Alle Artikel
Blutzucker·5. November 2026·4 Min. Lesezeit

Wie finde ich meine größten Glukose-Spitzen in einem Monat CGM-Daten?

Deine größten CGM-Spitzen sind die stärksten Anstiege vom Ausgangswert vor der Mahlzeit bis zum Gipfel, nicht die höchsten absoluten Werte. Der kostenlose HealthOSX-Bericht sortiert sie für dich.

Übersetzt aus dem Englischen. Original lesen

Deine größten Glukose-Spitzen in einem Monat CGM-Daten sind nicht deine höchsten Glukosewerte. Es sind die größten Anstiege vom flachen Ausgangswert vor einer Mahlzeit bis zum Gipfel danach. Lade einen Export aus LibreView, Dexcom Clarity, Stelo, Lingo, SiBionics oder Apple Health in den kostenlosen Browser-Bericht von HealthOSX unter https://healthosx.com/glucose, und er sortiert diese Anstiege für dich – ohne Tag-für-Tag-Scrollen, ohne Konto.

Wie finde ich meine größten Glukose-Spitzen in einem Monat CGM-Daten?

Hol dir zuerst den Export aus der App deines Sensors. Am Computer kannst du in LibreView eine Glukose-CSV herunterladen. Auch Dexcom Clarity, Stelo, Lingo, SiBionics und Apple Health bieten einen Export an. Dann:

  • Geh auf https://healthosx.com/glucose
  • Zieh die Datei dorthin. Sie bleibt in deinem Browser, nichts wird hochgeladen.
  • Öffne den Abschnitt „Größte Anstiege“. Der Bericht sortiert die Ausschläge nach der Größe des Anstiegs, nicht nach dem höchsten Glukosewert.
  • Notiere dir Uhrzeit und Größe und prüfe dann alles, was nahe an einer Mahlzeit liegt.
Ein Monat Anstiege, sortiert
Abendessen 4. März82mg/dL
Mittagessen 21. März64mg/dL
Frühstück 9. März51mg/dL
Abendessen 14. März44mg/dL

Beispielhaft. Die obersten Anstiege schaust du dir zuerst an.

Der größte Anstieg ist nicht dein höchster Glukosewert. Es ist die größte Veränderung vom flachen Punkt vor der Mahlzeit bis zum Gipfel danach.

Eine Spitze ist ein Anstieg, kein hoher Wert

Zwei Personen können nach dem Essen beide 160 mg/dL erreichen. Die eine startete bei 90 und stieg um 70 mg/dL. Die andere startete bei 130 und stieg um 30 mg/dL. Die erste zeigt eine deutlich stärkere Reaktion nach der Mahlzeit, obwohl der Spitzenwert gleich ist. Wenn du eine rohe CGM-Kurve durchscrollst, sieht dein Auge die 160 und übersieht den Ausgangswert darunter.

Gleicher Gipfel, andere Spitze
Person APerson B
Ausgangswert vor der Mahlzeit90 mg/dL130 mg/dL
Gipfel nach der Mahlzeit160 mg/dL160 mg/dL
Tatsächlicher Anstieg70 mg/dL30 mg/dL

Scroll the table sideways for the rest →

Beispielhaft. Der Anstieg ist die Veränderung vom Ausgangswert vor der Mahlzeit bis zum Gipfel, nicht der Gipfel selbst.

Deshalb beginnt ein brauchbarer Spitzenbericht beim stabilen Wert vor dem Anstieg. Er sucht eine flache Strecke, folgt dem Anstieg bis zum höchsten Punkt vor dem Abfall und gibt die Differenz an. Ein Anstieg von 70 mg/dL aus einem niedrigen Ausgangswert und ein Anstieg von 20 mg/dL aus einem hohen Ausgangswert sind verschiedene Ereignisse, auch wenn die zweite Person bei einem höheren Absolutwert endet.

Warum ein Monat Daten die größten Anstiege versteckt

Ein Monat sind Tausende Messwerte. Der größte Anstieg nach einer Mahlzeit liegt nicht immer an deinem schlechtesten Tag. Er kann an einem Tag passieren, an dem dein Ausgangswert niedrig war, nach einer Mahlzeit, die du für unproblematisch hieltest, und der Gipfel wirkte nicht dramatisch, weil der absolute Wert unter 150 blieb. Die Form zählt mehr als der Höchstwert: flacher Ausgangswert, steiler Anstieg, früher Gipfel, Rückgang.

CGM-Sensoren messen außerdem nur alle paar Minuten. Eine schnelle Spitze kann zwischen zwei Messungen ihren Gipfel erreichen, sodass der Sensor einen niedrigeren Wert aufzeichnet als dein tatsächlicher Höchstwert. Der Abschnitt „Größte Anstiege“ ist trotzdem der beste erste Überblick, aber nimm jede einzelne Zahl als Schätzung, nicht als Laborergebnis.

Was der Bericht aussagen kann und was nicht

Das kann er:

  • Deine größten Ausschläge nach Größe sortieren und zeigen, wann sie auftraten.
  • Deinen Median-Tag als AGP zeigen, dazu Zeit im Zielbereich, Variabilität und den Verlauf über Nacht.
  • LibreView, Dexcom Clarity, Stelo, Lingo, SiBionics, Apple Health oder jede CSV mit Uhrzeiten und Messwerten lesen.

Das kann er nicht:

  • wissen, was du gegessen hast, was du getan hast oder wie du geschlafen hast.
  • allein belegen, dass eine Spitze schädlich oder auffällig ist.
  • Essen von Stress, Krankheit, Sport, Medikamenten, Sensorverzögerung oder einem fehlerhaften Messwert unterscheiden.

Große Beobachtungsstudien finden, dass gesunde Erwachsene etwa 3 Stunden am Tag über 140 mg/dL verbringen. Ein einzelner Anstieg über diese Linie ist häufig. Verstehe eine einzelne große Spitze nicht als Diagnose.

Was du prüfst, nachdem du deine größte Spitze gefunden hast

Schau zuerst auf den Zeitstempel. Hat der Anstieg ein bis zwei Stunden nach dem Essen begonnen, sieh dir diese Mahlzeit genauer an. Passierte er beim nächtlichen Fasten oder rund ums Training, ist das ein anderes Signal.

  • Gleiche Mahlzeit an verschiedenen Tagen: Wiederholungstäter zählen mehr als einmalige Spitzen.
  • Zusammensetzung der Mahlzeit: Fett und Eiweiß verzögern den Gipfel. Raffinierte Kohlenhydrate treiben ihn tendenziell schneller nach oben. Achte auf die Form und auf die Größe.
  • Ausgangswert vor dem Anstieg: Ein niedriger Ausgangswert erlaubt einen größeren Anstieg. Ein hoher Ausgangswert mit kleinem Anstieg ist ein anderes Thema.
  • Sensor-Artefakte: Plötzliche Einbrüche in der Nacht, die beim Umdrehen zurückspringen, sind Druck-Tiefs und keine Glukose-Ausschläge.
  • Umstände: Stress, schlechter Schlaf und Krankheit erhöhen die Glukose unabhängig vom Essen. Liegt innerhalb von zwei Stunden keine Mahlzeit, such dort weiter.

Der naheliegende nächste Schritt

Öffne deine eigene Datei, bevor du von Hand auf die Suche gehst. Wenn du schon einen Sensor trägst, lade den Export in den kostenlosen CGM-Bericht, und du siehst deine größten Anstiege neben deinem AGP, deiner Zeit im Zielbereich und deiner Variabilität. Wenn du noch keinen Sensor hast, ist HealthOSX Sensor ein Monat kontinuierliche Glukosemessung mit der App für 100 $, ohne Mitgliedschaft.

Geschrieben von

HealthOSX-Forschung

Weiterlesen