点击蓝字 关注我们
中国医科大学附属盛京医院 唐蕾 翻译，李玲审校
Source：Tanayott Thaweethai, et al. Diabetes Care. 2023 Dec 1;46(12):2137-2146.
doi: 10.2337/dc22-2226.
目的：评估血糖正常孕妇与妊娠期糖尿病（gestational diabetes mellitus，GDM）患者的胰岛素生理变化。
研究设计和方法：受试者在孕15周内（孕早期）、孕24~32周（孕中后期）和产后6~24周完善口服葡萄糖耐量试验。我们应用线性混合模型评估胰岛素分泌反应（Stumvoll第一时相估算值取对数）和胰岛素敏感性（Matsuda指数取对数）的纵向变化。随后，我们分别评估了在孕早期（早发型GDM）和孕中晚期（经典型GDM）达到GDM标准的受试者和未发生GDM的受试者。我们得出妊娠胰岛素生理（pregnancy insulin physiology，PIP）指数，以量化β细胞对胰岛素抵抗的代偿作用。
结果：在166名受试者中，21人出现早发型GDM，24人出现经典型GDM。孕早期（β=−0.20，P<0.001）和孕中晚期（β=−0.47，P<0.001）的胰岛素敏感性相对于产后略有降低，而孕早期（β=0.16，P<0.001）和孕中晚期（β=0.16，P=0.001）的胰岛素分泌反应（校正胰岛素敏感性）相对于产后增强。与产后相比，孕早期PIP指数增加（β=215，P=0.04），但孕中晚期PIP指数没有增加（β=55，P=0.64）。与产后相比，孕早期胰岛素敏感性显著降低（β=−0.59，P<0.001）是早发型GDM的显著特征。早发型和经典型GDM都缺乏孕早期胰岛素分泌反应（校正胰岛素敏感性）和PIP指数增加的证据（与产后相比，P>0.1）。孕早期PIP指数预测GDM独立于受试者一般特征[无PIP指数的曲线下面积为0.70（95% CI 0.61~0.79），有PIP指数的曲线下面积为0.87（95% CI 0.80~0.93）]。
结论：β细胞功能在孕早期增强，孕早期β细胞功能不足可预测GDM的发生。
妊娠期糖尿病（gestational diabetes mellitus，GDM）是孕期首次发现的血糖升高，通常在孕24~28周被诊断。此孕周可以观察到胰岛素生理上的显著变化，包括胰岛素抵抗显著增加和伴随的胰岛素分泌反应增加[1,2]。更好地了解GDM的胰岛素生理机制可能有助于预防和治疗GDM的新方法，也可能提供与其他形式糖尿病相关的见解。
GDM被认为是一种慢性母体疾病的表现形式，其中孕前就存在亚临床胰岛β细胞功能障碍，并在孕晚期出现胰岛素抵抗和糖耐量异常普遍筛查过程中才被发现[1,3]。然而，一些证据表明，该疾病也存在妊娠相关组分（即也与妊娠相关）。这些证据包括观察到GDM更多见于双胎妊娠，且再次妊娠复发率高，但并非都复发[4,5]。我们以20多年前进行的纵向研究数据（该研究招募了孕前受试者）为基础，在此之前已经证明了孕早期静脉葡萄糖刺激下的胰岛素分泌反应增强是先于孕期胰岛素抵抗出现的[6]。因此，β细胞对妊娠激素环境的反应缺陷可能导致GDM，但据我们所知，这一观点尚未在当代人群中得到严格检验。
我们在一项纵向研究中纳入具有糖尿病危险因素的孕妇，以检验孕早期独立于胰岛素抵抗的对口服葡萄糖引起的胰岛素分泌反应增强在GDM中不足的假设。由于一些受试者在孕早期已经出现高血糖，而另一些则在孕晚期才出现高血糖，因此，我们分别研究了这些表型的胰岛素生理水平的纵向变化。先前对胰岛素生理机制的研究是基于胰岛素抵抗和分泌反应之间的矩形双曲线关系[7-9]；也就是说，对于具有相同β细胞功能的个体，胰岛素敏感性和胰岛素分泌反应测量的乘积[称为“处置指数”（dispositionindex，DI）] 是恒定的。为了严格检测妊娠β细胞功能，我们评估了矩形双曲线假设，并引入了一种在更广泛的双曲线关系下被正确指定的稳健建模方法。应用此方法，我们提出妊娠胰岛素生理（pregnancy insulin physiology，PIP）指数作为DI概念的有效推广，并检测其预测GDM的能力。
妊娠胰岛素和葡萄糖调节研究（The Study of Pregnancy Regulation of Insulin and Glucose，SPRING）是一项纵向队列研究，于2016年至2021年期间招募妊娠妇女。纳入标准为受试者≤孕15周且存在一个或多个GDM危险因素（ 既往GDM病史、糖尿病家族史或GDM，或BMI≥25kg/m2加上美国糖尿病协会描述的一个额外的危险因素）[10]。排除标准为已知的孕前糖尿病、应用影响血糖水平的药物以及既往接受过外科手术。
受试者分别于孕15周前（孕早期）、孕24~32周（孕中晚期）和产后6~24周进行访视。受试者完成调查问卷，包括年龄、个人史、家族史、种族和民族、职业、学历和婚姻状况。受试者在第一次访视时测量身高，同时每次访视时均测量体重。每次访视时，受试者均完善75 g口服葡萄糖耐量试验（oral glucose tolerance test，OGTT），并在空腹及葡萄糖负荷后30分钟、60分钟和120分钟采血。将血糖结果报告给产科医生。所有血糖值达到国际糖尿病与妊娠研究组（International Association of the Diabetes and Pregnancy Study Groups，IADPSG）[11]标准的受试者均被诊断为GDM，且不论孕周如何均转诊接受治疗；那些在孕早期访视时即达到标准的人在孕中晚期不再行OGTT。2018年7月后，在第一次访视时空腹血糖（92和99 mg/dL）轻度升高但未被诊断为GDM的受试者，可于孕中晚期行OGTT。
用于检测血糖的样本存于氟化钠管中，并迅速送到医院的化学实验室进行分析，这与研究现场临床使用的程序一致。应用Cobas 8000分析仪（罗氏诊断；测定内变异系数<1%）检测血糖。在两个实验室检测（两种测定方法的内变异系数均<5%）血清胰岛素水平。在实验室1的罗氏自动化平台上应用电化学发光免疫分析法检测新鲜血清样本。2018年7月后， 在实验室2应用贝克曼库尔特通道超灵敏胰岛素测定法检测冰冻血清样本。两种方法检测的样品结果高度相关（r2=0.97），但需要进行线性变换（详见附件方法）。
胰岛素分泌反应及敏感性指标
我们应用Stumvoll第一时相估算法测量胰岛素分泌反应[12]：Stumvoll=1283+10.974×胰岛素30–7.698×血糖30+22.632×胰岛素0
其中，下标对应于检测的分钟数（0表示空腹）。孕期静脉葡萄糖耐量试验测定的第一时相胰岛素分泌反应与Stumvoll有良好的相关性[13]。
我们用Matsuda指数测定胰岛素敏感性（与胰岛素抵抗相反）[14]：Matsuda=10 000/[血糖0×胰岛素0×（血糖0+2×血糖60+血糖120）/4×（胰岛素0+2×胰岛素60+ 胰岛素120）/4]0.5
Matsuda已被证实对孕期胰岛素敏感性的稳态血糖钳夹测量有效[15]。
在上述公式中，血糖单位为mg/dL，胰岛素单位为μIU/mL。
纵向分析
每次访视时，我们均计算观察到的血糖和胰岛素测量值的群体均值和标准差以及Stumvoll和Matsuda指数。在未经校正的分析中，我们应用配对t检验来比较受试者在每次孕期访视时这些测量值与产后测量值之间的差异。
在统计分析中，我们根据IADPSG标准来定义两个妊娠时点的GDM[11]。受试者根据是否达到及何时达到GDM标准[11]被分为以下亚组：孕早期访视时诊断为GDM（“早发型GDM”），孕中晚期访视时诊断为GDM但不包括早发型GDM（“经典型GDM”），或两次访视均未被诊断为GDM（“非GDM”）。进行孕中晚期血糖和胰岛素生理分析时除外早发型GDM受试者。分层分析时排除了在孕早期未被诊断为GDM且错过孕中晚期访视的受试者。我们应用两样本t检验比较每次访视时这些亚组之间未校正的血糖、胰岛素、Stumvoll和Matsuda值。
为了评估胰岛素分泌反应和胰岛素敏感性在两次访视时是否存在差异，我们将混杂因素校正后的线性混合效应模型与访视时分类变量（产后参考）进行拟合，并根据受试者特征进行校正，包括年龄、糖尿病家族史、西班牙裔、婚姻状况、学位和每次访视时的BMI（补充材料方法）。我们分别为Stumvoll和Matsuda建模，且都进行了对数转换以解释偏度。为了评估两次访视之间胰岛素分泌反应的差异是否独立于胰岛素敏感性的变化，我们将Stumvoll对数作为结局建模，并根据时间变化的Matsuda对数进行校正。根据GDM状况分层后重复分析；由于本研究方案排除样本量有限，我们从早发型GDM组的模型中排除了孕中晚期访视的受试者。
组间比较
为了比较各亚组间每次访视的测量结果，我们将分组成员作为分类变量，并以非GDM组为参考，为每次就诊拟合了单独的混杂因素校正的线性回归模型。我们还通过拟合线性回归模型来探讨GDM各亚组之间观察到的孕早期和产后胰岛素敏感性的变化是否存在差异，该模型的结果为孕早期Matsuda对数值减去产后值，并校正各亚组成员和与纵向模型相同的受试者特征（包括孕早期BMI）。
数据缺失
使用多重插补说明参与访视时缺失的数据（详见附件方法）。应用估算值计算Stumvoll和Matsuda指数。
DI和PIP指数
我们研究了一种DI样指标（定义为Stumvoll和Matsuda的乘积）作为同时模拟胰岛素分泌和敏感性的方法。我们首先通过绘制对数转换值相互之间的关系图来评估Matsuda和Stumvoll之间是否存在矩形双曲线关系，并评估斜率的95% 置信区间是否包括−1[16]。该分析仅限于孕早期访视的非GDM组。为了解释Matsuda和Stumvoll中的测量误差，我们使用了Deming回归，假设Matsuda的误差方差为15.8%，Stumvoll的误差方差为18.1%[17,18]。
在补充材料方法中，我们阐明了如果Matsuda和Stumvoll之间的关系不是矩形双曲线，则以DI为结局的模型被错误指定。我们使用Stumvoll对数作为结局并针对Matsuda对数进行校正而拟合的纵向模型在广泛的双曲线关系中则得到了正确指定。作为DI或DI样指标的替代方法，我们建议将PIP指数作为表征β细胞功能的指标，该指标可以更好地解释胰岛素抵抗和胰岛素分泌反应之间的双曲线关系。我们推导PIP指数的过程详见补充材料方法。结果部分描述了推导出的公式。
我们将PIP指数建模为混杂因素校正后的线性混合效应模型的结果；此外，我们还计算并比较了每位受试者每次孕期访视和产后访视的PIP指数的百分比变化；以及与产后相比，PIP指数在每次访视时降低10%以上、升高10%以上或差异小于10%的受试者比例；我们应用卡方检验比较早发型和经典型GDM亚组与非GDM亚组中这些类别的分布。百分比变化的计算仅限于那些可以使用观察数据直接计算PIP指数的受试者。
我们还为GDM（早发型或经典型）的结局拟合了一系列逻辑回归模型，其中包括以下几组预测因子：1）仅受试者特征（年龄、糖尿病家族史、种族和民族、婚姻状况、学历和BMI），2）仅PIP指数，和3）受试者特征+PIP指数。我们还探讨了包括孕早期和产后PIP指数的模型。孕早期访视时的空腹血糖也被当作比较的预测指标。估计每个模型的受试者工作特征曲线下面积（area under the receiver operating characteristic curve，AUC） 和95% 置信区间。我们在排除早发型GDM受试者后重复了这一分析。
敏感性分析
我们进行了一系列敏感性分析。首先，我们将分析限制在参加所有访视的受试者，拟合了另外两个版本的混杂因素校正后模型，一个没有校正BMI，另一个在产后访视时校正纯母乳喂养。
统计软件
应用R语言4.1.1版本进行统计分析[19]。应用nlme软件包中的lme功能拟合线性混合效应模型[20]。应用MICE软件包进行多重插补[21]。应用lmtest软件包进行巢式线性混合效应模型的似然比检验[22]。应用mcr软件包进行Deming回归分析[23]。应用gganimate软件包生成相应动画[24]。
本研究共纳入166名受试者，其中127人完成了孕中晚期随访，114人完成了产后随访（补充材料图1）。
表1列出了受试者特征，均为异性恋女性。21名（12.6%）受试者在孕早期达到GDM诊断标准。早发型GDM受试者的年龄较从未达到GDM标准的受试者更大，但他们的平均BMI与从未发生过GDM的人相似。相较于未发生GDM者，早发型GDM受试者既往有GDM病史的比例更大。
表1—受试者的总体特征和按GDM亚组分层的一般特征
连续变量以均值（标准差）的形式呈现，二元和分类变量以计数（百分比）的形式呈现。对于二元变量（初产妇、糖尿病家族史等），呈现的计数为具有相应特征的受试者数量。对GDM病史的计数和百分比仅限于经产妇受试者。百分比是相对于未缺失给定特征的受试者的人数计算得出的。使用ANOVA计算P值，对于连续变量使用不假定等方差检验，对于二元和分类变量使用卡方检验。母乳喂养情况仅在产后访视时获得。非GDM组受试者是指分别于孕早期和孕中晚期参加访视且两次访视均未达到GDM诊断标准的受试者，不包括22名在孕早期访视时未达到GDM诊断标准且错过孕中晚期访视的受试者。
在孕早期未达到GDM诊断标准的受试者中，共123名受试者参与了孕中晚期随访，其中24名（19.5%）受试者新近达到了GDM诊断标准。这些经典型GDM受试者的年龄较从未发生过GDM的受试者略大一些，但其平均BMI更低且大多数不是初产妇；相较于未发生GDM者，经典型GDM受试者既往有GDM病史的比例更大。
表2为每次访视时未经校正的空腹和餐后血糖和胰岛素水平。既往大多数队列研究中均报道了血糖和糖化血红蛋白（hemoglobin A1c，HbA1c）[25,26]。没有受试者达到孕早期HbA1c的显性糖尿病标准。早发型GDM组中也没有受试者达到OGTT产后糖尿病诊断标准。
表2—每次访视和测量时间点观察到的葡萄糖、胰岛素、Stumvoll和Matsuda水平（如适用）
结果以均值（标准差）的形式呈现。仅包括观察值（即预估算）。根据研究方案排除受试者访视期间获得的值被省略。P（PP）指通过配对t检验得出的P值，该检验比较了同一组受试者中在给定访视时与产后访视时的给定测量值（例如空腹血糖）。P（NG）指通过两样本t检验中得出的P值，该检验比较了给定亚组与非GDM亚组在给定访视时的特定测量值。由于研究方案中很少有受试者于孕中晚期访视，因此没有P值对应于早发型GDM的行和列。在进行t检验并获得P值之前，对胰岛素值进行对数转换。转换前的胰岛素值以均值和标准差表示。
未校正的胰岛素分泌反应（Stumvoll第一时相估计值）和胰岛素敏感性（Matsuda指数）如表2所示。孕早期和孕中晚期的胰岛素分泌反应均高于产后水平。孕早期的胰岛素敏感性与产后水平相近，但孕中晚期的胰岛素敏感性低于产后水平。
校正受试者特征和多重插补后的纵向模型结果详见图1和补充材料表1。校正胰岛素敏感性前的完整队列分析中，与产后水平相比，孕早期（β=0.21，P<0.001）和孕中晚期（β=0.27，P<0.001）的胰岛素分泌反应（对数转换Stumvoll第一时相估计值）均有所增加。与产后水平相比，胰岛素敏感性（对数转换Matsuda指数）在孕早期略有降低（β=−0.20，P<0.001），在孕中晚期显著降低（β=−0.47，P<0.001）。胰岛素敏感性的变化与BMI无关（补充材料表7）。校正胰岛素敏感性后，孕早期（β=0.16，P<0.001）和孕中晚期（β=0.16，P=0.001）的胰岛素分泌反应均显著高于产后；且孕早期和孕中晚期的胰岛素分泌反应相比产后增加的平均幅度相近。
图1—估计的各研究访视期间的胰岛素分泌反应、胰岛素敏感性和孕期胰岛素生理（PIP）指数的平均值。每个条形图代表从校正了协变量的线性混合效应模型中获得的各研究访视期间的平均值（E，孕早期；ML，孕中晚期；PP，产后）。胰岛素分泌反应以Stumvoll 对数表示（A）；胰岛素敏感性以Matsuda 对数表示（B）；胰岛素分泌反应还根据胰岛素敏感性进行校正，以Stumvoll 对数为模型并根据Matsuda 对数进行额外校正（C）；PIP 指数（D）。每次访视时的估计平均值对应于具有受试者人群的平均年龄、孕早期访视时所有受试者的平均BMI、无糖尿病家族史、非西班牙裔、已婚且完成大学学业的受试者。在C中，参考个体还具有建模访视时观察到的Matsuda对数的平均值。结果按所有受试者和不同亚组（非GDM、早发型GDM和经典型GDM）呈现。在每个亚组内分别拟合了每个结局的模型。因此，同一次访视时不同亚组的估计平均值不能直接比较。星号表示比较给定访视时与产后访视时的指标测量值的统计检验对应的P值小于0.05。
校正测量误差后， 对数转换后的Stumvoll与对数转换后的Matsuda的线性回归估计斜率为−0.40（95% CI −0.49~−0.30）。因为这个区间排除了−1，所以两者关系不符合矩形双曲线的标准，表明两者乘积（DI指标）不是两者关系的有效指标。此回归分析中，我们将PIP指数定义为Stumvoll×[MatsudaDΔ]，且本数据集中设置Δ=0.4。每次访视时观察到受试者的Stumvoll和Matsuda值见于图2，且图2上叠加了一系列PIP指数曲线。在全队列分析中，孕早期的PIP 指数高于产后（β=215，P=0.04），但孕中晚期和产后之间没有统计学差异（β=55，P=0.62；图1D）。图2的动画版本详见补充材料视频中，能够可视化显示Stumvoll、Matsuda和PIP指数的个人水平变化。
与产后相比，孕早期46%受试者的PIP指数高出10%以上，30%受试者的PIP指数低于10%以上，24%受试者的PIP指数两者相近（图2和补充材料表2）；孕中晚期45%受试者的PIP指数相比产后高出10%以上，38%受试者的PIP指数相比产后低于10%以上。
图2—每次访视时的个体Stumvoll和Matsuda指数以及PIP指数曲线。A-C：每次访视时观察到的个体水平的Matsuda和Stumvoll指数[孕早期（A）、孕中晚期（B）和产后（C）]。根据最终归入的GDM亚组，将个体数据点按颜色和形状进行分类。在上述点上绘制PIP指数曲线（虚线），沿同一曲线的点具有相同的PIP指数值。靠近原点的PIP指数曲线对应较低的值（浅蓝色），远离原点的PIP指数曲线对应较高的值（深蓝色）。这些图的动画版本显示了个体水平的变化，可参考补充材料视频1。
非GDM的受试者（N=99）整个孕期的胰岛素生理变化与整个队列中观察到的变化相似（图1和补充材料表1）。
在未校正胰岛素敏感性的情况下，早发型GDM受试者的孕早期胰岛素分泌反应高于产后（β=0.43，P=0.002；图1A）；然而，其胰岛素敏感性在孕早期显著降低（β=−0.59，P<0.001）（图1B和补充材料表1）；且相较于非GDM组，早发型GDM受试者的胰岛素敏感性下降程度更高（P=0.002）。排除孕14~15周入组研究的受试者后，早发型GDM组的胰岛素敏感性在孕早期和产后仍然存在显著差异{孕早期Matsuda 的均数[标准差（standard deviation，SD）]为4.81（3.66）；产后Matsuda为8.50（4.54）；P=0.005}。校正胰岛素敏感性后，早发型GDM受试者的孕早期胰岛素分泌反应不再显著高于产后（β=0.25，P=0.14；图1C）；且孕早期的PIP指数也没有显著高于产后（β=131，P=0.55；图1D）。
校正胰岛素敏感性后，与近期未发生GDM者相比，患有早发型GDM的产后受试者的胰岛素分泌反应较低（β=−0.42，P=0.006；补充材料表1），PIP指数也较低（β=−716，P=0.009）。近期患有早发型GDM者的产后胰岛素敏感性并没有明显低于近期未发生GDM 者（β=−0.23，P=0.12；补充材料表1）。
在未校正胰岛素敏感性的情况下，经典型GDM受试者的孕早期胰岛素分泌反应与产后无显著差异（β=0.14，P=0.18；图1A和补充材料表1）；相反，其孕中晚期的胰岛素分泌反应大于产后（β=0.24，P=0.03）。经典型GDM受试者的胰岛素敏感性变化遵循与整个队列相似的模式（图1B）。校正胰岛素敏感性后，我们在非GDM组中看到的妊娠相关的产后胰岛素分泌反应增加在经典型GDM受试者中完全不存在（孕早期：β=0.04，P=0.70；孕中晚期：β=−0.02，P=0.85）（图1C）。与此同时，经典型GDM受试者中孕早期（β=−11，P=0.97）或孕中晚期（β=−158，P=0.55）的PIP指数与产后相比也没有明显升高（图1D）。与产后相比，孕早期PIP指数稳定或高出10%的受试者比例在经典型GDM组低于非GDM组（47% vs. 75%，P=0.04；图2和补充材料表2）。
在未校正BMI的情况下，近期发生经典型GDM和非GDM组的产后胰岛素敏感性无显著差异（P=0.77；补充材料表8），但校正经典型GDM组较低的BMI后，胰岛素敏感性有降低趋势（β=−0.26，P=0.05；补充材料表1）。产后校正胰岛素敏感性后，患有经典型GDM组的胰岛素分泌反应（校正胰岛素敏感性）并不显著低于非GDM组（β=−0.19，P=0.16）；且两者产后PIP 指数也无显著差异（β=−464，P=0.13）。
在单变量模型中，孕早期较低的PIP指数可预测GDM（P<0.001，AUC为0.83，95% CI 0.76~0.89）（补充材料表3）。在纳入受试者特征的模型中，孕早期PIP指数仍然是一个重要的预测因子；加入PIP指数可增加仅包含受试者特征模型的预测能力[无PIP指数的AUC为0.70（95% CI 0.61~0.79）， 有PIP指数的AUC为0.87（0.80–0.93）]。在单变量GDM预测模型中，孕早期PIP指数（0.83 [0.76–0.89]） 的AUC名义上高于产后PIP指数[0.72（0.60~0.81）]。在包含孕早期和产后PIP指数的模型中，产后PIP指数并非是GDM预测因子（补充材料表3）。当除外早发型GDM受试者后，上述结果未发生改变（补充材料表3）。将孕早期PIP作为GDM预测因子的模型的AUC名义上高于将孕早期空腹血糖作为GDM预测因子的模型（补充材料表3）。
参加所有研究访视的受试者结果与上述报告结果无实质性差异（补充材料表4–6）。校正纯母乳喂养也没有改变研究结果（补充材料表8）。
在一组具备糖尿病危险因素的孕妇中，我们探讨了关于孕期胰岛素生理学和GDM长期变化的新发现。本研究首次发现，口服葡萄糖增强胰岛素分泌反应与胰岛素抵抗无关，这与我们预先假设的和较早期的一个应用静脉葡萄糖的小队列研究结果一致[6]。与产后相比，GDM患者孕早期经Matsuda校正的Stumvoll估计值未见明显升高，表明经妊娠介导的β细胞功能增加在GDM患者中是不足的，不同于未患有GDM的同龄人。为了在一次测量中获取孕妇或产后受试者对胰岛素抵抗的β细胞补偿能力，本研究推导出PIP指数，类似于DI[9]。PIP指数在孕早期升高，且孕早期较低的PIP指数可预测GDM的发生，且与临床危险因素和产后PIP指数无关。因此，尽管有证据表明GDM患者存在慢性（产后）β细胞功能障碍[3,27-29]，但为了解β细胞是否对孕早期激素环境有反应（独立于胰岛素抵抗）提供了有价值的预后信息。本研究结果阐明了孕期血糖正常的胰岛素生理性适应过程，并强调了孕早期β细胞功能没有明显增强可作为GDM的生理因素。
通过纵向跟踪胰岛素生理轨迹，建立一个有效的测量方法（PIP指数）来描述孕期胰岛素分泌反应和胰岛素敏感性之间的关系，本研究证明这种关系在许多孕妇个体的孕期中都会发生变化。少数个体其孕期和产后PIP指数较稳定；多胞胎孕早期的PIP指数高于产后，表明β细胞功能增强。先前的一项较小的纵向研究中，34名受试者使用静脉葡萄糖耐量试验和正糖钳夹试验来评估整个孕期胰岛素分泌反应和胰岛素敏感性，我们已证明这一点（并在本文中尽显独立验证），孕早期胰岛素分泌反应的增强发生在孕期胰岛素抵抗之前，并且超出对孕期胰岛素抵抗的反应[6]。与当前研究不同，先前的研究尚未发现GDM患者（n=15）相较于非GDM受试者（n=19）在胰岛素分泌反应增强方面存在不足。然而在研究设计方面，该研究中GDM患者具备多种糖尿病危险因素，而非GDM受试者则没有危险因素，这一点使得两组之间存在未测量混杂因素的可能性。本研究中，糖尿病危险因素存在于是否发生GDM的受试者中。此特点联合不同的胰岛素生理评估方法以及与先前研究中孕前（而不是产后）生理情况的比较，可能解释了两项研究报道之间的差异。其他大多数关于GDM患者胰岛素生理的纵向研究都集中在孕晚期，而非孕早期[3,8,27-29]。这些研究可能忽略了孕早期与胰岛素抵抗无关的胰岛素分泌反应的增强，因此不能确定其不足是GDM的一个因素。
本研究的另一个主要发现是，早发型GDM与经典型GDM的胰岛素抵抗存在明显的纵向轨迹。如上所述，早发型GDM和经典型GDM似乎在妊娠反应中都存在β细胞功能增强的不足，尽管这种不足在经典型GDM中更为明显。早发型GDM和经典型GDM也可能在产后存在β细胞功能降低，尽管这在早发型GDM中更为明显。这些GDM表型通过孕期胰岛素抵抗的发病时间来区分，孕早期胰岛素抵抗在早发型GDM中更明显。据我们所知，这尚未在之前的研究中报道过，但我们的纵向数据与另一项研究一致，该研究发现孕20周前发病的GDM存在大量胰岛素抵抗[30,31]。由于未在非孕期测量，这项先前的研究尚无法确定该组的胰岛素抵抗是慢性的，还是孕期生理学的差异，本研究表明是后者。本研究发现早发型孕期胰岛素抵抗是孕早期高血糖的一个特征，而非晚发型GDM的特征。该现象是由于胎盘早期产生胰岛素抵抗诱导因子，还是由于母体早期对这些因子的易感性，目前尚不清楚。
啮齿动物模型研究提供证据支持妊娠相关的β细胞适应性的存在，这种适应性与对高脂饮食诱导的胰岛素抵抗有反应的β细胞不同[32,33]。这些观察结果与我们的发现一致，即早发型和经典型GDM患者尽管存在着对于孕期β细胞适应性中与胰岛素抵抗无关成分的缺陷，但仍能增加胰岛素分泌以应对胰岛素抵抗。未来需要进一步研究以明确妊娠引起的胰岛素分泌反应增强明显不足是否是大多数慢性β细胞功能障碍的特征，抑或是存在部分个体在孕期无法增强胰岛素分泌反应。
本研究的优势包括纵向设计，孕早期和产后时间点，受试者不论是否发生GDM均具有相似的危险因素（便于比较），以及将GDM患者分层为早发组和经典组（使表型更精确）。本研究的局限性未包括不具备糖尿病危险因素的受试者，这是本研究有意为之。因此，本研究尚无法确定我们的发现，包括PIP指数的推导，是否适用于不具备糖尿病危险因素的妊娠女性。本研究通过扩展DI方法，在166名受试者中推导出PIP指数。这样做是因为将胰岛素分泌反应测量值取对数与胰岛素敏感性测量值取对数进行回归后所得斜率95% 置信区间不包括−1，违反了DI关键假设。本文介绍了如何在其他妊娠人群中定义类似PIP指数的方法，并鼓励其他研究人员在另一数据集上计算相似测量值。未来需要进一步评估PIP指数作为GDM预测工具在不同妊娠人群中的可靠性和重复性。由于需要在孕早期对定时采集血样进行血糖和胰岛素测量，因此PIP指数并非临床预测GDM实用工具，但却有助于理解孕早期β细胞功能改善不足可作为GDM的风险因子。虽然最好能从受试者处获取孕前数据，但由于孕前招募个体挑战较大而未能实现此目标。哺乳可能导致孕前和产后生理差异，但本研究结果在校正了产后随访时的纯母乳喂养后没有改变。由于COVID-19疫情和受试者退出，本研究的数据收集受到一些干扰。为了充分考虑这些干扰，本研究应用了多重插补；完整的病例分析证实我们的主要发现。因为我们事先已经提出了相关的次要分析假设，所以我们没有对多重假设检验进行校正，我们的发现应该在独立的队列中得到证实[34]。最后，我们没有使用静脉葡萄糖耐量试验或稳态血糖钳夹等方法来评估胰岛素生理功能，也没有测量C肽水平，这些可能有助于了解胰岛素分泌和清除情况。然而，我们的方法论允许我们在更大的人群中进行生理学分析，并提供了关于口服葡萄糖负荷反应的一般性信息，这可能类似于日常生活中遇到的生理挑战。
总之， 我们观察到一种与胰岛素抵抗无关而与妊娠相关的胰岛素分泌反应增加，在孕早期出现，并体现在新近描述的PIP指数中。GDM患者在孕早期尚未出现与妊娠相关的PIP指数增加；孕早期较高的PIP指数可预防GDM的发生。早发型和经典型GDM的区别在于前者（即早发型）较早出现孕期胰岛素抵抗，表明这两种表型的病理生理机制存在差异。需要进一步的研究来揭示在血糖正常妊娠和早发型及经典型GDM中胰岛素生理纵向变化的激素介质。
参考文献：略
