目的：
　　血糖监测是糖尿病治疗和管理中的重要组成部分，但如果能预测血糖，针对糖尿病未来血糖变化，对糖尿病早期预防、早期治疗和管理有重要意义。随着机器学习算法的兴起，已有大量的研究通过不同的学习算法来预测血糖变化。本研究主要通过动态血糖监测系统(continuous glucose monitoring system，CGMS)建立GM(1，1)血糖预测模型，获得血糖预测值，比较血糖预测值与实际测定值的差异来评估GM(1，1)模型在糖尿病患者短期血糖预测中的有效性、准确性。
　　方法：
　　本研究采用回顾性研究的方法，纳入2017年1月-2017年9月于我院内分泌代谢科接受皮下胰岛素泵治疗的163例糖尿病患者，所有患者均佩戴CGMS连续监测72小时，同时每日至少输入4次指端血糖进行校正。(1)从121例糖尿病患者中选取50例符合连续、无断点的原始血糖数据序列，建立GM(1，1)血糖预测模型，比较在未来5分钟、15分钟、30分钟血糖预测模型精度；(2)从42例糖尿病患者中选取16例符合连续、无断点的原始血糖数据序列，建立GM(1，1)血糖预测模型，应用相关分析、误差分析等方法评估未来30分钟在不同血糖水平血糖预测值和测定值之间的变化关系。
　　结果：
　　@(1)50例糖尿病患者GM(1，1)预测值和与之相匹配CGMS测定值的相关系数在未来5分钟、15分钟、30分钟分别为0.99、0.98、0.92(P＜O.OO1)。但随着预测时间的延长，相关性降低。而平均绝对误差、平均相对误差、均方差根值随着预测时间的延长升高。Clarke误差网格分析(error grid analysis，EGA)结果示未来5分钟、15分钟、30分钟分别有99.87%、99.70%、99.53%的点落在区域A和区域B。
　　(2)16例糖尿病患者在未来30分钟这一预测时域共收集到13552对GM(1，1)预测值和CGMS测定值。在总体血糖水平，84.3%的GM(1，1)预测值在CGMS值的±20%范围内，93.1％在CGMS值的±30%范围内；相关性分析显示两者相关性显著(r=0.94，P＜O.O01);平均绝对误差、相对误差、标准差分别为0.78、11、1.28，均在临床接受范围；EGA结果示99.63%的点落在区域A和区域B；偏差趋势分析中总体血糖水平90.5%的配对值偏差集中在-2mmol/L，2mmol/L，而两者之间偏差绝对值超过3mmol/L只有4.g%
　　结论：
　　基于CGMS建立的GM(1，1)血糖预测模型可以有效地对血糖进行前瞻性测定，并且能准确反映未来5分钟、15分钟、30分钟血糖变化趋势，且在未来30分钟预测值和实际测定值具有良好的相关性、一致性和准确性。