簡 峻 沈 潔 彭達明 陳 志 余學(xué)飛*（南方醫(yī)科大學(xué)生物醫(yī)學(xué)工程學(xué)院，廣州 5055）

2（南方醫(yī)科大學(xué)南方醫(yī)院，廣州 510515）

引言

糖尿病患者由于受到胰島素抵抗和胰島B細(xì)胞功能缺陷等因素的影響，致使其機體對血糖的調(diào)節(jié)能力下降，且部分糖尿病患者還存在飲食控制不佳、用藥不合理及治療的依從性較差等情況，從而使血糖總體水平偏高及血糖的波動性增大。血糖異常波動所引起的生物效應(yīng)對糖尿病慢性并發(fā)癥危險性的作用，遠遠超過血糖絕對水平的直接作用，因此對于血糖波動的監(jiān)測與控制十分重要［1］。

近年來，動態(tài)血糖監(jiān)測技術(shù)得到了不斷的完善，已逐漸應(yīng)用于臨床科研和糖尿病的防治工作中。與傳統(tǒng)的血糖監(jiān)測方法相比，動態(tài)血糖監(jiān)測（continuous glucose monitoring，CGM）可以提供連續(xù)、可靠的全天血糖信息，其監(jiān)測結(jié)果能夠更全面、準(zhǔn)確地反映血糖波動的特征。因此，在臨床研究中，以動態(tài)血糖監(jiān)測數(shù)據(jù)為基礎(chǔ)提出了多種血糖波動指標(biāo)，其中最具代表性的是平均血糖波動幅度（mean amplitude of glycemic excursions，MAGE），目前被公認(rèn)為是反映血糖波動的“金標(biāo)準(zhǔn)”［2］。

在實際臨床應(yīng)用中，平均血糖波動幅度（MAGE）值并不能直接從動態(tài)血糖監(jiān)測系統(tǒng)（continuous glucose monitoring system，CGMS）的分析軟件中得到，而是需要通過人工比較的方式篩選數(shù)據(jù)進行計算。由于動態(tài)血糖監(jiān)測所得的數(shù)據(jù)量較大，當(dāng)患者數(shù)據(jù)增加時，參數(shù)計算的工作量將大大的增加，這使得計算需要消耗大量的時間，從而降低了臨床科研的效率。此外，為確保數(shù)據(jù)篩選的準(zhǔn)確性，對參數(shù)進行計算分析的臨床研究人員必須經(jīng)過相關(guān)的專業(yè)培訓(xùn)，若研究人員經(jīng)驗不足，將導(dǎo)致參數(shù)的計算結(jié)果與真實值之間存在一定的誤差。因此，數(shù)據(jù)的篩選受到研究人員經(jīng)驗的影響，使得利用人工篩選數(shù)據(jù)的準(zhǔn)確性也相對較低。針對人工計算MAGE參數(shù)所存在的問題，筆者提出一種利用計算機自動篩選有效數(shù)據(jù)并輔助計算MAGE值的算法，從而縮短該參數(shù)計算的時間，提高參數(shù)計算的準(zhǔn)確度和重復(fù)性，使其能夠更快捷、更準(zhǔn)確地獲得動態(tài)血糖監(jiān)測的MAGE參數(shù)值，提高臨床科研工作的效率。

1 MAGE計算機輔助計算算法

1.1 MAGE的人工計算

平均血糖波動幅度（MAGE）參數(shù)最早由Service等在20世紀(jì)70年代提出［3］，目的是為了能夠準(zhǔn)確地反映糖尿病患者日內(nèi)血糖的波動變化，但受到當(dāng)時動態(tài)血糖監(jiān)測技術(shù)的限制，直到近年來這一參數(shù)才逐漸得到認(rèn)可。傳統(tǒng)的人工計算MAGE有以下步驟。

步驟1：對受監(jiān)測的糖尿病患者24h內(nèi)的所有血糖監(jiān)測數(shù)據(jù)進行統(tǒng)計學(xué)處理，得到血糖標(biāo)準(zhǔn)差（standard deviation of blood glucose，SDBG）。其計算公式為

式中，n為血糖數(shù)據(jù)的個數(shù)，xi（i=1，2，…，n）為每個血糖監(jiān)測數(shù)據(jù)，為所有血糖數(shù)據(jù)的平均值。

步驟2：去除所有幅度未超過一定閾值（一般為1 SDBG）的血糖波動后，根據(jù)第一個有效波動的方向（從波谷到波峰或從波峰到波谷）計算血糖波動幅度。

步驟3：統(tǒng)計有效血糖波動的個數(shù)（the number of effective glycemic excursions，NGE）及平均血糖波動幅度（MAGE）［4］，計算方法為

式中，AGEi（i=1…n）表示有效血糖波動幅度（amplitude of glycemic excursions，AGE），n表示有效血糖波動個數(shù)［5-7］。

MAGE最初設(shè)計的思路是采用“濾波”的方法，去除所有幅度未超過一定閾值的細(xì)小波動，從而真正反映出血糖的波動程度而不是離散特征。但由于傳統(tǒng)人工計算存在工作量大、計算準(zhǔn)確性受經(jīng)驗影響等缺點，因此在人工計算方法的基礎(chǔ)上，提出了利用計算機自動篩選數(shù)據(jù)輔助計算MAGE算法。

1.2 MAGE計算機輔助計算算法

利用計算機輔助計算MAGE參數(shù)的關(guān)鍵，是讓計算機正確篩選出可用于計算的數(shù)據(jù)點，即正確識別有效血糖波動。由傳統(tǒng)人工計算MAGE方法可知，判斷有效血糖波動的標(biāo)準(zhǔn)是血糖波動幅度值大于1個SDBG，這也是傳統(tǒng)方法中唯一的判斷標(biāo)準(zhǔn)，因此輔助計算算法也以此作為篩選數(shù)據(jù)的閾值，算法流程如圖1所示。

圖1 MAGE計算機輔助計算算法流程Fig.1 The flow chart of MAGE computer-aided calculation algorithm

為更清楚地介紹算法的實現(xiàn)，下面以1例從臨床獲得的正常孕婦24h的CGM數(shù)據(jù)（n=288）為例，說明算法的具體步驟。CGM數(shù)據(jù)如圖2所示，實心圓點為進行一次24h動態(tài)血糖監(jiān)測所獲取到的數(shù)據(jù)點，共288個。由圖2可知，臨床中實際獲得的動態(tài)血糖監(jiān)測數(shù)據(jù)均為離散數(shù)據(jù)，且從以虛折線方式連接數(shù)據(jù)點獲得的血糖數(shù)據(jù)曲線上看，動態(tài)血糖數(shù)據(jù)具有波動頻率高、波動情況復(fù)雜等特點，因此導(dǎo)致利用傳統(tǒng)人工方式計算MAGE參數(shù)較為復(fù)雜、工作量較大。該數(shù)據(jù)借助美國美敦力公司（Medtronic，Inc.）生產(chǎn)的動態(tài)血糖監(jiān)測系統(tǒng)（CGMS Gold）獲得，而系統(tǒng)由葡萄糖感應(yīng)器、線纜、血糖記錄器、信息提取器和分析軟件5部分組成。在進行動態(tài)監(jiān)測時，被植入臍周皮下的葡萄糖傳感器與皮下組織間液中的葡萄糖發(fā)生化學(xué)反應(yīng)、產(chǎn)生電信號，該信號通過線纜每10s被記錄器記錄1次，每5min系統(tǒng)自動將記錄的電信號平均值轉(zhuǎn)換成血糖值，每24h可獲得288個血糖值數(shù)據(jù)。監(jiān)測所得的數(shù)據(jù)以CGMS軟件本身定義的數(shù)據(jù)格式存儲，亦可對數(shù)據(jù)進行格式轉(zhuǎn)換，使其適用于Excel等常用數(shù)據(jù)處理軟件。

圖2 CGM數(shù)據(jù)及“平臺”數(shù)據(jù)Fig.2 The CGM data and the“platform”data

結(jié)合上述數(shù)據(jù)，說明算法的以下步驟。

步驟1：計算CGM數(shù)據(jù)的標(biāo)準(zhǔn)差，即SDBG，該組數(shù)據(jù)SDBG為0.537 2。

步驟2：找出CGM數(shù)據(jù)中所有的極大值數(shù)據(jù)點和極小值數(shù)據(jù)點，并記錄下來。

分析CGM數(shù)據(jù)可知，在計算血糖波動幅度時，并不需要使用所有的監(jiān)測數(shù)據(jù)，構(gòu)成血糖波動的數(shù)據(jù)點均落在血糖波動的波峰和波谷，即曲線的極大值點和極小值點。因此，為了初步排除計算過程中不需要使用的數(shù)據(jù)點，需尋找曲線的極值點。

圖3 CGM數(shù)據(jù)的極值點Fig.3 The extreme value points of CGM data

就連續(xù)的曲線而言，求曲線的極值點可通過求導(dǎo)的方式得到，但由于監(jiān)測數(shù)據(jù)為離散序列，且存在連續(xù)幾個數(shù)據(jù)值相等的“平臺”數(shù)據(jù)（如圖2中箭頭所指），因此極值點不能通過求導(dǎo)的方式得到。算法中尋找極值點數(shù)據(jù)的過程：以微分法為基礎(chǔ)，結(jié)合對血糖數(shù)據(jù)變化趨勢的判斷，找出數(shù)據(jù)的極值點位置，并對“平臺”數(shù)據(jù)進行處理。以圖2中的CGM數(shù)據(jù)為例，得到數(shù)據(jù)極值點的結(jié)果如圖3所示。其中，空心圓點為數(shù)據(jù)的極大值點，實心圓點為數(shù)據(jù)的極小值點，虛線為以折線方式連接血糖數(shù)據(jù)點而獲得的血糖數(shù)據(jù)曲線，實線為以折線方式連接所有獲得的極值點數(shù)據(jù)而得到的極值點連接曲線。由圖3可知，數(shù)據(jù)經(jīng)過步驟2的處理，已能消除“平臺”數(shù)據(jù)帶來的干擾，正確地標(biāo)識出所有極值點的位置，在保留極值點數(shù)據(jù)并排除非極值點數(shù)據(jù)后，即可對數(shù)據(jù)進行初步的篩選。

對于不同的受監(jiān)測者，由于其自身血糖調(diào)節(jié)能力的不同，使得臨床上獲得的CGM數(shù)據(jù)之間存在較大的差異；此外，排除由于生理因素產(chǎn)生的血糖波動外，CGM數(shù)據(jù)在采集過程中還會受到多種非生理因素（如環(huán)境等）的影響，從而使數(shù)據(jù)中存在許多幅度較小的波動。綜合上述原因，最終導(dǎo)致CGM數(shù)據(jù)波動的情況較為復(fù)雜，大大增加了利用計算機識別有效血糖波動的難度。因此，算法后續(xù)步驟的目標(biāo)，是正確篩選出構(gòu)成有效血糖波動的極值點數(shù)據(jù)。

步驟3：分別計算每個極大值點與其兩側(cè)極小值點的幅度差D1、D2，其中D1表示當(dāng)前極大值點與其相鄰左側(cè)極小值點的幅度差，D2表示當(dāng)前極大值點與其相鄰右側(cè)極小值點的幅度差。比較D1與D2絕對值的大?。喝绻鸇1絕對值大于D2絕對值，則比較D2絕對值與SDBG的大小；如果D2絕對值小于SDBG，則記錄當(dāng)前極大值點相鄰右側(cè)的極小值點。如果D1絕對值小于D2絕對值，則比較D1絕對值與SDBG的大??；如果D1絕對值小于SDBG，則記錄當(dāng)前極大值點相鄰左側(cè)的極小值點。如果D1絕對值等于D2絕對值，則比較D2絕對值與SDBG的大??；如果D2絕對值小于SDBG，則記錄當(dāng)前極大值點相鄰右側(cè)的極小值點。

圖4 數(shù)據(jù)局部放大Fig.4 The partial enlarge diagram of data

局部放大圖3中的虛線框選擇部分，得到部分極大值點與其相鄰兩側(cè)極小值點數(shù)據(jù)，如圖4所示。由圖4可知，第一個極大值點為5.6，與其相鄰的極小值分別為左側(cè)5和右側(cè)5，計算得D1=0.6，D2=0.6。此時，|D1|=|D2|，又|D2|＞SDBG，即0.6＞0.537 2，因此沒有極值點被記錄，繼續(xù)對下一個極大值點進行操作。第二個極大值點為5.2，相鄰的極小值分別為左側(cè)5和右側(cè)4.9，計算得D1=0.2，D2=0.3。此時，|D1|＜|D2|，又|D1|＜SDBG，即0.2＜0.537 2，因此將極大值點左側(cè)的極小值點記錄下來。剩余的極大值點依此類推。

步驟4：遍歷所有極大值，把所有記錄下來的數(shù)據(jù)點從極值點數(shù)據(jù)中刪除，得到經(jīng)過篩選后的極值點數(shù)據(jù)。

步驟5：保留相鄰極小值之間最大的極大值，刪除其余極大值。

步驟6：利用步驟3對篩選后的極值點數(shù)據(jù)進行處理，若依然存在需要刪除標(biāo)識的數(shù)據(jù)點，則轉(zhuǎn)到步驟4，否則將利用步驟7計算MAGE。

由于CGM數(shù)據(jù)本身的特點，在利用②對數(shù)據(jù)進行處理后，會得到許多由小波動引入的極值點。雖然這些極值點中的一部分最后并不構(gòu)成真正的有效血糖波動，但是在篩選數(shù)據(jù)的過程中不能簡單地將其舍棄，因為引入這些極值點的小波動在趨勢上構(gòu)成了較大的波動。因此，在識別有效血糖波動時，應(yīng)該將幅度值小于1 SDBG的小波動進行合并，然后重新篩選極值點數(shù)據(jù)。算法的步驟3～步驟6就是利用迭代的思想，不斷將幅度較小的波動合并成大的波動，從而正確篩選出構(gòu)成有效血糖波動的極值點數(shù)據(jù)。

步驟7：根據(jù)第一個有效波動的方向，計算MAGE。

圖5 篩選后獲得的極值點數(shù)據(jù)及有效血糖波動計算方向Fig.5 The screened extreme value points of data andcalculation direction of effective glucose fluctuation

經(jīng)過篩選，最后得到用于計算MAGE的極值點數(shù)據(jù)，如圖5所示。由圖5可知，實線箭頭為有效血糖波動的計算方向，虛線箭頭為未能構(gòu)成完整血糖波動的上升沿。第一個滿足波動幅度大于SDBG的波動計算方向為5-5.6=-0.6，其絕對值大于0.537 2，即計算方向為從波谷到波峰，因此在這個方向計算AGE，最后得到該CGM數(shù)據(jù)的MAGE值為1.126 7mmol·L-1。需要注意的是，雖然最后一個從波谷到波峰方向的幅度值為5.8-6.4=-0.6，其絕對值也大于0.537 2，但是最后一個上升沿后面不存在一個幅度大于SDBG的下降沿，與其構(gòu)成一個完整的血糖波動，因此不是一個AGE，不能用于計算MAGE［8-11］。

2 MAGE計算機輔助計算算法軟件設(shè)計

根據(jù)MAGE計算機輔助計算算法，利用Visual C#2008開發(fā)出相應(yīng)的輔助計算軟件。C#語言可用于創(chuàng)建需要運行在.NET CLR（Common Language Runtime）上的應(yīng)用程序，是微軟公司專門為使用.NET平臺而創(chuàng)建的。軟件主要包括以下功能模塊：讀入CGM數(shù)據(jù)；圖形顯示動態(tài)血糖監(jiān)測值曲線；分析血糖數(shù)據(jù)，并顯示所有波動幅度大于1SDBG的有效血糖波動；顯示參數(shù)的計算結(jié)果。各功能模塊及軟件界面如圖6（a）所示。

在讀入CGM數(shù)據(jù)功能中，讀入分析軟件的數(shù)據(jù)存儲格式以Excel軟件的數(shù)據(jù)存儲格式為主。因此，在利用該軟件進行參數(shù)計算前，首先需利用CGMS軟件將監(jiān)測所得的血糖數(shù)據(jù)進行存儲格式的轉(zhuǎn)換，然后再將其讀入分析軟件中進行參數(shù)的分析。如圖6（b）所示，圖形顯示動態(tài)血糖監(jiān)測值曲線的功能采用Visual C#2008提供的MSChart控件來實現(xiàn)。為了能夠更直觀地反映出軟件分析所得的有效血糖波動情況，在顯示動態(tài)血糖監(jiān)測值曲線的同時，還加入了將組成有效血糖波動的數(shù)據(jù)點以折線連接并以陰影填充的方式顯示的功能，使得軟件的使用者能夠?qū)τ行а遣▌拥姆治鼋Y(jié)果有更具體的認(rèn)識。顯示參數(shù)計算結(jié)果的功能模塊參考了臨床科研人員的需求設(shè)計，將臨床研究中需要獲得的相關(guān)參數(shù)計算結(jié)果以表格形式顯示，方便使用者對結(jié)果進行存儲和整理，如圖6（c）所示。

此外，由于對糖尿病患者進行一次動態(tài)血糖監(jiān)測可獲得多天的血糖監(jiān)測數(shù)據(jù)，因此為了增加分析軟件在使用時的靈活性、豐富分析軟件能實現(xiàn)的功能，軟件在算法的基礎(chǔ)上，還加入了可根據(jù)實際需要對不同監(jiān)測時間數(shù)據(jù)進行分析以及顯示有效血糖波動起始時間與結(jié)束時間等實用的功能，如圖7所示。

圖6 MAGE參數(shù)計算機輔助分析軟件。（a）軟件界面及各功能模塊；（b）血糖數(shù)據(jù)曲線及有效血糖波動顯示方式；（c）參數(shù)計算結(jié)果顯示Fig.6 The computer-aided analysis software of MAGE.（a）interface of software and the function module；（b）the view of CGM data and AGE；（c）the view of result

圖7 分析時間選擇及有效血糖波動起止時間顯示功能Fig.7 The function of selecting analysistime and displaying starting and finishing time of AGE

在Pentium Dual-Core E5300 2.6 GHz、RAM 2.0GB的微機上運行MAGE輔助計算軟件，利用從CGMS上導(dǎo)出的血糖數(shù)據(jù)進行MAGE參數(shù)的計算，計算一例數(shù)據(jù)的MAGE參數(shù)僅需花費不到1s，因此很好地解決了傳統(tǒng)人工計算工作量大、時間花費多的缺點，大大提高了臨床科研的效率。

3 實驗方法及結(jié)果

為了評估MAGE計算機的輔助計算算法（MAGEc），將其計算結(jié)果與傳統(tǒng)人工計算方法（MAGEo）的結(jié)果進行比較，比較結(jié)果以mean±SD方式表示。在采用傳統(tǒng)人工計算方法計算MAGE參數(shù)時，參數(shù)計算結(jié)果的準(zhǔn)確性會受到分析人員經(jīng)驗的影響，因此人工計算部分是由醫(yī)院目前正在從事相關(guān)研究工作的研究人員來完成的，這保證了計算結(jié)果具有較高的準(zhǔn)確性。分別利用兩種方法對76例臨床動態(tài)血糖監(jiān)測數(shù)據(jù)進行分析計算，根據(jù)臨床診斷結(jié)果，將其76例臨床數(shù)據(jù)分為3組：正常成人27例（SDBG為0.895±0.345），Ⅱ型糖尿病成人患者25例（SDBG為2.108±0.695），正常孕婦24例（SDBG為0.799±0.369）。利用SPSS軟件對兩種不同方法的計算結(jié)果進行相關(guān)分析，并利用Bland-Altman圖評估兩種方法的一致性［12］，具體計算結(jié)果如表1所示。

表1 MAGEo與MAGEc計算結(jié)果Tab.1 The result of MAGEo and MAGEc

3.1 相關(guān)分析

通過MAGE計算機輔助計算算法對3組數(shù)據(jù)進行計算，得到正常成人組的MAGE水平為（2.298±0.937）mmol·L-1，Ⅱ型糖尿病成人患者組的MAGE水平為（5.703±1.354）mmol·L-1，正常孕婦組的MAGE水平為（1.725±0.782）mmol·L-1。將計算結(jié)果與傳統(tǒng)人工計算方法（MAGEo）結(jié)果進行相關(guān)分析，如圖8所示。分析結(jié)果顯示，MAGEc方法與MAGEo方法對于不同受監(jiān)測者分組均顯著相關(guān)（正常成人組r=0.994，P＜0.01；Ⅱ型糖尿病成人患者組r=0.997，P＜0.01；正常孕婦組r=0.998，P＜0.01；所有受監(jiān)測者r=0.997，P＜0.01）。

圖8 MAGEo方法與MAGEc方法對于不同數(shù)據(jù)分組計算結(jié)果的相關(guān)分析結(jié)果。（a）27例正常成人組；（b）25例Ⅱ型糖尿病成人患者組；（c）24例正常孕婦組；（d）76例受監(jiān)測者Fig.8 The result of relevant analysis of MAGEo and MAGEc，respectively，in different groups calculating results.（a）27 normal；（b）25 with type 2 diabetes；（c）24 normal pregnant women；（d）all 76 subjects

3.2 Bland-Altman一致性分析

利用Bland-Altman圖來評估兩種方法的一致性，Bland-Altman圖利用圖形方式反映一致性界限。其中，橫坐標(biāo)表示用兩種方法對一例數(shù)據(jù)計算結(jié)果的平均值，縱坐標(biāo)表示兩種方法計算結(jié)果的差值［13］，得到的Bland-Altman圖如圖9所示，實線表示兩種方法計算結(jié)果差值的平均值，虛線表示95％一致性的上下界限。MAGEc方法和MAGEo方法對不同數(shù)據(jù)分組計算結(jié)果的差值分別為：正常成人組（-0.002 42±0.013 6）mmol·L-1，Ⅱ型糖尿病成人患者組（0.0153 3±0.027 5）mmol·L-1，正常孕婦組（0.003 4±0.019 1）mmol·L-1，所有受監(jiān)測者（0.005 26±0.021 8）mmol·L-1。95％一致性界限利用mean±1.96SD公式求得，分別為正常成人組（0.024 3，-0.029 2），Ⅱ型糖尿病成人患者組（0.069 2，-0.038 6）；正常孕婦組（0.040 9，-0.034 1），所有受監(jiān)測者（0.048 0，-0.037 4）。分析圖8中不同的Bland-Altman圖可知，落在一致性界限外的點分別為正常成人組3個，占11.1％（3/27）；Ⅱ型糖尿病成人患者組1個，占4％（1/25）；正常孕婦組1個，占4.2％（1/24）；所有受監(jiān)測者6個，占7.9％（6/76）。分析結(jié)果顯示，MAGE計算機輔助計算算法（MAGEc）與傳統(tǒng)人工計算方法（MAGEo）具有較好的一致性。

圖9 MAGEo方法與MAGEc方法對于不同數(shù)據(jù)分組計算結(jié)果一致性評價Bland-Altman圖。（a）27例正常成人數(shù)據(jù)；（b）25例2型糖尿病成人患者數(shù)據(jù)；（c）24例正常孕婦數(shù)據(jù)；（d）以上76例臨床數(shù)據(jù)Fig.9 The Bland-Altman plot of MAGEo and MAGEc，respectively，in different groups calculating results.（a）27 normal；（b）25 with type 2 diabetes；（c）24 normal pregnant women；（d）all 76 subjects

4 討論與結(jié)論

近年來發(fā)展的動態(tài)血糖監(jiān)測作為對傳統(tǒng)血糖監(jiān)測方法的有效補充，逐漸在臨床上得到推廣和應(yīng)用。但在臨床實際應(yīng)用中，作為反映血糖波動“金標(biāo)準(zhǔn)”的平均血糖波動幅度（MAGE）值并不能直接從動態(tài)血糖監(jiān)測系統(tǒng)的分析軟件中得到，而是需要通過人工方式篩選數(shù)據(jù)進行計算，這使得該參數(shù)在臨床實際應(yīng)用中受到了一定的限制。本研究提出MAGE計算機輔助計算算法及其軟件的實現(xiàn)，可對大量的動態(tài)血糖監(jiān)測數(shù)據(jù)進行自動篩選，并找出有效的血糖值數(shù)據(jù)，從而輔助計算出MAGE值，大大縮短了參數(shù)的計算時間，是對CGMS自帶分析系統(tǒng)的一個有效補充。從對3個不同臨床分組的動態(tài)血糖監(jiān)測數(shù)據(jù)計算結(jié)果分析可知，該算法可用于計算臨床中正常成人、Ⅱ型糖尿病患者以及正常孕婦動態(tài)血糖數(shù)據(jù)的MAGE值，計算所得參數(shù)結(jié)果均落在相關(guān)文獻報道的范圍內(nèi)；而對于臨床中存在的其他糖尿病患者，如兒童糖尿病患者、Ⅰ型糖尿病患者及妊娠糖尿病患者等，該算法的適用性還需結(jié)合臨床實踐進一步研究。在利用輔助計算軟件對臨床數(shù)據(jù)進行分析的過程中，除監(jiān)測數(shù)據(jù)本身存在缺失會導(dǎo)致分析軟件出錯外，軟件整體運行狀態(tài)良好、魯棒性較高，對于數(shù)據(jù)缺失所引起的問題可在后續(xù)的研究中有針對性地加以改進。

此外，該算法的提出對MAGE參數(shù)相關(guān)的研究具有重要的意義。在目前臨床普遍采用的人工計算方法中，對于有效血糖波動的定義過于簡單，其判斷條件本身就存在一定的歧義，并沒有對數(shù)據(jù)中出現(xiàn)的不同情況加以辨析說明，因此進行計算分析的研究人員必須經(jīng)過相關(guān)專業(yè)的培訓(xùn)。若研究人員經(jīng)驗不足，將導(dǎo)致參數(shù)的計算結(jié)果與真實值之間存在一定的誤差。本研究提出的算法對判斷有效血糖波動的條件進行了改進和補充，解決了傳統(tǒng)人工方法在判斷有效血糖波動時存在歧義的問題，提出了一種適用于計算機自動判斷有效血糖波動并自動計算MAGE參數(shù)的輔助計算算法。該算法的軟件實現(xiàn)還簡化了MAGE參數(shù)的分析過程，使得沒有經(jīng)過相關(guān)專業(yè)培訓(xùn)的人亦可以通過軟件，簡單而準(zhǔn)確地計算出參數(shù)值，從而使一般糖尿病患者對自身血糖波動情況進行自我監(jiān)控成為可能。而且由于軟件對參數(shù)的計算速度較快，使得分析動態(tài)血糖監(jiān)測者的血糖波動情況無需再待至72h（在臨床中進行一次動態(tài)血糖監(jiān)測，受監(jiān)測者需佩戴動態(tài)血糖測量儀72h或以上）甚至更長時間后才能進行，大大提高了參數(shù)的時效性。

通過將MAGE計算機輔助計算算法所計算的結(jié)果與傳統(tǒng)手工方法計算所得的結(jié)果進行比較分析，可知兩者之間顯著相關(guān)，說明兩種方法之間具有較好的一致性，因此MAGE計算機輔助計算算法與傳統(tǒng)手工方法在臨床科研實踐中具有較好的可替代性。利用MAGE計算機輔助計算算法，能夠更快捷、更準(zhǔn)確地獲得動態(tài)血糖監(jiān)測的MAGE參數(shù)值，大大提高了臨床科研工作的效率。該算法及其軟件的實現(xiàn)，已應(yīng)用于對孕婦血糖波動情況進行監(jiān)控，以盡早診斷妊娠糖尿病以及對Ⅱ型糖尿病患者血糖波動情況分析的相關(guān)研究中，具有廣泛的臨床應(yīng)用前景。

［1］周健，賈偉平.血糖穩(wěn)定性的意義及臨床評估［J］.中華醫(yī)學(xué)雜志，2006，86（30）：2154-2157.

［2］周健，賈偉平，喻明，等.動態(tài)血糖參數(shù)正常參考值的建立及臨床應(yīng)用［J］.中華內(nèi)科雜志，2007，46（3）：189-192.

［3］Service FJ，Molnar GD，Rosevear JW，et al.Mean amplitude of glycemic excursions，a measure of diabetic instability［J］.Diabetes，1970，19（9）：644-655.

［4］中華醫(yī)學(xué)會糖尿病學(xué)分會.中國動態(tài)血糖監(jiān)測臨床應(yīng)用指南（2009年版）［J］.中華醫(yī)學(xué)雜志，2009，89（48）：3388-3392.

［5］Fritzsche G，Kohnert KD，Heinke P，et al.The use of a computer program to calculate the mean amplitude of glycemic excursions［J］.Diabetes Technology＆ Therapeutics，2011，13（3）：319-325.

［6］McDonnell CM，Donath SM，Vidmar SI，et al.A novel approach to continuous glucose analysis utilizing glycemic variation［J］.Diabetes Technology ＆ Therapeutics，2005，7（2）：253-263.

［7］Monnier L，Colette C，Boegner C，et al.Continuous glucose monitoring in patients with type 2 diabetes［J］.Diabetes ＆Metabolism，2007，33：247-252.

［8］周健，喻明，賈偉平，等.應(yīng)用動態(tài)血糖監(jiān)測系統(tǒng)評估2型糖尿病患者日內(nèi)及日間血糖波動幅度［J］.中華內(nèi)分泌代謝雜志，2006，22（3）：286-288.

［9］Kessler L，Passemard R，Oberholzer J，et al.Reduction of blood glucose variability in type 1 diabetic patients treated by pancreatic islet transplantation［J］.Diabetes Care，2002，25（12）：2256-2262.

［10］Monnier L，Mas E，Ginet C，et al.Activation of oxidative stress by acute glucose fluctuations compared with sustained chronic hyperglycemia in patients with type 2 diabetes［J］.Journal of the American Medical Association，2006，295（14）：1681-1687.

［11］Ogata H，Tokuyama K，Nagasaka S，et al.Long-range negative correlation of glucose dynamics in humans and its breakdown in diabetes mellitus［J］.The American Journal of Physiology-Regulatory，Integrative and Comparative Physiology，2006，291（6）：1638-1643.

［12］陳卉.Bland-Altman分析在臨床測量方法一致性評價中的應(yīng)用［J］.中國衛(wèi)生統(tǒng)計，2007，24（3）：308-309.

［13］張雅楠，齊玉梅，孫學(xué)麗，等.Bland-Altman法比較2型糖尿病患者能量消耗實測值與預(yù)測值［J］.實用醫(yī)學(xué)雜志，2010，26（23）：4333-4335.