一天 288 个血糖读数，FDA 真正在意的是那些“没有出现”的数据

连续监测把一次抽血变成了一条数据河

传统临床试验里的血糖，常在规定访视、空腹或餐后某个时点测量。连续血糖监测设备贴在身体上，通过组织间液葡萄糖形成接近实时的曲线。假设设备每五分钟记录一次，一个人一天就可能产生 288 个读数；如果每分钟一次，则是 1,440 个。几百名受试者、数月随访，很快会形成数千万行数据。

更多数据让研究者能看到传统抽样看不到的模式：目标范围内时间、低血糖持续时长、夜间波动、餐后峰值和日内变异。但密度也带来新的错觉。一条平滑曲线看起来客观，背后却包含传感器预热、脱落、连接中断、软件升级、上传失败、参与者提前停止佩戴，以及把逐时点读数汇总成终点的一连串选择。

2026 年 5 月，美国 FDA 发布最终版二级指南《在临床试验中提交连续血糖监测数据》。文件由药品审评与研究中心和生物制品审评与研究中心发布，面向用 CGM 数据支持药物或生物制品上市申请的临床试验。它不是一份教患者如何使用 CGM 的说明，也不是对某款设备性能的认证，而是一套让申报数据可被审评、追溯和比较的技术规格。

指南把数据流拆成几个层级。最底层是 epoch-level 数据，即设备按一分、五分或十五分钟等采样周期输出的读数和错误码；中间可以有按天或按周汇总的数据；最终分析数据用于统计分析计划预先规定的 CGM 衍生终点，例如试验最后两周的目标范围内时间。设备制造商、型号、软件版本和参与者与设备的交互，则构成不能塞进单条血糖值里的“其他 CGM 数据”。

这套拆分的核心不是文件命名，而是可追溯性。审评者看到最终平均值时，应该能一路回到每个受试者、每个时间点的原始或标准化读数，知道哪些步骤是测量、哪些步骤是派生、哪些值从未被记录。对数字健康技术而言，这种谱系比一张漂亮曲线更接近证据。

最重要的一行，可能是空值

FDA 文件建议，理想情况下，SDTM 的实验室结果数据集中应在协议规定的整个佩戴期，为每位受试者、每个采样周期保留一条记录。读数存在时记录测量；读数为空时，使用完成状态和未执行原因说明缺失。现实中设备被摘下后可能连空行都不产生，因此分析级数据还要重建间歇缺失时段。

为什么要如此认真对待“没测到”？因为缺失很少是完全随机的。皮肤不适的人可能更早摘下传感器；严重低血糖时设备或连接可能异常；某种型号的传感器在特定活动状态下更容易断连；住院或退出试验的人会形成长段空白。如果只分析实际收到的读数，治疗组和对照组的可见时间可能根本不一样。

传感器预热尤其容易造成误读。设备刚安装的数分钟或数小时里可能不输出可用读数，这类空白是设计所致，不应与脱落、上传失败或受试者拒绝佩戴混在一起。指南要求记录缺失原因，并建议在临床研究报告中按治疗组和时间单位提供数据完整性摘要、缺失比例和原因。

这些表格不会自动解决缺失偏差，却迫使研究者把问题显性化。统计分析计划还要说明主要分析如何处理缺失，是否设定最低有效佩戴比例，怎样做敏感性分析。若治疗本身影响皮肤反应、活动或住院，从而改变佩戴完整性，简单删除缺失时段可能会把设备可用性误当成药物效果。

连续数据还需要正确的时间。设备本地时间、手机时间、服务器时间和试验访视时间可能不一致；夏令时、跨时区、离线缓存和后补上传都会造成错位。一个低血糖读数如果与用药、进餐或指尖血对照错开十分钟，临床解释就可能改变。因此数据标准不仅要保存值，还要保存 ISO 格式时间、采样周期、传感器身份和派生窗口。

同一条曲线，设备版本不同，含义也可能不同

CGM 是医疗器械。FDA 文件提醒，不同型号可能有不同分析性能、传感器更换频率和回填缺失读数能力，因而产生不同的缺失模式。指南鼓励同一受试者在试验中尽量使用相同型号和版本；如发生升级、降级或替换，应记录唯一器械标识、改变理由，以及统计分析中如何处理差异。

唯一器械标识不是资产管理的附属字段。它把某段曲线与具体制造商、型号或版本连接起来。当同一试验跨越数年，硬件和软件迭代几乎不可避免。若新算法调整了信号平滑、校准或回填逻辑，表面上单位相同的葡萄糖读数可能并不完全可比。

指南还建议提交传感器插入时间、每次会话上传时间、软件变化、错误码、连接丢失和上传失败等事件。这样，异常曲线不再只能靠猜。研究者可以判断一次突然平稳究竟代表生理改善，还是设备停止更新；可以区分治疗效果、参与者行为和技术事件。

这也说明真实世界中的“设备无感”并不意味着数据生成过程可以被忽略。越自动的测量，越需要机器可读的运行日志。传统实验室检查通常有样本号、仪器、质控和批次；数字传感器也需要等价的元数据，否则每分钟一个数字只是高频黑箱。

从逐点读数到临床终点，每一步都可能改变答案

连续曲线不会直接出现在药品标签上。研究者通常把它派生成目标范围内时间、低于范围时间、葡萄糖变异系数等终点。每一个指标都需要定义范围阈值、最短事件时长、分析窗口、有效日标准、基线和随访时段，以及是否排除预热或错误码。

FDA 技术规范明确没有给出统一的 CGM 衍生终点定义，也不讨论某项具体试验中如何解释和使用设备输出。申办方仍需在方案和统计分析计划中定义终点并给出理由。标准告诉大家把数据装进什么结构，不替代科学问题本身。

例如“低血糖事件”可以由单个低于阈值的读数触发，也可以要求连续多个读数、达到规定时长后才算一次。前者更敏感，也更容易把短暂噪声算作事件；后者更稳定，却可能漏掉短而危险的下降。若研究结束后根据曲线形态才调整定义，显著性就可能来自分析选择，而非预先提出的假设。

文件还讨论把 CGM 与非 CGM 葡萄糖测量配对。指尖血或静脉血可能用于校准、确认低血糖警报或比较设备读数。申办方应在统计分析计划中规定配对时间窗，提交用于配对的程序代码，并保留两种测量的时间差、绝对差和百分比差。五分钟还是三十分钟的窗口，会改变能配上的点和比较结果，因此必须可复现。

从原始读数到汇总值的代码同样属于证据。版本控制、输入输出校验、测试用例和独立复现应该进入数据管线。若脚本更新，应说明哪一批结果被重新生成。把分析程序交付给审评者，不只是便于重跑，也让隐藏在“平均值”里的选择获得检查机会。

标准化不是正确性的同义词

指南使用 CDISC 的 SDTM 和 ADaM 框架来组织提交。SDTM 更接近标准化呈现所收集的数据，ADaM 支持可追溯的分析数据集。统一字段和结构能减少每个申报项目重新解释文件的时间，也有利于自动检查、跨研究比较和审评工具复用。

但是，一个错误读数按正确变量名提交，仍然是错误读数；一个带偏差的终点放进合规数据集，仍然带偏差。FDA 文件明确说明，这些规格不是穷尽性的，也不涉及 CGM 设备本身的验证或确认，不覆盖闭环系统，不替申办方定义终点。具体开发项目仍应尽早与 FDA 沟通。

因此，企业实施时不能把任务交给数据编程团队后就结束。临床、统计、数据管理、器械工程、药物警戒和监管团队要共同确定数据流。设备团队解释错误码和版本变化，临床团队定义可行动事件，统计团队预设派生和缺失处理，数据团队保证每一层可追溯。

数据隐私也不能因标准化被遗忘。分钟级葡萄糖曲线和时间戳可能暴露作息、进餐、睡眠和活动模式；与电子病历、用药和可穿戴数据连接后，重新识别风险增加。提交和研究平台需要访问控制、审计日志、传输加密、最小化字段和保留期限。为了追溯而保留元数据，不等于可以无限保留所有个人行为细节。

一份更好的 CGM 试验成绩单

如果要判断一项使用 CGM 的试验是否可信，可以先看六个问题。设备是否在目标人群和佩戴条件下经过验证？治疗组之间有效佩戴比例是否相近？预热、脱落、断连、升级和退出分别造成多少缺失？每个终点是否在方案和统计分析计划中预定义？从逐点读数到终点的代码能否复现？设备版本变化是否与治疗组或研究时期混杂？

接着看结果表达。除了平均目标范围内时间，应提供个体分布、置信区间和基线情况；除了总体完整率，应显示随时间和治疗组的缺失图；若低血糖等少数事件驱动结论，应报告不同事件定义的敏感性分析。图表要让审阅者看到不确定性，而不是只展示最顺滑的一条均值曲线。

对科学仪器行业，这份规范释放了一个重要信号：未来竞争不仅是传感器更准、寿命更长，也包括数据能否在监管证据链里被解释。设备厂商需要提供稳定的标识、版本记录、错误语义和导出能力；申办方需要在选型时审查这些能力，而不是试验结束才发现原始日志拿不到。

对医疗 AI 团队，教训同样直接。连续数据很适合训练预测模型，但开发集中的完整曲线可能来自更配合、更健康或设备更稳定的人。如果模型对缺失进行自动填补，应记录填补依据和不确定性，并在不同型号、版本和人群中验证。一个能生成风险分数的算法，也必须能说明分数依赖哪些真实读数、哪些派生值和哪些被填补的空白。

FDA 的技术规范没有让 CGM 试验突然变得正确。它做的是把容易被隐藏的环节变成必须呈现的结构：读数从哪里来，什么时候没来，设备发生过什么，终点怎样算出。一天 288 个读数里，最重要的有时不是某个高峰，而是那一段没有数字、却有人以为一切正常的时间。

来源与边界

• 文件发布日期、适用范围和非约束性质来自 FDA 指南页：https://www.fda.gov/regulatory-information/search-fda-guidance-documents/submitting-continuous-glucose-monitoring-data-clinical-trials
• 数据层级、缺失表示、器械标识、版本变化、配对数据及表图建议来自最终技术规格全文：https://www.fda.gov/media/192367/download
• 该文件服务于支持药品或生物制品上市申请的临床试验数据提交；不等于 CGM 设备获批、具体终点获认可或治疗有效。
• 本文不解释个人血糖曲线，不提供糖尿病诊断、用药、饮食或设备选择建议。