又胖又”上火”，糖尿病风险6倍

英美两个老龄化队列、3733人、8年随访：体重和炎症（CRP）一起往上走的”严重肥胖-高炎症”轨迹人群，新发糖尿病风险是对照组的6倍（HR 6.00）；而”只胖不炎”的人风险不显著。看糖尿病风险，体重和炎症要一起看，光减重不够。

体检把超敏C反应蛋白加上，和体重一起看

中年以后，体检别只看BMI：把超敏C反应蛋白（hs-CRP）加进常规，体重超标加CRP偏高的人，就是糖尿病的高危轨道；减重的同时盯炎症来源——牙周炎、睡眠不足、久坐、慢性感染，都是隐形”上火点”。备孕女性同理，孕前血糖血脂和体重一起管。

为什么有人胖了10年，血糖纹丝不动？

同样的胖子，有人平稳到老，有人一路滑向糖尿病——差别在哪？一项追踪3733名50岁以上中老年人8年的双队列研究给出了一个答案：“胖”加”发炎”一起往上走的人，糖尿病风险是对照组的6倍；而只是胖、炎症不高的人，风险并不显著。决定命运的，可能不是体重计，而是身体里的”火”。这句话，值得写进你的体检提醒里。

你总”上火”，可能不是脾气问题

牙龈出血、反复口腔溃疡、睡不够总觉得累——这些”小毛病”背后是慢性炎症，而它正在和你的体重”合谋”。研究把体重和炎症画成两条轨迹，发现：严重肥胖加高炎症的人，8年糖尿病风险HR 6.00；只胖不炎的人，风险反而不显著。胖是燃料，炎症是引信，这个组合拳比单独一项更值得警惕。

3733人，8年，两条轨迹

四条轨迹，一条通向6倍风险：英国ELSA（1778人）和美国HRS（1955人）两个队列，用体重指数（BMI）加炎症指标（CRP）联合建模，各自识别出4条轨迹。最凶的一条是”严重肥胖-高炎症”：ELSA的HR 6.03，HRS的HR 5.96，合并后HR 6.00（95%CI 3.71-9.70）。

换腰围指标也一样：5.69：用腰高比（WHtR）代替BMI，结论几乎不变：最高风险组合并HR 5.69。排除确诊前2年、竞争死亡、完整病例等多种敏感性分析，风险都稳在5.2-6.2之间——这不是偶然波动，是稳定信号。

血糖是”中间站”，不是终点：中介分析显示，血糖（HbA1c）解释了风险链条的13.7%-27.5%——炎症和肥胖先推高血糖，血糖再推糖尿病。控制炎症，可能比单纯控糖更靠前。辅文里孕期研究也印证：早孕期菌群加脂质轴的双高风险评分，妊娠糖尿病风险OR 19.19。

6.00与0.06，一组扎心的对照

又胖又炎的人，糖尿病风险HR 6.00；而研究自己承认，8年三次测量的复杂轨迹模型，判别力只比”测一次基线”多了0.06（ΔC 0.061-0.067）。精密模型增量很薄，反而衬托出最朴素的常识：管住体重、压住炎症，就是最有效的干预。而干预的抓手，就藏在日常习惯里。

三个takeaway，把”火”灭在轨道上

1 体重和炎症要一起看——BMI正常但CRP高，或胖但CRP正常，都要警惕；把超敏C反应蛋白加进体检。

2 减重的同时灭炎症——牙周炎去治、觉睡够、动起来，别让”上火”长期潜伏。

3 不是非得瘦成闪电——关键是别让体重和炎症”携手爬坡”，稳住就是赢。管住体重、压住炎症，就是在改写未来的血糖曲线。

轨迹模型有偏倚风险

① 样本流失多：分析样本只占初始队列约11%-19%，可能有选择偏倚。
② CRP方法不一：检测方法跨队列不一致，可能影响可比性。
③ 未纳入饮食运动：残余混杂存在。
④ 人群以白人为主：外推中国人群需谨慎。
⑤ 人群以白人为主：外推中国人群需谨慎。

参考资料：Teng F, Liu D, et al. Joint trajectories of adiposity and systemic inflammation and incident diabetes among older adults: a bi-cohort prospective study with mediation analysis. Frontiers in Nutrition (2026). https://doi.org/10.3389/fnut.2026.1867835；Sun Z, et al. A gut microbiome-lipid axis in early pregnancy is associated with metabolic dysregulation and diabetes risk. iMeta (2026). https://pmc.ncbi.nlm.nih.gov/articles/PMC13455838/

日照越足血糖越低，冬天最明显

英国生物库队列分析：冬季环境紫外线（UV-A）每增加1瓦/平方米，采血前7天平均日晒对应的血糖低0.027 mmol/L；规律用日光浴床的人，2型糖尿病风险低14%-23%。效应不靠维D、靠皮肤一氧化氮，低日照水平时”性价比”最高。

不晒伤的前提下，每天短时户外晒晒

冬天血糖容易高的人，可以每天短时户外活动（比如午饭后散步20-30分钟），让手臂脸部见见光；但别追求暴晒，晒伤是皮肤癌的明确风险。肚子大又怀疑缺维D的人，先抽血查25-羟维生素D再决定补不补，别盲目吃大剂量。

冬天血糖高，可能不是你吃多了

一到冬天，血糖就悄悄往上爬，你是不是以为是管不住嘴？英国生物库的数据给了另一个解释：日照越少，血糖越高。冬季环境紫外线（UV-A）每增加1瓦/平方米，采血前一周的平均血糖低0.027 mmol/L——太阳，可能是被忽略的”降糖开关”。

你躲的太阳，也是你缺的维D？

怕晒黑、怕长斑，防晒霜一年四季涂满——这没错，但你可能把”阳光-血糖”这条线也一起挡掉了。研究里规律用日光浴床的人，2型糖尿病风险低14%-23%；辅文更提醒：维D缺乏加腹型肥胖，死亡风险翻倍（+123%）。防晒要讲科学，过度防晒和完全不防晒，都是坑。

几十万人，一道阳光与血糖的关系

冬季UV-A越多，血糖越低：研究用日本卫星的每日UV-A数据，按每位参与者的采血日期和居住地估算暴露。冬季UV-A每增1 W/m²，采血前2日平均暴露对应血糖-0.015 mmol/L，前7日对应-0.027 mmol/L；春季也有信号，但弱一些。冬天信号最强。

剂量-反应：够阈值就行，不是越晒越好：关联是非线性的：低日照水平时降幅最陡，到某个水平进入平台期——补足阈值即可，不必暴晒。慢性暴露数据也一致：偶尔用日光浴床者糖尿病风险低14%，频繁使用者低23%。

机制可能不靠维D，靠一氧化氮：冬天紫外线中合成维D的紫外线B（UVB，即紫外线B）不足，效应却依然存在，提示另有通路：紫外线激活皮肤储存的一氧化氮（NO），24-48小时达峰，通过扩张血管、改善胰岛素敏感性降血糖。晒太阳不等于补维D，是两套系统。

0.027与23%，太阳的剂量

冬季UV-A每+1 W/m²，7日平均血糖-0.027 mmol/L；频繁日光浴床使用者糖尿病风险-23%；辅文里维D缺乏加腹型肥胖，死亡风险+123%。但作者自己强调：不推荐用日光浴床降血糖，日晒是皮肤癌的已知风险因素——安全的做法是短时、非暴晒、非正午。记住，太阳是朋友也是敌人，分寸感最重要。让阳光成为你的日常习惯，成本为零，收益却真实。

三个takeaway，把太阳用对

1 冬天多晒晒，血糖可能更好看——午饭后散步20-30分钟，不花钱的”降糖习惯”。

2 别把防晒和日晒对立——脸涂防晒、手背胳膊短时见光，晒伤永远是底线。

3 肚子大又缺维D的人别硬扛——抽血查25-羟维生素D，该补就补，该晒就晒。阳光、饮食、睡眠，都是不花钱的代谢调节器。

观察性，暴露是估算

① 观察性设计：环境UV-A是个人实际日晒的不完美代理，不能定因果。
② 血糖单次测量：非标准化空腹条件，可能有测量误差。
③ 自报偏倚：日光浴床使用、糖尿病史均靠自报。
④ 作者警告：不构成”晒太阳治糖尿病”的建议。
⑤ 作者明确警告：不构成”晒太阳治糖尿病”的建议。

参考资料：Stevenson AC, Weller RB, Lindqvist P, Dibben C. Sunlight exposure is associated with lower blood glucose levels and type 2 diabetes. Scientific Reports (2026). https://doi.org/10.1038/s41598-026-66100-4；Milliati JS, et al. Does the Combination of Abdominal Obesity and Vitamin D Deficiency Increase the Risk of Death in Individuals Aged 50 or Older? Evidence From the ELSA Study. Diabetes, Obesity and Metabolism (2026). 来源: https://www.sciencedaily.com/releases/2026/08/260813045554.htm

同用SGLT2抑制剂，中位生存多10个月

一项1,146例倾向性匹配的回顾性分析显示：在免疫检查点抑制剂治疗期间同时使用钠-葡萄糖共转运蛋白2抑制剂（SGLT2i，一类口服降糖药）的患者，中位总生存期为27.4个月，对照组为17.4个月，死亡风险降低32%；非小细胞肺癌与肾癌亚组同样显示出获益。

如果你有糖尿病又正在做免疫治疗，别自行停降糖药

如果你患2型糖尿病，同时正在接受免疫治疗，看到”降糖药可能有助疗效”的消息请不要自行加药，也不要因为担心就停药：把药单交给肿瘤科和内分泌科一起评估，才是更稳妥的做法。

一盒降糖药，和一场免疫治疗

免疫治疗是这几年肿瘤领域最重要的进展之一，但同一类药物用在不同人身上，效果差别很大。一项泛肿瘤的匹配分析给出了一个意外发现：加用这类降糖药，生存期更长——中位总生存27.4个月对17.4个月。这不是”降糖药能治癌”，而是一条关于伴随用药的新线索。

为什么你吃的药会影响疗效

你是不是也从没把降糖药和免疫治疗放在一起想过？研究者恰恰把这两件事放在了一张表里：是否同时服用，生存曲线分开了。更关键的是，分开的地方不只是代谢控制——如果仅仅是血糖更平稳带来的好处，很难解释生存期多出10个月这个幅度。

1146例，一次1:1配对

1146例，1比1配对：研究基于美国Epic Cosmos数据库，覆盖美国50个州及部分海外医疗机构的1700多家医院。研究者从接受免疫检查点抑制剂（ICI）治疗的患者中，按肿瘤类型、2型糖尿病与心力衰竭、诊断年龄、性别、从转移确诊到开始免疫治疗的时间做1:1配对，最终纳入1,146例：SGLT2抑制剂组573例，对照组573例。

中位生存27.4对17.4个月：整体队列中，加用SGLT2抑制剂者的中位总生存期为27.4个月（95%置信区间22.6–32.7），对照组为17.4个月（15.0–20.7），死亡风险比为0.68（0.58–0.80），对应风险下降32%。在进一步校正二甲双胍与胰高血糖素样肽-1（GLP-1）受体激动剂的使用后，风险比变为0.83（0.71–0.98），获益仍然存在但幅度收窄。

肺癌0.58，肾癌0.60：亚组分析中，非小细胞肺癌患者的获益最醒目：SGLT2抑制剂组中位生存32.7个月，对照组10.5个月，风险比0.58（0.41–0.82）；肾细胞癌组为53.5个月对32.7个月，风险比0.60（0.42–0.86）。小细胞肺癌亚组则未见显著差异。获益集中出现在部分瘤种，而不是”所有癌症都有效”。

用药时机很关键：在免疫治疗开始时就已用药或同时开始的人（占73.3%），校正后风险比0.83（0.70–0.98），获益稳定；而在免疫治疗之后才开始用药的人，常规模型算出0.36倍的”惊艳”结果，但改用时间依赖模型校正后变为0.82（0.61–1.10）、不再显著——这正是”存活者偏倚”的典型表现：能等到后面才加药的人，本身就已经活得比较久。

27.4对17.4，多出的10个月

中位生存27.4个月对17.4个月，死亡风险比0.68；非小细胞肺癌0.58、肾细胞癌0.60；校正降糖药联用后仍为0.83。一串数字都朝同一个方向，但报告”延迟用药也能获益”的那个0.36，用的是没有校正时间偏倚的模型——看结论时，方法比倍数更值得看一眼。

三句话，给糖尿病癌症患者

1 回顾性分析，不能据此改用药：是否使用SGLT2抑制剂，取决于你的血糖情况、心肾功能与禁忌证，必须由医生判断。

2 千万不要自行停药加药，尤其是已经在用SGLT2抑制剂的人，擅自停用可能带来血糖波动与心肾风险。

3 把问题带给两个科室：让肿瘤科和内分泌科一起看这张药单，比自己在网上找答案靠谱。

回顾性研究，先说清边界

① 难以排除未测混杂：体能状态、转移负荷、免疫治疗线数等关键变量在数据库中缺失，倾向性评分无法覆盖；用药者也可能因与医疗系统接触更频繁而被更早发现问题。
② 存在时间偏倚：延迟用药者必须先存活才能用药，常规模型会高估其获益，时间依赖模型校正后该获益消失。
③ 基线存在差异：用药组的身体质量指数与糖化血红蛋白显著更高，虽临床意义可能有限，但统计上存在差异。
④ 部分亚组样本过小：黑色素瘤等瘤种的分析样本少，生存估计不稳定。
⑤ 无法区分机制：研究未设计来判断获益来自合并症控制的改善，还是药物本身的抗肿瘤作用；用药者也可能因为随访更密切而更早发现问题。

参考资料：Dougherty SC, Young S, Picon H, et al. Association of sodium-glucose co-transport protein 2 inhibitor use with clinical outcomes in patients receiving immune checkpoint inhibitors: a pan-tumor propensity-matched analysis. The Oncologist（2026）. https://doi.org/10.1093/oncolo/oyag298

AI算碳水，专业工具比ChatGPT-5更准

150份新加坡食物的对照测试显示，专业工具NutriDish估算碳水的平均误差为5.9克，ChatGPT-5为8.7克；复合餐食的误差接近简单食物的两倍。

如果你靠AI估算碳水来打胰岛素，别只看一个数字

估算可以参考，但要会校验：优先看营养标签，其次用固定的参照物（如标准餐具），别用手边的硬币。误差接近20克时，可能明显影响餐后血糖。

AI帮你算碳水，但它也可能”看走眼”

用手机拍张照，AI就告诉你这碗饭有多少碳水——听起来很方便，对需要按碳水打胰岛素的糖尿病患者更是如此。但”方便”和”够准”是两回事。一项测试给出了冷静的数字：专业工具平均差5.9克，ChatGPT-5差8.7克。

误差十克还是二十克，差别不小

对多数人，碳水算错一点无伤大雅；但对需要精确给药的1型糖尿病患者，估算误差在10克以内通常影响不大，接近20克就可能明显影响餐后血糖。你用的工具，误差在哪个量级？如果是随手用聊天机器人估一下，这个误差可能容易被你忽略，长期累积却会体现在血糖上。

150份食物，一次正面比拼

专业工具，误差更小：研究在2025年7至8月采集新加坡小贩中心、食阁、餐厅、家庭、超市与便利店的150份食物，由营养师称重建立参考值。NutriDish的碳水估算平均误差（MAE）为5.9克，ChatGPT-5为8.7克，差异显著。两者都以营养师称重结果为参照，保证了同一把尺子。

复合餐食，误差接近两倍：简单食物的MAE为4.1克，复合餐食为8.6克——越是混在一起的一餐，AI越难看清。米饭、面条这类主食，反倒是它比较有把握的对象。估算落在参考值正负10克内的比例，NutriDish为80.7%，ChatGPT-5为69.3%。

参照物不同，准头差很多：以营养标签为参照时最准（MAE 2.7克），以硬币为参照时最差（MAE 9.3克，平均百分比误差MAPE达48.1%）。给AI一个可靠的”标尺”，比换个更贵的模型更重要。

别把AI当成营养师：在幼儿喂养建议上，生成式AI的作用仍待检验 [来源：Generative AI Engagement and Perceived Nutrition-Oriented Feeding Practices Among Urban Indonesian Mothers: Mixed Methods Study]；也有研究发现，大语言模型生成的餐单并不符合当地膳食推荐 [来源：Compliance of large language model generated meal plans with polish dietary recommendations: a real-world evaluation under average user conditions—3(LM)Diet study]。

工具准不准，还看你怎么喂：研究还比较了不同参照物对结果的影响：给AI一个明确的”标尺”，准确度会明显不同。这提示日常使用时，先找一个带包装标签的食物作参照，或用固定餐具作为分量基准，往往比反复更换工具更有效。

5.9克、8.6克、2.7克，三个误差

5.9克是NutriDish的总体误差，8.6克是复合餐食的误差，2.7克是引入营养标签参照后的误差——同一套算法，误差能差三倍，关键看场景。把这三档记住，比记住某一个”最准”的宣传更有用。

三条用AI算碳水的建议

1 有标签就先看标签，它是误差最小的参照。

2 用固定参照物，别用硬币这类不统一的”标尺”。

3 复合餐食留足余量，混合菜、汤面这类，误差往往更大，给药时更要留有余地、保守评估。

这是工具测试，不是临床研究

① 研究类型：工具准确性基准测试，不涉及患者血糖结局。
② 人群限定：食物样本来自新加坡，其他饮食环境未必相同。
③ 参照标准：以营养师称重估算为参考值，其本身也存在误差。
④ 未验证临床：能否改善长期血糖控制，仍需进一步研究。

参考资料：Lian X, Lian W, Phua H P, et al. Comparative accuracy of automated carbohydrate estimation using NutriDish and ChatGPT-5 against dietitian-derived reference values. Frontiers in Nutrition（2026）. https://doi.org/10.3389/fnut.2026.1927840

4.8万人试验：未见消化道肿瘤风险升高

一项汇总 48 项随机对照试验、共 48,765 名 2 型糖尿病患者的荟萃分析显示：使用 SGLT2 抑制剂（”列净类”降糖药）与消化道肿瘤风险升高无关——总体消化道肿瘤合并比值比 1.10（95% 可信区间 0.84-1.44，未达显著），食管、胃、肝、胰腺、结直肠等各部位也均未见风险信号。

别因”致癌谣言”自行停药：控糖本身才是预防正道

如果你正在吃达格列净、恩格列净这类列净类降糖药，别被”吃降糖药致癌”的传言吓到擅自停药——停药的血糖失控风险，远比这条未证实的信息危险。把血糖、体重管好（肥胖和糖尿病本身就是多种癌症的风险因素），才是真正该做的事。任何用药调整请和医生商量。

一条”降糖药致癌”的传言，吓坏多少人

“降糖药是不是致癌？”——每隔一阵，这类说法就在糖友群里流传，让不少正在规律服药的人心里打鼓。这次的主角是近年大火的”列净类”降糖药（SGLT2 抑制剂）。一篇刚发表的荟萃分析给了迄今规模较大的回答：48 项随机对照试验、4.8 万人的数据里，没有看到消化道肿瘤风险升高的信号。

你是不是也动过”先停药看看”的念头？

一听到”药可能致癌”，第一反应往往是”宁可不吃”。但医学决策最怕”听风就是雨”：擅自停用降糖药带来的血糖飙升，本身就是明确的健康风险——高血糖与多种癌症风险升高有关联。在没有可靠证据前，停药赌的是更大的一把。

4.8万人、48项试验，怎样找信号

只纳入证据等级最高的试验：研究者系统检索后纳入 48 项随机对照试验（RCT，把患者随机分到用药或对照、证据等级最高的设计），共 48,765 名 2 型糖尿病患者，汇总分析 SGLT2 抑制剂与消化道肿瘤（食管、胃、肝、胰腺、结肠、直肠等）的发生风险。

没有显著关联：合并结果显示：使用列净类药物者的总体消化道肿瘤风险，与对照组相比没有统计学显著差异（比值比 1.10，95% 可信区间 0.84-1.44，p=0.46，异质性低）。数字上看不出”致癌”的规律性信号。

全都没有冒头：把消化道拆开看：食管（OR 1.12）、胃（1.20）、肝（0.62）、胰腺（0.91）、结肠（1.28）、直肠（0.98）——每个部位的置信区间均跨越 1，均未达显著。按药物种类、年龄、用药时长等做的亚组分析，也均为阴性。

证据的边界要讲清：研究者也提醒：约半数试验随访不超过 1 年，肿瘤事件数偏少，肿瘤也并非这些试验的主要观察终点——结论应解读为”目前令人安心”，而非”终身安全的最终裁决”。长期风险仍需专门的长期研究跟踪。

数字不少，信号没有

总体消化道肿瘤 OR 1.10 未达显著；食管到直肠各部位逐一排查（0.62-1.28）均跨越 1——规模够大的随机数据，暂时没给”致癌”传言任何支撑。

三个记住，一个原则

1 4.8 万人规模的随机试验汇总，未见列净类降糖药升高消化道肿瘤风险的信号，传言缺乏证据。

2 擅自停药的风险远大于传闻：失控的血糖和体重，才是更明确的致癌相关因素。

3 该警惕的不是”降糖药”，而是肥胖、高血糖和久坐——把代谢管好，才是预防正道。

眼下安心，不等于终身安全

① 随访偏短：近半数试验随访≤1 年，无法覆盖长期用药的累积风险。
② 事件数少：肿瘤属于罕见事件，现有样本可能不足以捕捉极小的风险差异。
③ 非专门设计：这些试验的主终点不是肿瘤，肿瘤数据多为安全性报告，精确度有限。
④ 不能外推其他人群：结果基于 2 型糖尿病患者，其他人群用药需另行评估。

参考资料：Zhang YF, Xie JJ, Wu Q, et al. Sodium-glucose cotransporter-2 inhibitors and gastrointestinal neoplasm risk in type 2 diabetes: a systematic review and meta-analysis of randomized controlled trials. Clinical and Experimental Medicine (2026). https://doi.org/10.1007/s10238-026-02300-6

瘦不代表免疫，糖尿病偏找”苗条”的人

一项对3000多名非洲2型糖尿患者的横断面分析发现，约三成半的患者体型偏瘦（体质指数BMI<25）。瘦人型的视网膜病变、卒中风险反而更高，只是高血压和远期心血管风险略低。

如果你体型偏瘦，也别把糖尿病排除在外

如果你BMI在正常范围甚至偏瘦，却出现多饮、多尿、体重莫名下降、视物模糊，建议别只当”减肥了”或”累的”，去医院查一下空腹血糖和糖化血红蛋白。瘦人得糖尿病不是罕见事，越早查越好，别等到出并发症。

瘦，不再是糖尿病的”护身符”

提到糖尿病，大多数人第一反应是”胖人才会得”。但一项针对非洲三家医院队列、共3331名2型糖尿患者的分析让人大跌眼镜：约三分之一的患者其实是瘦人，而且其中相当一部分并发症更凶。胖瘦在这里并不是”免死金牌”式的关系。

你躲的，是那条”瘦保平安”的错觉

你是不是也觉得”我这么瘦，糖尿病离我很远”？这种想法恰恰最危险。数据显示，“瘦”不等于”不用查”——很多瘦人型患者正是因为”瘦=安全”的错觉，错过了早筛，等视网膜、血管受损后才被发现。

3331名患者，拆出两种糖尿病

瘦人型占了三成多：在3331名非洲2型糖尿患者中，1158人属于BMI<25的瘦人型，占比约35%。他们的特征不是"吃多了"，而是胰岛素分泌能力下降——β细胞功能明显更弱。

并发症，瘦人反而更多：汇总分析显示，瘦人型的并发症方向与胖人型截然不同：视网膜病变的患病率比约为1.36、卒中约为1.41，都显著更高；视力受损也比胖人型更高。换句话说，”瘦”在这里没有换来更安全。

血压和远期风险，瘦人反而略低：有意思的是，瘦人型的高血压风险更低（患病率比约0.77），10年心血管风险也略低（约0.85）。所以瘦人型糖尿病是一条”分化的病理路径”：血管远端（视网膜、脑）吃亏，血压层面反而占优，治疗不能照搬胖人型方案。

两条岔路，别用一种思路走

视网膜病变1.36倍、卒中1.41倍——这是瘦人型必须警惕的高点；高血压0.77倍、远期心血管0.85倍，又是它的”低点”。瘦人糖尿病，用药和监控不能照搬胖人方案，需要医生按胰岛素分泌缺陷特点来对待。

瘦也不查血糖，风险就在身后

1 BMI正常也要查血糖——尤其出现多饮多尿、莫名消瘦时，别当成减肥成果。

2 瘦人型并发症更靠感受——视网膜、卒中风险高，控制血压和血糖，定期查眼底很有必要。

3 吃上也别掉链子——辅文针对饮食的病例对照分析提示，膳食营养素密度越高，糖尿病风险越低，粗粮蔬果豆类仍是瘦人也要做好的功课。

别把「相关」当成「病因」

① 横断面设计：这是同期数据分析，无法判断因果顺序，只能说明关联。
② 人群外推限制：对象是非洲人群，基因与膳食背景和中国人群不同。
③ 卒中靠自报：部分并发症（如卒中）依赖自我报告，可能有误分类。
④ 医疗可及性未调整：体检频率、服药依从性等差异可能引入残余混杂。
⑤ 眼底数据缺口：视力数据缺失较多，采用统计插补，结果需谨慎。

参考资料：Esmail S, et al. Divergent complication patterns of type 2 diabetes in African individuals who are lean versus overweight or obese: a multi-cohort analysis. Diabetologia (2026). https://doi.org/10.1007/s00125-026-06830-2
Almohya SM, Alqahtani N. Association between the naturally nutrient rich score and type 2 diabetes mellitus risk: a case-control study. Frontiers in Nutrition (2026). https://doi.org/10.3389/fnut.2026.1889494

App+教练90天，糖化血红蛋白降1.46%

一项印度149人的随机对照试验（RCT）发现：2型糖尿病患者在标准治疗之外，使用手机App+真人健康教练的数字生活方式干预90天，糖化血红蛋白（HbA1c）平均下降1.46个百分点；而只接受标准治疗的对照组反而上升了0.07个百分点。依从性高的患者获益更大，HbA1c平均下降1.7个百分点。

如果你是2型糖尿病患者，数字干预值得作为辅助

如果你正在管理2型糖尿病，且随访不便、坚持不了线下课程，可考虑把经过验证的数字生活方式干预纳入辅助手段：App记录饮食运动+真人教练督促。注意它不能替代药物，血糖目标请遵医嘱。

血糖管理最远的距离，是”知道”和”做到”

“少吃多动”四个字，每个糖友都听过，但90天坚持下来的人有多少？一项印度多中心RCT给出了数字化的解法：手机App+真人教练，90天让糖化血红蛋白降1.46个百分点，对照组同期还微升了0.07——差距真实存在，而且不小。

你觉得生活方式干预只是辅助吗

你平时是不是觉得，糖尿病就是吃药打针的事，生活方式干预顶多算”锦上添花”？但这项研究告诉你：在真实世界诊所里，76.6%的患者靠药物都没能把血糖管到目标（研究引言引用的印度数据）。药物之外的那块拼图，可能正是生活方式。

149人、90天、四诊所的数字实验

干预组App+教练，对照组照常吃药：研究在印度4家糖尿病专科中心开展，180名符合条件的患者随机分组，最终149人纳入分析：干预组87人接受数字生活方式干预（饮食、运动、心理健康三模块+真人教练+远程监测），叠加标准治疗；对照组62人仅接受标准治疗，为期90天。

结果：降幅大到”像吃了药”：90天后，干预组糖化血红蛋白（HbA1c）平均下降1.46个百分点，对照组反而上升0.07个百分点（P<0.001）；空腹血糖（FBS）干预组下降18.83 mg/dL，对照组升高10.84 mg/dL；腰围干预组缩了1.86厘米，对照组基本没变。糖尿病相关心理痛苦也从"中度"降到"低度"。

依从性决定一切：坚持的人降1.7：按依从性分层：高依从组（复合依从评分≥35%，62人）HbA1c平均下降1.7个百分点，低依从组（25人）只降0.8个百分点。空腹血糖差异更大：高依从组降25.2 mg/dL，低依从组仅3.1 mg/dL——App再好，也得”用起来”才有用。

1.46对-0.07，高依从1.7

干预组降1.46个百分点 vs 对照组升0.07；空腹血糖降18.83 vs 升10.84；高依从组降1.7 vs 低依从组0.8：三个对比，指向同一个结论——数字干预有效，坚持更有效。

控糖这件事，科技终于伸出了手

1 数字生活方式干预90天让HbA1c降1.46个百分点，降幅接近部分单药效果，这是RCT给出的真实数据。

2 依从性决定疗效，高依从组降幅几乎翻倍，App只是工具，”用起来”才是关键。

3 它是辅助不是替代：本研究所有患者都在标准药物治疗之上叠加干预：药不能停，App可以试试。

别把”90天”当成”长期胜利”

① 时长有限：90天是中短期观察，长期血糖获益与依从性保持未验证。
② 人群单一：研究在印度开展，饮食文化、医疗环境与中国有差异，外推需谨慎。
③ 利益相关：研究团队来自开发该数字干预产品的公司（Ragus Healthcare），潜在利益冲突需知悉。
④ 对照组差异：对照组没有”假App”安慰，数字工具带来的额外关注本身可能放大效果。

参考资料：Mehra C, et al. Clinical outcomes of a digitally delivered structured lifestyle program in type 2 diabetes: a randomized controlled trial from India. Frontiers in Endocrinology (2026) 17:1920317. https://doi.org/10.3389/fendo.2026.1920317

清肠”没过关”，减肥针是隐藏原因

一项日本近千名糖尿病患者的单中心分析发现：使用GLP-1类减重/降糖药（如司美格鲁肽）的人，做肠镜时肠道准备（清肠）不合格的比例明显更高。清肠没做干净，肠镜最关键的部位可能等于白看。

用着减肥针，做肠镜前先告知用药

如果你正在用司美格鲁肽这类GLP-1药物、近期要安排肠镜，请主动把用药史告诉消化科医生。医生可能为你调整清肠方案、或评估是否暂停用药——别按通用清肠量硬扛，否则检查质量会打折扣。

清肠”没过关”，肠镜可能白做

一提做肠镜，最让人烦的就是喝泻药清肠。但很多人不知道，清肠”干不干净”，有时和你平时打的针有关。一项针对糖尿病患者的分析发现：用GLP-1减重/降糖针的人，清肠不合格率近乎翻倍——辛辛苦苦排队，结果关键肠段没看清。

你是不是也在打这根针？

如果你正在为减重或糖尿病注射司美格鲁肽、利拉鲁肽这类药，这根”明星针”在帮你控糖减重的同时，也可能悄悄影响肠道蠕动和残留，让清肠液排不干净。药用得越多，清肠越容易打折扣——这是很多肠镜报告里没写的那一行。

90对配对，差距藏不住

研究者对日本一家医院近三年做肠镜的997名糖尿病患者做了倾向评分匹配，最后比对了90对”背景相当”的人，只看清肠合不合格。

配对后，差距仍在：在匹配后，用GLP-1药物的人清肠不合格率约32.2%，没用的约16.7%——前者是后者的近两倍（RR 1.93）。这提示问题更多出在药物本身，而不是”这批人本来就体弱”。

周制剂比日制剂更麻烦：再按剂型拆：每周注射一次的”周制剂”，不合格率约44.2%；每天摄入的”日制剂”约22.9%。一周一针反而比天天用药更容易清肠失败，医生评估时需区别看待。

哪些人一向容易失败：辅文一篇汇总31项研究的系统综述给了共性答案：便秘、糖尿病、高龄、高BMI、有结直肠手术史的人，本就是清肠失败的高发人群。在这些人身上，减肥针的叠加影响更不容忽视。

16.7%→32.2%，再翻到44.2%

未用药 16.7% → 用了GLP-1药 32.2%（几乎两倍）→ 用周制剂 44.2%（又翻一截）。清肠失败这笔账，很难不记在减肥针头上——而清肠失败，意味着可能漏掉最不该漏的病灶。别小看这一次”没看清”：漏掉的息肉或炎症，往往意味着重排一次肠镜重新遭罪，也错过了最容易处理的时机。

三个动作，让肠镜不白做

1 预约时就报备药物——把司美格鲁肽这类GLP-1药明确告诉医生。

2 接受个体化清肠方案——医生可能分次服药、调整时间或剂量，请照做别怕麻烦。

3 别自行停降糖针——是否暂停用药由医生权衡血糖风险，你只负责如实交代用药史。

单中心数据，别下死结论

① 单中心回顾性：来自日本一家医院，人群与国内门诊有差异。
② 稳健性有限：倾向匹配后显著，但额外多因素调整未达统计学显著。
③ 周制剂结论偏谨慎：作者自己也提示，该亚组差异解读需保守。
④ 未匹配季节与检查时间：不同季节、时段清肠质量可能受影响。

参考资料：
Ogawa O. Use of glucagon-like peptide-1 receptor agonists is associated with inadequate bowel preparation for colonoscopy in patients with diabetes. Journal of Diabetes Investigation (2026). https://doi.org/10.1111/jdi.70426
Yan H-l, et al. Risk prediction models for inadequate bowel preparation before colonoscopy: a systematic review and meta-analysis. PLoS One (2026). https://doi.org/10.1371/journal.pone.0356009

蛋白吃够的糖尿病人，心血管死亡低51%

美国全国3,973名糖尿病成人随访多年的数据显示：蛋白质供能占总能量比例越高的人，心血管死亡风险越低——最高组比最低组低了51%（HR风险比 0.49，95%CI置信区间 0.27-0.91）。而让人意外的是，膳食胆固醇和鸡蛋摄入，跟死亡风险并不显著相关。

糖尿病人每天1个蛋没问题，蛋白质要适量而非越多越好

如果你有糖尿病，不用再为那口蛋黄纠结：每天1个鸡蛋是安全的。饮食真正要上心的是蛋白质够不够、来源好不好，但别矫枉过正——蛋白质也非越多越好，全因死亡呈U型。

糖尿病人吃个蛋，纠结了几十年

“糖尿病不能吃蛋黄””胆固醇太高会堵血管”——这些话很多糖尿病人听了十几年，一家人吃饭时筷子都不敢碰蛋壳。可你发现没有：明明一样控糖、一样少油，有人十年后好好的，有人却走了心血管这条道。差别或许不在那颗你小心翼翼避开的蛋，而在你从没算过的一笔账上。

3973人随访，把锅从蛋上挪开

这次研究者把美国全国糖尿病成人的饮食数据翻了个底朝天：3,973名2型糖尿病患者，来自1999-2018年的美国全国健康与营养调查，一路随访到2019年。他们要回答的不是”蛋能不能吃”，而是同样的糖尿病患者，到底什么跟活得久有关。结果把很多人的”常识”打了个措手不及。

真正相关的，是蛋白质不是蛋黄

蛋白密度最高组，心血管死亡低51%：研究者把每人每天”蛋白质供能占总能量比例”（蛋白密度）按高低分成三组。蛋白密度最高的一组，心血管死亡风险比最低组低51%（HR 0.49）。也就是说，在糖尿病这件事上，蛋白质吃得够不够，比蛋黄里那点胆固醇更值得你操心。

墨西哥裔获益最明显，风险低64%：再往下拆，获益最大的是墨西哥裔美国人群，蛋白密度最高组的风险低64%（HR 0.36）。不同种族、不同遗传背景的人，对同样饮食的反应可能天差地别。这提醒我们：控糖饮食没有放之四海而皆准的模板，个体化才是关键。

鸡蛋和胆固醇，反而”隐身”了：最颠覆认知的是——膳食胆固醇和鸡蛋摄入，跟全因死亡、心血管死亡都不显著相关。也就是说，你每天那1个鸡蛋，并不是心血管风险的”元凶”。真正该盯住的是整体饮食结构，而不是单一食物。

全因死亡呈U型，别只盯着心血管：但注意，蛋白密度与全因死亡的关系是U型：不是越高越好，过高反而风险回升。这说明”越多越好”是个陷阱——蛋白质该适量，而非拼命堆。这恰好印证了那句老话：什么都不能太过。

为什么有人越控糖血脂越高

同样是少吃主食，有人血脂平稳，有人一看化验单LDL（低密度脂蛋白胆固醇）就飙到新高——一篇针对431名低碳水饮食人群的分析发现：遗传上对高胆固醇更敏感的人，只要在低碳水饮食里大量吃饱和脂肪，LDL就可能明显上升。基因决定了你看似一样的努力，结果却完全不同。

适量两字，才是答案

1 每天1个蛋对糖尿病人是安全的，别再因蛋黄给自己加戏。

2 蛋白密度跟心血管死亡显著相关，吃够才是重点——把优质蛋白（蛋、奶、豆、瘦肉）合理分配。

3 蛋白质要适量而非越多越好，全因死亡呈U型：按体重算、按肾脏情况调整，才是稳妥的成年人做法。

别把”相关”当成”因果”

① 观察性研究局限：这是前瞻队列研究，只能说明相关，不能证明因果。
② 人群外推限制：样本为美国全国人群，遗传与饮食结构与中国患者不同。
③ 饮食回忆偏倚：蛋白密度来自膳食回忆，可能存在记录误差。
④ 未定最佳剂量：多少蛋白才算”最适量”，仍需随机对照试验验证。

参考资料：Wang W, et al. Dietary protein density, cholesterol, egg consumption and mortality in US adults with type 2 diabetes: A prospective cohort study. Medicine (Baltimore). 2026;105(35):e50479. https://doi.org/10.1097/MD.0000000000050479；American Society for Nutrition. Your genes may decide whether a low-carb diet sends cholesterol soaring. ScienceDaily (2026-08-25). 来源: https://www.sciencedaily.com/releases/2026/08/260823015009.htm

早餐配比对了，餐后血糖能降近2个点

一项纳入25项随机对照试验（RCT）的网络荟萃分析发现：调整早餐的宏量营养素配比，能让2型糖尿病患者的餐后2小时血糖平均下降1.90 mmol/L，糖化血红蛋白（HbA1c）下降0.52%。其中，豆类早餐效果最好。

糖尿病人和孕妇的早餐，别只喝白粥配馒头

如果你血糖偏高，或正处在孕期，早餐别只吃白粥馒头这类精制碳水。试着把主食换成杂豆、豆浆、豆腐等豆类，再加一份优质蛋白，餐后血糖会更平稳。孕妇尤其要把早餐吃对。

一碗白粥，骗了多少人的血糖

早上起床，一碗热乎乎的白粥，配个馒头咸菜——这是无数中国家庭的标配。可你有没有想过，正是这碗看似清淡的早餐，让你的血糖在上午悄悄坐了一趟过山车？对糖尿病人和孕妇来说，早餐那一口的选择，可能比中午吃什么都更关键。

25项试验，专挑早餐做文章

这次研究者不是拍脑袋给建议，而是把全球25项随机对照试验（RCT）放在一起做了网络荟萃分析。他们比的不是”吃什么”，而是”早餐怎么配”——蛋白质、碳水、脂肪的比例怎么搭，餐后血糖才最稳。这是一次对”早餐公式”的正经测算。

数字背后，藏着一套早餐公式

餐后2小时血糖降1.90 mmol/L：把早餐宏量配比调整到更优后，餐后2小时血糖平均下降1.90 mmol/L（95%置信区间 -2.46到 -1.34）。别小看这近2个点，对餐后血糖飙升的人来说，这一下就能从”危险区”拉回”可接受区”。

糖化血红蛋白也降了0.52%：长期指标同样受益：糖化血红蛋白（HbA1c）平均下降0.52%。HbA1c是反映近两三个月血糖水平的”综合评价表”，它降一点，意味着全天血糖都在悄悄变稳，不只是早餐那一顿的事。

豆类早餐最有效，低GI次之：哪种配比最强？豆类早餐以85.7%的累积排序概率（SUCRA）排第一，低GI（升糖指数）食物第二（71.4%）。也就是说，在早餐里加豆子，比单纯换”低升糖”主食还要管用——杂豆、豆浆、豆腐都算；至于乳清蛋白，则在降HbA1c上表现突出。

孕妇更要把早餐吃对：孕期是血糖最容易”失控”的阶段。一项针对中国深圳1220名孕妇的预印本研究提示：饮食越失衡的孕妇，妊娠期糖尿病（GDM）风险越高，最高四分位的风险比（OR）达1.75。虽然预印本未经正式同行评审，但也提醒我们：对孕妇来说，早餐这顿饭，真的是血糖的”第一道闸门”。

一顿早餐，撑起整天的血糖曲线

餐后2小时血糖降1.90 → 糖化血红蛋白降0.52% → 豆类早餐SUCRA85.7%打个样，这三个数字连起来，传递的信息很清晰：改变不是让你戒碳水，而是把”怎么配”想明白。

早餐公式，记住这三句

1 早餐别只吃精制碳水——白粥馒头配咸菜，是血糖攀升的”快速通道”。

2 加点豆类最划算——豆浆、豆腐、杂豆粥，既能稳住血糖又能扛饿。

3 孕妇是重点人群：早餐吃对了，可能就是在给自己的孕期血糖上保险。

别把”相关”当成”因果”

① 荟萃分析性质：网络荟萃分析是基于已有试验的二次合并，证据强度受原始试验质量影响。
② 试验异质性：纳入试验的配比、随访时长、人群不完全一致，结果需谨慎解读。
③ 预印本局限：引用的一项为预印本，未经正式同行评审，仅供参考。
④ 未统一疗程：最佳早餐配比与长期血糖获益，仍需更大样本前瞻验证。

参考资料：Fang JX, et al. Effects of breakfast macronutrient composition on postprandial glycemic control in patients with diabetes mellitus: a systematic review and meta-analysis of randomized controlled trials. Frontiers in Endocrinology. 2026;17. https://doi.org/10.3389/fendo.2026.1859725；来源: Research Square 预印本（深圳孕妇膳食失衡与妊娠期糖尿病关联，2026）. https://doi.org/10.21203/rs.3.rs-10651962/v1