非侵襲的な血糖値およびHbA1c推定のための遠隔光電容積脈波記録法の検証
ジャカルタのコミュニティベース集団における非侵襲的血中グルコースおよびHbA1c推定のためのリモート光電容積脈波記録法の検証
この観察研究の目的は、非侵襲的な顔面スキャン技術であるリモートフォトプレチスモグラフィー(rPPG)を使用して、ジャカルタの地域社会で生活する成人の血糖値およびHbA1c値を正確に推定できるかどうかを評価することです。 本研究は、糖尿病の有無にかかわらず、18歳以上の成人を対象としています。
主な研究課題は次のとおりです:
- rPPGベースの顔面スキャンによる血糖値およびHbA1cの推定値は、標準的な臨床血液検査の結果と一致するか?
- 確立された臨床的カットオフ値に基づき、rPPGは高血糖または糖尿病リスクのある個人をどの程度正確に識別できるか?
研究者は、rPPG顔面スキャンの結果を、空腹時血糖値およびHbA1cの標準的な臨床測定値と比較し、スクリーニング目的におけるこの技術の精度と信頼性を評価します。
参加者は以下の手順を行います:
- 年齢、性別、病歴などの基本情報を提供する
- スマートフォンベースのシステムを使用した非侵襲的な顔面スキャンを受ける
- 空腹時血糖値およびHbA1c測定のために採血を行う
- 単一の研究訪問中にすべての評価を完了する
本研究は、rPPGが地域社会における糖尿病の早期発見およびモニタリングのための、簡便で非侵襲的かつ利用しやすいツールとして機能し得るかどうかを判断することを目指しています。
調査の概要
詳細な説明
序論 2型糖尿病(T2DM)は、慢性的な高血糖とそれに伴う合併症を特徴とする世界的な主要な健康負担である。 空腹時血糖やグリコヘモグロビン(HbA1c)などの標準的なモニタリング方法は、侵襲的な採血と検査施設へのアクセスに依存しており、患者の遵守率を低下させ、早期発見を制限する可能性がある。 顔のビデオ分析を用いた非接触式光学技術であるリモートフォトプレチスモグラフィー(rPPG)は、生理学的および代謝パラメータを推定するための有望な代替手段として登場している。 しかし、血糖マーカーの評価におけるその妥当性に関する証拠は限られている。
目的 本研究は、標準的な検査室測定と比較して、rPPGベースの顔スキャン技術による血糖値およびHbA1cレベルの推定における妥当性と診断性能を評価することを目的とする。
方法 本研究は、ジャカルタのケルラハン・セマナンで実施された横断的診断検証アプローチを用いた分析観察デザインを採用する。 合計150〜300人の成人参加者が、コミュニティベースのサンプリング方法を用いて募集される。 各参加者は、空腹時血糖およびHbA1cの検査室測定のための静脈血採血と、スマートフォンベースのシステムを用いた非接触rPPG顔スキャンを受ける。 方法間の一致はブランド-アルトマン分析を用いて評価され、相関分析(ピアソン/スピアマン)は関連の強さを評価する。 診断性能(感度および特異度を含む)は、臨床的カットオフ(血糖値≥126 mg/dL、HbA1c≥6.5%)を用いて計算される。
期待される結果 rPPGによる推定値は、検査室測定値と中程度から良好な相関を示し、スクリーニング目的で許容可能な一致を示すことが期待される。 この技術は、高血糖リスクのある個人を特定する上で合理的な診断性能を示すと予想される。 これらの知見は、コミュニティ環境での糖尿病モニタリングのための非侵襲的でアクセス可能なスクリーニングツールとしてのrPPGの実現可能性を支持する可能性がある。
研究の種類
入学 (推定)
連絡先と場所
研究連絡先
- 名前:Ernawati Ernawati, Dr.
- メール:ernawati@fk.untar.ac.id
研究連絡先のバックアップ
- 名前:Alexander Halim Santoso
- 電話番号:+6281381606869
- メール:alexanders@fk.untar.ac.id
研究場所
-
-
Jakarta Special Capital Region
-
Jakarta、Jakarta Special Capital Region、インドネシア
- Kelurahan Semanan
-
コンタクト:
- Wenny Sanwani
- 電話番号:+6281585013412
- メール:wenny.sanwani@gmail.com
-
コンタクト:
- Hanna Wijaya
- 電話番号:+6281223787878
- メール:hannwijaya@yahoo.com
-
主任研究者:
- Ernawati Ernawati
-
副調査官:
- Enny Irawaty
-
副調査官:
- Zita Atzmardina
-
主任研究者:
- Alexander Halim Santoso
-
副調査官:
- Wikrama Lokapradhana
-
副調査官:
- Amita Pradhani
-
副調査官:
- William Kuswandi
-
副調査官:
- Diana Dinali
-
副調査官:
- Muhammad Fikri Dzakwan
-
副調査官:
- Clement Drew
-
副調査官:
- Silviana Tirtasari
-
副調査官:
- Triyana Sari
-
主任研究者:
- Yohanes Firmansyah
-
主任研究者:
- David Wongso
-
副調査官:
- Steve Geraldo Bustam
-
副調査官:
- Bryan Anna Wijaya
-
-
参加基準
適格基準
就学可能な年齢
- 大人
- 高齢者
健康ボランティアの受け入れ
サンプリング方法
調査対象母集団
説明
包含基準:
- 18歳以上の成人
- 参加に同意し、インフォームドコンセントを提供できること
- 顔面スキャンおよび血液検査を受けられること
- 安定した臨床状態であること
除外基準:
- rPPG信号を妨げる顔面状態(例:傷、変形)
- カメラ検出を妨げる顔面被覆物の使用
- 顔面スキャン中に静止できないこと
- データの不完全性または研究からの離脱
研究計画
研究はどのように設計されていますか?
デザインの詳細
コホートと介入
グループ/コホート |
|---|
|
コミュニティの成人がrPPGおよび研究室血糖評価を受ける
このコホートには、非侵襲的リモート光電容積脈波記録法(rPPG)による顔面スキャンと標準的な実験室検査の両方を受ける、ジャカルタの地域社会に基づく集団から集められた18歳以上の成人が含まれます。
参加者は、スマートフォンベースの顔面スキャンを受け、血糖値とHbA1c値を推定し、その後、標準的な実験室手法を用いた空腹時血糖値とHbA1c測定のための静脈採血を受けます。
これは、rPPGに基づく推定値と実験室の基準値を比較する診断検証研究であるため、治療的介入は行われません。
|
この研究は何を測定していますか?
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
rPPG由来と実験室血糖値の間の一致
時間枠:ベースライン時(研究来院時)の単一評価
|
ブランド・アルトマン分析を用いたリモート光電式容積脈波記録法(rPPG)による顔面スキャンから得られた血糖値と標準的な実験室での空腹時血糖測定値の一致度の評価。これには平均バイアスおよび一致限界を含む。
|
ベースライン時(研究来院時)の単一評価
|
|
rPPG由来と実験室測定HbA1cの一致
時間枠:ベースライン時(研究訪問中)の単回評価
|
Bland-Altman分析を用いたrPPG顔面スキャンによる推定HbA1c値と実験室HbA1c測定値の一致度評価(バイアスおよび一致限界を含む)。
|
ベースライン時(研究訪問中)の単回評価
|
|
rPPG推定値と実験室血糖値およびHbA1cの相関および検証
時間枠:ベースライン時(研究訪問中)の単一評価
|
ピアソンまたはスピアマン相関係数を用いたrPPG由来および実験室測定血糖値とHbA1c値の関連性の強さの測定(ブランド・アルトマン法)
|
ベースライン時(研究訪問中)の単一評価
|
|
rPPGによる高血糖および糖尿病リスク検出の診断性能
時間枠:ベースライン時(研究訪問中)の単回評価
|
rPPG由来の血糖値(≥126 mg/dL)およびHbA1c(≥6.5%)を用いた、高血糖レベルの個人を特定する際の感度、特異度、および精度の評価を、実験室参照基準と比較して行う。
|
ベースライン時(研究訪問中)の単回評価
|
協力者と研究者
スポンサー
捜査官
- 主任研究者:Yohanes Firmansyah, MD、Klinik Citra Semanan
- スタディディレクター:David Wongso、DexWellness
- 主任研究者:Ernawati Ernawati、Universitas Tarumanagara
- スタディディレクター:Alexander Halim Santoso、Universitas Tarumanagara
- スタディディレクター:Ratheesh Nair、Watch Your Health
- スタディチェア:Sri Tiarti、Universitas Tarumanagara
- スタディチェア:Noer Saelan Tadjudin、Universitas Tarumanagara
- スタディチェア:Putu Tommy Yudha Sumatera Suyasa、Universitas Tarumanagara
- スタディディレクター:Kieren Nathan Wong、Monash University
- スタディディレクター:Jaydee Kirani Wong、Melbourne University
- スタディチェア:Meiske Yunithree Suparman、Universitas Tarumanagara
出版物と役立つリンク
一般刊行物
- 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.
研究記録日
主要日程の研究
研究開始 (推定)
一次修了 (推定)
研究の完了 (推定)
試験登録日
最初に提出
QC基準を満たした最初の提出物
最初の投稿 (実際)
学習記録の更新
投稿された最後の更新 (実際)
QC基準を満たした最後の更新が送信されました
最終確認日
詳しくは
本研究に関する用語
キーワード
その他の研究ID番号
- 20260324
個々の参加者データ (IPD) の計画
個々の参加者データ (IPD) を共有する予定はありますか?
IPD プランの説明
IPD 共有時間枠
IPD 共有アクセス基準
IPD 共有サポート情報タイプ
- STUDY_PROTOCOL
- SAP
- ICF
- ANALYTIC_CODE
- CSR
医薬品およびデバイス情報、研究文書
米国FDA規制医薬品の研究
米国FDA規制機器製品の研究
この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。