아침 공복혈당이 높을 때 기저 인슐린 용량을 올리기 전에 반드시 확인해야 할 것이 있습니다. 야간에 저혈당이 발생했다가 반동으로 아침 혈당이 올라가는 현상, 즉 소모기(Somogyi) 현상 여부입니다. 야간 저혈당이 원인이라면 인슐린 용량을 올리는 것은 오히려 위험할 수 있으므로, 야간 시간대의 혈당 변동을 직접 관찰한 기록이 가장 중요합니다.
연속혈당측정(CGM)은 잠자는 동안에도 피하 간질액의 포도당 농도를 일정 간격으로 측정하므로, 자각 증상 없이 지나가는 야간 저혈당을 객관적으로 확인할 수 있는 가장 직접적인 도구입니다. 전통적인 자가혈당측정(SMBG)은 깨어서 측정해야 하므로 수면 중 무증상 저혈당을 놓치기 쉬운데, CGM은 이 한계를 보완합니다
[2]. 실제 임상 자료를 분석한 연구에서도 CGM을 통해 야간 저혈당의 빈도와 지속 시간을 낮 시간대 저혈당과 구분하여 특성화할 수 있었습니다
[1].
각 보기가 왜 정답이 되기 어려운지 살펴보면 다음과 같습니다.
| 보기 | 검사 항목 | 야간 저혈당 감별에 부적절한 이유 |
|---|
| 1 | 아침 식전 인슐린 농도 | 외인성 인슐린 주사 환자에서 혈중 인슐린 농도는 주사 용량과 흡수에 따라 달라지며, 야간 저혈당 발생 여부를 직접 반영하지 않습니다. |
| 2 | 최근 당화혈색소(HbA1c) 추이 | 2~3개월 평균 혈당을 반영하는 지표로, 특정 밤에 발생한 저혈당이라는 급성 사건을 감별할 수 없습니다. |
| 3 | 점심 식후 혈당 추이 | 시간대가 다른 혈당 기록으로, 야간 혈당 변동과는 직접적인 연관성이 없습니다. |
| 5 | 저녁 식전 요당 결과 | 요당은 신장 역치를 넘긴 고혈당을 반영하는 검사로, 저혈당 여부를 확인하는 데 적합하지 않습니다. |
혼동 주의! 당화혈색소(HbA1c)는 장기적인 혈당 조절 상태를 보는 지표이므로, 아침 고혈당의 원인을 감별하는 데는 도움이 되지 않습니다. 오히려 잦은 저혈당과 고혈당이 반복되면 HbA1c가 정상 범위로 보일 수도 있습니다.
핵심! CGM 데이터를 해석할 때는 단순히 평균 혈당이나 목표 범위 내 시간(TIR)만 보지 말고,
야간 시간대(예: 00~06시)의 혈당 곡선 패턴을 직접 확인해야 합니다. 특정 시간대에 혈당이
70 mg/dL 미만으로 떨어지는 구간이 반복된다면, 아침 고혈당은 저혈당 반동일 가능성이 높습니다
[4].
기저 인슐린 조정 전 야간 CGM 기록을 확인하는 것은 단순한 검사 선택의 문제가 아니라,
환자에게 불필요한 인슐린 증량으로 인한 심각한 저혈당 위험을 예방하는 환자안전 실무입니다. CGM은 인슐린 치료를 받는 당뇨병 환자에서 혈당 패턴을 파악하여 치료 결정을 개선할 수 있을 때 유용합니다
[3].
참고 문헌 (논문 출처)
- [1]
Nocturnal Hypoglycemia: Characterization with Continuous Glucose Monitoring in a Real-World Setting.일반논문Mitter M, Theodorou D, Ruch B, Glatzer T, Zivkovic J (2025) · DOI: 10.1177/15209156251369884
- [2]
Nocturnal Hypoglycemia in the Era of Continuous Glucose Monitoring.일반논문Kulzer B, Freckmann G, Ziegler R, Schnell O, Glatzer T, Heinemann L (2024) · DOI: 10.1177/19322968241267823
- [3]
Continuous Glucose Monitoring Beyond Intensive Insulin Therapy in Type 2 Diabetes: Evidence, Over-the-Counter Devices, Equity, and Clinical Implementation.일반논문Bazan A, Plichta O, Radzinska N, Kalinowska K. (2026) · DOI: 10.7759/cureus.112200
- [4]
Predicting Nocturnal Hypoglycemia from Continuous Glucose Monitoring Data with Extended Prediction Horizon.일반논문Vu L, Kefayati S, Idé T, Pavuluri V, Jackson G, Latts L (2019)