- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT07502690
Validering av fjärrfotopletysmografi för icke-invasiv uppskattning av blodsocker och HbA1c
Validering av fjärrfotopletysmografi för icke-invasiv estimering av blodglukos och HbA1c i en samhällsbaserad population i Jakarta
Syftet med denna observationsstudie är att utvärdera om en icke-invasiv ansiktsskanningsteknik som använder fjärrfotopletysmografi (rPPG) kan uppskatta blodsocker- och HbA1c-nivåer korrekt hos vuxna som bor i samhället i Jakarta. Studien fokuserar på vuxna från 18 år och äldre, inklusive individer med eller utan diabetes.
De huvudsakliga frågorna den syftar att besvara är:
- Kan rPPG-baserade ansiktsskanningsuppskattningar av blodsocker och HbA1c matcha resultaten från standardlaboratorieblodprov?
- Hur väl kan rPPG identifiera individer med högt blodsocker eller diabetesrisk baserat på etablerade kliniska gränsvärden?
Forskarna kommer att jämföra resultaten från rPPG-ansiktsskanningen med standardlaboratoriemätningar av fastande blodsocker och HbA1c för att fastställa hur exakt och tillförlitlig tekniken är för screeningsändamål.
Deltagarna kommer att:
- Lämna grundläggande information såsom ålder, kön och medicinsk historia
- Genomgå en icke-invasiv ansiktsskanning med hjälp av ett smartphonesystem
- Lämna ett blodprov för att mäta fastande blodsocker och HbA1c
- Slutföra alla bedömningar under ett enda studiebesök
Denna studie syftar till att fastställa om rPPG kan fungera som ett enkelt, icke-invasivt och tillgängligt verktyg för tidig upptäckt och övervakning av diabetes i samhällsmiljöer.
Studieöversikt
Status
Detaljerad beskrivning
Introduktion Typ 2-diabetes mellitus (T2DM) utgör en betydande global hälsobelastning som kännetecknas av kronisk hyperglykemi och tillhörande komplikationer. Standardövervakningsmetoder, såsom fastande blodsocker och glykosylerat hemoglobin (HbA1c), förlitar sig på invasiv blodprovstagning och tillgång till laboratoriefaciliteter, vilket kan minska patienternas följsamhet och begränsa tidig upptäckt. Fjärrfotopletysmografi (rPPG), en kontaktfri optisk teknik som använder ansiktsvideoanalys, har framträtt som ett lovande alternativ för att uppskatta fysiologiska och metabola parametrar. Emellertid är bevisen för dess giltighet vid bedömning av glykemiska markörer fortfarande begränsade.
Syfte Denna studie syftar till att utvärdera giltigheten och den diagnostiska prestandan hos rPPG-baserad ansiktsskanningsteknik för att uppskatta blodsocker- och HbA1c-nivåer jämfört med standardlaboratoriemätningar.
Metoder Denna studie använder en analytisk observationsdesign med ett tvärsnittsdiagnostiskt valideringsförfarande som genomförs i Kelurahan Semanan, Jakarta. Totalt 150–300 vuxna deltagare kommer att rekryteras med hjälp av ett samhällsbaserat urvalsförfarande. Varje deltagare kommer att genomgå venös blodprovstagning för laboratoriemätning av fastande blodsocker och HbA1c, tillsammans med en kontaktfri rPPG-ansiktsskanning med ett smartphonebaserat system. Överensstämmelse mellan metoderna kommer att bedömas med Bland-Altman-analys, medan korrelationsanalys (Pearson/Spearman) kommer att utvärdera styrkan i sambandet. Diagnostisk prestanda, inklusive sensitivitet och specificitet, kommer att beräknas med kliniska gränsvärden (≥126 mg/dL för glukos och ≥6,5 % för HbA1c).
Förväntade resultat Det förväntas att rPPG-härledda uppskattningar kommer att uppvisa måttlig till god korrelation med laboratoriemätningar, med acceptabel överensstämmelse för screeningsändamål. Tekniken förväntas visa rimlig diagnostisk prestanda för att identifiera individer med hög glykemisk risk. Dessa fynd kan stödja genomförbarheten av rPPG som ett icke-invasivt, tillgängligt screeningsverktyg för diabetesövervakning i samhällsmiljöer.
Studietyp
Inskrivning (Beräknad)
Kontakter och platser
Studiekontakt
- Namn: Ernawati Ernawati, Dr.
- E-post: ernawati@fk.untar.ac.id
Studera Kontakt Backup
- Namn: Alexander Halim Santoso
- Telefonnummer: +6281381606869
- E-post: alexanders@fk.untar.ac.id
Studieorter
-
-
Jakarta Special Capital Region
-
Jakarta, Jakarta Special Capital Region, Indonesien
- Kelurahan Semanan
-
Kontakt:
- Wenny Sanwani
- Telefonnummer: +6281585013412
- E-post: wenny.sanwani@gmail.com
-
Kontakt:
- Hanna Wijaya
- Telefonnummer: +6281223787878
- E-post: hannwijaya@yahoo.com
-
Huvudutredare:
- Ernawati Ernawati
-
Underutredare:
- Enny Irawaty
-
Underutredare:
- Zita Atzmardina
-
Huvudutredare:
- Alexander Halim Santoso
-
Underutredare:
- Wikrama Lokapradhana
-
Underutredare:
- Amita Pradhani
-
Underutredare:
- William Kuswandi
-
Underutredare:
- Diana Dinali
-
Underutredare:
- Muhammad Fikri Dzakwan
-
Underutredare:
- Clement Drew
-
Underutredare:
- Silviana Tirtasari
-
Underutredare:
- Triyana Sari
-
Huvudutredare:
- Yohanes Firmansyah
-
Huvudutredare:
- David Wongso
-
Underutredare:
- Steve Geraldo Bustam
-
Underutredare:
- Bryan Anna Wijaya
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Testmetod
Studera befolkning
Beskrivning
Inklusionskriterier:
- Vuxna i åldern ≥18 år
- Villiga att delta och ge informerat samtycke
- Kan genomgå ansiktsskanning och blodprov
- Stabilt kliniskt tillstånd
Exklusionskriterier:
- Ansiktsförhållanden som stör rPPG-signalen (t.ex. sår, deformationer)
- Användning av ansiktsbeklädnad som hindrar kameradetektering
- Oförmåga att ligga stilla under ansiktsskanning
- Ofullständiga data eller utträde ur studien
Studieplan
Hur är studien utformad?
Designdetaljer
Kohorter och interventioner
Grupp / Kohort |
|---|
|
Vuxna i samhället som genomgår rPPG och laboratoriebedömning av glukosnivåer
Denna kohort inkluderar vuxna i åldern ≥18 år från en samhällsbaserad population i Jakarta som genomgår både icke-invasiv fjärrfotopletysmografi (rPPG) ansiktsskanning och standard laboratorietestning.
Deltagarna kommer att få en smarttelefonbaserad ansiktsskanning för att uppskatta blodglukos- och HbA1c-nivåer, följt av venös blodprovstagning för fastande blodglukos och HbA1c-mätning med standard laboratoriemetoder.
Ingen terapeutisk intervention administreras, eftersom detta är en diagnostisk valideringsstudie som jämför rPPG-härledda uppskattningar med laboratoriereferensvärden.
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Överenskommelse Mellan rPPG-Härledd och Laboratorie Blodglukos
Tidsram: Enskild bedömning vid baslinjen (under studiebesöket)
|
Bedömning av överensstämmelse mellan blodglukosvärden från fjärrfotopletysmografi (rPPG) ansiktsskanning och standardiserade laboratoriefastande blodglukosmätningar med Bland-Altman-analys, inklusive medelbias och överensstämmelsegränser.
|
Enskild bedömning vid baslinjen (under studiebesöket)
|
|
Avtal mellan rPPG-härledd och laboratorie-HbA1c
Tidsram: Enskild bedömning vid baslinjen (under studiebesöket)
|
Utvärdering av överensstämmelse mellan HbA1c-värden uppskattade med rPPG-ansiktsskanning och laboratoriemätningar av HbA1c med hjälp av Bland-Altman-analys, inklusive bias och gränser för överensstämmelse.
|
Enskild bedömning vid baslinjen (under studiebesöket)
|
|
Korrelation och validering av rPPG-uppskattningar med laboratoriebestämda blodglukos- och HbA1c-värden
Tidsram: Enskild bedömning vid baseline (under studiebesöket)
|
Mätning av styrkan i associationen mellan rPPG-härledda och laboratoriemätta blodsockervärden och HbA1c-värden med hjälp av Pearson- eller Spearmans korrelationskoefficienter (Bland Altman)
|
Enskild bedömning vid baseline (under studiebesöket)
|
|
Diagnostisk prestanda av rPPG för att upptäcka hyperglykemi och diabetesrisk
Tidsram: Enskild bedömning vid baslinjen (under studiebesöket)
|
Utvärdering av känslighet, specificitet och noggrannhet hos rPPG-härlett blodglukos (≥126 mg/dL) och HbA1c (≥6,5 %) för att identifiera individer med förhöjda glykemiska nivåer jämfört med laboratoriereferensstandarder.
|
Enskild bedömning vid baslinjen (under studiebesöket)
|
Samarbetspartners och utredare
Sponsor
Samarbetspartners
Utredare
- Huvudutredare: Yohanes Firmansyah, MD, Klinik Citra Semanan
- Studierektor: David Wongso, DexWellness
- Huvudutredare: Ernawati Ernawati, Universitas Tarumanagara
- Studierektor: Alexander Halim Santoso, Universitas Tarumanagara
- Studierektor: Ratheesh Nair, Watch Your Health
- Studiestol: Sri Tiarti, Universitas Tarumanagara
- Studiestol: Noer Saelan Tadjudin, Universitas Tarumanagara
- Studiestol: Putu Tommy Yudha Sumatera Suyasa, Universitas Tarumanagara
- Studierektor: Kieren Nathan Wong, Monash University
- Studierektor: Jaydee Kirani Wong, Melbourne University
- Studiestol: Meiske Yunithree Suparman, Universitas Tarumanagara
Publikationer och användbara länkar
Allmänna publikationer
- 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.
Studieavstämningsdatum
Studera stora datum
Studiestart (Beräknad)
Primärt slutförande (Beräknad)
Avslutad studie (Beräknad)
Studieregistreringsdatum
Först inskickad
Först inskickad som uppfyllde QC-kriterierna
Första postat (Faktisk)
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
Senast verifierad
Mer information
Termer relaterade till denna studie
Nyckelord
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- 20260324
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
IPD-planbeskrivning
Tidsram för IPD-delning
Kriterier för IPD Sharing Access
IPD-delning som stöder informationstyp
- STUDY_PROTOCOL
- SAV
- ICF
- ANALYTIC_CODE
- CSR
Läkemedels- och apparatinformation, studiedokument
Studerar en amerikansk FDA-reglerad läkemedelsprodukt
Studerar en amerikansk FDA-reglerad produktprodukt
Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .