在最近发表在《美国临床营养学杂志》上的一项研究中，研究人员比较了糖尿病前期或2型糖尿病患者的糖化血红蛋白和血糖变异性的变化，以了解精准营养与低脂饮食两种热量限制减肥饮食方式的影响。

餐后葡萄糖反应增加和由此产生的氧化损伤与2型糖尿病、心血管疾病、癌症、肝病、肥胖和相关死亡率的较高风险相关。餐后葡萄糖反应管理的常规策略是通过低血糖负荷的饮食，例如低碳水化合物和更多可溶性膳食纤维，例如全植物食物。

然而，低血糖负荷或低碳水化合物含量的标准饮食在临床试验中产生了混合或负面结果，因为它们没有考虑相同食物的餐后葡萄糖反应的个体差异。

在本研究中，研究人员使用了一种基于机器学习的个性化算法，该算法是个人营养项目(PNP)的一部分。PNP接受了一个数据集的训练，该数据集包含肠道微生物组相关血糖反应的宏基因组概况和预测个体餐后葡萄糖反应的耐受性。

衍生模型还考虑了其他数据，例如间质葡萄糖测量值、带时间戳的膳食的营养信息以及参与者的特征，例如睡眠、身体活动、饥饿、压力水平和糖化血红蛋白值。

在这项称为个人饮食研究的随机临床试验中，通过检查干预期间糖化血红蛋白和血糖变异性的变化，将基于PNP算法的个性化饮食与标准化低脂饮食进行了比较。该研究招募了年龄在18至80岁之间的成年人，他们是糖尿病前期或患有2型糖尿病，通过单独改变生活方式或二甲双胍与生活方式一起进行管理，患有共病肥胖或超重，估计肾小球滤过率大于60毫升/最小/1.73平方米。

参与者被随机分配到标准化或个性化饮食。获得粪便和血液样本以使用PNP算法预测餐后葡萄糖反应。

两组都接受了减肥行为咨询，并使用智能手机上的应用程序监控他们的饮食。通过智能手机应用程序向个性化饮食组的个人提供反馈，以减少餐后葡萄糖反应。在基线以及三个月和六个月收集有关连续血糖监测的数据。

粪便样本用于微生物组分析，然后与人体测量学、健康变量、社会人口学信息和糖化血红蛋白数据相关联，以确定个性化膳食评分。主要测量结果包括平均血糖波动幅度(MAGE)和糖化血红蛋白值，而次要结果包括平均连续血糖监测读数、连续总体净血糖作用(CONGA)、变异系数和标准差。

与标准化饮食相比，由PNP算法设计的个性化饮食不会导致糖化血红蛋白或血糖变异性发生任何显着变化。

标准化饮食组的平均血糖波动幅度值每月下降0.83mg/dL。相比之下，对于个性化饮食组，平均血糖波动幅度的降低速度为每月0.79mg/dL。糖化血红蛋白的变化也显示出两组相似的趋势。

除了连续血糖监测葡萄糖测量的变异系数外，两组的其他血糖变异和糖化血红蛋白测量均有所下降。即使按性别分析进行分层，两组之间也没有观察到差异。

标准化和个性化饮食组每月的糖化血红蛋白变化分别为0.02%和0.01%。各组之间的值差异无统计学意义。

该研究的一些局限性包括无法概括种族和族裔群体的研究结果，因为研究人群主要是女性和白人。此外，由于PNP算法是为以色列人口设计的，并在美国人口中以白人为主的样本中得到验证，因此，其他种族和族裔群体的算法结果可能会有所不同。使用该应用程序的困难也可能导致对自我监控饮食的依从性下降。

与标准化减肥饮食相比，在糖尿病前期或2型糖尿病患者中，个性化PNP算法设计的减肥饮食不会导致糖化血红蛋白或血糖变异值的显着差异。

参考资料：
Kharmats, A. Y., Popp, C., Hu, L., et al. (2023). A randomized clinical trial comparing low-fat versus precision nutrition-based diets for weight loss: impact on glycemic variability and HbA1c. The American Journal of Clinical Nutrition.
doi:10.1016/j.ajcnut.2023.05.026