Feasibility of a Noncontact Photoplethysmography–Based Mobile App for Noninvasive Hemoglobin Monitoring: Exploratory Observational Study
Notice bibliographique
Résumé
Background: Anemia is a widespread global health issue. Hemoglobin (Hb) concentration measurement remains the most common method for anemia screening and diagnosis. In recent years, there has been growing interest in the development of noninvasive point-of-care technologies that eliminate the need for blood sampling. Objective: This pilot study explores the feasibility of using a noncontact photoplethysmography-based mobile app for Hb monitoring. Methods: Adult volunteers aged 18 years and older, of both sexes, were consecutively recruited. Participants were seated and allowed a 2-minute rest before measurements. During testing, they faced a smartphone running comestai.app, which used the front-facing camera to capture facial videos. Simultaneous readings were collected for Hb over approximately 90 seconds using the app. Ambient lighting was standardized for all remote photoplethysmography recordings. No medical decisions were made based on the app-generated data. A complete blood count, including Hb levels, was used as a reference for comparison with the data collected using comestai.app. Results: A total of 555 (female: n=313, 56.4%; male: n=242, 43.6%) individuals participated in the study. The app achieved a mean absolute error of 1.46, a mean absolute percentage error of 11.26, a mean error of -0.67, and a root mean square error of 1.88. The Bland-Altman plot evaluated the agreement between the app-based and laboratory-based Hb measurements, with the mean difference between the 2 methods being -0.70 g/dL. The method demonstrated an overall accuracy of 75%. The area under the curve was 0.701 (95% CI 0.655-0.745). Conclusions: Comestai.app offers an innovative approach to wellness monitoring by providing noninvasive Hb estimation using the smartphone's front-facing camera. Continued development, including algorithmic refinement and larger-scale validation in diverse populations, will be key to enhancing accuracy and broadening its utility. By leveraging the ubiquity of smartphones, comestai.app contributes meaningfully to the democratization of health monitoring and the promotion of proactive self-care.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».