疼痛提示死亡风险：一项全国性研究的发现

痛性糖尿病周围神经病变（PDPN）是糖尿病的常见并发症，但其与死亡率的关系，尤其是不同种族间的差异，了解仍有限。Selvarajah等人[1]基于英国临床实践研究数据链（CPRD）Aurum数据库（2010~2023年）的回顾性队列研究纳入52 844例PDPN患者，随访期间13 875例（26.2%）死亡。

PDPN患病率在北部地区和更贫困地区更高，呈现明显的社会经济梯度——在最贫困地区，患病率从2010年的每10万人2655例上升至2017年的4064例，随后于2023年降至3523例。与无PDPN的糖尿病患者相比（经1:4倾向评分匹配，共40 241例PDPN vs. 160 798例非PDPN），PDPN患者死亡率更高（每10万人年：1190.8 vs. 1010.0），死亡风险增加24%（aHR 1.24）。值得关注的是，少数族裔群体的死亡风险低于白人患者（黑人aHR 0.77、混血aHR 0.62、亚裔aHR 0.77、其他aHR 0.66），但种族信息缺失与更高死亡率相关（aHR 1.92）。药物治疗方面，阿片类药物使用与更高死亡率相关（aHR 1.19），而加巴喷丁/普瑞巴林（aHR 0.93）和阿米替林（aHR 0.87）则与较低死亡率相关；但研究者指出，这些关联可能存在适应证混杂，并非因果关系。

用常规指标预测4年新发神经病变

远端对称性多神经病变（DSPN）是糖尿病的潜在可预防并发症，与显著发病率和生活质量受损相关，但目前缺乏可用于指导临床管理的常规诊疗预后方程。Davis等人[2]利用基于社区的弗里曼特尔糖尿病研究Ⅱ期的纵向数据，在630例基线无DSPN的2型糖尿病（T2DM）患者中，通过生物振动觉测定（VPT）每两年评估一次DSPN发生情况，开发了一款4年新发DSPN风险预测模型。

模型纳入年龄、当前吸烟、身高、收缩压、估算肾小球滤过率（eGFR）<45 ml/min/1.73m2及既往心衰住院等独立预测变量。模型预测的平均4年新发DSPN风险为27.5%，与实际观察风险27.9%（95%CI：24.5%~31.7%）接近。算法区分度曲线下面积（AUC）为0.725（95%CI：0.679~0.770），校准良好（P=0.270），准确性Brier评分为0.172。在30%的4年预测新发DSPN风险截断值下，敏感度为61.1%，特异性为74.8%，阳性预测值（PPV）48.4%，阴性预测值（NPV）达83.2%；若将截断值降至10%，敏感度提升至96.6%，但特异性降至12.2%，PPV为29.9%，NPV为90.3%。研究者总结，T2DM 4年新发DSPN风险可通过使用常规临床和实验室变量的方程得到中等程度的预测。

脊髓电刺激让大多数PDPN患者疼痛缓解

6个月时，在缺失数据最差情况分析中，SCS组主要疼痛应答终点（疼痛缓解≥50%）达到79.4%（95%CI：62.1%~90.6%），而CMM组仅为4.0%（95%CI：0.7%~13.4%）（P<0.001）；符合方案分析中，两组差异更为悬殊（93.1% vs. 0%，P<0.001）。感觉功能改善应答率（mTNCS改善≥3分）SCS组为55%（95%CI：37.5%~71.6%），显著优于CMM组的25%（95%CI：14.9%~38.8%）（P=0.014）。更为重要的是，12个月随访时应答均持久维持——SCS组28/29例（96.6%）完成访视，且无一人选择交叉至CMM；而CMM组92%的患者主动选择交叉至SCS治疗，交叉后12个月应答同样持久。因此，该研究首次提供预先设定的证据，表明10 kHz SCS可显著改善PDPN研究参与者的感觉功能。

血液中的代谢物信号或可提前预警神经病变

糖尿病周围神经病变（DPN），尤其是DSPN，影响高达50%的T2DM患者，与足溃疡和下肢截肢风险增加相关，但早期检测仍具挑战。代谢组学为识别早期诊断生物标志物提供了有前景的方法。Høffer等人[4]的研究旨在识别T2DM患者中与DSPN相关的代谢物。

该研究纳入553例T2DM患者，通过非靶向气相色谱-质谱联用（GC-MS）进行血浆代谢组学分析，DSPN定义为双足平均VPT>25 V。校正模型识别出6种名义显著的代谢物（4种正相关、2种负相关），经LASSO变量选择保留5种：己二酸3-丁烯酯、顺式乌头酸、尿素、1,3-丁二醇和3,4-二羟基扁桃酸。ROC分析表明，将5种代谢物与临床协变量联合纳入，可将AUC从0.786显著提升至0.806（P=0.031）。其中，1,3-丁二醇预测价值最高（ΔAUC=0.0260），其次为己二酸3-丁烯酯和3,4-二羟基扁桃酸（ΔAUC=0.0162和0.0104）。通路富集分析提示，酮体、儿茶酚胺和线粒体β-氧化应激通路可能参与DSPN发病，但研究者强调这些为初步发现，包括纵向研究在内的进一步研究正在进行中。

眼底图像也能看出神经病变：AI模型敏感度达90%

DPN影响近一半糖尿病患者，却在常规护理中诊断不足。视网膜眼底成像已在糖尿病眼病筛查中大规模应用，这为利用深度学习进行神经病变筛查提供了契机。Irlik等人[5]一项前瞻性研究检验了ResNeXt-50卷积神经网络能否仅从视网膜彩色眼底图像识别有症状DPN。研究在大学教学医院前瞻性入组488例糖尿病患者（平均年龄54±16岁），有症状DPN定义为MNSI-Q评分≥4（有意排除体格检查部分以消除操作者依赖变异性），同期获取五视野非散瞳视网膜眼底照片。参与者随机分配至训练集（70%）、验证集（10%）和测试集（20%）。

在独立测试集（n=98），模型敏感度为0.90（95%CI：0.80~0.98），特异性为0.78（95%CI：0.68~0.89），AUC-ROC为0.85（95%CI：0.77~0.92），总体准确率达83%。研究者认为，将该模型嵌入现有糖尿病眼病筛查项目，可作为标准视网膜成像的零负担附加筛查手段，实现可扩展的神经病变筛查。

控制良好的糖尿病，神经纤维丢失竟由衰老驱动？

德国Bönhof等人此前已报道新诊断糖尿病患者周围神经功能的早期下降，但小神经纤维形态随时间的变化轨迹尚不明确。该团队[6]开展的德国糖尿病研究对入组时病程≤1年的1型糖尿病（T1DM）和T2DM患者进行了5年和10年随访，通过小腿皮肤活检评估表皮内神经纤维密度（IENFD），并通过角膜共聚焦显微镜（CCM）测定角膜神经纤维密度和长度。

调整年龄、性别和体重指数（BMI）后，T2DM入组时角膜神经分支密度（CNBD）已低于T1DM（59.9个/mm2 vs. 79.6个/mm2，P=0.049）和正常糖耐量（NGT，77.3个/mm2 vs. 79.6个/mm2，P=0.029）。基线IENFD在T1DM（8.72纤维/mm2 vs. 11.79纤维/mm2）和T2DM（10.06纤维/mm2 vs. 11.79纤维/mm2）中均已低于相应NGT对照（均P<0.05）。5年随访时，T2DM的IENFD仍低于NGT（5.86纤维/mm2 vs. 8.12纤维/mm2，P=0.016），但5年间IENFD下降速率在糖尿病组与相应对照组间无显著差异（T2DM：-1.61纤维/mm2 vs. NGT：-1.94纤维/mm2）。在10年随访的T2DM亚组中，第1个和第2个5年间隔的IENFD下降速率相似（-1.28纤维/mm2 vs. -1.30纤维/mm2），CCM指标在5年和10年访视也与入组时相当。研究者提出，在血糖控制良好的情况下，小神经纤维丢失的进展可能主要由衰老驱动，而角膜神经纤维保持完好，这提示需要更早的干预策略。

这6项研究覆盖了糖尿病神经病变从风险识别到治疗干预的多个环节。PDPN提示死亡风险增加，常规指标可构建风险预测模型，代谢物标志物和AI眼底筛查为无创检测开辟新路径，脊髓电刺激为难治性疼痛提供了有效选择，而10年随访则提示控制良好的糖尿病患者神经纤维丢失可能与衰老关系更大。这些发现为临床实践提供了实用工具，但多数结果仍需进一步验证。

参考文献

1. D. Selvarajah, et al. Painful diabetic peripheral neuropathy as a marker of mortality risk: evidence of ethnic differences from a national study. EASD2026; OP 11.

2. W. Davis, et al. Development of a 4-year incident distal symmetric polyneuropathy risk prediction model for type 2 diabetes: The Fremantle Diabetes Study Phase II. EASD2026; OP 11.

3. E.S. Siraj, et al. High-frequency spinal cord stimulation (SCS) improves sensory function in individuals with painful diabetic neuropathy (PDN): a randomised controlled trial, with 12-months of follow-up. EASD2026; OP 11.

4. E. Høffer, et al. Novel circulating metabolites associated with peripheral neuropathy in persons with type 2 diabetes. EASD2026; OP 11.

5. K. Irlik, et al. Screening of diabetic peripheral neuropathy via deep learning analysis of retinal fundus images. EASD2026; OP 11.

6. G.J. Bönhof, et al. Progression of small nerve fibre loss over ten years after diagnosis of well-controlled diabetes is driven by aging. EASD2026; OP 11.

本文仅供医疗卫生专业人士了解最新医药资讯参考使用，不代表本平台观点。该等信息不能以任何方式取代专业的医疗指导，也不应被视为诊疗建议，如果该信息被用于资讯以外的目的，本站及作者不承担相关责任。