基于文献的无创血糖监测NIR可穿戴传感器原型仿真:准确性指标、候选混杂因素与自适应校准框架

《Sensors》:Literature-Grounded Simulation of Non-Invasive Glucose Monitoring Using NIR Wearable Sensor Archetypes: Accuracy Metrics, Candidate Confounders, and an Adaptive Calibration Framework

【字体: 大 中 小 】 时间:2026年08月29日 来源:Sensors 4.0

编辑推荐:

  非侵入式持续血糖监测仍然是糖尿病管理中的一项重要技术挑战。本研究被修订为一项基于文献的仿真和方法学概念验证,而非实验性临床验证。分析使用了320对从所引文献报道的生理范围和性能分布中生成的独立合成参考–近红外血糖对,以及一个示例性的576点、48小时合成时间序

  
非侵入式持续血糖监测仍然是糖尿病管理中的一项重要技术挑战。本研究被修订为一项基于文献的仿真和方法学概念验证,而非实验性临床验证。分析使用了320对从所引文献报道的生理范围和性能分布中生成的独立合成参考–近红外血糖对,以及一个示例性的576点、48小时合成时间序列。三个传感器原型参考了已发表的光学系统。使用平均绝对相对差(mean absolute relative difference, MARD)、Pearson相关、Bland–Altman分析和提供的Clarke误差网格(Clarke Error Grid, CEG)类别评估了描述性一致性。使用Pearson相关、95%置信区间、原始p值和Holm校正检验了候选生理和环境因素。合成数据集产生了总体MARD为10.38%(SD=7.67%),r=0.958(R2=0.918,p<0.001),Bland–Altman偏倚为4.32 mg/dL,CEG A/B/D区记录分别占89.4%/10.3%/0.3%。所有候选因素相关性在校正多重比较后均较小且不显著;最大的是红细胞压积(r=0.090,95% CI ?0.019至0.198;Holm校正p=0.852)。传感器原型间MARD差异也不显著(ANOVA p=0.369;Kruskal–Wallis p=0.543)。因此,自适应校准被提出作为未来前瞻性验证的基于文献的框架,而非由当前合成数据集证明的性能改进。本文不声称符合FDA或ISO标准,也不声称临床适用性。
**研究背景与问题**:非侵入式持续血糖监测是糖尿病技术领域的长期目标,因可减少反复指尖采血和皮下传感器植入负担而备受关注。光学方法无需直接接触血液即可探测组织,但葡萄糖相关光学信号相对于水、血红蛋白、脂质、黑色素等组织成分的背景吸收和散射很弱,临床转化困难,报告性能高度依赖光学配置、测量部位、校准策略和验证设计。近红外(NIR)血糖传感利用C–H和O–H键泛频与合频振动引起的组织衰减变化。现有监管框架(如美国iCGM特殊控制、ISO 15197:2013、FDA认可的CLSI POCT05)对临床验证提出严格要求,而当前模拟研究无法满足这些设备验证要求。本研究旨在表征基于文献仿真的内部准确性指标、量化候选混杂因素与MARD关系的统计不确定性、比较三种光学传感器原型,并制定自适应校准框架,属假设生成性方法学分析。

**研究内容与意义**:研究人员将研究设计为基于文献的仿真和方法学概念验证,利用320对独立合成参考–NIR血糖对及576点、48小时合成时间序列,通过MARD、Pearson相关、Bland–Altman分析和Clarke误差网格(CEG)评估一致性,并检验八个候选混杂因素。结果表明该框架可用于压力测试分析选择和形成前瞻性校准假设,而非验证实际设备临床性能。论文发表在《Sensors》。

**主要技术方法**:本研究为基于文献的仿真方法学分析,未招募受试者、未采集标本、未获取NIR光谱。数据来自补充工作簿的320对合成记录,每行包含合成参考血糖值、合成NIR估计值、MARD、CEG类别、八个候选生理/环境变量、传感器原型标签及来源追溯字段。三种传感器原型分别参考Rajeswari和Vijayakumar的niGLUC-2.0v反射光手指/腕部原型(940 nm发射器、900–1700 nm探测器)、Raghavan等的940 nm NIR/PSO-ANN原型以及Cheng等的全光学可见–NIR差分吸光度+光电容积描记(PPG)多模态架构。统计分析使用Python 3.13.5的Pearson相关、Fisher-z 95%置信区间、Holm校正、单因素方差分析和Kruskal–Wallis检验。数据为文献参数化合成,源自所引研究的生理范围和性能分布,非临床样本队列。

**研究结果**:

**总体描述性准确性指标**:320对合成数据中,平均MARD为10.38%(SD=7.67%),合成参考与NIR估计葡萄糖平均值分别为127.7和132.0 mg/dL,参考–估计相关性为r=0.958(R2=0.918,p<0.001),Bland–Altman平均差为4.32 mg/dL,95%一致性界限为?27.86至36.50 mg/dL。

**按血糖范围和传感器原型的描述性统计**:低血糖子集(<70 mg/dL,n=53)MARD=11.45%,>200 mg/dL子集MARD=8.11%。传感器C描述性平均MARD最低(9.34%),其次A(10.48%)和B(10.90%),但组间差异不显著(ANOVA F=0.999,p=0.369;Kruskal–Wallis H=1.222,p=0.543),故未将传感器C列为更优。

**候选因素关联分析**:红细胞压积相关系数最大(r=0.090,95% CI ?0.019至0.198,p=0.107;Holm校正p=0.852),相对湿度(r=0.070)、皮肤温度(r=?0.055)、传感器压力(r=?0.062)等均较小,八个95%置信区间全部跨越零,未识别出统计学上确定的混杂因素。

**说明性48小时时间序列**:576个5分钟间隔值由文献信息餐后反应动力学和噪声假设生成,合成NIR轨迹跟随参考轨迹总体形态但存在局部偏差,仅用于说明时间行为,不涉及实际YSI采样或可穿戴硬件测量。

**Clarke误差网格与Bland–Altman一致性**:校正后CEG分布为A区286条(89.4%)、B区33条(10.3%)、D区1条(0.3%),无C或E区记录;Bland–Altman偏倚为4.32 mg/dL,一致性界限?27.86至36.50 mg/dL。这些值仅描述仿真内部一致性,不表示临床可接受性或监管合规。

**讨论总结**:强相关部分源于围绕参考值使用文献信息误差分布生成估计值,不能作为独立验证证据。红细胞压积虽为最大正相关但置信区间含零,数据不支持任何编码变量为主要混杂因素。Gessell和Small报告的约50%改进来自体外水溶液NIR实验,当前合成数据无法复现。未来实践需分离模型开发、校准与独立评估,收集受试者标识符、原始光谱、解剖部位、源–探测器几何、接触压力、环境条件、运动质量及皮肤色素表征(Fitzpatrick光型或客观黑色素指数),并采用参与者分组验证(如留一受试者法或分组k折)。主要局限为证据的合成性质,缺乏个体记录、原始NIR光谱、前瞻性YSI测量和硬件级自适应校准输出。**研究结论**:这项基于文献的仿真产生了一组内部一致的描述性血糖一致性指标(总体MARD 10.38%,r=0.958,Bland–Altman偏倚4.32 mg/dL)。CEG分布为89.4%位于A区、10.3%位于B区、0.3%位于D区;这些类别是描述性的,不解释为ISO或FDA合规。八个候选生理或环境变量中没有一个在校正多重比较后显示与MARD有统计学支持的线性关联,三种传感器原型的MARD分布也无显著差异;候选变量因此仍是文献驱动的待前瞻性检验因素。自适应校准作为主要前瞻性方法学贡献保留,约50%改进来自先前体外工作未被复现。具有临床意义的评估需前瞻性获取原始光学数据、参与者分组验证、皮肤光型表征、明确测量几何和采集设置,以及带预定参考策略的已实施校准更新协议。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号