GLOW UP Study: Protocol for an Observational Digital Biomarker Study for Prediabetes Screening and Digital Phenotyping

Die „GLOW UP"-Studie ist eine prospektive Beobachtungsstudie in der Schweiz, die die Machbarkeit des Screenings auf Prädiabetes mittels digitaler Biomarker aus Wearable- und Smartphone-Daten sowie die Charakterisierung von Lebensstilfaktoren bei Erwachsenen mit erhöhtem Risiko untersucht.

Das Wesentliche

🌟 Das „Glow Up"-Projekt: Ein digitaler Detektiv für die Gesundheit

Stellen Sie sich vor, Ihr Körper ist wie ein Auto, das schon lange läuft. Meistens merken wir erst, dass etwas mit dem Motor nicht stimmt, wenn die Warnleuchte auf dem Armaturenbrett aufleuchtet oder das Auto im Stau stehen bleibt. Bei Diabetes ist das ähnlich: Oft merkt man nichts, bis der Blutzucker schon zu hoch ist.

Die Glow Up-Studie (was so viel heißt wie „Aufblühen") möchte genau das verhindern. Sie ist wie ein digitaler Detektiv, der versucht, die ersten kleinen Warnsignale zu finden, bevor das Auto wirklich stehen bleibt.

🕵️‍♀️ Was ist das Ziel?

Die Forscher wollen herausfinden, ob moderne Gadgets (wie Smartwatches, Ringe und Smartphones) so schlau sind, dass sie erkennen können, ob jemand Vorstufe-Diabetes (Prediabetes) hat, ohne dass man sofort eine Blutprobe abnehmen muss.

Statt nur einmal im Jahr zum Arzt zu gehen und eine Blutprobe zu nehmen, schauen die Forscher 4 Wochen lang genau hin, wie sich die Menschen im Alltag verhalten.

👥 Wer macht mit?

Es nehmen 200 Personen teil, die alle über 45 Jahre alt sind und ein wenig Übergewicht haben (BMI über 25).

• Gruppe A (Die „Vorstufe"): 100 Menschen, bei denen der Arzt bereits gesagt hat: „Achtung, Ihr Blutzucker ist leicht erhöht."
• Gruppe B (Die „Gesunden"): 100 Menschen, die genau so aussehen und alt sind, aber einen normalen Blutzucker haben.

Die beiden Gruppen werden verglichen, um zu sehen: Was machen die einen anders als die anderen?

📱 Wie funktioniert die „Spionage"?

Die Teilnehmer tragen für 4 Wochen eine ganze Ausrüstung an sich, die wie ein Schwarm kleiner Sensoren funktioniert:

1. Der unsichtbare Blutzucker-Messgerät (CGM): Ein kleines Pflaster am Arm misst den Zucker im Körper alle 15 Minuten – wie ein Echtzeit-Wetterbericht für Ihren Blutzucker.
2. Der Smart-Ring & die Smartwatch: Diese Geräte am Finger und am Handgelenk beobachten Ihren Schlaf, Ihren Puls und wie entspannt Sie sind. Sie fragen quasi: „Schläfst du gut? Ist dein Herz ruhig?"
3. Das Foto-App für Essen: Die Teilnehmer machen bei jeder Mahlzeit ein Foto. Das ist wie ein digitaler Kochbuch-Eintrag, damit die Forscher genau wissen, was gegessen wurde.
4. Die Waage: Eine intelligente Waage misst, wie viel Fett oder Muskelmasse man hat.

🔍 Was suchen die Forscher?

Stellen Sie sich vor, Sie vergleichen zwei verschiedene Autos.

• Das eine Auto (die gesunde Gruppe) fährt ruhig, verbraucht wenig Sprit und hat einen stabilen Motor.
• Das andere Auto (die Vorstufen-Gruppe) hat vielleicht einen Motor, der bei bestimmten Drehzahlen zittert, oder der Spritverbrauch schwankt stark, wenn man schnell beschleunigt.

Die Forscher hoffen, dass die digitalen Daten (Schlaf, Bewegung, Essen, Puls) diese „Zittern" oder „Schwankungen" so genau zeigen, dass man sagen kann: „Aha, diese Person hat wahrscheinlich eine Vorstufe von Diabetes", noch bevor der Arzt das im Blut sieht.

🏁 Was passiert am Ende?

Nach 4 Wochen wird alles gemessen:

• Hat das digitale System die Vorstufe richtig erkannt?
• Welche Lebensgewohnheiten (z. B. zu wenig Schlaf, zu viel Zucker) sind die „Übeltäter"?
• Können wir aus diesen Daten eine digitale Warnleuchte bauen, die uns auf dem Handy sagt: „Hey, pass auf, dein Blutzucker könnte bald Probleme machen!"

💡 Warum ist das wichtig?

Wenn wir diese digitalen Warnsignale kennen, können wir Menschen früher helfen. Statt zu warten, bis Diabetes da ist, können wir sagen: „Machen wir einen Spaziergang, essen wir etwas anderes, schlafen wir besser." Das ist wie eine frühzeitige Wartung für das Auto, damit es noch lange fährt, ohne kaputtzugehen.

Kurz gesagt: Die Studie nutzt unsere alltäglichen Gadgets, um die Sprache des Körpers zu übersetzen und Diabetes zu verhindern, bevor er überhaupt richtig beginnt.

Technische Zusammenfassung

Titel: GLOW UP Study: Protokoll für eine beobachtende Studie zu digitalen Biomarkern für das Screening von Prädiabetes und das digitale Phänotyping

1. Problemstellung und Hintergrund

Prädiabetes ist ein kritischer Vorläufer des Typ-2-Diabetes (T2D), der weltweit und insbesondere in der Schweiz weit verbreitet, aber oft unentdeckt bleibt.

• Herausforderung: Herkömmliche Diagnosemethoden (HbA1c und Nüchtern-Blutzucker/FPG) werden nur alle 3–5 Jahre empfohlen und können präklinische metabolische Veränderungen zwischen den Testintervallen übersehen.
• Lücke: Es fehlt an skalierbaren Methoden zur Früherkennung im Alltag, die auf kontinuierlichen Lebensstil-Daten basieren.
• Potenzial: Wearables (Smartwatches, Smart Rings) und Smartphones erfassen kontinuierlich physiologische Daten (Herzfrequenzvariabilität, Schlaf, Aktivität) und Verhaltensdaten (Ernährung). Es wird vermutet, dass diese Datenmuster als frühe Indikatoren für metabolische Dysregulation dienen können, noch bevor klassische Blutwerte pathologische Schwellenwerte erreichen.

2. Methodik und Studiendesign

Die Glow Up-Studie ist eine prospektive, ein-zentrische, beobachtende Fall-Kontroll-Studie, die in der Schweiz durchgeführt wird.

• Zielgruppe: 200 Erwachsene (≥45 Jahre) mit einem BMI ≥25 kg/m².
  • Fallgruppe (n=100): Personen mit Prädiabetes (definiert durch HbA1c 5,7–6,4 % oder FPG 5,6–6,9 mmol/L).
  • Kontrollgruppe (n=100): Alters- und geschlechtsangepasste normoglykämische Personen (HbA1c <5,7 % und FPG <5,6 mmol/L).
• Studiendauer: Ein 4-wöchiger Beobachtungszeitraum im "Free-Living"-Setting (Alltag).
• Datenerhebung (Multimodal):
  1. Klinische Biomarker: HbA1c und FPG werden zu Beginn (T1) und nach 4 Wochen (T3) gemessen.
  2. Kontinuierliche Glukosemessung (CGM): Ein blinder CGM (Abbott FreeStyle Libre Pro iQ) wird 28 Tage am Oberarm getragen, um interstitielle Glukosewerte alle 15 Minuten zu erfassen.
  3. Wearables:
     • Medizinische Klasse: Smartwatch (Ametris Leap / ehemals ActiGraph) zur Erfassung von HRV, Herzfrequenz und Hauttemperatur.
     • Kommerzielle Klasse: Smart Ring (Ultrahuman Ring AIR) zur Erfassung von Schlaf, Aktivität und physiologischen Parametern.
  4. Digitale Ernährungserfassung: Eine Smartphone-App (MyDataHelps) wird genutzt, um Bilder von Mahlzeiten dreimal täglich hochzuladen (image-based meal logging).
  5. Anthropometrie: Körperzusammensetzung (Körperfett, viszerales Fett) wird via Smart Scale (Withings Body Scan) und Fotoanalyse erfasst.
• Studiendurchführung: Vier Besuche (T0: Screening/Rekrutierung, T1: Onboarding/Device-Setup, T2: Device-Tausch nach 14 Tagen, T3: Follow-up/Blutabnahme).

3. Hauptziele und Hypothesen

• Primäres Ziel: Die Machbarkeit eines digitalen Biomarkers zu testen, der auf Wearable- und Smartphone-Daten (Schlaf, Aktivität, Ernährung, HRV) basiert, um Prädiabetes von Normoglykämie zu unterscheiden.
• Sekundäre Ziele:
  • Charakterisierung individueller und metabolischer Subgruppen-Phänotypen.
  • Analyse der Beziehung zwischen Lebensstilfaktoren und Glukosevariabilität (CGM-Metriken).
  • Bewertung der Adhärenz bei der bildbasierten Mahlzeitenerfassung und des Einflusses von Erinnerungen.

4. Geplante Datenanalyse

• Statistische Modelle: Einsatz von Machine-Learning-Klassifikationsmodellen (Logistische Regression, Random Forests, Gradient Boosting) zur Vorhersage des Prädiabetes-Status.
• Metriken: Bewertung der Vorhersageleistung mittels AUC (Area Under the Curve), Genauigkeit, Sensitivität und Spezifität.
• Sekundäranalysen: Multivariate Regressionen und Netzwerkanalysen zur Untersuchung von Assoziationen zwischen Lebensstilvariablen (z. B. Stress, HRV) und Glukosemetriken (z. B. postprandiale Spitzen, Time-in-Range).

5. Erwartete Ergebnisse und Beitrag (Key Contributions)

Da es sich um ein Protokoll handelt, liegen noch keine finalen empirischen Ergebnisse vor. Der Beitrag des Papiers liegt in der Definition des Studienaufbaus und der erwarteten wissenschaftlichen Durchbrüche:

• Erster Datensatz dieser Art in der Schweiz: Kombination aus CGM, kommerziellen und medizinischen Wearables, Smartphone-Questionnaires und bildbasierter Ernährungserfassung unter realen Bedingungen.
• Validierung durch klinische "Ground Truth": Durch die Messung von HbA1c und FPG zu Beginn und Ende wird die Validität der digitalen Marker an klinischen Standards gemessen.
• Multimodale Tiefe: Im Gegensatz zu früheren Studien, die oft nur kurze Zeiträume oder weniger granulare Daten nutzen, bietet Glow Up einen hochauflösenden, multimodalen Datensatz über 4 Wochen.
• Skalierbarkeit: Die Studie untersucht, ob alltagstaugliche, kommerziell verfügbare Geräte (Smart Rings, Smartwatches) für das Screening geeignet sind, was eine breite Implementierung ermöglichen würde.

6. Signifikanz und Implikationen

• Früherkennung: Wenn digitale Biomarker erfolgreich sind, könnten sie ein Screening-Tool bieten, das zwischen den langen Intervallen klinischer Bluttests aktiv ist und Prädiabetes früher erkennt.
• Personalisierte Prävention: Die Identifizierung spezifischer digitaler Phänotypen ermöglicht maßgeschneiderte Lebensstilinterventionen (z. B. Just-in-Time Adaptive Interventions).
• Limitationen: Die Studiendauer von 4 Wochen ist kurz im Vergleich zur biologischen Halbwertszeit von HbA1c (3 Monate), und es fehlen mechanistische Daten (z. B. Insulinresistenztests, Mikrobiom). Die Generalisierbarkeit ist auf die Schweizer Bevölkerung beschränkt.
• Zukunftsperspektive: Die Studie legt den Grundstein für zukünftige prospektive Kohortenstudien und die Entwicklung von KI-gestützten Gesundheitscoaching-Systemen.

Ethik und Registrierung:
Die Studie wurde vom Ethikkomitee Ostschweiz genehmigt (BASEC ID: 2025-00972) und ist unter NCT07373418 registriert. Alle Daten werden pseudonymisiert und gemäß DSGVO/Schweizer Datenschutzgesetz behandelt.