- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT07502690
Validierung der Fern-Photoplethysmographie zur nicht-invasiven Schätzung von Blutzucker und HbA1c
Validierung der Remote-Photoplethysmographie zur nicht-invasiven Schätzung von Blutzucker und HbA1c in einer bevölkerungsbasierten Kohorte in Jakarta
Das Ziel dieser Beobachtungsstudie ist es, zu bewerten, ob eine nicht-invasive Gesichtsscan-Technologie unter Verwendung von Remote-Photoplethysmographie (rPPG) Blutzucker- und HbA1c-Werte bei Erwachsenen, die in der Gemeinschaft in Jakarta leben, genau schätzen kann. Die Studie konzentriert sich auf Erwachsene ab 18 Jahren, einschließlich Personen mit oder ohne Diabetes.
Die Hauptfragen, die sie zu beantworten versucht, sind:
- Können rPPG-basierte Gesichtsscan-Schätzungen von Blutzucker und HbA1c mit Ergebnissen von Standard-Laborbluttests übereinstimmen?
- Wie gut kann rPPG Personen mit hohem Blutzucker oder Diabetesrisiko basierend auf etablierten klinischen Grenzwerten identifizieren?
Forscher werden Ergebnisse vom rPPG-Gesichtsscan mit Standard-Labormessungen von Nüchternblutzucker und HbA1c vergleichen, um zu bestimmen, wie genau und zuverlässig die Technologie für Screening-Zwecke ist.
Teilnehmer werden:
- Grundlegende Informationen wie Alter, Geschlecht und Krankengeschichte angeben
- Einen nicht-invasiven Gesichtsscan mit einem Smartphone-basierten System durchführen lassen
- Eine Blutprobe zur Messung von Nüchternblutzucker und HbA1c abgeben lassen
- Alle Bewertungen während eines einzigen Studienbesuchs abschließen
Diese Studie zielt darauf ab, zu bestimmen, ob rPPG als ein einfaches, nicht-invasives und zugängliches Werkzeug zur Früherkennung und Überwachung von Diabetes in Gemeinschaftsumgebungen dienen kann.
Studienübersicht
Status
Detaillierte Beschreibung
Einführung Der Typ-2-Diabetes mellitus (T2DM) stellt eine bedeutende globale Gesundheitsbelastung dar, die durch chronische Hyperglykämie und damit verbundene Komplikationen gekennzeichnet ist. Standardüberwachungsmethoden wie Nüchternblutzucker und glykiertes Hämoglobin (HbA1c) basieren auf invasiven Blutentnahmen und dem Zugang zu Laboreinrichtungen, was die Patientenadhärenz verringern und die Früherkennung einschränken kann. Die kontaktlose Photoplethysmographie (rPPG), eine berührungslose optische Technik, die Gesichtsvideoanalysen nutzt, hat sich als vielversprechende Alternative zur Schätzung physiologischer und metabolischer Parameter herausgestellt. Allerdings sind die Belege bezüglich ihrer Validität bei der Bewertung glykämischer Marker nach wie vor begrenzt.
Ziel Diese Studie zielt darauf ab, die Validität und diagnostische Leistungsfähigkeit der rPPG-basierten Gesichtsscan-Technologie bei der Schätzung von Blutzucker- und HbA1c-Werten im Vergleich zu Standard-Labormessungen zu bewerten.
Methoden Diese Studie verwendet ein analytisches Beobachtungsdesign mit einem querschnittlichen diagnostischen Validierungsansatz, der in Kelurahan Semanan, Jakarta, durchgeführt wird. Insgesamt 150-300 erwachsene Teilnehmer werden mittels einer gemeindebasierten Stichprobenmethode rekrutiert. Jeder Teilnehmer unterzieht sich einer venösen Blutentnahme zur Labormessung von Nüchternblutzucker und HbA1c, parallel dazu einem kontaktlosen rPPG-Gesichtsscan mittels eines Smartphone-basierten Systems. Die Übereinstimmung zwischen den Methoden wird mithilfe der Bland-Altman-Analyse bewertet, während Korrelationsanalysen (Pearson/Spearman) die Stärke des Zusammenhangs evaluieren. Die diagnostische Leistungsfähigkeit, einschließlich Sensitivität und Spezifität, wird unter Verwendung klinischer Grenzwerte (≥126 mg/dL für Glukose und ≥6,5% für HbA1c) berechnet.
Erwartete Ergebnisse Es wird erwartet, dass die rPPG-basierten Schätzungen eine moderate bis gute Korrelation mit Labormessungen aufweisen, mit einer akzeptablen Übereinstimmung für Screening-Zwecke. Es wird erwartet, dass die Technologie eine angemessene diagnostische Leistungsfähigkeit bei der Identifizierung von Personen mit hohem glykämischem Risiko zeigt. Diese Ergebnisse könnten die Machbarkeit von rPPG als nicht-invasives, zugängliches Screening-Instrument zur Diabetesüberwachung in Gemeinschaftseinrichtungen unterstützen.
Studientyp
Einschreibung (Geschätzt)
Kontakte und Standorte
Studienkontakt
- Name: Ernawati Ernawati, Dr.
- E-Mail: ernawati@fk.untar.ac.id
Studieren Sie die Kontaktsicherung
- Name: Alexander Halim Santoso
- Telefonnummer: +6281381606869
- E-Mail: alexanders@fk.untar.ac.id
Studienorte
-
-
Jakarta Special Capital Region
-
Jakarta, Jakarta Special Capital Region, Indonesien
- Kelurahan Semanan
-
Kontakt:
- Wenny Sanwani
- Telefonnummer: +6281585013412
- E-Mail: wenny.sanwani@gmail.com
-
Kontakt:
- Hanna Wijaya
- Telefonnummer: +6281223787878
- E-Mail: hannwijaya@yahoo.com
-
Hauptermittler:
- Ernawati Ernawati
-
Unterermittler:
- Enny Irawaty
-
Unterermittler:
- Zita Atzmardina
-
Hauptermittler:
- Alexander Halim Santoso
-
Unterermittler:
- Wikrama Lokapradhana
-
Unterermittler:
- Amita Pradhani
-
Unterermittler:
- William Kuswandi
-
Unterermittler:
- Diana Dinali
-
Unterermittler:
- Muhammad Fikri Dzakwan
-
Unterermittler:
- Clement Drew
-
Unterermittler:
- Silviana Tirtasari
-
Unterermittler:
- Triyana Sari
-
Hauptermittler:
- Yohanes Firmansyah
-
Hauptermittler:
- David Wongso
-
Unterermittler:
- Steve Geraldo Bustam
-
Unterermittler:
- Bryan Anna Wijaya
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Erwachsene im Alter von ≥18 Jahren
- Bereitschaft zur Teilnahme und Abgabe einer informierten Einwilligung
- Fähigkeit, sich einer Gesichtsuntersuchung und Blutuntersuchung zu unterziehen
- Stabiler klinischer Zustand
Ausschlusskriterien:
- Gesichtsbedingungen, die das rPPG-Signal stören (z.B. Wunden, Deformitäten)
- Verwendung von Gesichtsbedeckungen, die die Kameradetektion behindern
- Unfähigkeit, während der Gesichtsuntersuchung still zu bleiben
- Unvollständige Daten oder Rückzug aus der Studie
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Kohorten und Interventionen
Gruppe / Kohorte |
|---|
|
Gemeinschafts-Erwachsene unterziehen sich rPPG und Labor-Blutzuckerbewertung
Diese Kohorte umfasst Erwachsene im Alter von ≥18 Jahren aus einer bevölkerungsbasierten Gemeinschaft in Jakarta, die sowohl nicht-invasive Fern-Photoplethysmographie (rPPG) Gesichtsscans als auch Standard-Labortests durchlaufen.
Die Teilnehmer erhalten einen Smartphone-basierten Gesichtsscan zur Schätzung des Blutzucker- und HbA1c-Spiegels, gefolgt von einer venösen Blutentnahme zur Messung des Nüchternblutzuckers und HbA1c mit Standard-Labormethoden.
Es wird keine therapeutische Intervention durchgeführt, da es sich um eine diagnostische Validierungsstudie handelt, die rPPG-abgeleitete Schätzungen mit Laborreferenzwerten vergleicht.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Übereinstimmung zwischen rPPG-basiertem und laborbasiertem Blutzucker
Zeitfenster: Einzelne Bewertung bei Studienbeginn (während des Studienbesuchs)
|
Bewertung der Übereinstimmung zwischen den Blutzuckerwerten, die durch Fern-Photoplethysmographie (rPPG) Gesichtsscan und standardmäßige Labor-Nüchternblutzuckermessungen ermittelt wurden, unter Verwendung der Bland-Altman-Analyse, einschließlich mittlerer Abweichung und Übereinstimmungsgrenzen.
|
Einzelne Bewertung bei Studienbeginn (während des Studienbesuchs)
|
|
Übereinstimmung zwischen rPPG-abgeleitetem und Labor-HbA1c
Zeitfenster: Einzelne Bewertung zum Ausgangszeitpunkt (während des Studienbesuchs)
|
Bewertung der Übereinstimmung zwischen den mittels rPPG-Gesichtsscan geschätzten HbA1c-Werten und den Labor-HbA1c-Messungen mithilfe der Bland-Altman-Analyse, einschließlich systematischer Abweichung und Grenzen der Übereinstimmung.
|
Einzelne Bewertung zum Ausgangszeitpunkt (während des Studienbesuchs)
|
|
Korrelation und Validierung von rPPG-Schätzungen mit Labor-Blutzucker und HbA1c
Zeitfenster: Einzelbeurteilung zum Ausgangszeitpunkt (während des Studienbesuchs)
|
Messung der Stärke des Zusammenhangs zwischen rPPG-basierten und laborgemessenen Blutzucker- und HbA1c-Werten mithilfe von Pearson- oder Spearman-Korrelationskoeffizienten (Bland-Altman)
|
Einzelbeurteilung zum Ausgangszeitpunkt (während des Studienbesuchs)
|
|
Diagnostische Leistung von rPPG zur Erkennung von Hyperglykämie und Diabetes-Risiko
Zeitfenster: Einzelbewertung bei Studienbeginn (während des Studienbesuchs)
|
Evaluierung der Sensitivität, Spezifität und Genauigkeit von rPPG-abgeleitetem Blutzucker (≥126 mg/dL) und HbA1c (≥6,5%) bei der Identifizierung von Personen mit erhöhten Blutzuckerwerten im Vergleich zu Laborreferenzstandards.
|
Einzelbewertung bei Studienbeginn (während des Studienbesuchs)
|
Mitarbeiter und Ermittler
Sponsor
Mitarbeiter
Ermittler
- Hauptermittler: Yohanes Firmansyah, MD, Klinik Citra Semanan
- Studienleiter: David Wongso, DexWellness
- Hauptermittler: Ernawati Ernawati, Universitas Tarumanagara
- Studienleiter: Alexander Halim Santoso, Universitas Tarumanagara
- Studienleiter: Ratheesh Nair, Watch Your Health
- Studienstuhl: Sri Tiarti, Universitas Tarumanagara
- Studienstuhl: Noer Saelan Tadjudin, Universitas Tarumanagara
- Studienstuhl: Putu Tommy Yudha Sumatera Suyasa, Universitas Tarumanagara
- Studienleiter: Kieren Nathan Wong, Monash University
- Studienleiter: Jaydee Kirani Wong, Melbourne University
- Studienstuhl: Meiske Yunithree Suparman, Universitas Tarumanagara
Publikationen und hilfreiche Links
Allgemeine Veröffentlichungen
- Zeynali M, Alipour K, Tarvirdizadeh B, Ghamari M. Non-invasive blood glucose monitoring using PPG signals with various deep learning models and implementation using TinyML. Sci Rep. 2025 Jan 2;15(1):581. doi: 10.1038/s41598-024-84265-8.
- Zanelli S, Ammi M, Hallab M, El Yacoubi MA. Diabetes Detection and Management through Photoplethysmographic and Electrocardiographic Signals Analysis: A Systematic Review. Sensors (Basel). 2022 Jun 29;22(13):4890. doi: 10.3390/s22134890.
- Shi B, Dhaliwal SS, Soo M, Chan C, Wong J, Lam NWC, Zhou E, Paitimusa V, Loke KY, Chin J, Chua MT, Liaw KCS, Lim AWH, Insyirah FF, Yen SC, Tay A, Ang SB. Assessing Elevated Blood Glucose Levels Through Blood Glucose Evaluation and Monitoring Using Machine Learning and Wearable Photoplethysmography Sensors: Algorithm Development and Validation. JMIR AI. 2023 Oct 27;2:e48340. doi: 10.2196/48340.
- Santillan A, Travez Proano EI, Jaramillo Encalada IN, Abril Lopez PA, Tricallotis J, Acosta-Espana JD. Structured telemonitoring reduces HbA1c and emergency visits in insulin-treated type 2 diabetes: a controlled cohort study in Ecuador's public hospital. Front Clin Diabetes Healthc. 2026 Feb 9;7:1734589. doi: 10.3389/fcdhc.2026.1734589. eCollection 2026.
- Qawqzeh YK, Bajahzar AS, Jemmali M, Otoom MM, Thaljaoui A. Classification of Diabetes Using Photoplethysmogram (PPG) Waveform Analysis: Logistic Regression Modeling. Biomed Res Int. 2020 Aug 11;2020:3764653. doi: 10.1155/2020/3764653. eCollection 2020.
- Kwon TH, Kim KD. Machine-Learning-Based Noninvasive In Vivo Estimation of HbA1c Using Photoplethysmography Signals. Sensors (Basel). 2022 Apr 12;22(8):2963. doi: 10.3390/s22082963.
- Farenden E, Kelly J, Russell A, Menon A. Remote Monitoring for Type 2 Diabetes: What Do Patients, Healthcare Professionals, and Executives Think? Stud Health Technol Inform. 2024 Jan 25;310:1526-1527. doi: 10.3233/SHTI231276.
- Chu J, Yang WT, Lu WR, Chang YT, Hsieh TH, Yang FL. 90% Accuracy for Photoplethysmography-Based Non-Invasive Blood Glucose Prediction by Deep Learning with Cohort Arrangement and Quarterly Measured HbA1c. Sensors (Basel). 2021 Nov 24;21(23):7815. doi: 10.3390/s21237815.
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Geschätzt)
Primärer Abschluss (Geschätzt)
Studienabschluss (Geschätzt)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- 20260324
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Beschreibung des IPD-Plans
IPD-Sharing-Zeitrahmen
IPD-Sharing-Zugriffskriterien
Art der unterstützenden IPD-Freigabeinformationen
- STUDIENPROTOKOLL
- SAFT
- ICF
- ANALYTIC_CODE
- CSR
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .
Klinische Studien zur Diabetes Mellitus
-
State University of New York at BuffaloMedical University of South CarolinaAbgeschlossenDiabetes Mellitus | Typ 2 Diabetes mellitus | Altersdiabetes mellitus | Nicht insulinabhängiger Diabetes mellitus | Nicht insulinabhängiger Diabetes Mellitus, Typ IIVereinigte Staaten
-
University of Colorado, DenverMassachusetts General Hospital; Beta Bionics, Inc.AbgeschlossenDiabetes mellitus, Typ 1 | Diabetes Typ 1 | Diabetes Typ1 | Diabetes mellitus Typ 1 | Autoimmundiabetes | Diabetes mellitus, insulinabhängig | Jugenddiabetes | Diabetes, Autoimmun | Insulinabhängiger Diabetes mellitus 1 | Diabetes mellitus, insulinabhängig, 1 | Diabetes mellitus, spröde | Diabetes mellitus... und andere BedingungenVereinigte Staaten
-
Guang NingRekrutierungTyp 2 Diabetes mellitus | Diabetes mellitus Typ1 | Monogenetischer Diabetes | Pankreatogener Diabetes | Medikamenteninduzierter Diabetes mellitus | Andere Formen von Diabetes mellitusChina
-
SanofiAbgeschlossenDiabetes mellitus Typ 1 – Diabetes mellitus Typ 2Ungarn, Russische Föderation, Deutschland, Polen, Japan, Vereinigte Staaten, Finnland
-
Medtronic MiniMed, Inc.RekrutierungGATEWAY: Sicherheitsbewertung des MiniMed™ NMX8-AID-Systems bei Kindern und Erwachsenen mit DiabetesTyp 2 Diabetes mellitus | Diabetes mellitus Typ 1Vereinigte Staaten, Australien, Neuseeland
-
Meir Medical CenterAbgeschlossenDiabetes mellitus Typ 2 | Diabetes mellitus, nicht insulinabhängig | Diabetes mellitus, zur oralen hypoglykämischen Behandlung | Diabetes mellitus vom ErwachsenentypIsrael
-
Hoffmann-La RocheRoche DiagnosticsAbgeschlossenDiabetes mellitus Typ 2, Diabetes mellitus Typ 1Deutschland
-
University of California, San FranciscoJuvenile Diabetes Research FoundationAbgeschlossenDiabetes mellitus Typ 1 | Diabetes mellitus, Typ I | Insulinabhängiger Diabetes mellitus 1 | Diabetes mellitus, insulinabhängig, 1 | IDDMVereinigte Staaten, Australien
-
Vanderbilt University Medical CenterRekrutierungHyperglykämie | Typ-2-Diabetes mellitus (T2DM) | Typ-1-Diabetes mellitus (T1DM)Vereinigte Staaten
-
Insulet CorporationRekrutierungTyp 2 Diabetes mellitus | Diabetes mellitus Typ 1Vereinigte Staaten