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

O estudo GLOW UP é um ensaio observacional prospectivo realizado na Suíça que visa validar a viabilidade de biomarcadores digitais derivados de wearables e smartphones para a triagem e caracterização do pré-diabetes em adultos com mais de 45 anos e IMC elevado.

O essencial

🌟 O Projeto "Glow Up": A Detetive Digital da Saúde

Imagine que o seu corpo é como um carro antigo e confiável. Por anos, ele anda bem, mas às vezes faz um barulho estranho ou consome um pouco mais de gasolina do que o normal. O problema é que, muitas vezes, o motor só começa a "fumar" (o diabetes tipo 2) quando o problema já está grave.

O estudo Glow Up (que significa "brilhar" ou "melhorar") é como uma equipe de mecânicos digitais que quer descobrir antes que o carro quebre. Eles querem encontrar um "sinal de aviso" digital que diga: "Ei, cuidado! O seu açúcar no sangue está começando a subir, mas ainda não é tarde demais para consertar!"

🎯 Qual é o objetivo?

A maioria das pessoas descobre que tem "pré-diabetes" (o estágio antes do diabetes) apenas quando vai ao médico e faz um exame de sangue. Mas isso acontece de 3 em 3 anos, e o problema pode estar crescendo no intervalo.

O Glow Up quer testar se podemos usar tecnologia que você já usa (como relógios inteligentes e o celular) para detectar esse problema no dia a dia, sem precisar esperar pelo próximo exame de sangue.

🕵️‍♀️ Como funciona a investigação?

O estudo vai convidar 200 pessoas (com mais de 45 anos e um pouco de sobrepeso) para uma "aventura de 4 semanas". Eles dividem os participantes em dois grupos:

1. O Grupo de Alerta: Pessoas que já têm pré-diabetes (o "motor" já está fazendo barulho).
2. O Grupo de Controle: Pessoas saudáveis (o "motor" está funcionando perfeitamente).

Durante um mês, todos vão usar uma "caixa de ferramentas" digital:

• O Relógio Mágico (Smartwatch e Anel): Eles usam relógios e anéis inteligentes que funcionam como detectores de mentiras do coração. Eles medem o batimento cardíaco, o sono e o estresse. A ideia é que, quando o açúcar no sangue sobe, o coração e o sono mudam de ritmo, e esses relógios captam isso.
• O Sensor de Açúcar (CGM): É um pequeno adesivo no braço que mede o açúcar no sangue o tempo todo, 24 horas por dia. É como ter um GPS do açúcar, mostrando exatamente quando você comeu algo doce e como o corpo reagiu.
• O Diário de Fotos (App de Celular): Em vez de escrever o que comeu, as pessoas tiram fotos dos pratos. É como se o celular fosse um "chef detetive" que analisa a foto para entender se a comida era saudável ou não.

🔍 O que eles vão descobrir?

A equipe vai comparar os dados dos dois grupos. Eles querem ver se existe um padrão digital que diga: "Olha, quem tem pré-diabetes dorme de um jeito diferente, o coração bate de um jeito diferente e reage à comida de um jeito diferente, mesmo antes de o exame de sangue tradicional mostrar algo grave."

É como tentar adivinhar que o carro vai quebrar olhando apenas para o consumo de combustível e o barulho do motor, sem precisar abrir o capô a cada 3 meses.

🛡️ Por que isso é importante?

Se funcionarem, esses "biomarcadores digitais" (os sinais dos relógios e celulares) podem se tornar uma ferramenta de triagem rápida.

• Hoje: Você espera 3 anos para saber se está em risco.
• Com o Glow Up: Seu relógio poderia te alertar: "Ei, seus padrões de sono e batimentos estão mudando. Talvez você deva comer menos carboidratos e se exercitar mais."

Isso permitiria mudar o estilo de vida agora, impedindo que o pré-diabetes se transforme em diabetes completo.

⚠️ O que eles não podem fazer?

O estudo tem algumas limitações, como um filme que não mostra todos os bastidores:

• Eles não vão analisar o "óleo do motor" (gordura no sangue) ou as "bactérias do motor" (microbioma intestinal) porque isso exigiria exames de sangue mais complexos e caros.
• O estudo é curto (4 semanas), então é como olhar para o motor apenas durante uma viagem de fim de semana, e não por uma longa estrada de 10 anos.

🏁 Conclusão

O estudo Glow Up é como um teste piloto para o futuro da medicina. Eles estão tentando provar que, com a tecnologia que já temos no pulso e no bolso, podemos nos tornar nossos próprios mecânicos, cuidando do nosso corpo antes que ele precise de uma oficina de emergência.

Se o teste der certo, o "check-up" do futuro pode ser tão simples quanto olhar para o seu relógio inteligente e receber um conselho de saúde personalizado!

Resumo técnico

Título do Estudo: GLOW UP: Protocolo para um Estudo Observacional de Biomarcadores Digitais para Rastreio de Pré-Diabetes e Fenotipagem Digital

1. O Problema

A pré-diabetes é um precursor crítico do diabetes tipo 2 (T2D) e está altamente prevalente, mas subdiagnosticada, especialmente em adultos com 45 anos ou mais e com IMC ≥ 25 kg/m².

• Limitações Atuais: O diagnóstico clínico tradicional baseia-se em testes de sangue pontuais (HbA1c e glicemia de jejum), que podem não capturar alterações metabólicas pré-clínicas que ocorrem entre os intervalos de rastreio (3-5 anos).
• Necessidade: Existe uma lacuna na capacidade de identificar indivíduos em risco de forma precoce, antes que os limiares diagnósticos tradicionais sejam atingidos, e na compreensão dos padrões de estilo de vida que levam à desregulação metabólica no dia a dia.
• Potencial Digital: Dispositivos vestíveis (smartwatches, anéis inteligentes) e smartphones capturam continuamente dados fisiológicos (frequência cardíaca, variabilidade da frequência cardíaca - HRV, sono) e comportamentais (atividade, nutrição), que podem servir como biomarcadores digitais para detectar desregulação metabólica.

2. Metodologia

O estudo Glow Up é um estudo observacional, prospectivo, de caso-controle, realizado num único centro na Suíça.

• Desenho do Estudo:

  • Participantes: N=200 adultos (≥45 anos, IMC ≥25 kg/m²).
    • Grupo de Caso: n=100 indivíduos com pré-diabetes (definido por HbA1c 5.7-6.4% ou Glicemia de Jejum 5.6-6.9 mmol/L).
    • Grupo de Controlo: n=100 indivíduos normoglicémicos (HbA1c <5.7% e Glicemia <5.6 mmol/L), pareados por idade e sexo.
  • Duração: Monitorização contínua de 4 semanas em ambiente de vida livre (free-living).
  • Visitas: Quatro visitas principais (T0: Recrutamento; T1: Instalação de dispositivos; T2: Intermediária para troca de dispositivos; T3: Follow-up).

• Coleta de Dados Multimodal:

  1. Monitorização Contínua de Glicose (CGM): Dispositivo médico (Abbott FreeStyle Libre Pro iQ) cego, worn no braço não dominante, coletando dados intersticiais a cada 15 minutos.
  2. Dispositivos Vestíveis (Wearables):
     • Comercial: Anel inteligente (Ultrahuman Ring AIR) e Smartwatch (Ametris Leap).
     • Métricas Capturadas: Atividade física, sono, temperatura da pele, frequência cardíaca (HR) e variabilidade da frequência cardíaca (HRV).
  3. Smartphone e Nutrição:
     • Aplicativo de estudo (MyDataHelps) para diário alimentar baseado em imagens (fotos das refeições 3x ao dia).
     • Questionários sobre humor e estresse.
  4. Biomarcadores Clínicos: Coleta de sangue para HbA1c e Glicemia de Jejum (FPG) no início (T1) e no final (T3), além de antropometria (circunferência da cintura/quadril, composição corporal via balança inteligente).

• Análise Estatística:

  • Uso de modelos de aprendizado de máquina (regressão logística, florestas aleatórias, gradient boosting) para classificar a pré-diabetes com base nos dados dos wearables.
  • Métricas de desempenho: Área sob a curva (AUC), sensibilidade e especificidade.
  • Análise de subgrupos metabólicos e correlação entre perfis de estilo de vida e métricas de glicose.

3. Contribuições Chave

• Primeiro Estudo na Suíça: Investigação de perfis glicémicos e de estilo de vida em ambiente de vida livre, combinando normoglicémicos e pré-diabéticos.
• Conjunto de Dados Multimodal Único: Integração de dados de CGM de alta resolução, sensores vestíveis comerciais e médicos, diários alimentares por imagem e biomarcadores clínicos validados.
• Validação de "Ground Truth": A inclusão de medições clínicas de HbA1c e FPG no início e no fim do estudo fornece uma base de validação robusta para os marcadores digitais derivados.
• Fenotipagem Digital: Capacidade de caracterizar a variabilidade individual e de subgrupos metabólicos, indo além da média populacional.

4. Resultados Esperados (Baseado no Protocolo)

Nota: Como este é um protocolo de estudo, os resultados finais (dados coletados) ainda não estão disponíveis. O documento descreve os objetivos e a metodologia para obter esses resultados.

• Objetivo Primário: Determinar a viabilidade e a precisão de um biomarcador digital para distinguir indivíduos com pré-diabetes de controles normoglicémicos usando apenas dados de estilo de vida e wearables.
• Objetivos Secundários:
  • Identificar preditores personalizados de desregulação metabólica precoce.
  • Analisar como fatores de estilo de vida (sono, estresse, nutrição) se relacionam com a variabilidade glicémica (picos pós-prandiais, tempo no intervalo).
  • Avaliar a adesão ao registo alimentar por imagem e o impacto de lembretes no comportamento de registo.

5. Significância e Implicações

• Rastreio Precoce e Escalável: Se bem-sucedido, o estudo pode validar o uso de dispositivos comerciais acessíveis para rastreio de pré-diabetes, permitindo intervenções de estilo de vida antes do desenvolvimento do diabetes tipo 2.
• Personalização: A compreensão dos perfis digitais individuais pode levar a intervenções de saúde mais direcionadas e adaptativas (ex: just-in-time adaptive interventions).
• Avanço Científico: O estudo preenche a lacuna entre dados de dispositivos de consumo e diagnósticos clínicos, oferecendo uma visão granular da fisiologia metabólica em tempo real.
• Limitações Reconhecidas: O período de 4 semanas é curto para observar a progressão a longo prazo para T2D, e a ausência de medições diretas de resistência à insulina ou microbioma limita a investigação mecanística profunda. Além disso, a generalização pode ser limitada à população adulta suíça elegível.

Em resumo, o estudo Glow Up posiciona-se como um projeto pioneiro na Suíça para estabelecer a base de dados necessária para transformar dados de estilo de vida passivos em ferramentas ativas de diagnóstico e prevenção de doenças metabólicas.