Dear DCB Community,

Die kontinuierliche Glukoseüberwachung (CGM) hat die Art und Weise verändert, wie Menschen mit Diabetes ihren Alltag gestalten. Glukosewerte, Trends und Warnmeldungen liefern wertvolle Informationen, die Menschen mit Diabetes und medizinischem Fachpersonal dabei helfen, täglich fundierte Entscheidungen zu treffen.

Könnten uns dieselben Daten jedoch weitaus mehr über die Gesundheit einer Person verraten, als uns derzeit bewusst ist?

Eine neue Studie, die in npj Digital Medicine Dies legt nahe, dass ein Blick über einzelne Blutzuckerwerte hinaus Muster aufdecken könnte, die mit diabetesbedingten Gesundheitsrisiken in Zusammenhang stehen. Die Ergebnisse deuten auf eine interessante Möglichkeit hin: Die CGM-Technologie könnte uns eines Tages dabei helfen, Blutzuckerwerte zu verstehen, individuelle Risikoprofile zu ermitteln und eine stärker personalisierte Diabetesversorgung zu unterstützen.

Was haben die Forscher herausgefunden?

Die Forscher analysierten CGM-Daten von 90.757 Teilnehmern der iCanNet-Kohorte, darunter Personen mit Normoglykämie, Prädiabetes, Typ-1-Diabetes und Typ-2-Diabetes. Anstatt sich ausschließlich auf einzelne Glukosewerte zu konzentrieren, untersuchten sie 48 verschiedene aus den CGM-Daten abgeleitete Kennzahlen, darunter die Glukosevariabilität und zeitliche Verläufe. Ihre Analyse ergab unterschiedliche Glukosemuster in den verschiedenen Gruppen. Durch die Kombination mehrerer Kennzahlen konnten die Forscher diese Gruppen zudem besser voneinander unterscheiden.

Besonders interessant waren die Ergebnisse bei Menschen mit Typ-2-Diabetes.

Die Forscher identifizierten vier unterschiedliche glykämische Phänotypen – verschiedene Muster der Glukosewerte und deren Schwankungen –, die mit unterschiedlichen Risiken für diabetesbedingte Komplikationen verbunden sind.

Beispiel:

• Anhaltend hohe Blutzuckerwerte waren mit einem um 59 % erhöhten relativen Risiko für akute Komplikationen verbunden.
• Eine hohe Blutzuckerschwankung war mit einem um 75 % höheren relativen Risiko für akute Komplikationen und einem um 41 % höheren relativen Risiko für chronische Komplikationen verbunden.

Die Forscher entwickelten zudem einen „Digital Glycemic Risk Score“ (DGRS), bei dem mehrere CGM-Kennzahlen kombiniert werden, um Personen mit potenziell erhöhtem Risiko zu identifizieren.

Bei den Teilnehmern mit Typ-2-Diabetes, die bereits eine „Time in Range“ von mindestens 70 % erreicht hatten, stufte das Modell 25 % in eine Hochrisikokategorie für akute Komplikationen und 22,3 % in eine Hochrisikokategorie für chronische Komplikationen um. Es handelte sich hierbei um vom Modell generierte Einstufungen und nicht um bestätigte Vorhersagen über das Auftreten von Komplikationen bei diesen Personen.

Die Ergebnisse deuten darauf hin, dass die Kombination verschiedener Blutzuckerverläufe Aufschluss über Gesundheitsrisiken geben kann, die durch die üblicherweise verwendeten CGM-Kennzahlen allein nicht vollständig erfasst werden.

Von CGM-Daten zu neuen Erkenntnissen. Im Rahmen der Studie wurden 48 aus CGM-Daten abgeleitete Messwerte von 90.757 Teilnehmer und identifizierten unterschiedliche Glukosemuster über das gesamte Diabetes-Spektrum hinweg. Bei Menschen mit Typ-2-Diabetes wurden vier glykämische Phänotypen mit

Was könnte dies für die Diabetesversorgung bedeuten?

Heute helfen CGM-Systeme den Menschen in erster Linie dabei, die Entwicklung ihres Blutzuckerspiegels nachzuvollziehen und entsprechend zu reagieren. Doch die enorme Datenmenge, die diese Geräte generieren, könnte zusätzliche Informationen enthalten, die wir erst jetzt zu ergründen beginnen.

Durch die Analyse der Glukoseverläufe im Zeitverlauf könnten Forscher möglicherweise digitale Biomarker entwickeln – messbare Indikatoren, die aus digitalen Gesundheitsdaten abgeleitet werden – die dazu beitragen könnten, individuelle Stoffwechselprofile zu charakterisieren und potenzielle Gesundheitsrisiken zu erkennen.

Dies könnte medizinisches Fachpersonal in Zukunft dabei unterstützen, Personen zu erkennen, die von einer engmaschigeren Überwachung oder individuelleren Behandlungsansätzen profitieren könnten.

Das Ziel sollte nicht darin bestehen, mehr Daten zu generieren, sondern vorhandene Daten in aussagekräftige Informationen umzuwandeln, die die Diabetesbehandlung erleichtern und fundiertere Entscheidungen ermöglichen.

Die Studie stellt jedoch einen wichtigen Schritt in der Forschung dar und ist kein Beweis dafür, dass diese Ansätze bereits für den klinischen Alltag einsatzbereit sind.

Die Ergebnisse müssen noch in anderen Populationen validiert und prospektiv überprüft werden. Im Rahmen weiterer Forschungsarbeiten muss zudem geklärt werden, ob die Nutzung dieser Risikoprofile als Grundlage für klinische Entscheidungen tatsächlich zu besseren Gesundheitsergebnissen führt.

Ein Blick in die Zukunft: Die Zukunft der CGM-Technologie

Seit Jahren konzentrieren sich die Fortschritte in der CGM-Technologie auf die Verbesserung der Sensorgenauigkeit, der Tragedauer, des Tragekomforts und der Konnektivität. Diese Entwicklungen sind nach wie vor von entscheidender Bedeutung.

Diese Studie zeigt jedoch einen weiteren vielversprechenden Ansatz auf: Der Nutzen der CGM-Technologie könnte zunehmend davon abhängen, welche Erkenntnisse wir aus den von ihr generierten Daten gewinnen können.

Mit den Fortschritten in der Datenanalyse und bei den Algorithmen könnten Glukosesensoren möglicherweise Teil eines umfassenderen Ansatzes werden, um die Stoffwechselgesundheit besser zu verstehen und eine individuellere Versorgung zu ermöglichen.

Dies eröffnet zudem neue Möglichkeiten für Forscher, medizinisches Fachpersonal und Technologieentwickler. Die Herausforderung wird darin bestehen, komplexe Daten in zuverlässige, klinisch aussagekräftige Erkenntnisse umzusetzen, ohne die Diabetesversorgung unnötig zu verkomplizieren.

Inwiefern ist dies für DCB von Bedeutung?

Im Diabeteszentrum Bern konzentrieren wir uns darauf, die Diabetes-Technologie durch Forschung, klinische Entwicklung, Datenwissenschaft und Innovation voranzubringen. Im Mittelpunkt unserer Arbeit steht das Verständnis dafür, wie Technologie den Bedürfnissen von Menschen mit Diabetes besser gerecht werden kann.

Forschungsergebnisse wie diese verdeutlichen, warum Innovationen in der Diabetes-Technologie sowohl auf die Entwicklung besserer Geräte als auch auf die bessere Nutzung der Informationen abzielen, die diese Geräte bereits liefern.

Die Kombination von Fortschritten in der Sensortechnologie mit intelligenter Datenanalyse könnte neue Möglichkeiten für eine personalisierte Diabetesversorgung eröffnen. Damit diese Ansätze jedoch einen spürbaren Unterschied bewirken können, müssen sie wissenschaftlich validiert, klinisch nutzbar und auf die Bedürfnisse der Menschen zugeschnitten sein, die sie anwenden werden.

Vielen Dank für Ihre Aufmerksamkeit und bleiben Sie dran für weitere Einblicke aus unserer Reihe „WUSSTEN SIE SCHON…!“

Eigenforschung

Lu, J., Ding, Y., Zhao, B. et al. (2026). Mehrdimensionale Messgrößen der kontinuierlichen Glukoseüberwachung ermöglichen eine digitale Risikostratifizierung über das gesamte Diabetes-Spektrum hinweg. npj Digital Medicine. Veröffentlicht am 13. Oktober 2026.

https://doi.org/10.1038/s41746-026-03368-w

Dieser Artikel ist eine Bearbeitung eines Originalbeitrags aus dem Newsletter von Derek Brandt, dem Geschäftsführer des Diabeteszentrums Bern.

Dear DCB Community,

We often talk about diabetes management in terms of glucose levels, insulin dosing, carbohydrates, physical activity, sleep, stress and technology. But there is another factor that can influence glucose patterns and insulin needs for many women and people who menstruate, month after month: the menstrual cycle.

In der neuesten Folge von „loop&life“, dem DCB Diabetes Tech Talk, spricht Moderatorin Greta Ehlers mit Martina Rothenbühler, wissenschaftliche Programmmanagerin am Diabetes Center Bern , sowie Laura Burlando, die mit Typ-1-Diabetes lebt, über ein Thema, das in der Diabetesversorgung, Forschung und Technologieentwicklung noch immer zu oft vernachlässigt wird: Diabetes und der Menstruationszyklus.

„Niemand hat jemals mit mir darüber gesprochen.“

Einer der eindrücklichsten Momente der Folge stammt von Laura Burlando. Laura lebt seit 18 Jahren mit Typ-1-Diabetes. Seit fast ebenso langer Zeit hat sie auch einen Menstruationszyklus. Doch wie sie in der Folge erklärt, waren ihr die zyklischen Veränderungen in ihrem eigenen Diabetesmanagement nicht wirklich bewusst, bis sie im Rahmen ihrer Masterarbeit am Diabeteszentrum Bern begann, sich selbst mit diesem Thema auseinanderzusetzen.

„Und dann ging mir plötzlich ein Licht auf“, sagt sie. „Ich begann, bestimmte Muster in meinem eigenen Diabetes-Management zu erkennen.“

Als Greta fragt, ob Laura dies bereits in ihrem persönlichen Leben mit Diabetes erkannt habe, antwortet Laura:

„Aber niemand hat jemals mit mir darüber gesprochen.“

Dieser Satz bringt das Problem sehr deutlich auf den Punkt. Viele Menschen, die mit Diabetes leben, sind es gewohnt, nach Erklärungen zu suchen. War es die Mahlzeit? Stress? Schlaf? Bewegung? Eine falsche Einschätzung? Ein Problem mit dem Messgerät? Wenn jedoch der Menstruationszyklus in der routinemäßigen Diabetesversorgung nicht thematisiert wird, sind viele Menschen darauf angewiesen, diese Zusammenhänge selbst zu entdecken – sei es durch Aufzeichnungen, durch Ausprobieren, durch Gespräche mit Gleichgesinnten oder über soziale Medien. Das ist eine Herausforderung, die nicht allein dem Einzelnen überlassen bleiben sollte.

Ein immer wiederkehrender Faktor, der jedoch nach wie vor eine Forschungslücke darstellt

Aus wissenschaftlicher Sicht ist diese Lücke auffällig. Wie Martina Rothenbühler in der Folge erläutert, hatte das Team erwartet, mehr Belege zu finden. Schließlich sind etwa die Hälfte der Menschen mit Diabetes Frauen, und der Menstruationszyklus ist kein seltenes oder außergewöhnliches Ereignis. Es handelt sich um einen wiederkehrenden physiologischen Vorgang. Dennoch ist die wissenschaftliche Evidenz nach wie vor begrenzt.

Bisherige Studien deuten darauf hin, dass sich der Blutzuckerspiegel und der Insulinbedarf im Verlauf der verschiedenen Phasen des Menstruationszyklus verändern können. So weisen beispielsweise einige Daten auf eine Tendenz zu niedrigeren Blutzuckerwerten oder vermehrten Hypoglykämien zu Beginn des Zyklus hin, sowie auf höhere Blutzuckerwerte oder eine verminderte Insulinsensitivität in der Lutealphase, kurz vor Beginn der nächsten Periode. Doch so einfach ist es nicht, da die Muster von Person zu Person variieren. Sie können auch bei ein und derselben Person von Zyklus zu Zyklus schwanken. Manche bemerken möglicherweise Veränderungen rund um den Eisprung. Andere erleben möglicherweise Veränderungen vor oder während ihrer Periode. Bei wieder anderen lässt sich möglicherweise überhaupt kein klares Muster erkennen.

Diese Variabilität ist von Bedeutung und erschwert es, das Thema in allgemeine Leitlinien umzusetzen und in der Diabetes-Technologie anzuwenden.

Gleichzeitig gewinnt das Thema dadurch jedoch noch mehr an Relevanz, denn wenn die Diabetesversorgung und die entsprechende Technologie darauf abzielen, den Alltag zu unterstützen, müssen sie den tatsächlichen Schwankungen im Alltag Rechnung tragen.

Die Diabetes-Technologie ist hierfür noch nicht ausgereift

Die Folge wirft zudem eine wichtige technologische Frage auf. Die aktuelle Diabetes-Technologie ist immer ausgefeilter geworden. Viele Menschen nutzen mittlerweile CGMs, Insulinpumpen und automatisierte Insulinabgabesysteme. Diese Hilfsmittel können für viele Anwender die Belastung verringern und das Blutzuckermangement verbessern. Dennoch gibt es Einschränkungen: Aktuelle AID-Systeme sind nicht darauf ausgelegt, die Insulinabgabe sinnvoll an die hormonellen Veränderungen im Zusammenhang mit dem Menstruationszyklus anzupassen.

Für Personen, die zyklusbedingte Muster wahrnehmen, kann dies einen gewissen Arbeitsaufwand bedeuten. Sie erstellen möglicherweise verschiedene Pumpenprofile, passen die Insulineinstellungen an, verfolgen ihren Zyklus in einer separaten App oder versuchen, wiederkehrende Veränderungen selbst zu interpretieren.

Laura beschreibt, wie ihr die Forschung dabei geholfen hat, ihre eigenen Muster besser zu verstehen und je nach Menstruationsphase entsprechende Pumpenprofile zu erstellen. Sie weist jedoch auch darauf hin, dass dies nicht jeden Monat gleich ist. Selbst bei einem relativ regelmäßigen Zyklus können die Auswirkungen auf den Diabetes variieren, und genau hier besteht Bedarf an fundierteren Erkenntnissen: um mögliche Muster, Unterschiede und Einflussfaktoren klarer zu verstehen.

Die TIMES-Studie: Der Beitrag von DCB zur Schließung der Lücke

Im Diabeteszentrum Bern wird diese Frage nicht nur diskutiert, sondern auch wissenschaftlich untersucht.

Die derzeit laufende TIMES-Studie zielt darauf ab, ein besseres Verständnis dafür zu gewinnen, wie sich die Insulinsensitivität im Verlauf des Menstruationszyklus bei Frauen mit Typ-1-Diabetes verändert. Ziel ist es, Muster im Insulinbedarf und bei den Blutzuckerwerten zu erkennen, in der Hoffnung, damit künftig eine individuellere Diabetesversorgung zu ermöglichen.

Bei der Studie handelt es sich um eine multinationale und dezentrale Studie, was bedeutet, dass die Teilnehmer aus verschiedenen Ländern Daten aus ihrem Alltag beisteuern. Dadurch kann die Studie vielfältigere und realistischere Muster erfassen, als dies bei einer Studie an einem einzigen Standort möglich wäre. Es werden Daten aus automatisierten Insulinabgabesystemen erfasst, darunter Blutzuckerwerte, Insulindosen und die Kohlenhydrataufnahme. Ergänzt werden diese durch Informationen, die von den Teilnehmerinnen selbst eingegeben werden, wie beispielsweise Daten zum Menstruationszyklus, Symptome und Lebensstilfaktoren.

Die Studie befasst sich zudem mit möglichen Störfaktoren, darunter körperliche Aktivität, da der Menstruationszyklus nicht der einzige Faktor ist, der den Insulinbedarf beeinflussen kann.

Dieser Ansatz wurde gewählt, da er den Alltag besser widerspiegelt als ein streng kontrolliertes Umfeld. Diabetes tritt nicht isoliert auf, sondern im Zusammenhang mit Arbeit, Schlaf, körperlicher Betätigung, Stress, Reisen, hormonellen Veränderungen und all den anderen Faktoren, die den Alltag prägen.

Die TIMES-Studie soll dazu beitragen, aus dieser Realität fundiertere Erkenntnisse zu gewinnen.

Warum persönliche Erfahrungen von Bedeutung sind

Eine wesentliche Stärke dieser Folge besteht darin, dass sie wissenschaftliche Erkenntnisse und gelebte Erfahrungen miteinander verbindet.

Lauras Sichtweise verdeutlicht, wie es sich anfühlen kann, wenn ein wichtiger Aspekt der Diabetesbehandlung nicht benannt oder erklärt wird. Martinas Sichtweise verdeutlicht, warum dieses Thema wissenschaftlich komplex ist und warum bessere wissenschaftliche Erkenntnisse erforderlich sind.

Gemeinsam verdeutlicht ihr Gespräch einen wichtigen Punkt: Lebenserfahrungen können dazu beitragen, aufzuzeigen, wo es in den Bereichen Forschung, Pflege und Technologie noch an etwas mangelt.

Was sollte sich ändern?

Es gibt keine einheitliche Antwort, doch wie in der Podcast-Folge hervorgehoben wird, sind einige Bedürfnisse eindeutig:

• Menschen, die mit Diabetes leben, sollten besser über den möglichen Zusammenhang zwischen dem Menstruationszyklus und der Blutzuckerkontrolle aufgeklärt werden.
• Fachkräfte im Gesundheitswesen sollten sich besser gerüstet fühlen, dieses Thema im Rahmen der Routineversorgung anzusprechen.
• Die Diabetes-Technologie sollte besser auf physiologische Veränderungen reagieren, die im Alltag auftreten.
• Die Forschung sollte weiterhin Erkenntnisse liefern, die die Vielfalt individueller Erfahrungen widerspiegeln.

Wie Greta in der Folge sagt, sollte es nicht davon abhängen, dass jemand selbst recherchiert, um herauszufinden, dass möglicherweise ein Zusammenhang zwischen dem Menstruationszyklus und der Diabetesbehandlung besteht.

Dieses Thema verdient mehr Beachtung: in der Forschung, in der klinischen Versorgung, in der Technologieentwicklung und in den alltäglichen Gesprächen mit Menschen, die mit Diabetes leben.

Hören Sie sich die gesamte Folge an

In dieser Folge von „loop&life“ spricht Greta Ehlers mit Martina Rothenbühler und Laura Burlando über Diabetes, den Menstruationszyklus, persönliche Erfahrungen, Forschungslücken, technologische Grenzen und die laufende TIMES-Studie am DCB.

Hören Sie sich die gesamte Folge hier an oder sehen Sie sie sich hier an:

YouTube: https://youtu.be/Th1L-lN9nCs

Spotify: https://open.spotify.com/episode/0pXQeasczpCIAeNAGt9WIZ

Apple Podcasts: https://podcasts.apple.com/ch/podcast/diabetes-and-the-menstrual-cycle-what-we-know-what/id1885831147?i=1000773847130

Erfahren Sie mehr über die TIMES-Studie auf der DCB-Website: https://www.dcberne.com/en/times-study/