Optimal metabolsk helse gjennom kontinuerlig glukoseovervåking (CGM)

Å oppnå optimal metabolsk helse og glykemisk kontroll er et felles mål blant ikke bare diabetikere, men også for friske individer, idrettsutøvere, militære eliteoperatører og for forebygging og motstandskraft mot infeksjonssykdommer. Ingen isolert biomarkør er for tiden allestedsnærværende akseptert som en markør for generell metabolsk helse, og de fleste er avhengige av isolerte øyeblikksbilder (enkelttidspunkt) analyser og ikke en kontinuerlig lukket sløyfe biomarkørdatavurdering. Glykosylert hemoglobin (A1c) gir begrenset karakterisering av glykemisk variasjon, noe som bidrar til progresjon av glykemisk dysregulering. For eksempel kobler nye bevis amplituden og varigheten av glykemisk variabilitet som en uavhengig risikofaktor knyttet til kardiovaskulær sykdom (CVD) (Di Flaviani 2011, Monnier 2006). Hyperglykemi-indusert endotelial dysfunksjon og oksidativt stress er større med større glykemisk variasjon (Monnier 2006, Buscemi 2010). Glykemisk variasjon er mer skadelig for det kardiovaskulære systemet enn vedvarende hyperglykemi (Nalysnyk 2010). Få teknologier tillater kontinuerlig biomarkørovervåking over tid, og under en rekke forhold som daglige aktiviteter, svømming, trening, søvn, etc. Flere bevis antyder sterkt den prediktive effekten og verdien av å overvåke glykemisk variasjon på akutt og kronisk helse hos diabetespopulasjoner og ikke-diabetespopulasjoner (Rodriguez-Segade 2018, Zeevi 2015). Dermed har det vært voksende interesse for terapeutiske tilnærminger som søker å redusere glykemisk variasjon. Dette potensialet for tidlig påvisning av glykemisk dysregulering er sannsynligvis den mest fordelaktige effekten av å bruke CGM som en informasjonsenhet, spesielt i sammenheng med andre biomarkørtiltak med jevne mellomrom. Det er sannsynlig at folk vil gjøre livsstilsendringer hvis de er klar over et forestående helseproblem, oppdaget gjennom sanntids GCM-sporet glykemisk variasjon. Livsstilsendringer har vist seg å være den mest effektive intervensjonen for å gjenopprette normale fastende glukosenivåer og forebygge diabetes blant dysglykemiske personer, redusere konverteringen til diabetes med 58 % i forhold til placebo og med 39 % over metformin i en stor amerikansk studie (Diabetes Prevention Program Research Gruppe 2002). Langtidsoppfølginger av andre internasjonale studier har vist like signifikante resultater 4 år (Tuomilehto 2001) og 14 år (Li 2008) etter at de kontrollerte livsstilsintervensjonene ble avsluttet, inkludert reduksjoner i diabetesforekomst på henholdsvis 58 % og 43 %.

Det er kjent at metabolsk helse er på et spekter, og langtidsstudier i diabetikerpopulasjoner har vist at å redusere glykemisk variasjon er viktigere enn å senke baseline hyperglykemi når det gjelder å redusere kardiovaskulære komplikasjoner (Hall 2018). Derfor eksisterer det en vitenskapelig begrunnelse for å studere intervensjoner som kan optimalisere metabolsk helse hos ikke-diabetikere siden de potensielle fordelene med metabolsk bevissthet strekker seg utover diabetikerbefolkningen. Ny teknologi som kan gi tett tilbakemelding på livsstilseffekter kan være en verdifull mekanisme for ikke-diabetikere som ønsker å forbedre utdanning og redusere livstidsrisikoen for sykdom. Selv om slike utfall ennå ikke er demonstrert i langtidsstudier, avslører den eksisterende forskningen lovende resultater, inkludert forbedret screening for metabolsk risiko (Rodriguez-Segade 2018), tydelig observerbarhet av effekter av livsstilsintervensjon (Hall 2018, Brynes 2005, Freckmann 2007) , og aksept av en minimal-risiko strategi for bruk som et forebyggende verktøy i en ikke-diabetiker populasjon (Liao 2018). Diabetes Prevention Program Research Group ba om et skifte i responsen for å snu disse trendene, og uttalte at: "metoder for behandling av diabetes er fortsatt utilstrekkelige og at forebygging er å foretrekke (Diabetes Prevention Program Research Group 2002)." Selv om det ikke er bevist som et forebyggende tiltak, er det i verste fall usannsynlig at overvåking av glykemisk variasjon vil forverre problemet. I beste fall, hvis det blir et utbredt livsstilsverktøy, kan fordelene med forbedret individuell metabolsk bevissthet og utdannet handling ha sammensatte effekter i en større samfunnsskala.

Derfor eksisterer det en vitenskapelig begrunnelse for å studere intervensjoner som kan optimere metabolsk helse med forbedrede glykemiske overvåkingsteknologier (Danne 2017). Det begynner å bli klart at i tillegg til diabetiske populasjoner, kan normale, friske populasjoner dra nytte av stabile, kontrollerte blodsukkernivåer, og at tilbakemeldingsmekanismer, inkludert bærbare teknologier, kan brukes. Dermed kan CGM være en lovende metode for å forbedre biomarkører for metabolsk helse for praktisk talt hvem som helst. I tillegg er optimal metabolsk helse typisk assosiert med forbedret atferdshelse og kognitiv motstandskraft og beslutningstaking (Hadj-Abo 2020). Dermed kan optimalisering og overvåking av glykemisk kontroll være nyttig for mental helse og kan være et verdifullt verktøy for militært personell og førstehjelpere under metabolsk stress. Fremskritt innen programvare- og maskinvareteknologi er utviklet for å måle, analysere og forutsi glykemisk variasjon og gir innsikt i hvordan denne dynamiske biomarkøren korrelerer med metabolsk kondisjon. Spesielt gir nye fremskritt innen CGM-teknologier potensialet til å overvåke, forutsi og endre atferd gjennom et tilbakemeldingssystem med lukket sløyfe. Ved å sammenligne CGM-data med blodmarkører for metabolsk helse (f.eks. HbA1c , Insulin, etc.), og betennelse (f.eks. hsCRP, cytokiner) og sammen med vurderinger av følelser, kognisjon og atferd, kan en mer robust tolkning og dekonvolusjon av CGM-data med eksperimentelle intervensjoner være mulig.