Gebruik van continue glucosemonitoring om personen zonder diabetes te stratifiëren

Waarom het de hele dag volgen van bloedsuiker ertoe doet

Veel mensen die zich gezond voelen, kunnen al subtiele problemen hebben in hoe hun lichaam suiker verwerkt, lang voordat diabetes wordt vastgesteld. Deze studie stelt een eenvoudige maar krachtige vraag: als we kleine sensoren op duizenden volwassenen plakken en hun bloedsuiker dag en nacht laten registreren, kunnen we al die complexe informatie dan terugbrengen tot slechts een paar makkelijk te begrijpen getallen die vroegtijdig risico voor hart en lever signaleren?

Streams van sensordata terugbrengen tot drie eenvoudige getallen

Onderzoekers analyseerden continue glucosemonitoring (CGM)-gegevens van meer dan 8.000 volwassenen zonder diagnose van diabetes. Deze draagbare sensoren registreren suikerniveaus elke paar minuten over meerdere dagen en genereren tientallen mogelijke maatstaven: hoe vaak waarden te hoog of te laag zijn, hoe grillig de curve is, hoe lang pieken aanhouden, en meer. Met statistische middelen die zoeken naar verborgen structuren in grote datasets vroeg het team welke combinaties van metingen het beste vastleggen hoe mensen van elkaar verschillen. Ze ontdekten dat meer dan 80 procent van de verschillen tussen individuen kan worden verklaard door slechts drie begrippen: het gemiddelde suikerniveau over tijd ("mean"), hoe sterk het op en neer gaat ("variance") en hoe vergelijkbaar een meting is met recente metingen ("autocorrelatie", een maat voor hoe lang suikerniveaus geneigd zijn op een bepaalde koers te blijven).

De driedelige code testen na maaltijden

Om te zien of deze drie kenmerken echt beschrijven hoe bloedsuiker zich in het dagelijks leven gedraagt, wendden de wetenschappers zich tot gedetailleerde maaltijdstudies. In één project met 863 deelnemers at iedereen zorgvuldig gecontroleerde testmaaltijden terwijl hun suikerniveaus vier uur daarna werden gevolgd. Het team gebruikte een type neuraal netwerk, een autoencoder, om iemands postprandiale suikercurve samen te persen tot een kleine set abstracte coördinaten en vervolgens de oorspronkelijke curve te reconstrueren. Een driedimensionale versie van dit model legde de vormen van de curves veel beter vast dan een eenvoudiger tweedimensionaal model, terwijl extra dimensies weinig verbetering brachten. Cruciaal was dat de drie concrete maten — gemiddelde niveau, mate van fluctuatie en patroonvolharding — deze abstracte coördinaten zeer goed konden voorspellen, wat betekent dat de drie-cijferige samenvatting vrijwel alle bruikbare informatie uit de volledige suikercurve bevat.

Controleren of het patroon ook in andere situaties geldt

Vervolgens daagden de onderzoekers hun raamwerk uit met heel andere soorten gegevens. Ze testten het op een klassiek suikerdranktest, waarbij vrijwilligers een vaste hoeveelheid glucose drinken en herhaaldelijk bloed laten afnemen, en op aanvullende CGM-opnames uit het dagelijks leven, waar maaltijden onregelmatig en vaak dicht op elkaar volgen. In beide gevallen bleken drie dimensies opnieuw de gulden middenweg: goed genoeg om iemands suikercurves met hoge nauwkeurigheid te reconstrueren, maar eenvoudig genoeg om begrijpelijk te blijven. Traditionele markers die in de kliniek worden gebruikt, zoals nuchtere glucose en de twee-uurswaarde na een suikerdrank, vatten meestal alleen de "gemiddelde" dimensie en missen veel van de variatie in hoe de niveaus stijgen en dalen.

Suikerpatronen koppelen aan hart- en levergezondheid

Naast het beschrijven van suikercurves wilden de onderzoekers weten of deze drie kenmerken verband houden met vroege tekenen van schade in belangrijke organen. In een subgroep van bijna 1.800 deelnemers maten echografieën de dikte van de halsslagaderwand — een maat voor slagadervernauwing — en verschillende eigenschappen van de lever die verband houden met vetgehalte, stijfheid en ontsteking. Alle drie de CGM-kenmerken toonden betekenisvolle, onafhankelijke verbanden met deze orgaanmetingen, zelfs na correctie voor bloeddruk en cholesterol. Mensen wiens suikermetingen sterker "kleverig" waren in de tijd, zoals gevangen door de autocorrelatiemaat, hadden bijvoorbeeld de neiging een dikkere slagaderwand en veranderingen in leverweefsel te hebben, ondanks het ontbreken van een diabetesdiagnose. Door deelnemers op basis van de drie getallen in clusters te groeperen, konden de onderzoekers ook referentiebereiken definiëren en zien dat degenen wier waarden bepaalde drempels overschreden, vaak een slechtere insulinegevoeligheid hadden in afzonderlijke, sterk gecontroleerde tests.

Wat dit betekent voor vroegtijdige risicodetectie

Dit werk suggereert dat de ingewikkelde, hoogfrequente grillen van bloedsuiker vastgelegd door moderne sensoren kunnen worden teruggebracht tot drie duidelijke, fysiologisch betekenisvolle dimensies zonder veel informatie te verliezen. Samen beschrijven deze getallen hoe hoog suikerniveaus gemiddeld liggen, hoe sterk ze schommelen en hoe langzaam ze van richting veranderen. Omdat elk van deze dimensies gekoppeld is aan vroege veranderingen in de bloedvaten van het hart en de lever, kunnen ze artsen en onderzoekers helpen mensen met een hoger risico te herkennen, lang voordat standaardtesten dat doen. Hoewel meer onderzoek nodig is om aan te tonen dat handelen op basis van deze maten ziekte kan voorkomen, biedt deze drie-cijferige code een veelbelovende en interpreteerbare manier om 24/7-sensordata te vertalen naar eenvoudige inzichten over metabole gezondheid.

Bronvermelding: Sugimoto, H., Sapir, G., Keshet, A. et al. Use of continuous glucose monitoring to stratify individuals without diabetes. Commun Med 6, 260 (2026). https://doi.org/10.1038/s43856-026-01523-8

Trefwoorden: continue glucosemonitoring, risico op prediabetes, bloedsuikermetingen, metabole gezondheid, hart- en leverbeschadiging