文章信息
- 沈重姗, 孙鲁英.
- SHEN Chongshan, SUN Luying.
- 糖尿病患者的舌象脉象客观化分析及相关性研究
- Objective analysis of tongue and pulse manifestations and correlation study in diabetic patients
- 天津中医药, 2026, 43(8): 963-968
- Tianjin Journal of Traditional Chinese Medicine, 2026, 43(8): 963-968
- http://dx.doi.org/10.11656/j.issn.1672-1519.2026.08.03
-
文章历史
- 收稿日期: 2026-04-22
2. 北京中医药大学房山医院肾病科,北京 102400
近年来,糖尿病的患病率和病死率逐年攀升,现已成为全球范围内最常见的慢性代谢性疾病之一[1]。现代研究认为,通过系统分析舌象、脉象特征,深入解读其蕴含的证候信息,有助于准确评估糖尿病患者的代谢紊乱程度,为个体化诊疗方案的制定提供依据[2-3]。舌象和脉象属于中医证候的一部分。清代医家认为,舌为心之苗,舌尖属心,舌中属脾胃,舌边属肝胆,舌根属肾,指出舌质和舌苔的情况能够清晰地反映内在的脏腑病变[4]。舌诊的主要内容包括诊察舌质和舌苔的形态、色泽、润燥情况等。医者常以此来判断疾病的性质、病势的深浅、气血的盛衰和津液的盈亏[5]。舌象客观化研究需要通过四诊仪的内部相机拍摄舌体图像,分割提取舌象信息,并分析舌质及舌苔的颜色、厚度、形态数值[6]。脉诊理论与中医基础理论中的藏象学说密不可分[7],该学说认为心主血脉,肺朝百脉,脾主统血,肝主藏血,肾主藏精,精能生血。因此,通过诊察寸关尺三部的血液流动情况,可以知晓内在脏腑的相应变化[8]。脉诊的内容包括诊察脉动的频率、节律、形态、充盈度、脉象显现部位、通畅情况、动势强弱、波动幅度等各个方面。脉象客观化研究需要通过智能化感应器,探测寸口桡动脉波动压力信息,分析脉搏“位、数、形、势”的变化,提取频次、强度、波幅等数值[9]。
本研究选取糖尿病患者与健康人群作为研究对象,采用人工智能化舌象、脉象分析系统对比两组人群在舌色、苔色、舌形、苔质、脉率、脉力、脉形、脉势等维度特征的差异性,旨在建立糖尿病中医舌诊、脉诊的客观化评价标准。
1 临床资料 1.1 研究对象2025年4月24日——2025年10月24日就诊于北京中医药大学房山医院良乡分院的糖尿病患者(病例组),及同时间段就诊于该中心的健康受试者(对照组)。本研究方案已通过北京中医药大学房山医院伦理委员会审核(批准号:FZYLK-2025-008)。
1.2 诊断标准糖尿病的诊断标准参考《中国糖尿病防治指南(2024版)》[10],见开放科学OSID标识码。
1.3 纳入标准糖尿病患者:1)18岁≤年龄≤80岁,性别不限;2)符合糖尿病的诊断标准,病程在5年内,未并发糖尿病肾病、糖尿病视网膜病变、糖尿病神经病变等;3)认知功能正常,没有语言沟通障碍;4)签署知情同意书。健康受试者:1)18岁≤年龄≤80岁,性别不限;2)身体健康,体质量≥45 kg且18.5 kg/m2<身体质量指数<26 kg/m2;3)认知功能正常,没有语言沟通障碍;4)签署知情同意书。
1.4 排除标准1)合并糖尿病急性并发症;2)妊娠或哺乳期妇女;3)血液系统疾病及恶性肿瘤;4)合并精神障碍性疾病;5)研究者认为不适合参加的其他人群。
2 方法 2.1 舌象脉象采集及分析方法本研究使用北京中医药大学房山医院的DS01-A型舌面脉信息采集体质辨识系统(产品编号:A20221214)进行标准化舌象脉象图像采集。同时,应用该系统对舌象脉象特征进行提取和分析,见表 1和表 2。
| 舌象 | 客观化分析 |
| 采集方法 | 嘱患者自然伸舌, 舌尖向下, 不要过分用力, 保持该动作数秒, 照相机自动对焦后拍摄舌象照片, 采集时间应与进食时间间隔1h以上, 以排除进食物品颜色干扰, 若采集效果不满意, 嘱患者休息2~3min后再次进行采集 |
| 定性指标 | 舌色(紫/暗红/红/淡红)、边尖红(有/无)、瘀斑瘀点(有/无)、苔色(黄/黄白相兼/白)、苔厚薄(厚/薄)、舌胖瘦(胖/适中/瘦)、齿痕(有/无)、裂纹(有/无) |
| 定量指标 | Lab-L: 表示颜色的明度, 取值范围为0~100。值越大, 颜色越明亮 |
| Lab-a: 表示颜色在绿色到红色之间的相对位置, 取值范围为-128~+127;正值表示红色, 负值表示绿色 | |
| Lab-b: 表示颜色在蓝色到黄色之间的相对位置, 取值范围为-128~+127;正值表示黄色, 负值表示蓝色 | |
| RGB-R: 表示红色分量的强度, 取值范围为0~255;值越大, 红色越浓 | |
| RGB-G: 表示绿色分量的强度, 取值范围为0~255;值越大, 绿色越浓 | |
| RGB-B: 表示蓝色分量的强度, 取值范围为0~255;值越大, 蓝色越浓 | |
| HSV-H: 表示色调, 它定义了颜色的种类 | |
| HSV-S: 表示饱和度, 值越大, 颜色越鲜艳; 饱和度为0时, 颜色是灰色 | |
| HSV-V: 表示亮度, 值越大, 颜色越亮 |
| 脉象 | 客观化分析 |
| 采集方法 | 患者静坐5min后, 取正坐位, 采集双手桡动脉脉搏图 |
| 定性指标 | 脉位(沉/中/浮)、脉节律(不齐/齐)、脉力(无力/中/有力)、脉形(a/ab/abc/ac)、脉势(低平虚/正常)、紧张度(弦/紧/无弦紧征)、流利度(滑/涩/无滑涩征) |
| 定量指标 | H1、H2、H3、H4、H5:表示主波振幅、降中峡前波振幅、降中峡后波振幅、降中峡振幅、重搏波振幅 |
| T1、T2、T3、T4、T5:表示脉搏信号在对应振幅阶段的时间间隔 | |
| W1、W2:表示主波上1/3处的宽度和主波上1/5处的宽度 | |
| AS、AD: 表示心脏收缩期、舒张期动脉血管内血流的横截面积 | |
| T: 表示脉搏跳动一次的总时间 |
采用SPSS 27.0软件进行统计分析。符合正态分布的计量资料以均数±标准差(x±s)表示,组间比较采用独立样本t检验;不符合正态分布的计量资料以中位数和四分位数[M(QL,QU)]表示,组间比较采用Mann-Whitney U检验。计数资料以例数和百分比[例(%)]表示,组间比较采用卡方检验。采用二元logistic回归模型分析舌象脉象参数与糖尿病发生的内在关系。P<0.05为差异有统计学意义。
3 结果 3.1 两组受试者的一般资料比较该研究中纳入糖尿病患者257例,其中男性120例(46.69%),女性137例(53.31%),平均年龄(58.79±11.47)岁;另纳入健康受试者257例,其中男性126例(49.03%),女性131例(50.97%),平均年龄(59.92±14.04)岁。两组性别及年龄无统计学意义(P>0.05)。糖尿病患者的平均HbA1c为7.24%±0.71%。
3.2 两组受试者的舌象脉象特征比较 3.2.1 两组受试者舌象特征的定性比较糖尿病患者与健康受试者的舌色分布差异具有统计学意义(P<0.05),且糖尿病患者出现舌边尖红的比例高于健康受试者(P<0.05)。见表 3。
| 例(%) | |||||||||||||||||||||||||||||
| 舌象 | 指标 | 分组 | χ2 | P | |||||||||||||||||||||||||
| 糖尿病患者 | 健康受试者 | ||||||||||||||||||||||||||||
| 舌色 | 舌紫 | 2(0.78) | 7(2.72) | 22.357 | <0.001** | ||||||||||||||||||||||||
| 舌暗红 | 17(6.61) | 11(4.28) | |||||||||||||||||||||||||||
| 舌红 | 38(14.79) | 10(3.89) | |||||||||||||||||||||||||||
| 舌淡红 | 200(77.82) | 229(89.11) | |||||||||||||||||||||||||||
| 边尖红 | 有 | 14(5.45) | 4(1.56) | 5.757 | 0.016* | ||||||||||||||||||||||||
| 无 | 243(94.55) | 253(98.44) | |||||||||||||||||||||||||||
| 瘀斑瘀点 | 有 | 8(3.11) | 3(1.17) | 2.322 | 0.128 | ||||||||||||||||||||||||
| 无 | 249(96.89) | 254(98.83) | |||||||||||||||||||||||||||
| 苔色 | 苔黄 | 189(73.54) | 180(70.04) | 2.578 | 0.461 | ||||||||||||||||||||||||
| 苔黄白相兼 | 41(15.95) | 46(17.90) | |||||||||||||||||||||||||||
| 苔白 | 27(10.51) | 31(12.06) | |||||||||||||||||||||||||||
| 苔厚薄 | 厚 | 236(91.83) | 241(93.77) | 0.728 | 0.394 | ||||||||||||||||||||||||
| 薄 | 21(8.17) | 16(6.23) | |||||||||||||||||||||||||||
| 舌胖瘦 | 胖 | 139(54.09) | 139(54.09) | 0.304 | 0.859 | ||||||||||||||||||||||||
| 适中 | 112(43.58) | 110(42.80) | |||||||||||||||||||||||||||
| 瘦 | 6(2.33) | 8(3.11) | |||||||||||||||||||||||||||
| 齿痕 | 有 | 124(48.25) | 114(44.36) | 0.782 | 0.376 | ||||||||||||||||||||||||
| 无 | 133(51.75) | 143(55.64) | |||||||||||||||||||||||||||
| 裂纹 | 有 | 125(48.64) | 116(45.14) | 0.633 | 0.426 | ||||||||||||||||||||||||
| 无 | 132(51.36) | 141(54.86) | |||||||||||||||||||||||||||
| 注:糖尿病患者与健康受试者比较,*P<0.05,**P<0.01。 | |||||||||||||||||||||||||||||
糖尿病患者的舌质特征指标舌Lab-a、舌RGB-G、舌RGB-B均高于健康受试者(P<0.05),舌Lab-L、舌HSV-S均低于健康受试者(P<0.05)。糖尿病患者的舌苔特征指标苔Lab-a、苔Lab-b、苔RGB-R、苔RGB-G、苔RGB-B、苔HSV-H均高于健康受试者(P<0.05),苔Lab-L、苔HSV-S、苔HSV-V均低于健康受试者(P<0.05)。见表 4。
| 舌象 | 分组(系统参数) | Z | P | |
| 糖尿病患者 | 健康受试者 | |||
| 舌Lab-L | 50.82(48.040, 53.065) | 51.39(49.280, 53.830) | -2.493 | 0.013** |
| 舌Lab-a | 19.43(17.730, 20.845) | 18.43(16.885, 20.065) | -4.206 | <0.001** |
| 舌Lab-b | 14.44(13.560, 15.520) | 14.64(13.670, 15.685) | -1.737 | 0.082 |
| 舌RGB-R | 169.91(164.175, 175.400) | 169.48(163.040, 175.670) | -0.580 | 0.562 |
| 舌RGB-G | 106.51(100.645, 113.240) | 104.15(97.050, 110.285) | -3.361 | 0.001** |
| 舌RGB-B | 93.47(88.125, 98.910) | 90.75(84.965, 96.725) | -3.137 | 0.002** |
| 舌HSV-H | 5.88(4.875, 6.835) | 5.51(4.680, 6.735) | -2.204 | 0.028* |
| 舌HSV-S | 118.00(112.635, 123.395) | 121.95(115.950, 127.815) | -4.723 | <0.001** |
| 舌HSV-V | 169.92(164.180, 175.400) | 169.48(163.050, 175.675) | -0.578 | 0.563 |
| 苔Lab-L | 38.98(31.110, 46.560) | 43.93(36.010, 50.115) | -4.147 | <0.001** |
| 苔Lab-a | 14.26(12.670, 15.770) | 13.43(10.695, 15.250) | -3.268 | 0.001** |
| 苔Lab-b | 11.88(9.420, 13.675) | 10.57(8.290, 12.765) | -3.637 | <0.001** |
| 苔RGB-R | 143.55(119.455, 160.615) | 127.06(101.430, 151.130) | -4.051 | <0.001** |
| 苔RGB-G | 92.62(76.450, 106.690) | 81.37(64.475, 98.805) | -4.123 | <0.001** |
| 苔RGB-B | 80.87(67.420, 91.120) | 72.24(57.680, 86.925) | -4.184 | <0.001** |
| 苔HSV-H | 12.97(9.335, 17.190) | 10.44(8.230, 13.865) | -4.988 | <0.001** |
| 苔HSV-S | 127.66(119.540, 136.605) | 134.30(125.140, 143.435) | -4.812 | <0.001** |
| 苔HSV-V | 127.21(101.665, 151.185) | 143.58(119.610, 160.650) | -4.047 | <0.001** |
| 注:糖尿病患者与健康受试者比较,*P<0.05,**P<0.01。 | ||||
糖尿病患者与健康受试者的脉位、脉力和脉势分布差异,具有统计学意义(P<0.05)。见表 5。
| 例(%) | |||||||||||||||||||||||||||||
| 脉象 | 名称 | 分组 | χ2 | P | |||||||||||||||||||||||||
| 糖尿病患者 | 健康受试者 | ||||||||||||||||||||||||||||
| 脉位 | 沉 | 53(20.62) | 21(8.17) | 17.484 | <0.001** | ||||||||||||||||||||||||
| 中 | 200(77.82) | 234(91.05) | |||||||||||||||||||||||||||
| 浮 | 4(1.56) | 2(0.78) | |||||||||||||||||||||||||||
| 脉节律 | 不齐 | 66(25.68) | 67(26.07) | 0.010 | 0.920 | ||||||||||||||||||||||||
| 齐 | 191(74.32) | 190(73.93) | |||||||||||||||||||||||||||
| 脉力 | 无力 | 186(72.37) | 152(59.14) | 11.061 | 0.004** | ||||||||||||||||||||||||
| 中 | 49(19.07) | 80(31.13) | |||||||||||||||||||||||||||
| 有力 | 22(8.56) | 25(9.73) | |||||||||||||||||||||||||||
| 脉形 | a | 13(5.06) | 26(10.12) | 5.777 | 0.123 | ||||||||||||||||||||||||
| ab | 6(2.33) | 4(1.56) | |||||||||||||||||||||||||||
| abc | 104(40.47) | 90(35.02) | |||||||||||||||||||||||||||
| ac | 134(52.14) | 137(53.31) | |||||||||||||||||||||||||||
| 脉势 | 低平虚 | 234(91.05) | 193(75.10) | 23.259 | <0.001** | ||||||||||||||||||||||||
| 正常 | 23(8.95) | 64(24.90) | |||||||||||||||||||||||||||
| 紧张度 | 弦 | 184(71.60) | 168(65.37) | 2.308 | 0.129 | ||||||||||||||||||||||||
| 无弦紧特征 | 73(28.40) | 89(34.63) | |||||||||||||||||||||||||||
| 流利度 | 滑 | 10(3.89) | 10(3.89) | 0.000 | 1.000 | ||||||||||||||||||||||||
| 无滑涩特征 | 247(96.11) | 247(96.11) | |||||||||||||||||||||||||||
| 注:糖尿病患者与健康受试者比较,**P<0.01。 | |||||||||||||||||||||||||||||
糖尿病患者的脉率、H2、H3、H5、W1、W2值均高于健康受试者(P<0.05),糖尿病患者的H1、H4、AS、AD值均低于健康受试者(P<0.05)。见表 6。
| 脉象 | 分组(系统参数) | Z | P | |
| 糖尿病患者 | 健康受试者 | |||
| 脉率 | 77(69, 83) | 74(65, 82) | -2.808 | 0.005** |
| H1 | 11.943(6.054, 18.197) | 17.631(9.625, 25.991) | -6.138 | <0.001** |
| H2 | 15.051(9.198, 21.857) | 10.065(4.995, 14.738) | -6.236 | <0.001** |
| H3 | 14.486(8.928, 21.151) | 9.790(5.420, 13.816) | -6.435 | <0.001** |
| H4 | 4.713(2.883, 7.380) | 7.710(4.334, 11.079) | -6.797 | <0.001** |
| H5 | 0.135(-0.325, 0.462) | -0.021(-0.817, 0.367) | -2.988 | 0.003** |
| T1 | 0.125(0.108, 0.142) | 0.124(0.112, 0.142) | -0.800 | 0.423 |
| T2 | 0.178(0.165, 0.197) | 0.184(0.169, 0.200) | -1.696 | 0.090 |
| T3 | 0.200(0.186, 0.220) | 0.204(0.190, 0.225) | -1.644 | 0.100 |
| T4 | 0.324(0.297, 0.366) | 0.328(0.307, 0.358) | -1.108 | 0.268 |
| T5 | 0.459(0.390, 0.518) | 0.469(0.398, 0.571) | -1.638 | 0.101 |
| W1 | 0.187(0.149, 0.214) | 0.169(0.131, 0.198) | -3.990 | <0.001** |
| W2 | 0.136(0.095, 0.170) | 0.111(0.071, 0.144) | -4.643 | <0.001** |
| AS | 58.153(29.872, 90.342) | 94.050(53.255, 133.101) | -6.974 | <0.001** |
| AD | 20.133(7.114, 34.610) | 35.080(18.059, 57.704) | -6.694 | <0.001** |
| T | 0.795(0.718, 0.889) | 0.816(0.732, 0.917) | -1.493 | 0.135 |
| 注:糖尿病患者与健康受试者比较,**P<0.01。 | ||||
将上述结果中具有统计学意义的变量,作为自变量纳入二元logistic回归模型进行分析。结果显示,脉势异常(OR=3.035)、H2值升高(OR=1.251)、H3值升高(OR=1.066)为是否发生糖尿病的独立危险因素。见表 7。
| 变量 | β | SE | Wald χ2 | P | OR | OR 95%CI |
| 脉势 | 1.110 | 0.357 | 9.696 | 0.002** | 3.035 | 1.509~6.105 |
| H2 | 0.224 | 0.093 | 5.835 | 0.016* | 1.251 | 1.043~1.499 |
| H3 | 0.064 | 0.024 | 7.006 | 0.008** | 1.066 | 1.017~1.117 |
| 注:上述二元logistic回归分析结果中,*P<0.05,**P<0.01。 | ||||||
中医认为,舌象和脉象作为辨证论治的主要依据,可以直观地反映脏腑气血的变化,有助于诊断疾病和判断预后。现代医学研究证实,舌脉参数与空腹血糖、餐后2 h血糖、糖化血红蛋白等临床指标具有一定的相关性,能够反映糖尿病的严重程度[11-12]。另有大量横断面研究探讨糖尿病前期、临床糖尿病期、糖尿病并发症期患者的舌象客观化特征[13-14]。本研究在既往研究基础上,利用人工智能化四诊仪对糖尿病患者进行了脉象客观化分析,共对比了舌色、舌形、苔色、苔质、脉位、脉节律、脉力在内的49个指标。这些指标具有高信息度、高准确性、高丰富度的优势,进一步拓展了糖尿病舌象和脉象客观化研究的维度。
本研究显示,糖尿病患者以H2值和H3值升高、脉势异常为主要表现,临床可将三者的变化作为糖尿病诊断及防治效果评估的参考指标。H2值指降中峡前波幅度,反映动脉血管壁的弹性;H3值指脉搏图中降中峡后波振幅,反映外周阻力的大小。H2值、H3值升高,提示血管张力下降和脉内血流不畅。笔者团队在脉象定量比较中曾得出相似的结论,即糖尿病患者的AS/AD值高于健康人群,说明该病患者心室收缩期射血面积/舒张期心室充盈面积比值增高,动脉血管顺应性下降[15]。现代医学分析认为,血糖升高会促使非酶促糖基化反应的发生,导致胶原蛋白的交联,加速血管的硬化;还会促使一氧化氮合成减少,表现为血管舒张功能减低[16]。此外,长期的高血糖容易诱发神经血管的损伤,甚至闭阻毛细血管,影响全身血液循环代谢,还可能促使内毒素蓄积,在激活免疫系统的同时,释放炎症因子,使其黏附于血管内壁,阻塞血流运行[17-18]。中医理论分析认为,消渴病者既可因元气亏损、中气不足,导致气不行血、瘀血内生,加重脉络受损、脉道失濡,使血管硬度增加,也可能因为阴虚生内热,煎熬津液,生痰夹瘀,闭阻脉络,表现为脉内血行受阻[19]。另有不少医家指出,瘀血既可作为病理产物,又可作为致病因素贯穿于糖尿病及其并发症发展的全过程[20]。此外,由于本研究纳入的均为早期糖尿病患者,定性分析虽未在舌象中观察到明显的瘀斑瘀点征,但定量分析已显示出瘀血内阻的迹象,具体表现为舌RGB-G、苔RGB-G、舌RGB-B、苔RGB-B值偏高,提示舌体偏青紫色;舌Lab-L、苔Lab-L、舌HSV-S、苔HSV-S均偏低,提示舌色、苔色偏暗,饱和度不佳。
脉势异常指低平虚为糖尿病患者的主要脉象特征之一。除低平虚的特征外,本研究中糖尿病患者无力脉与沉脉占比较高,且H1值低于健康人群。现代研究证实,长期高血糖会影响迷走神经和交感神经的调节[21-22],甚至诱发心脏自主神经调节及电生理功能的紊乱,使患者心肌收缩功能减退致射血功能下降,导致脉内血行无力,表现为主波幅度降低。就中医病机而言,消渴病及脾肾二脏,易导致先后天失养,其中先天肾精亏虚,元气不足,则三焦经气无以输布,难以推动气血的生成和运行[23-24];后天脾胃之气不足,则水谷精微难以生化,脉中营气和脉外卫气枢机不利,临床表现为脉沉而无力。
此外,既往研究表明,未并发糖尿病并发症的患者,舌色较正常人偏红,部分患者舌色偏暗红或红绛[25]。治疗后,血糖控制良好组的舌根红值较控制不良组的明显下降[26]。本研究中,糖尿病患者较健康人舌色偏红,苔RGB-R、舌Lab-a、苔Lab-a值偏高,与其他研究所得出的结论相似。近现代医家认为,糖尿病患者三焦气机宣降失常,水液代谢分布失司,阴虚内热之象较为明显,主要表现为上焦肺燥失宣,中焦脾胃阴虚,下焦肾精失固[27]。就舌象分析而言,糖尿病患者多因热盛伤津,煎熬津液,虚火上炎,上犯于舌络。
综上所述,基于舌象脉象客观化分析研究结果和患者临床表现,能够捕捉其中的细微差异并提供良好的特征解释,可以为该类疾病的诊断和治疗提供重要的参考依据。然而,虽然现有的人工智能化四诊仪能够应用分离算法提取患者的舌象脉象,但在实际操作中,四诊仪对于个别患者的舌质像素附着点的分离和脉搏波动点的捕捉不够准确。未来,研究团队将纳入更多患者进行分析比较,避免样本量不充足所导致的数据偏倚,为糖尿病的中西医治疗提供循证依据。
| [1] |
李沛城, 冯波. 《中国糖尿病防治指南(2024版)》更新要点解读[J]. 同济大学学报(医学版), 2025, 46(2): 151-158. |
| [2] |
董昭熙, 史扬, 宿家铭, 等. 糖尿病肾脏病湿热证不同分期的舌象客观化特征研究[J]. 北京中医药大学学报, 2025, 48(3): 398-411. |
| [3] |
张月林, 马贝, 田鸽, 等. 中医舌诊现代技术及应用研究进展[J]. 天津中医药, 2024, 41(4): 532-536. DOI:10.11656/j.issn.1672-1519.2024.04.22 |
| [4] |
段梦遥, 王楚皓, 谈宇权, 等. 315例冠心病患者舌象特征客观化研究[J]. 中医杂志, 2024, 65(9): 921-927. |
| [5] |
刘实, 高阳, 江涛, 等. 糖脂代谢病及其不同证型患者舌象特征的回顾性研究[J]. 中医杂志, 2025, 66(8): 826-833. |
| [6] |
丁艳, 王烨, 刘佳, 等. 基于客观化多模态数据融合的冠心病血瘀证诊断模型的构建[J]. 中医杂志, 2025, 66(21): 2239-2248. |
| [7] |
赵国庆, 鲍治家, 卢傲, 等. 中医四诊信息采集系统软件的设计与实现[J]. 南开大学学报(自然科学版), 2025, 58(3): 44-50. |
| [8] |
张娟, 刘孟涵, 宋晓慧, 等. 脉诊仪及其检测指标的临床研究分析[J]. 中国中医基础医学杂志, 2025, 31(3): 425-430. |
| [9] |
马绮娴, 韩诗雨, 黄慧, 等. 基于舌脉象客观化的糖尿病前期中医综合干预方案的疗效评价研究[J]. 时珍国医国药, 2025, 36(13): 2509-2514. |
| [10] |
中国糖尿病防治指南(2024版)(节选一)[J]. 中国实用内科杂志, 2025, 45(10): 864-874, 892.
|
| [11] |
LI J, YUAN P, HU X J, et al. A tongue features fusion approach to predicting prediabetes and diabetes with machine learning[J]. Journal of Biomedical Informatics, 2021, 115: 103693. DOI:10.1016/j.jbi.2021.103693 |
| [12] |
LI J, CHEN Q, HU X J, et al. Establishment of noninvasive diabetes risk prediction model based on tongue features and machine learning techniques[J]. International Journal of Medical Informatics, 2021, 149: 104429. DOI:10.1016/j.ijmedinf.2021.104429 |
| [13] |
陈清光, 蔡梦洁, 袁培琼, 等. 不同糖代谢人群的舌象客观化特征研究[J]. 辽宁中医杂志, 2021, 48(3): 88-91. |
| [14] |
徐艺峰, 王忆勤, 郝一鸣. 2型糖尿病及其常见慢性并发症患者四诊客观参数分析[J]. 中华中医药杂志, 2022, 37(6): 3405-3409. |
| [15] |
周智慧, 崔骥, 袁培, 等. 2型糖尿病周围神经病变不同程度患者舌象及脉象数据特征[J]. 中华中医药杂志, 2025, 40(7): 3767-3773. |
| [16] |
周佳茜, 范习康, 华姜, 等. 2型糖尿病大血管并发症的流行病学研究进展[J]. 中国慢性病预防与控制, 2026, 34(1): 70-75. |
| [17] |
秦立昊, 李静燕, 刘婷婷, 等. 血糖水平对糖尿病创面组织氧化应激及炎症的影响[J]. 中国老年学杂志, 2025, 45(23): 5783-5787. |
| [18] |
TAKEUCHI T, KUBOTA T, NAKANISHI Y, et al. Gut microbial carbohydrate metabolism contributes to insulin resistance[J]. Nature, 2023, 621(7978): 389-395. DOI:10.1038/s41586-023-06466-x |
| [19] |
黄玉燕, 佟旭, 卢红蓉, 等. 基于古今文献的痰瘀互结证舌象解析[J]. 中华中医药杂志, 2024, 39(7): 3311-3315. |
| [20] |
张献之, 李靖, 张正媚, 等. 国医大师吕仁和教授治疗糖尿病肾病用药经验的数据挖掘研究[J]. 中国中西医结合肾病杂志, 2023, 24(8): 720-722. |
| [21] |
GALIERO R, CATURANO A, VETRANO E, et al. Peripheral neuropathy in diabetes mellitus: Pathogenetic mechanisms and diagnostic options[J]. International Journal of Molecular Sciences, 2023, 24(4): 3554. DOI:10.3390/ijms24043554 |
| [22] |
MASUO K, RAKUGI H, OGIHARA T, et al. Cardiovascular and renal complications of type 2 diabetes in obesity: Role of sympathetic nerve activity and insulin resistance[J]. Current Diabetes Reviews, 2010, 6(2): 58-67. DOI:10.2174/157339910790909396 |
| [23] |
吴泽龙, 倪英群, 张喆, 等. 基于"固本培元"理论初探糖尿病前期的防治[J]. 中医药临床杂志, 2024, 36(7): 1210-1213. |
| [24] |
周小州, 李佩芳, 张岳, 等. 基于数据挖掘探析2型糖尿病用药规律[J]. 中国医药导报, 2025, 22(30): 13-19. |
| [25] |
李建辉, 兰琴. 糖尿病舌象研究进展[J]. 光明中医, 2024, 39(21): 4414-4417. |
| [26] |
窦智丽, 孙浩南, 刘一星, 等. 中医治疗2型糖尿病证候预测模型的建立[J]. 湖南中医杂志, 2023, 39(8): 135-140. |
| [27] |
禹姗姗, 朱连连, 路童, 等. 从"脾在味为甘"探讨肥胖2型糖尿病的中医认识[J]. 世界科学技术-中医药现代化, 2026, 28(1): 288-295. |
2. Nephropathy Department, Fangshan Hospital, Beijing University of Chinese Medicine, Beijing 102400, China
2026, Vol. 43



