- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT07502690
Validasjon av fjernfotopletysmografi for ikke-invasiv estimering av blodsukker og HbA1c
Validering av fjernfotopletysmografi for ikke-invasiv estimering av blodglukose og HbA1c i en samfunnsbasert befolkning i Jakarta
Målet med denne observasjonsstudien er å vurdere om en ikke-invasiv ansiktsskanningsteknologi som bruker fjernfotopletysmografi (rPPG) kan estimere blodsukker- og HbA1c-nivåer nøyaktig hos voksne som bor i lokalsamfunnet i Jakarta. Studien fokuserer på voksne i alderen 18 år og eldre, inkludert personer med eller uten diabetes.
Hovedspørsmålene den tar sikte på å besvare er:
- Kan rPPG-baserte ansiktsskanning-estimater av blodsukker og HbA1c samsvare med resultater fra standard laboratorieblodprøver?
- Hvor godt kan rPPG identifisere personer med høyt blodsukker eller diabetesrisiko basert på etablerte kliniske grenseverdier?
Forskere vil sammenligne resultater fra rPPG-ansiktsskanningen med standard laboratoriemålinger av fasteblodsukker og HbA1c for å fastslå hvor nøyaktig og pålitelig teknologien er for screeningsformål.
Deltakere vil:
- Oppgi grunnleggende informasjon som alder, kjønn og medisinsk historikk
- Gjennomgå en ikke-invasiv ansiktsskanning ved bruk av et smarttelefonbasert system
- Gi en blodprøve for å måle fasteblodsukker og HbA1c
- Fullføre alle vurderinger under ett enkelt studiebesøk
Denne studien tar sikte på å fastslå om rPPG kan fungere som et enkelt, ikke-invasivt og tilgjengelig verktøy for tidlig oppdagelse og overvåkning av diabetes i lokalsamfunnsinnstillinger.
Studieoversikt
Status
Detaljert beskrivelse
Introduksjon Type 2 diabetes mellitus (T2DM) utgjør en stor global helsebyrde karakterisert ved kronisk hyperglykemi og tilhørende komplikasjoner. Standard overvåkingsmetoder, som faste blodglukose og glykert hemoglobin (HbA1c), er avhengige av invasiv blodprøvetaking og tilgang til laboratoriefasiliteter, noe som kan redusere pasientens overholdelse og begrense tidlig oppdagelse. Fjernfotopletysmografi (rPPG), en ikke-kontakt optisk teknikk som bruker ansiktsvideoanalyse, har dukket opp som et lovende alternativ for å estimere fysiologiske og metabolske parametere. Imidlertid er bevisene angående dens gyldighet i vurdering av glykemiske markører fortsatt begrenset.
Mål Denne studien har som mål å evaluere gyldigheten og diagnostisk ytelse av rPPG-basert ansiktsskannerteknologi i estimering av blodglukose- og HbA1c-nivåer sammenlignet med standard laboratoriemålinger.
Metoder Denne studien benytter et analytisk observasjonsdesign med en tverrsnittsdiagnostisk valideringstilnærming utført i Kelurahan Semanan, Jakarta. Totalt 150-300 voksne deltakere vil bli rekruttert ved hjelp av en samfunnsbasert utvalgsmetode. Hver deltaker vil gjennomgå venøs blodprøvetaking for laboratoriemåling av faste blodglukose og HbA1c, sammen med en ikke-kontakt rPPG ansiktsskanning ved hjelp av et smarttelefonbasert system. Overensstemmelse mellom metodene vil bli vurdert ved hjelp av Bland-Altman-analyse, mens korrelasjonsanalyse (Pearson/Spearman) vil evaluere styrken av assosiasjon. Diagnostisk ytelse, inkludert sensitivitet og spesifisitet, vil bli beregnet ved hjelp av kliniske terskelverdier (≥126 mg/dL for glukose og ≥6,5 % for HbA1c).
Forventede resultater Det forventes at rPPG-avledede estimater vil demonstrere moderat til god korrelasjon med laboratoriemålinger, med akseptabel overensstemmelse for screeningformål. Teknologien forventes å vise rimelig diagnostisk ytelse i identifisering av individer med høyt glykemisk risiko. Disse funnene kan støtte gjennomførbarheten av rPPG som et ikke-invasivt, tilgjengelig screeningverktøy for diabetesovervåking i samfunnsinnstillinger.
Studietype
Registrering (Antatt)
Kontakter og plasseringer
Studiekontakt
- Navn: Ernawati Ernawati, Dr.
- E-post: ernawati@fk.untar.ac.id
Studer Kontakt Backup
- Navn: Alexander Halim Santoso
- Telefonnummer: +6281381606869
- E-post: alexanders@fk.untar.ac.id
Studiesteder
-
-
Jakarta Special Capital Region
-
Jakarta, Jakarta Special Capital Region, Indonesia
- Kelurahan Semanan
-
Ta kontakt med:
- Wenny Sanwani
- Telefonnummer: +6281585013412
- E-post: wenny.sanwani@gmail.com
-
Ta kontakt med:
- Hanna Wijaya
- Telefonnummer: +6281223787878
- E-post: hannwijaya@yahoo.com
-
Hovedetterforsker:
- Ernawati Ernawati
-
Underetterforsker:
- Enny Irawaty
-
Underetterforsker:
- Zita Atzmardina
-
Hovedetterforsker:
- Alexander Halim Santoso
-
Underetterforsker:
- Wikrama Lokapradhana
-
Underetterforsker:
- Amita Pradhani
-
Underetterforsker:
- William Kuswandi
-
Underetterforsker:
- Diana Dinali
-
Underetterforsker:
- Muhammad Fikri Dzakwan
-
Underetterforsker:
- Clement Drew
-
Underetterforsker:
- Silviana Tirtasari
-
Underetterforsker:
- Triyana Sari
-
Hovedetterforsker:
- Yohanes Firmansyah
-
Hovedetterforsker:
- David Wongso
-
Underetterforsker:
- Steve Geraldo Bustam
-
Underetterforsker:
- Bryan Anna Wijaya
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Voksen
- Eldre voksen
Tar imot friske frivillige
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inkluderingskriterier:
- Voksne i alderen ≥18 år
- Villige til å delta og gi informert samtykke
- I stand til å gjennomgå ansiktsskanning og blodundersøkelse
- Stabil klinisk tilstand
Ekskluderingskriterier:
- Ansiktsforhold som forstyrrer rPPG-signalet (f.eks. sår, deformiteter)
- Bruk av ansiktsdekke som hindrer kameradeteksjon
- Uvne til å forbli i ro under ansiktsskanning
- Ufullstendige data eller tilbaketrekning fra studien
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Kohorter og intervensjoner
Gruppe / Kohort |
|---|
|
Samfunnsvoksne som gjennomgår rPPG og laboratorieglykemisk vurdering
Denne kohorten inkluderer voksne i alderen ≥18 år fra en befolkningsbasert gruppe i Jakarta som gjennomgår både ikke-invasiv fjernfotopletysmografi (rPPG) ansiktsskanning og standard laboratorietesting.
Deltakerne vil motta en smarttelefonbasert ansiktsskanning for å estimere blodsukker- og HbA1c-nivåer, etterfulgt av venøs blodprøvetaking for måling av faste blodsukker- og HbA1c-nivåer ved bruk av standard laboratoriemetoder.
Ingen terapeutisk intervensjon gis, da dette er en diagnostisk valideringsstudie som sammenligner rPPG-avledede estimater med laboratorie-referanseverdier.
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Avtale mellom rPPG-avledet og laboratoriemålt blodsukker
Tidsramme: Enkelt vurdering ved baseline (under studiebesøk)
|
Vurdering av overensstemmelse mellom blodglukoseverdier oppnådd fra fjernfotopletysmografi (rPPG) ansiktsskanning og standard laboratoriefaste blodglukosemålinger ved bruk av Bland-Altman-analyse, inkludert gjennomsnittlig bias og grenser for overensstemmelse.
|
Enkelt vurdering ved baseline (under studiebesøk)
|
|
Avtale mellom rPPG-avledet og laboratorie HbA1c
Tidsramme: En enkeltvurdering ved utgangspunktet (under studiebesøket)
|
Evaluering av overensstemmelse mellom HbA1c-verdier estimert ved bruk av rPPG ansiktsskanning og laboratoriemålinger av HbA1c ved hjelp av Bland-Altman-analyse, inkludert systematisk feil og grenser for overensstemmelse.
|
En enkeltvurdering ved utgangspunktet (under studiebesøket)
|
|
Korrelasjon og validering av rPPG-estimater med laboratorieblodsukker og HbA1c
Tidsramme: Enkeltvurdering ved baseline (under studiebesøk)
|
Måling av styrken på assosiasjonen mellom rPPG-avledede og laboratoriemålte blodsukker- og HbA1c-verdier ved bruk av Pearson eller Spearman korrelasjonskoeffisienter (Bland Altman)
|
Enkeltvurdering ved baseline (under studiebesøk)
|
|
Diagnostisk ytelse av rPPG for deteksjon av hyperglykemi og diabetesrisiko
Tidsramme: Enkelt vurdering ved baseline (under studiebesøk)
|
Evaluering av sensitivitet, spesifisitet og nøyaktighet av rPPG-avledet blodglukose (≥126 mg/dL) og HbA1c (≥6,5%) for å identifisere individer med forhøyede glykemiske nivåer sammenlignet med laboratoriereferansestandarder.
|
Enkelt vurdering ved baseline (under studiebesøk)
|
Samarbeidspartnere og etterforskere
Sponsor
Samarbeidspartnere
Etterforskere
- Hovedetterforsker: Yohanes Firmansyah, MD, Klinik Citra Semanan
- Studieleder: David Wongso, DexWellness
- Hovedetterforsker: Ernawati Ernawati, Universitas Tarumanagara
- Studieleder: Alexander Halim Santoso, Universitas Tarumanagara
- Studieleder: Ratheesh Nair, Watch Your Health
- Studiestol: Sri Tiarti, Universitas Tarumanagara
- Studiestol: Noer Saelan Tadjudin, Universitas Tarumanagara
- Studiestol: Putu Tommy Yudha Sumatera Suyasa, Universitas Tarumanagara
- Studieleder: Kieren Nathan Wong, Monash University
- Studieleder: Jaydee Kirani Wong, Melbourne University
- Studiestol: Meiske Yunithree Suparman, Universitas Tarumanagara
Publikasjoner og nyttige lenker
Generelle publikasjoner
- 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.
Studierekorddatoer
Studer hoveddatoer
Studiestart (Antatt)
Primær fullføring (Antatt)
Studiet fullført (Antatt)
Datoer for studieregistrering
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (Faktiske)
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Nøkkelord
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- 20260324
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
IPD-planbeskrivelse
IPD-delingstidsramme
Tilgangskriterier for IPD-deling
IPD-deling Støtteinformasjonstype
- STUDY_PROTOCOL
- SEVJE
- ICF
- ANALYTIC_CODE
- CSR
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Studerer et amerikansk FDA-regulert enhetsprodukt
Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .