- ICH GCP
- 미국 임상 시험 레지스트리
- 임상시험 NCT07502690
원격 광용적맥파 검사의 무혈당 및 HbA1c 비침습적 추정 검증
자카르타 지역사회 기반 인구에서 무혈당 및 HbA1c 비침습적 추정을 위한 원격 광혈류측정 검증
이 관찰 연구의 목표는 자카르타 지역사회에 거주하는 성인을 대상으로 원격 광혈류 측정법(rPPG)을 사용한 비침습적 얼굴 스캔 기술이 혈당과 HbA1c 수치를 정확하게 추정할 수 있는지 평가하는 것입니다. 이 연구는 18세 이상의 성인을 대상으로 하며, 당뇨병이 있거나 없는 개인을 포함합니다.
이 연구가 답하고자 하는 주요 질문은 다음과 같습니다:
- rPPG 기반 얼굴 스캔을 통한 혈당 및 HbA1c 추정치가 표준 실험실 혈액 검사 결과와 일치할 수 있는가?
- 확립된 임상 기준치를 기반으로 rPPG가 고혈당 또는 당뇨병 위험이 있는 개인을 얼마나 잘 식별할 수 있는가?
연구자들은 rPPG 얼굴 스캔 결과와 공복 혈당 및 HbA1c의 표준 실험실 측정값을 비교하여 이 기술이 선별 목적으로 얼마나 정확하고 신뢰할 수 있는지 확인할 것입니다.
참가자는 다음과 같은 절차를 수행합니다:
- 연령, 성별, 병력과 같은 기본 정보 제공
- 스마트폰 기반 시스템을 사용한 비침습적 얼굴 스캔 수행
- 공복 혈당과 HbA1c 측정을 위한 혈액 샘플 채취
- 단일 연구 방문 동안 모든 평가 완료
이 연구는 rPPG가 지역사회 환경에서 당뇨병의 조기 발견과 모니터링을 위한 간단하고 비침습적이며 접근 가능한 도구로 사용될 수 있는지 확인하는 것을 목표로 합니다.
연구 개요
상태
상세 설명
서론 제2형 당뇨병(T2DM)은 만성적인 고혈당 및 관련 합병증으로 특징지어지는 주요한 글로벌 건강 부담입니다. 공복 혈당 및 당화혈색소(HbA1c)와 같은 표준 모니터링 방법은 침습적 혈액 채취와 실험실 시설 접근에 의존하며, 이는 환자의 순응도를 낮추고 조기 발견을 제한할 수 있습니다. 원격 광용적맥파(rPPG)는 얼굴 영상 분석을 사용하는 비접촉 광학 기술로, 생리학적 및 대사 매개변수를 추정하기 위한 유망한 대안으로 부상했습니다. 그러나 혈당 지표 평가에서의 타당성에 관한 증거는 여전히 제한적입니다.
목적 이 연구는 표준 실험실 측정과 비교하여 혈당 및 HbA1c 수치를 추정하는 rPPG 기반 얼굴 스캔 기술의 타당성과 진단 성능을 평가하는 것을 목표로 합니다.
방법 이 연구는 자카르타 세마난 켈루라한에서 수행된 횡단면 진단 검증 접근법을 사용한 분석적 관찰 설계를 채택합니다. 총 150-300명의 성인 참가자가 지역사회 기반 표집 방법을 사용하여 모집될 예정입니다. 각 참가자는 공복 혈당 및 HbA1c의 실험실 측정을 위한 정맥혈 채취와 스마트폰 기반 시스템을 사용한 비접촉 rPPG 얼굴 스캔을 동시에 받게 됩니다. 방법 간 일치도는 Bland-Altman 분석을 사용하여 평가되며, 상관관계 분석(Pearson/Spearman)은 연관성의 강도를 평가할 것입니다. 진단 성능(민감도 및 특이도 포함)은 임상적 기준치(혈당 ≥126 mg/dL, HbA1c ≥6.5%)를 사용하여 계산됩니다.
예상 결과 rPPG 기반 추정치는 실험실 측정과 중간에서 좋은 수준의 상관관계를 보일 것으로 예상되며, 선별 목적으로는 허용 가능한 일치도를 나타낼 것입니다. 이 기술은 고혈당 위험이 있는 개인을 식별하는 데 합리적인 진단 성능을 보일 것으로 예상됩니다. 이러한 결과는 지역사회 환경에서 당뇨병 모니터링을 위한 비침습적이고 접근 가능한 선별 도구로서 rPPG의 실현 가능성을 뒷받침할 수 있습니다.
연구 유형
등록 (추정된)
연락처 및 위치
연구 연락처
- 이름: Ernawati Ernawati, Dr.
- 이메일: ernawati@fk.untar.ac.id
연구 연락처 백업
- 이름: Alexander Halim Santoso
- 전화번호: +6281381606869
- 이메일: alexanders@fk.untar.ac.id
연구 장소
-
-
Jakarta Special Capital Region
-
Jakarta, Jakarta Special Capital Region, 인도네시아
- Kelurahan Semanan
-
연락하다:
- Wenny Sanwani
- 전화번호: +6281585013412
- 이메일: wenny.sanwani@gmail.com
-
연락하다:
- Hanna Wijaya
- 전화번호: +6281223787878
- 이메일: hannwijaya@yahoo.com
-
수석 연구원:
- Ernawati Ernawati
-
부수사관:
- Enny Irawaty
-
부수사관:
- Zita Atzmardina
-
수석 연구원:
- Alexander Halim Santoso
-
부수사관:
- Wikrama Lokapradhana
-
부수사관:
- Amita Pradhani
-
부수사관:
- William Kuswandi
-
부수사관:
- Diana Dinali
-
부수사관:
- Muhammad Fikri Dzakwan
-
부수사관:
- Clement Drew
-
부수사관:
- Silviana Tirtasari
-
부수사관:
- Triyana Sari
-
수석 연구원:
- Yohanes Firmansyah
-
수석 연구원:
- David Wongso
-
부수사관:
- Steve Geraldo Bustam
-
부수사관:
- Bryan Anna Wijaya
-
-
참여기준
자격 기준
공부할 수 있는 나이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
샘플링 방법
연구 인구
설명
포함 기준:
- 만 18세 이상 성인
- 참여 동의 및 서면 동의서 제공 의사 있음
- 얼굴 스캔 및 혈액 검사 가능
- 안정된 임상 상태
제외 기준:
- rPPG 신호에 방해가 되는 얼굴 상태(예: 상처, 기형)
- 카메라 감지를 방해하는 얼굴 가림물 사용
- 얼굴 스캔 동안 움직이지 못함
- 데이터 불완전 또는 연구 중도 탈락
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
|---|
|
rPPG와 실험실 혈당 평가를 받는 지역사회 성인
이 코호트는 자카르타 지역사회 기반 인구 중 비침습적 원격 광체적맥파(rPPG) 얼굴 스캔과 표준 실험실 검사를 모두 받는 만 18세 이상 성인을 포함합니다.
참가자는 혈당 및 HbA1c 수치를 추정하기 위한 스마트폰 기반 얼굴 스캔을 받은 후, 표준 실험실 방법을 사용한 공복 혈당 및 HbA1c 측정을 위한 정맥혈 채취를 진행합니다.
본 연구는 rPPG 기반 추정치와 실험실 기준값을 비교하는 진단 검증 연구로, 치료적 개입은 시행되지 않습니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
rPPG 기반 혈당 측정값과 실험실 혈당 측정값 간의 일치도
기간: 기준선에서의 단일 평가 (연구 방문 중)
|
원격 광용적맥파(rPPG) 안면 스캔을 통해 얻은 혈당 값과 표준 실험실 공복 혈당 측정치 간의 일치도 평가(Bland-Altman 분석 포함, 평균 편향 및 일치 한계 포함).
|
기준선에서의 단일 평가 (연구 방문 중)
|
|
rPPG로 측정한 HbA1c와 실험실 HbA1c 측정값 간의 일치도
기간: 기준선에서의 단일 평가 (연구 방문 중)
|
Bland-Altman 분석을 사용한 rPPG 안면 스캔으로 추정된 HbA1c 값과 실험실 HbA1c 측정값 간의 일치도 평가, 편향 및 일치 한계 포함.
|
기준선에서의 단일 평가 (연구 방문 중)
|
|
실험실 혈당 및 HbA1c와의 rPPG 추정치 상관관계 및 검증
기간: 기준선에서의 단일 평가 (연구 방문 중)
|
피어슨 또는 스피어만 상관 계수(블랜드-앨트먼)를 사용하여 rPPG 기반 및 실험실 측정 혈당 및 HbA1c 값 간의 연관성 강도 측정
|
기준선에서의 단일 평가 (연구 방문 중)
|
|
rPPG를 이용한 고혈당 및 당뇨병 위험 감지의 진단 성능
기간: 기준선에서의 단일 평가 (연구 방문 중)
|
검사실 기준치와 비교하여 혈당 수치가 상승된 개인을 식별하는 데 있어 rPPG로 유도된 혈당(≥126 mg/dL)과 HbA1c(≥6.5%)의 민감도, 특이도 및 정확도 평가
|
기준선에서의 단일 평가 (연구 방문 중)
|
공동 작업자 및 조사자
수사관
- 수석 연구원: Yohanes Firmansyah, MD, Klinik Citra Semanan
- 연구 책임자: David Wongso, DexWellness
- 수석 연구원: Ernawati Ernawati, Universitas Tarumanagara
- 연구 책임자: Alexander Halim Santoso, Universitas Tarumanagara
- 연구 책임자: Ratheesh Nair, Watch Your Health
- 연구 의자: Sri Tiarti, Universitas Tarumanagara
- 연구 의자: Noer Saelan Tadjudin, Universitas Tarumanagara
- 연구 의자: Putu Tommy Yudha Sumatera Suyasa, Universitas Tarumanagara
- 연구 책임자: Kieren Nathan Wong, Monash University
- 연구 책임자: Jaydee Kirani Wong, Melbourne University
- 연구 의자: Meiske Yunithree Suparman, Universitas Tarumanagara
간행물 및 유용한 링크
일반 간행물
- 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.
연구 기록 날짜
연구 주요 날짜
연구 시작 (추정된)
기본 완료 (추정된)
연구 완료 (추정된)
연구 등록 날짜
최초 제출
QC 기준을 충족하는 최초 제출
처음 게시됨 (실제)
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
QC 기준을 충족하는 마지막 업데이트 제출
마지막으로 확인됨
추가 정보
이 연구와 관련된 용어
기타 연구 ID 번호
- 20260324
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
IPD 계획 설명
IPD 공유 기간
IPD 공유 액세스 기준
IPD 공유 지원 정보 유형
- 연구_프로토콜
- 수액
- ICF
- ANALYTIC_CODE
- CSR
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
미국 FDA 규제 기기 제품 연구
이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .