L’essentiel en un clin d’œil
• La durée et la qualité du sommeil peuvent se répercuter sur la variabilité glycémique des patients diabétiques de type 1.
• Sommeil et glycémies chez les femmes enceintes : données issues de la surveillance continue de la glycémie.
• Performances de trois systèmes CGM, utilisés simultanément lors d’un week-end d’activité en camp d’été chez des adultes diabétiques de type 1 : étude prospective en laboratoire et en conditions réelles.
• Glucoselo : une modélisation causale évaluant l’activité physique comme stratégie hypoglycémiante en situation réelle chez les patients diabétiques de type 1.
TOP 1 – La durée et la qualité du sommeil peuvent se répercuter sur la variabilité glycémique des patients diabétiques de type 1
Selon la National Sleep Foundation, 7 à 9 heures de sommeil par jour sont nécessaires à la bonne santé des adultes de 18 à 64 ans.
Cette présentation s’est donc intéressée à la durée et la qualité du sommeil de diabétiques de type 1 (DT1) pour observer leur potentielle incidence sur la variabilité glycémique.
Une étude polonaise de 2023 à 2024
Ont ainsi été inclus, 155 DT1 (73 hommes (47 %)), âgés de 33 ± 9 ans, d’une durée de diabète de 12 ans (IQR : 8-20 ans) avec une HbA1c de 7,4 ± 1,0 %.
Un questionnaire d’auto-évaluation a permis de quantifier la durée et la qualité du sommeil au cours du mois précédent (chiffré par l’indice de qualité du sommeil de Pittsburgh (PSQI)) qui a été couplé aux données de surveillance continue de la glycémie par CGM (Dexcom® G7, Free-Style® Libre, Guardian® G3 ou G4), enregistrées simultanément, à l’aide de GlyCulator 3.0.
L’analyse statistique a été réalisée avec Dell Statistica v.13. Le test de Kruskal-Wallis avec correction post-hoc de Bonferroni et régression logistique multiple a été utilisé et une valeur de p < 0,05 a été retenue comme statistiquement significative.
Les patients
Les caractéristiques des patients sélectionnés sont résumées dans le tableau 1.
Au total, 78 participants (50,3 %) répondent aux critères normés de durée de sommeil recommandée (cible : T pour time), 56 participants (36,1 %) déclarent dormir moins de 7 heures (L pour less) et 21 participants (13,6 %) affirment dormir plus de 9 heures (M pour more).
Les résultats
En comparant les participants dormant 7 à 9 heures par jour avec les autres groupes, l’étude constate pour ceux dormant moins ou plus :
• une glycémie moyenne plus élevée (T : 161 ± 29 ; L : 172 ± 28 ; M : 175 ± 34 mg/dl ; p = 0,035) ;
• un coefficient de variabilité glycémique plus élevé (T : 35,6 ± 6,3 ; L : 38,6 ± 5,7 ; M : 38,8 ± 6,0 ; p = 0,024),
• un indice de risque glycémique plus élevé (T : 43,2 ± 20 ; L : 51,6 ± 20 ; M : 53,6 ± 21 ; p = 0,022),
• un indice de glycémie élevée plus important (T : 6,9 ; L : 9,5 ; M : 9,8 ; p = 0,023),
• une amplitude moyenne des excursions glycémiques plus élevée (T : 108,0 ± 27 ; L : 127,8 ± 33 ; M : 126,8 ± 28 ; p = 0,001),
• une évaluation du risque glycémique du diabète plus élevée (T : 8,4 ; L : 10,3 ; M : 10,3 ; p = 0,026),
• une moyenne des différences quotidiennes plus élevée (T : 57,6 ± 14 ; L : 68,0 ± 17 ; M : 69,3 ± 18 ; p = 0,0017)
• un temps dans la plage cible plus court (T : 63,5 ± 16 ; L : 57,7 ± 15 ; M : 56,1 ± 16 % ; p = 0,037).
Aucune différence n’a été observée entre les groupes en termes de qualité du sommeil, d’indice de glycémie basse, d’HbA1c ou de durée du diabète.
Une analyse de régression logistique multivariée a montré que dormir 7 à 9 heures par jour était associé à des valeurs plus faibles de variabilité glycémique, comparativement au sommeil plus court et plus long après ajustement sur l’âge, le sexe et l’HbA1c.
À retenir
Au total, il semblerait que les DT1 déclarant dormir 7 à 9 heures par jour présentaient une variabilité glycémique plus faible que ceux déclarant une durée de sommeil plus courte ou plus longue.
• Duda-Sobczak A, Kulecki M, Pilacinski S et al. The relationship between sleep duration and quality and glycaemic variability in adults with type 1 diabetes. EASD 2025 : OP 41-233.
TOP 2 – Sommeil et glycémies chez les femmes enceintes : données issues de la surveillance continue de la glycémie
Les troubles du sommeil sont fréquents pendant la grossesse et peuvent affecter le métabolisme du glucose. Bien que la durée et la qualité du sommeil aient été associées au risque de diabète gestationnel (DG), peu d’études ont examiné leur lien avec le contrôle glycémique de grossesses déjà compliquées d’une hyperglycémie.
Cette présentation américaine a examiné l’association entre d’une part la durée et la qualité subjective du sommeil et d’autre part les glycémies obtenues par surveillance continue de la glycémie (CGM) chez les femmes enceintes présentant un DG ou une intolérance au glucose (INTG).
Une étude multicentrique américaine et népalaise
Cette étude observationnelle de cohorte a concerné 48 femmes enceintes présentant un DG ou une ING (26 du New Jersey aux États-Unis et 22 de Dhulikhel au Népal) entre les 24e et 35e semaines de grossesse.
Les participantes ont auto-déclaré la durée et la qualité de leur sommeil au cours du mois précédent à l’aide de l’indice de qualité du sommeil de Pittsburgh. La durée du sommeil a été rapportée comme le nombre moyen d’heures de sommeil par nuit, et la qualité du sommeil, évaluée sur une échelle de quatre points allant de “très bonne” à “très mauvaise”.
Ensuite, les femmes ont porté un capteur CGM FreeStyle® Libre pendant une période allant jusqu’à 14 jours.
Des modèles de régression linéaire multivariée, ajustés sur l’âge maternel, la durée de gestation à l’inclusion, l’IMC avant la grossesse et l’activité physique de modérée à intense (minutes par semaine), ont été utilisés pour examiner les associations entre le sommeil et les mesures du CGM, notamment la glycémie moyenne sur 24 heures, diurne et nocturne, la variabilité glycémique, la glycémie à jeun et le temps dans la plage de valeurs cibles.
Les résultats
• S’agissant de la qualité du sommeil, il n’a été constaté aucun lien significatif avec les glycémies.
• En revanche, une durée de sommeil plus longue était associée à des profils glycémiques plus favorables aux mesures CGM. Comparées à celles ayant dormi moins de 6 heures, les femmes ayant dormi entre 6,1 et 7,9 heures présentaient des glycémies sur 24 heures, diurnes, nocturnes et à jeun plus faibles, et celles ayant dormi entre 8,0 et 8,9 heures présentaient également une glycémie à jeun plus faible durant les 14 jours.
Ces associations modestes ne sont cependant pas significatives sur le plan statistique, sauf pour les glycémies à jeun des sommeils de 6,1 et 7,9 heures comparées à celles relevées lors de sommeils < 6 heures (Tab. 2).
• La stratification par pays (Tab. 3) n’a montré de significatives associations que dans l’échantillon américain : dormir de 6,1 à 7,9 heures (contre ≤ 6 heures) était associé à une glycémie moyenne sur 24 heures significativement plus faible (β = -28,1 ; p = 0,003), une glycémie moyenne diurne plus faible (β = -29,6, p = 0,005), une glycémie moyenne nocturne plus faible (β = -23,6 ; p = 0,001) et une glycémie à jeun plus faible (β = -23,7 ; p = 0,006).
• Bien qu’une durée de sommeil de 9 heures ou plus soit également associée à des taux de glucose plus faibles, cette différence n’était que faiblement significative ; ainsi dormir entre 8,0 et 8,9 heures était associé à une glycémie à jeun plus faible (β = -16,4 ; p = 0,08) par rapport à ≤ 6 heures.
À retenir
Au total, une longue durée de sommeil est généralement associée à une amélioration des profils glycémiques des femmes enceintes atteintes de DG ou d’INTG, surtout dans la cohorte américaine. Il est possible que l’absence de liens dans le sous-groupe népalais puisse refléter des facteurs contextuels tels que le mode de vie, l’accès aux soins de santé et la variabilité des phénotypes de DG liée aux différences raciales et ethniques. Des recherches supplémentaires seront donc nécessaires dans ces populations.
• Rawal S, Win A, Khan A et al. Sleep and glycaemic patterns in hyperglycaemic pregnancies: evidence from continuous glucose monitoring. EASD 2025 : OP 41-234.
TOP 3 – Performances de trois systèmes CGM, utilisés simultanément lors d’un week-end d’activité en camp d’été chez des adultes diabétiques de type 1 : étude prospective en laboratoire et en conditions réelles
La surveillance continue de la glycémie en temps réel (CGM) joue un rôle central dans la prise en charge moderne du DT1. Cependant, les performances du capteur sont limitées lors des fluctuations de glycémies, notamment pendant l’activité physique.
L’objectif de cette étude allemande était d’analyser chez des DT1 les performances de trois systèmes de mesure CGM différents utilisés en parallèle, lors d’une activité physique en condition réelle et en laboratoire, puis lors d’une phase de suivi à domicile.
Une étude en “monde réel”
Ont pris part à cette surveillance, 20 DT1 (9 femmes ; âge 50 ± 12 ans ; HbA1c 6,6 ± 0,5 %).
L’expérience consistait en une phase de 3 jours de trois séances d’exercices (d’une durée de 90 minutes chacune) en laboratoire, suivie d’une phase à domicile de 4 jours.
Les contrôles glycémiques étaient assurés par Dexcom® G7, Free-Style® Libre 3 et Simplera® rtCGM.
De 8 h 00 (première mesure) à 22 h 00 (dernière mesure), des relevés glycémiques ont été pris toutes les 2 heures avec le glucomètre Contour Next One® en parallèle aux valeurs de glucose des capteurs.
À domicile, quatre mesures ont été réalisées : avant le petit-déjeuner, avant le déjeuner, avant le dîner et deux heures après le dîner.
La précision des systèmes CGM a été évaluée par la différence relative absolue médiane (MedARD) et de l’écart interquartile [IQR] par rapport au lecteur de glycémie de référence. Les différences relatives absolues (|ARD|) des trois CGM ont été analysées à l’aide du test de Kruskal-Wallis (p < 0,05).
Les résultats (Tab. 4)
• Au total, 723 valeurs comparatives étaient disponibles pour Dexcom® G7 ; 723 pour FreeStyle® Libre 3 et 719 pour le système CGM Simplera®. La MedARD globale était de 8,4 % pour Dexcom® G7, de 7,5 % pour FreeStyle® Libre 3 et de 13,8 % pour Simplera®.
• Lors de la phase en laboratoire, un total de 418 valeurs comparatives étaient disponibles pour Dexcom® G7 ; 410 pour FreeStyle® Libre 3 et 413 pour le système Simplera® CGM. Le MedARD pour Dexcom® G7 était de 8,7 %, pour FreeStyle® Libre 3 de 8,0 % et pour Simplera® de 15,1 %.
• À domicile, 306 valeurs comparatives étaient disponibles pour Dexcom® G7 ; 313 pour FreeStyle® Libre 3 et 306 pour le système Simplera® rtCGM. La MedARD pour Dexcom® G7 était de 7,9 %, pour FreeStyle® Libre 3 de 6,8 % et pour Simplera® de 12,4 %.
Lors de la comparaison des |ARD|, aucune différence significative n’a été constatée entre le FreeStyle® Libre 3 et le Dexcom® G7, toutes phases confondues (p = 0,35 ; en laboratoire : p > 0,99 ; à domicile : p = 0,18). En revanche, lors de la comparaison entre Dexcom® G7 et Simplera® puis entre FreeStyle® Libre 3 et Simplera®, une différence significative a été constatée pour toutes les phases (p < 0,01 pour toutes).
À retenir
Au total, dans cette comparaison directe de mesure de la glycémie pendant l’activité physique, le Dexcom® G7 et le système CGM FreeStyle® Libre 3 ont montré une très grande précision comparée à la glycémie de référence par glycémie capillaire ; une précision inférieure a été observée avec le capteur Simplera®.
• Sanfilippo S, Thurm U, Renfordt M et al. Performance of three simultaneously used rtCGM systems around a physically active weekend camp in adults with type 1 diabetes: a prospective lab and real-world study. EASD 2025 : OP 41-235.
TOP 4 – Glucoselo : une modélisation causale évaluant l’activité physique comme stratégie hypoglycémiante en situation réelle chez les patients diabétiques de type 1
L’hyperglycémie chez les DT1 est généralement prise en charge par de l’insuline qui, cependant, agit lentement entraînant une correction tardive, voire une hypoglycémie par accumulation excessive. L’activité physique (AP) est une alternative qui réduit la glycémie par amélioration de la sensibilité à l’insuline et par des mécanismes insulino-indépendants. Toutefois, malgré son potentiel, les preuves de l’effet hypoglycémiant de l’AP proviennent d’études non contrôlées.
La modélisation causale permet d’estimer les effets d’une AP à partir de données observationnelles en se rapprochant des conditions d’un essai contrôlé randomisé. Pour pallier le manque de preuves causales dans la vraie vie, Glucoselo a utilisé un modèle d’étude par paires appariées intra-sujet afin d’estimer l’effet hypoglycémiant de brèves séances d’AP initiées lorsque la glycémie dépassait 10,0 mmol/l.
Une étude anglaise multicentrique
Cette étude a donc analysé les données CGM de 363 adultes participant à T1DEXI et de 119 adolescents participant à T1DEXIP, afin d’identifier 1 546 paires appariées d’épisodes d’AP et d’inactivité (de 10 à 30 minutes chacune) chez un même individu.
L’appariement a été réalisé à l’aide d’un nouvel algorithme des k plus proches voisins, fondé sur les résultats pondérés par les covariables les plus prédictives de l’évolution de la glycémie : glycémie initiale, taux de variation de la glycémie, insuline et variabilité glycémique avant l’activité.
Ce modèle d’appariement intra-individuel évalue approximativement l’évolution de la glycémie en l’absence d’AP. L’évolution de la glycémie pendant l’AP a été comparée à celle des périodes d’inactivité appariées à l’aide de modèles à effets mixtes.
Les résultats
L’analyse par paires appariées a montré que l’AP entraînait une réduction moyenne de la glycémie de -2,2 mmol/l (IC 95 %) contre -0,3 mmol/l (IC 95 %) pendant les périodes de non-activité, donnant une estimation causale de -1,9 mmol/l
(p < 0,0001) directement attribuable à l’AP. Et ce, sans différence s’agissant du sexe, de l’âge et du type d’AP.
Une hypoglycémie (< 3,9 mmol/l) est survenue dans 1,8 % des cas d’AP, contre 0,2 % des cas d’inactivité appariés.
Les facteurs modérateurs
L’effet hypoglycémiant variait en fonction des principaux prédicteurs, en particulier le taux de variation de la glycémie et la glycémie initiale (p < 0,001 pour les deux).
D’autres facteurs modérateurs comprenaient la variabilité de la glycémie, la durée de l’AP et la quantité d’insuline (p < 0,05 pour tous) (Fig. 1).
Figure 1 – Modérateurs individuels et événementiels de la chute différentielle de glucose entre l’activité physique et la non-activité.
Par modélisation causale, cette étude montre que de courtes périodes d’AP réduisent considérablement la glycémie DT1 lorsque la glycémie initiale est supérieure à 10,0 mmol/l. L’appariement des covariables pertinentes pour les résultats permettrait donc une éducation personnalisée (Fig. 2).
Figure 2 – Prédictions glycémiques en fonction de l’activité physique, de la glycémie initiale et du taux de variation de la glycémie.
À retenir
Sur la base de ces estimations, une application est proposée aux DT1 pour gérer les résultats prévisibles de leur AP sur leurs glycémies à partir de celle constatée initialement selon la “Règle 20 par 2” (en mmol) signifiant 20 minutes d’AP diminuent de 2 mmol/l ou la “Règle 20 par 40” (en mg) signifiant 20 minutes d’AP diminue de 40 mg/l la glycémie (Fig. 3).
Un message en rap sur l’AP et la glycémie destiné aux adolescents fut même diffusé par l’orateur en fin d’intervention.
Figure 3 – Application pour portable : règle 20 par 2 en mmol ou règle 20 par 40 en mg.
• Russon C, Pulsford R, Cockcroft E et al. Glucoselo: causal modelling approach using matched-pair analysis to evaluate physical activity as a real-world glucose-lowering strategy in type 1 diabetes. EASD 2025 : OP 41-236.
L’auteur déclare ne pas avoir de liens d’intérêt en rapport avec cet article.
