CGM 运动准确性与传感器-结局悖论

连续血糖监测仪可以让一次锻炼看起来精确到毫克。但能够提供警报、趋势箭头和源源不断数字的设备，并不一定是在运动期间测量葡萄糖最准确的设备。

唯一一项受控的运动中直接对比研究发现，在1型糖尿病成人中，间歇扫描式CGM（isCGM）的原始传感器误差低于实时CGM（rtCGM）。然而，一项规模大得多的真实世界研究发现，rtCGM用户的总体血糖结局更好。表面上的矛盾很重要，因为CGM既是测量设备，也是改变行为的设备。这两项工作相关，但并不是同一项工作。

骑行期间，扫描式传感器的误差更低

在ULTRAFLEXI-1研究的一项二次分析中，22名1型糖尿病成人在标准化的60分钟中等强度骑行方案期间，同时佩戴了FreeStyle Libre 1 isCGM和Dexcom G6 rtCGM。研究人员将两种传感器均与在整个方案期间采集的毛细血管血糖测量值进行了比较。

这种同时佩戴的设计是该研究的主要优势。每个人都在相同条件下使用两个系统进行锻炼，从而减少了比较不同人群、锻炼、体能水平、血糖模式和传感器使用周期时通常会遇到的问题。

在运动期间，Libre 1的绝对相对差中位数（MedARD）为11.6%（四分位距5.6%至19.6%），而Dexcom G6为14.6%（IQR 7.0%至23.8%）。该差异具有统计学显著性（p<0.0001）。较低的MedARD意味着传感器读数平均而言更接近毛细血管参考值。

在低于70 mg/dL时，差距扩大；在这一范围内，错误读数可能导致不佳的治疗决策。isCGM的MedARD为27.0%（IQR 17.0%至34.6%），而rtCGM为39.2%（IQR 31.8%至46.8%）——绝对差异为12.2个百分点（p=0.0001）。在70至180 mg/dL范围内，isCGM为12.8%，rtCGM为16.1%（p<0.0001）。高于180 mg/dL时，差异缩小至8.0%对9.5%（p=0.0064）。

这些结果挑战了一项常见假设：当有氧运动期间葡萄糖正在变化时，更频繁的显示更新和预测性处理并不会自动产生更准确的传感器读数。

运动期间的准确性只是设备性能的一部分

运动研究的发现并不意味着isCGM能带来更好的糖尿病结局。一项全国性的2025年队列研究随访了7,786名1型糖尿病患者24个月，发现rtCGM用户的HbA1c降幅更大、血糖变异性更低，成人和儿童中均有这一结果。

这是一项观察性队列研究，而非随机设备试验。因此，它无法证明是rtCGM本身导致了更好的结局；用户在治疗可及性、教育、胰岛素技术或其他因素方面可能存在差异。不过，其样本量和随访时间使其成为针对小型运动准确性研究的重要反证。

一种合理解释是，警报和可见的数据会改变人们的行为。在一项针对1型糖尿病成人的2023年随机试验中，273名参与者按2:1被分配至非盲法或盲法FreeStyle Libre监测。在12周时，只有非盲法组的目标范围内时间显著增加。实体传感器类别相同；获得血糖读数的途径不同。这并不能专门分离预测性警报在运动期间的作用，但它表明，查看数据可独立于传感器的原始准确性而改善血糖管理。

因此，即使在某次特定锻炼期间isCGM读数更接近毛细血管值，rtCGM仍可能在日常生活中胜出。在低血糖发生前促使摄入碳水化合物的有用警报，在24小时内可能比单点准确性的适度差异更重要。现有研究支持这种解释，但并未证明它是队列研究结果的唯一原因。

较新的设备显示出类似的静息模式，但有一些注意事项

该运动研究使用的是较旧的硬件：Dexcom G6和FreeStyle Libre 1。这限制了根据其结果在当前产品之间作出选择的尝试。不过，另一项静息状态下的平行佩戴比较发现，较新系统呈现出类似的方向。在55名参与者中，2024年点准确性比较报告FreeStyle Libre 3的MARD为8.9%，Dexcom G7为13.6%（p<0.0001）。Libre 3还有91.4%的配对读数落在参考值的±20 mg/dL以内，而G7为78.6%。

MARD和MedARD是相关的准确性指标，但并不是可互换的终点。更重要的是，较新设备研究是在静息状态下进行的，而非运动期间。它支持准确性模式可能跨代延续的可能性，但并未回答G7和Libre 3在骑行、间歇训练、抗阻训练或涉及接触和快速运动的运动中是否表现相同。该比较还具有与制造商相邻的背景，因此独立重复将增加可信度。

运动使每种CGM都更难解读

CGM测量的是组织间液中的葡萄糖，而非直接测量血液中的葡萄糖。运动期间，组织间液读数可能滞后于变化中的血糖。血流、组织灌注、水合状态以及传感器部位压力的变化，都可能进一步影响准确性。ULTRAFLEXI-1分析记录了性能差异；它并未分离出rtCGM系统误差更高的原因。

这种缺失的机制很重要。人们很容易归咎于算法平滑或预测，但该研究并未检验这一解释。它也没有确定在哪一种血糖变化速率下，任一系统会变得足够误导性强，从而促使采取错误行动。尚无已发表的运动比较研究为这些CGM类别提供按血糖变化速率分层的准确性数据。

具有统计学显著性的准确性差异，并不自动意味着对每位用户或每次锻炼都具有临床重要性。

这对没有糖尿病的运动员意味着什么

CGM读数可以捕捉没有糖尿病人群中真实的生理变化。一项纳入23项研究、包括18项随机试验和408名非糖尿病参与者的2026年系统综述和荟萃分析发现，运动使24小时平均血糖降低0.17 mmol/L，并使血糖波动平均振幅降低0.27 mmol/L。一项2025年系统综述也发现，人们对将CGM作为心血管预防生活方式反馈工具的兴趣日益增加，同时得出结论称，健康成人中的心血管结局证据仍然稀缺。

两项综述均未证实，在健康运动员中某一种CGM类别在运动期间更准确。尚无已发表的rtCGM与isCGM运动准确性直接对比研究检验过非糖尿病人群。1型糖尿病骑行研究中低于70 mg/dL时的巨大误差差距，对健康锻炼者的相关性也可能有限，因为他们在典型有氧活动中通常不会达到这一范围。

对于非糖尿病用户，更相关的结果是骑行方案期间70至180 mg/dL范围内3.3个百分点的MedARD差异。它具有统计学显著性，但其对于进餐时机、训练决策或长期健康的实际重要性仍不确定。

实际结论

对于患有1型糖尿病的运动员，不要仅根据一项22人研究中的运动准确性数据选择CGM。isCGM系统在标准化骑行期间产生的原始传感器误差更低，尤其是在低血糖值时；但在规模大得多的真实世界队列中，rtCGM用户的24个月结局更好。现有证据无法告诉任何一位运动员，哪种权衡能在训练期间及一天剩余时间内带来更安全的决策。

对于没有糖尿病的生物黑客而言，声称某一款当前CGM在运动期间确实更准确，超前于数据。CGM可以显示有意义的葡萄糖动态变化，但直接运动比较来自1型糖尿病、较旧设备和一种骑行方案。该研究是一个可信的信号——而不是一份完成的购买指南。