Automated Insulin Delivery in Hospitalized Adults with Diabetes and Advanced Chronic Kidney Disease

A Subgroup Analysis of the AIDING Randomized Controlled Trial

Session Opening and Presentation Context

本場次為 “What’s New with Insulin Delivery Systems?”，開場主持人提醒第一天議程需準時進行，並介紹本段報告為 ADA Presidents’ Select Abstract presentation。報告者為 Tugce Akcan, MD，來自 Stanford University，報告主題是 自動胰島素輸注系統（Automated Insulin Delivery, AID）用於住院糖尿病且合併 advanced chronic kidney disease（advanced CKD）患者。此摘要獲得 ADA Presidents’ Select Abstract Award，報告者同時獲頒 Young Investigator Award。

本研究正式題名為：Automated Insulin Delivery in Hospitalized Adults with Diabetes and Advanced Chronic Kidney Disease: A Subgroup Analysis of the AIDING Randomized Controlled Trial。報告者職稱為 Stanford University School of Medicine, Division of Endocrinology Instructor，代表 AIDING Investigators 發表。

報告一開始，Tugce Akcan 感謝 ADA 與 session chairs 提供分享此研究的機會，並表示很榮幸獲得 Young Investigator Award。她說明，今天呈現的是 AIDING randomized controlled trial 的一項 subgroup analysis。AIDING 是一項多中心試驗，由 Emory、Stanford、University of Virginia 三個中心共同進行，研究對象為住院成人糖尿病患者；本次重點則聚焦於其中合併 advanced chronic kidney disease 的受試者。

Disclosure：AIDING parent trial 由 National Institute of Diabetes and Digestive and Kidney Diseases（NIDDK；1R01DK138366-01）支持。報告者另有 Breakthrough T1D 與 Stanford Center for Digital Health 的研究支持，無其他相關財務利益揭露。

住院糖尿病與 Advanced CKD 的血糖管理困境

糖尿病在美國住院族群中非常常見，約 每 4 位住院成人就有 1 位糖尿病患者。在傳統住院血糖管理中，若使用 multiple daily injections（MDI，多次每日注射胰島素），低血糖發生率仍可達 12%–30%；同時，超過 30% 的住院血糖值會高於 180 mg/dL。也就是說，即使在標準 inpatient insulin therapy 下，住院糖尿病患者仍常同時面臨高血糖與低血糖風險。

當患者再合併 advanced CKD，治療難度會進一步增加，因為治療窗口變得更狹窄。Advanced CKD 會造成多重生理變化，包括：

Reduced insulin clearance：腎功能下降使胰島素清除減少，增加低血糖風險。
Impaired renal gluconeogenesis：腎臟糖質新生受損，使低血糖時內源性葡萄糖補償能力下降。
Uremia-related disturbances in insulin metabolism：尿毒相關代謝異常干擾胰島素作用與代謝。
Blunted counter-regulatory responses：反調節反應鈍化，低血糖時升糖反應不足。

這些因素共同導致 wide glycemic excursions：血糖波動範圍大、低血糖風險增加，並可能造成不良臨床後果。

背景文獻包括 Umpierrez GE et al., J Clin Endocrinol Metab 2012；Bally L et al., NEJM 2018；Cook CB et al., J Hosp Med 2009。Advanced CKD 住院患者的血糖管理困難不只是「血糖偏高」或「胰島素需求下降」單一問題，而是高血糖、低血糖、胰島素代謝不穩定與反調節不足同時存在。

為什麼考慮 Automated Insulin Delivery？

在上述背景下，automated insulin delivery（AID） 提供了一個可能的解決方向。AID 系統整合 real-time continuous glucose monitoring（CGM） 與 predictive algorithms，能根據即時血糖與預測趨勢動態調整胰島素輸注。

目前已有研究顯示，AID 可改善住院成人第二型糖尿病患者的 time in range（TIR）。Bally 等人在 NEJM 2018 發表的研究顯示，closed-loop insulin delivery 可改善 hospitalized adults with type 2 diabetes 的 TIR。之後同一團隊在 2019 年 也證明，AID 可改善接受 hemodialysis 患者的 TIR。

然而，仍有重要未知問題：這些效益是否能推廣到其他 AID 系統？是否能適用於更廣泛的住院 advanced CKD 族群，而不限於先前特定裝置或特定族群？

因此，本研究的核心問題是：

在住院成人糖尿病且合併 advanced CKD 的患者中，AID 是否比 multiple daily injections plus CGM 更能改善血糖控制？

本研究特別將 advanced CKD 定義為 eGFR ≤30 mL/min/1.73 m²，對應 KDIGO G4–G5。比較組不是傳統單純 fingerstick/POC 血糖監測，而是 MDI + CGM 的 active comparator，代表控制組也接受較高強度的血糖監測。

先前 Pilot Study：AIDING Feasibility Study 的基礎

本研究建立在 Davis et al. 2023 的 pilot study 之上。該先導研究納入 18 位 non-ICU 住院成人糖尿病患者，均正在接受 inpatient insulin therapy，使用 Omnipod 5 AID 搭配 Dexcom G6 CGM，最長使用 10 天，並採用 nurse-driven remote insulin delivery。

這項 feasibility study 的關鍵結果是：平均 time in range 達 68%，且沒有發生 severe hypoglycemia 或 diabetic ketoacidosis（DKA）事件。這些結果支持 AID 在住院場域具有可行性，也進一步促成 AIDING randomized controlled trial，並將研究問題延伸到 advanced CKD 患者。

Davis GM, Hughes MS, Brown SA, et al. 發表於 Diabetes Technology & Therapeutics 2023;25(10):677-686。該 pilot study 為 single-arm multicenter feasibility trial，在 Emory、Stanford、UVA 進行；n=18，TIR 70–180 mg/dL 為 68±16%，並在 96 patient-days 中未發生 severe hypoglycemia 或 DKA。

AIDING Parent Trial 設計

AIDING parent trial 是一項 open-label、multicenter、parallel-group、1:1 randomized controlled trial。研究納入 130 位 因糖尿病住院、入住 non-ICU services、且需要住院胰島素治療的成人患者，包含第一型與第二型糖尿病。三個美國學術醫學中心參與：Emory、Stanford、University of Virginia。

受試者以 1:1 隨機分派至兩組：

AID 組：使用 Omnipod 5 system 搭配 Dexcom G7 CGM。
Control 組：接受 multiple daily injections（MDI）plus CGM。

追蹤時間最長為 10 天，或直到患者出院為止。

主要療效終點為 time in range（TIR）70–180 mg/dL。主要安全性終點為 time below range <54 mg/dL。

AID 組所使用的是 Omnipod 5 hybrid closed-loop + Dexcom G7；控制組則為 basal-bolus MDI per institutional protocol，同樣配戴 Dexcom G7，胰島素調整由 inpatient diabetes team 依院內流程處理。Parent trial primary results 由 Pasquel et al. 發表／待發表。

住院場域中的 AIDING 系統運作方式

AIDING 試驗在住院病房的技術架構相當重要，因為這不只是把門診 AID 裝置搬進醫院，而是建立一套可由護理與研究團隊共同監測、操作與回應的 inpatient workflow。

AIDING 系統在病房中使用 Bluetooth-enabled devices，這些裝置在患者房間內彼此通訊。主要照護與操作由 bedside nurse 與 study team 共同執行。資料透過手機無線傳輸到 secure platform，再由 cloud 連接到 nursing station 的 iPad 上，透過 Dexcom Follow 類似的介面提供 unit-level real-time glucose telemetry。

系統設定會在以下情況發出警示：

血糖低於 80 mg/dL。
血糖持續高於 300 mg/dL。

當 CGM 顯示血糖低於 80 mg/dL 時，會以指尖血糖或 point-of-care blood glucose testing 確認。若血糖低於 70 mg/dL，則依各機構 hypoglycemia protocol 進行處置。若出現 prolonged hyperglycemia，則會聯絡 study team，協助 correction bolusing、系統 troubleshooting，或調整 insulin settings。

此外，study team 可透過 cloud 持續取得資料，包括 Dexcom Follow、Dexcom Clarity，以及 Insulet investigational data management platform。

兩組受試者皆進行 CGM accuracy validation，CGM 與 POC glucose 每 12 小時比對一次。AID 組的 meal boluses 由護理人員透過 controller 執行，pod 約每 72 小時更換一次。這些設計使本試驗不只是評估裝置演算法，也同時評估住院環境中遠端監測、護理操作與研究團隊支援的可行 workflow。

Advanced CKD Subgroup Analysis：研究對象與分析方法

本次報告呈現的是 AIDING 試驗中 pre-specified subgroup analysis，聚焦於 advanced CKD 患者。Advanced CKD 定義為 estimated GFR ≤30 mL/min/1.73 m²，相當於 KDIGO stage G4–G5。

在 parent trial 中，共有 27 位 受試者符合此條件：

AID 組：14 位
MDI + CGM 控制組：13 位

這個 subgroup 使用與 parent trial 相同的 protocol、相同裝置，以及相同的 monitoring intensity。

統計分析採 ANCOVA，調整因子包括 site、age、baseline HbA1c、diabetes type、prior insulin use。此點很重要，因為 subgroup 人數較少，且 baseline HbA1c 與 randomization glucose 在兩組間雖未達統計顯著差異，仍需於分析中校正。

Baseline Characteristics：族群特徵與臨床複雜度

兩組 baseline characteristics 整體相當、分布大致平衡。

平均年齡約為 60 歲，兩組接近。約一半受試者為女性。值得注意的是，超過一半受試者自我認定為 Black or African American；這在 inpatient diabetes technology trial 中代表一個具有意義的多元族群，尤其因為這類族群在過去 closed-loop studies 中常被低度代表。

第二型糖尿病在兩組均占多數。糖尿病病程中位數約 17 年。Baseline HbA1c 在 AID 組為 8.2%，控制組為 7.3%。Randomization 時血糖約為 AID 組 185 mg/dL，控制組 223 mg/dL；這些差異未達統計顯著，並已在分析中校正。

約一半受試者在 baseline 時接受 dialysis。多數受試者在住院前已使用 insulin。共病非常常見，包括 hypertension、heart failure、coronary artery disease、hyperlipidemia，且兩組大致平衡。

更具體地說，AID 組 n=14：年齡 60.6±13.3 歲，女性 7 位（50%），Black/African American 8 位（57%），第二型糖尿病 12 位（86%），糖尿病病程中位數 17.0 年，BMI 32.0±7.5 kg/m²，HbA1c 8.2±2.4%，randomization glucose 184.9±54.8 mg/dL，住院前使用胰島素 12 位（86%），dialysis 8 位（57%）。控制組 n=13：年齡 59.4±15.6 歲，女性 5 位（38%），Black/African American 7 位（54%），第二型糖尿病 10 位（77%），病程中位數 17.5 年，BMI 28.6±7.3 kg/m²，HbA1c 7.3±2.0%，randomization glucose 222.9±95.7 mg/dL，住院前使用胰島素 9 位（69%），dialysis 4 位（31%）。

共病方面，AID 組 hypertension 13 位（93%）、heart failure 7 位（50%）、coronary artery disease 4 位（29%）、hyperlipidemia 11 位（79%）、住院期間 corticosteroid use 7 位（50%）；控制組分別為 hypertension 11 位（85%）、heart failure 6 位（46%）、coronary artery disease 4 位（31%）、hyperlipidemia 8 位（62%）、corticosteroid use 8 位（62%）。這些資料凸顯 advanced CKD 住院糖尿病族群具有高度共病與血糖變異風險。

Primary Result：AID 顯著改善 Time in Range

主要結果顯示，AID 在 advanced CKD 住院糖尿病患者中大幅改善 time in range。

AID 組 TIR：68.8%
MDI + CGM 控制組 TIR：36.3%

校正後絕對差異為 +25.7 percentage points，P 值為 0.001。從臨床角度解讀，AID 組患者每天約多出 6 小時 處於目標血糖範圍 70–180 mg/dL 內。

校正後差異的 95% confidence interval 為 13.5 至 37.9 percentage points。換句話說，AID 幾乎使 advanced CKD 族群的 TIR 較 MDI + CGM 加倍。

這個結果特別重要，因為控制組並非沒有 CGM，而是 MDI + CGM。因此，AID 的效益不只是來自更密集血糖資訊，而是來自 CGM 與 predictive algorithm 結合後對胰島素輸注的動態調整。

Temporal Analysis：效益從第一天即出現，且跨全天與住院期間維持

研究團隊進一步分析 AID 的效益是否與時間相關，也就是它是否只在某些時段有效，或是否需要多日後才出現改善。

按一天 24 小時來看，AID 組在各個時段的 TIR 都穩定高於控制組。也就是說，AID 的效果不是只侷限於夜間或白天某一段，而是跨全天持續存在。

按住院天數來看，AID 的效益從 hospital day 1 即可觀察到，並在住院期間持續維持。這對 inpatient care 尤其重要，因為住院時間通常有限，若一項介入需要多日調整才見效，實用性會受到限制；而本分析顯示 AID 的改善很早出現，且在後續病房照護中可維持。

時間分析中，按小時呈現的 TIR 曲線以平均值與 confidence limits 表示；按 hospital day 呈現的 TIR 則以 median 與 interquartile range 表示。隨住院天數增加，仍留在研究中的樣本數逐漸下降，這反映住院研究常見的出院與追蹤時間不等問題。

Secondary Outcomes：Mean Glucose 與 Hyperglycemia 明顯下降

次要結果與主要結果方向一致。AID 組的平均 CGM glucose 為 164 mg/dL，控制組為 217 mg/dL。校正後差異為 -53.5 mg/dL，顯示 AID 顯著降低平均血糖。

Time above range 也呈現類似結果：

Time above 180 mg/dL：AID 組 30.9%，控制組 63.6%。AID 將 >180 mg/dL 的時間減少超過一半。
Time above 250 mg/dL：AID 組 8.9%，控制組 30.4%。AID 將 >250 mg/dL 的時間減少約三分之二。

這些差異均達統計顯著。

平均 CGM glucose 的校正後差異為 -53.5 mg/dL，95% CI -79.1 至 -27.9，P<0.001。Time above 180 mg/dL 與 time above 250 mg/dL 的組間差異亦均為 adjusted P≤0.001。

這些結果說明，AID 不只增加目標範圍內時間，也具體減少高血糖暴露，尤其是嚴重高血糖（>250 mg/dL）時間。對 advanced CKD 住院患者而言，這一點相當關鍵，因為高血糖可增加感染、住院併發症與代謝不穩定風險，但過度積極降糖又可能造成低血糖。

Safety Outcomes：改善血糖控制並未增加低血糖或裝置相關風險

最關鍵的是，AID 帶來的血糖改善並未以安全性為代價。

低血糖暴露在兩組都非常低：

Time below 70 mg/dL：AID 組 0.32%，控制組 0.11%。
Time below 54 mg/dL：AID 組 0.09%，控制組 0%。

沒有任何一組發生 severe hypoglycemia。也沒有發生 diabetic ketoacidosis（DKA）、hyperosmolar hyperglycemic state（HHS），或 device-related adverse events。

將這些結果合併解讀，AID 在 advanced CKD 住院患者中大幅改善血糖控制，同時未觀察到低血糖或其他安全性疑慮增加。

Safety table 中 severe hypoglycemia、DKA/HHS 與 device-related adverse events 均為 0。雖然 AID 組 TBR 數值略高於控制組，但絕對暴露時間非常低，且未轉化為 clinically severe hypoglycemia。

Strengths：本研究的主要優勢

本分析有幾個重要優勢。

第一，這是 pre-specified subgroup analysis，不是事後任意挑選族群。它嵌入於一項多中心 randomized controlled trial 中，設計上較具可信度。

第二，研究採用 multicenter randomized design，在三個美國學術醫學中心進行，且有 active comparator。控制組並非單純 routine care 或 POC glucose alone，而是 MDI + CGM，因此比較更嚴格。

第三，使用的 AID 系統是 commercially available 且已獲 FDA 核准用於 outpatient setting 的裝置。這提高了未來轉譯到臨床實務的可能性，雖然 inpatient use 尚未核准。

第四，本研究族群相當多元，56% 受試者自我認定為 Black or African American。這對住院糖尿病技術研究非常重要，因為過去 closed-loop 或 diabetes technology trials 中，此族群常被代表不足。

第五，三個研究中心採用標準化的 CGM validation 與 remote monitoring protocol，降低中心間執行差異。

研究設計上的另一項優勢是 control arm 也配戴 Dexcom G7，因此主要差異更集中在是否使用 AID algorithm 與 automated insulin delivery，而不是是否擁有 CGM 資訊。

Limitations：限制與臨床推廣前需要回答的問題

本研究也有幾項限制必須謹慎看待。

第一，此 AID 系統目前 尚未獲 FDA 核准用於 inpatient use。因此，即使結果令人鼓舞，也不能直接等同於可立即廣泛導入所有住院場域。

第二，本 subgroup analysis 的樣本數有限，研究並非針對此 outcome measure 具備完整 power。Advanced CKD subgroup 只有 27 位，因此雖然主要結果顯著，仍需要更大規模、專為 advanced CKD 或住院高風險族群設計的研究驗證。

第三，本研究需要相當密集的 monitoring infrastructure，包括 bedside nurse、study team、cloud-based remote monitoring、CGM validation、警示回應與 troubleshooting。這種高度監測流程的可擴展性（scalability）仍需進一步評估。

可擴展性問題尤其關乎臨床導入：不同醫院是否有足夠護理人力、遠端監測平台、教育訓練、裝置管理流程、影像檢查前後裝置移除與重置流程，以及 inpatient diabetes team 支援，都會影響 AID 在一般病房的實際可行性。

Conclusions：三個主要結論

第一，在住院成人糖尿病且合併 advanced CKD 的患者中，AID 可大幅改善血糖控制。TIR 增加約 26 個百分點，平均血糖下降約 53 mg/dL。

第二，這些改善並未犧牲安全性。低血糖暴露仍然極低，兩組均未發生 severe hypoglycemia、DKA、HHS 或 device-related adverse events。

第三，整體而言，AID 是 advanced CKD 這類 medically complex、high-risk inpatient population 中一項有前景的住院血糖管理策略。這些結果支持未來進行更大型、專門設計的研究，以進一步評估 AID 在住院照護中的角色。

報告最後也邀請有興趣了解完整 AIDING trial results 與 broader applications for inpatient care 的聽眾，參加後續 dedicated AIDING symposium。

後續 symposium 題為 “The AIDING Trial: Automated Insulin Delivery in the Hospital — Results and Implications for Inpatient Diabetes Care”，時間為 Sunday, June 7, 8:00–9:30 AM CT，地點 Great Hall A, Level 1，Session CT-SY21-1.5。

報告者並致謝 AIDING investigators：Emory University 的 Francisco J. Pasquel, MD, MPH（Sponsor-PI）、Stanford University 的 Rayhan Lal, MD（Site PI，也是報告者 mentor）、University of Virginia 的 Sue A. Brown, MD（Site PI），以及所有 site research、nursing、clinical teams。

Discussion and Q&A

AID target glucose 如何設定？

第一個問題聚焦在 AID 使用的 target glucose。詢問者指出，可能沒聽清楚研究中使用的 target 是多少，因為 AID 系統通常可設定不同 target。

回答指出，protocol 指定一開始 target 為 120 mg/dL，之後可依 investigator discretion 調整。在多數情況下，target 會下調至 110 mg/dL。不過，完整 parent trial 相關細節，包括 target selection 與調整策略，會在後續 AIDING symposium 中更完整討論。

住院影像檢查時裝置是否需要移除？

另一個問題詢問，住院病人常需接受 imaging procedures，例如 MRI，這是否會造成 pod 或 CGM 反覆移除與重新裝上的問題。提問者也指出，控制組 baseline 看起來似乎某些方面比 intervention group 更好，因此 AID 結果反而更令人印象深刻。

回答說明，若患者接受如 MRI 等影像檢查，研究團隊會移除相關裝置，檢查完成後再由 study team 重新裝回。

同時補充，對於 dialysis sessions，pod 與 CGM 可維持原位，且 dialysis sessions 期間未進行設定變更。

這段討論凸顯 inpatient AID implementation 的實務問題：影像檢查、手術、透析、裝置相容性與重新啟動流程，都需要標準作業流程與受訓團隊支援。

CKD 中 HbA1c 可靠性與 CGM 對 baseline 狀態的支持

Carol Levy 提出幾個問題。第一，advanced CKD 患者的 HbA1c 不一定可靠，因此詢問 CGM 是否支持 baseline HbA1c findings。第二，詢問護理人員對整體流程的接受度與負擔。第三，詢問 bolusing timing 的相關問題。

回答表示，關於 HbA1c 與 GMI（glucose management indicator），當下沒有 GMI 結果在手邊；且多數患者在 baseline 並未配戴 CGM，因此無法直接以 baseline CGM 資料完整驗證 HbA1c。不過，在 randomization 時兩組 glucose 相近。

至於護理接受度與 bolusing timing，報告者表示這些細節可留待後續 AIDING symposium 詳細討論。

此問題很重要，因為 CKD、貧血、紅血球壽命改變、透析與 EPO 使用都可能影響 HbA1c 解讀；因此未來 inpatient technology studies 若能加入 baseline CGM、GMI 或其他 glycemic exposure 指標，將有助於更精準描述入院前與入院初期血糖狀態。

是否存在「不應該使用 AID」的理由？

最後一個問題以反向方式提出：既然結果看起來有幫助，研究資料中是否能找到理由，說明哪些需要 fast-acting insulin 的住院患者不應該使用 AID？

回答大意是：若反過來問「AID 是否有幫助？」答案是肯定的；若問「是否能找到理由不要使用？」目前看來多半沒有明顯理由。當然，實務導入仍須考慮護理流程與醫院架構，因此後續 symposium 會有專門 session 討論如何在醫院與護理團隊中建立這樣的流程。

Take-home Summary

Advanced CKD 住院糖尿病患者是血糖管理高風險族群：胰島素清除下降、腎臟糖質新生受損、尿毒相關代謝異常與反調節反應鈍化，使高血糖與低血糖風險同時增加。
AIDING advanced CKD subgroup 納入 eGFR ≤30 mL/min/1.73 m² 的 27 位住院成人糖尿病患者，AID 14 位、MDI + CGM 13 位。
AID 顯著改善 TIR：68.8% vs 36.3%，校正後差異 +25.7 percentage points，約等於每天多 6 小時在 70–180 mg/dL。
高血糖暴露大幅下降：平均 CGM glucose 降低約 53.5 mg/dL；time >180 mg/dL 與 time >250 mg/dL 均顯著減少。
安全性令人鼓舞：低血糖暴露極低，無 severe hypoglycemia、DKA、HHS 或 device-related adverse events。
研究限制仍需重視：樣本數小、subgroup 未為此 outcome fully powered、AID 尚未核准 inpatient use，且遠端監測與護理操作架構的 scalability 尚待評估。
整體結論：AID 是 advanced CKD 住院糖尿病患者中具潛力的血糖管理策略，值得在更大型、專門設計的住院研究中進一步驗證。