similarity［J］. Sci Transl Med，2015，7（311）：311ra174. doi:10.1126/scitranslmed.aaa9364 doi: 10.1126/scitranslmed.aaa9364
64	SENG J J B， KWAN Y H， LEE V S Y，et al. Differential Health Care Use， Diabetes-Related Complications， and Mortality Among Five Unique Classes of Patients With Type 2 Diabetes in Singapore： A Latent Class Analysis of 71，125 Patients［J］. Diabetes Care，2020，43（5）：1048-1056. doi:10.2337/dc19-2519 doi: 10.2337/dc19-2519
65	MARIAM A， MILLER-ATKINS G， PANTALONE K M，et al. A Type 2 Diabetes Subtype Responsive to ACCORD Intensive Glycemia Treatment［J］. Diabetes Care，2021，44（6）：1410-1418. doi:10.2337/dc20-2700 doi: 10.2337/dc20-2700
66	BANCKS M P， CHEN H， BALASUBRAMANYAM A，et al. Type 2 Diabetes Subgroups， Risk for Complications， and Differential Effects Due to an Intensive Lifestyle Intervention［J］. Diabetes Care，2021，44（5）：1203-1210. doi:10.2337/dc20-2372 doi: 10.2337/dc20-2372
67	BASU S， RAGHAVAN S， WEXLER D J，et al. Characteristics Associated With Decreased or Increased Mortality Risk From Glycemic Therapy Among Patients With Type 2 Diabetes and High Cardiovascular Risk： Machine Learning Analysis of the ACCORD Trial［J］. Diabetes Care，2018，41（3）：604-612. doi:10.2337/dc17-2252 doi: 10.2337/dc17-2252
68	SHARMA A， ZHENG Y， EZEKOWITZ J A，et al. Cluster Analysis of Cardiovascular Phenotypes in Patients With Type 2 Diabetes and Established Atherosclerotic Cardiovascular Disease： A Potential Approach to Precision Medicine［J］. Diabetes Care，2022，45（1）：204-212. doi:10.2337/dc20-2806 doi: 10.2337/dc20-2806
69	KARPATI T， LEVENTER-ROBERTS M， FELDMAN B，et al. Patient clusters based on HbA1c trajectories： A step toward individualized medicine in type 2 diabetes［J］. PLoS One，2018，13（11）：e0207096. doi:10.1371/journal.pone.0207096 doi: 10.1371/journal.pone.0207096
70	LIN C C， LI C I， LIU C S，et al. Three-year trajectories of metabolic risk factors predict subsequent long-term mortality in patients with type 2 diabetes［J］. Diabetes Res Clin Pract，2021，179：108995. doi:10.1016/j.diabres.2021.108995 doi: 10.1016/j.diabres.2021.108995
71	WESOLOWSKA-ANDERSEN A， BRORSSON C A， BIZZOTTO R，et al. Four groups of type 2 diabetes contribute to the etiological and clinical heterogeneity in newly diagnosed individuals： An IMI DIRECT study［J］. Cell Rep Med，2022，3（1）：100477. doi:10.1016/j.xcrm.2021.100477 doi: 10.1016/j.xcrm.2021.100477
72	NAIR A T N， WESOLOWSKA-ANDERSEN A， BRORSSON C，et al. Heterogeneity in phenotype， disease progression and drug response in type 2 diabetes［J］. Nat Med，2022，28（5）：982-988. doi:10.1038/s41591-022-01790-7 doi: 10.1038/s41591-022-01790-7

分型依据	亚型
自身免疫病因分型	自身免疫性1型糖尿病
自身免疫病因分型	特发性1型糖尿病
病情进展缓急分型	经典1型糖尿病
	暴发1型糖尿病
	缓发1型糖尿病（根据起病年龄是否超过18岁，分为LADY和LADA）

亚型名称	亚型特征
严重胰岛素缺乏型糖尿病（SIDD)	BMI相对较低，胰岛素分泌水平低，代谢控制差，容易发生糖尿病视网膜病变
严重胰岛素抵抗型糖尿病（SIRD)	高胰岛素抵抗和高BMI, 代谢控制较差，容易发生糖尿病肾病
轻度肥胖相关型糖尿病（MOD）	肥胖，不具有明显胰岛素抵抗，代谢状况较好，主要见于体重超重的人群
轻度年龄相关型糖尿病（MARD）	年龄相对较大，仅有轻度代谢紊乱

[1]	刘伟峰,戴政,周毅彬,封凯文,魏恺,孙古乐,阳东荣,朱进. 尿液蛋白激酶Y基因启动子位点甲基化在前列腺癌早期诊断中的价值[J]. 实用医学杂志, 2024, 40(5): 688-694.
[2]	徐蕊,黄兴兵. 难治性抑郁症非药物治疗新进展[J]. 实用医学杂志, 2024, 40(4): 439-446.
[3]	李晶, 陆芹芹崔艳飞 . 血清PGC⁃1α水平在脓毒症致急性肾损伤诊断中的价值 [J]. 实用医学杂志, 2023, 39(4): 471-475.
[4]	金洁雯李延兵. 论糖尿病周围神经病变的诊治要点[J]. 实用医学杂志, 2022, 38(14): 1715-1719.
[5]	林超群王海洪沙璐莹王妍清黄红莲申婕宋居艳申小平. EULAR/ACR⁃2019、SLICC⁃2012、ACR⁃1997三种系统性红斑狼疮分类标准的比较 [J]. 实用医学杂志, 2022, 38(1): 96-100.

糖尿病分型新视野——基于临床表现向基于病因分子机制转变

A new vision of diabetes classification： A shift from clinical manifestation to etiological molecular mechanism

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 2

参考文献 72

相关文章 5

编辑推荐

Metrics

本文评价