背景糖尿病是危害人类健康的全球性问题之一,其早期诊断和合理治疗对改善患者预后及减轻家庭、社会负担有深远影响。血糖监测在糖尿病的诊疗中起至关重要的作用。随着血糖监测技术的成熟,利用机器学习算法预测血糖成为研究热点之一。机器学习算法包括线性算法、非线性算法等,其中GM（1,1）模型属于非线性算法之一,具备所需样本少、操作简单、精确度良好的优势。因此本研究通过对GM（1,1）模型的血糖预测误差的影响因素及预测特征进行评价以指导临床决策。目的1、探讨GM（1,1）模型在预测血糖时,影响预测误差的主要波动因素。2、比较GM（1,1）模型在不同血糖范围的预测效果,评价该模型的预测特征。方法本研究回顾性纳入于河南省人民医院内分泌科住院的142例T2DM患者的血糖信息。应用GM（1,1）模型预测5min、10min、15min、20min、25min、30min后的血糖,对实测值与预测值进行误差分析,评价模型的预测性能。对血糖标准差（SDBG）、平均血糖（MBG）、最大血糖波动幅度（LAGE）、平均血糖波动幅度（MAGE）、有效血糖波动次数（NGE）、血糖波动幅度标准差（SAGE）、血糖波动幅度变异系数（AGE-CV）及总有效血糖波动（TEGE）、总血糖波动（TGE）等指标与预测误差（MAE）进行Pearson相关性分析及多元逐步线性回归分析,探讨影响血糖预测误差的主要波动因素。为评价GM（1,1）模型的预测特点,将患者分为观察组（n=50）、实验组（n=92）。观察组数据用于得到划分不同血糖组的标准,实验组数据用于评价GM（1,1）模型在不同血糖范围的预测能力。结果1、相关性分析表明TEGE、TGE与预测误差呈极强相关（P<0.001）;SDBG、LAGE、MAGE呈强相关（P<0.001）;SAGE呈中等相关（P<0.001）;MBG呈弱相关（P<0.001）;AGE-CV与NGE不相关（P>0.05）。多元逐步线性回归分析发现TGE、LAGE、MAGE、NGE是预测误差的独立相关因素,其中MAGE的相关系数最大。2、提前5min预测时,GM（1,1）模型对血糖浓度为3.4～13.3mmol/L、大于13.3mmol/L、小于3.4mmol/L的预测效率逐渐降低;提前15min预测时,该模型对血糖浓度在3.4～14.4mmol/L、大于14.4mmol/L、小于3.4mmol/L的预测效率依次降低;提前30min预测时,该模型对血糖浓度为3.2～13.8mmol/L、大于13.8mmol/L、小于3.2mmol/L的预测效率逐渐降低。结论1、MAGE、LAGE、TGE及NGE是影响GM（1,1）模型血糖预测精度的主要波动指标,其中MAGE的影响最大。2、提前5min、15min、30min预测时,均有GM（1,1）模型对处于3.4～13.3mmol/L的血糖预测效率最好。