作者：赵丽珍 北京市石景山区八宝山第一社区卫生服务中心

推荐对5.6mmol/L≤FPG≤7mmol/L或HbAlc≥6.1%人群行OGTT，减少糖尿病漏诊。
 
北京大学首钢医院体检中心郭来敬教授等探讨了糖尿病的适宜筛查方法。研究纳入2011年12月至2012年8月北京市首钢四个社区的16 056例2型糖尿病普查人群，同时测定空腹血糖（FPG）、口服葡萄糖耐量试验（OGTT）后2h血糖值（2hPG）及糖化血红蛋白（HbAlc），筛查2型糖尿病患者及高危人群。
 
结果显示，HbAlc与FPG联合测定，筛查诊断2型糖尿病及糖尿病高危人群具有优势。采用FPG≥6.1 mmol/L或HbA1c≥6.2%作为标准筛查2型糖尿病，其敏感性可达85.3%，同时有较好的特异性（78.9%）；以FPG≥5.6 mmol/L或HbA1c≥6.1%联合筛查2型糖尿病及高危人群作为标准，敏感性74.4%，特异性71.5%。
 
郭来敬教授表示，2型糖尿病的起病时间可在临床诊断前9~12年，糖尿病及其高危人群的早期筛查具有重要意义。2010年ADA明确提出HbAlc≥6.5％或FPG≥7.0 mmol/L可诊断糖尿病，但本研究中，以FPG≥7.0 mmol／L检出糖尿病的敏感性为49.98%，漏诊50.02%；以HbAlc≥6.5％检出糖尿病的敏感性为53.41%，漏诊46.59%。提示单独采用FPG或HbA1c均无优势。
 为了应对传统匹配方法对未知软件适应性较差的弊端，研究者们考虑获取更加丰富的特征来进行检验。不需要运行程序，通过一些逆向工具就可以从程序本身提取其引用的动态链接库列表，因此这种方法也属于静态分析。
必须调用API函数来完成具体的操作，例如当应用程序想创建一个文件时，它需要调用；勒索软件在对电脑上的文件进行加密操作时也需要引用相应的动态链接库。软件的API调用序列可以显示软件的具体行为，因此研究者经常对API调用进行分析。
提出了一种从恶意代码中提取函数调用信息的方法，使用统计技术计算API调用的频率该系统根据函数调用API生成基于图形的特征向量，构造了图形数据库，这些特征向量只有在对应的图形与其中一个图形最佳匹配时，才会在元素中获得非零的相似性得分，最终得到维数为图库大小的特征向量，输入到分类器中。Ding等人[12]从PE文件中提取函数调用API，选择具有高分布值和具有较强分类能力的API，通过关联挖掘算法来挖掘出强区分能力的关联规则。
以上方法通过静态方式获取函数调用API，进行特征提取后可实现较为准确的检验，但由于没有实际运行软件，所以无法获取API调用的时序关系，并且可能存在大量的冗余信息——某些函数虽然出现引用的动态链接库列表里，但实际运行过程中可能并没有执行，将这些函数作为分析对象可能会对检测结果带来负面影响。
研究者们通过对进行静态分析得到汇编代码，将其划分为不同的基本块，即控制流图的顶点；分析控制流指令来建立基本块之间的联系，即控制流图的边；在此基础上，可提取控制流图的属性，形成特征向量然后输入到分类模型中进行训练，用分类器来检测恶意软件。
为了解决以往研究中常用的交叉验证测试的缺陷，即测试集与分类器存在相关性，无法模拟未知的恶意软件检测，对软件进行预处理，根据恶意软件样本的控制流结构提取每个块的操作码序列，然后用哈希函数计算得到特征空间，利用IDF对特征进行选择，并利用这些特征发现恶意样本和良性样本之间的分类规则。

郭来敬教授介绍，OGTT是目前诊断糖尿病的金标准，但筛查糖尿病患者不同于临床诊断糖尿病，筛查要保持较高的灵敏度，方法要简便、实用。本研究根据ROC曲线得出诊断糖尿病最佳切点HbAlc≥6.2％，FPG≥6.1 mmol/L，这两项联合筛出糖尿病的敏感性高达85.3％，大大减少重复验证或OGTT明确诊断例数；糖尿病高危人群最佳切点HbAlc≥6.0％，FPG≥5.7 mmol/L，联合筛查其敏感性、特异性分别为74.7%，69.9%。在最佳切点选择敏感性和特异性相对较好的筛查标准，若以FPG≥5.6 mmol/L或HbA1c≥5.9%联合筛查糖尿病高危人群，可提高敏感性（80.6%），但特异性偏低（59.3%），不适宜筛查。因此，本组可以选择FPG≥5.6 mmol/L或HbA1c≥6.1%联合筛查，其敏感性和特异性相对较好，分别为74.4%和71.5%。
 
因此，郭来敬教授表示，HbAlc与FPG联合测定是一种筛查诊断糖尿病及其高危人群的有效方法，简便、实用，既有较高灵敏度，又具有较高特异性，推荐对5.6mmol/L≤FPG≤7mmol/L或HbAlc≥6.1%的人群行OGTT以减少糖尿病漏诊率。