Slaap- en temperatuurgegevens van draagbare apparaten ondersteunen niet-invasieve detectie van diabetes mellitus in een grootschalige, retrospectieve analyse

Waarom uw slaap en lichaamstemperatuur verborgen diabetes kunnen onthullen

Miljoenen mensen leven met diabetes zonder het te weten, deels omdat standaardtesten meestal pas plaatsvinden nadat symptomen aanleiding geven tot zorg. Deze studie stelt een eenvoudige maar krachtige vraag: zouden de slimme ringen en horloges die veel mensen al dragen vroegtijdige tekenen van diabetes stilletjes kunnen signaleren, lang voordat een bezoek aan de kliniek plaatsvindt? Door maanden aan slaap-, hart- en lichaamstemperatuurgegevens van duizenden vrijwilligers te analyseren, laten de onderzoekers zien dat veelgebruikte wearables subtiele, aanhoudende veranderingen in het lichaam kunnen oppikken die sterk geassocieerd zijn met diabetes.

Slimme ringen als vensters op gezondheid

Het team gebruikte gegevens van meer dan 33.000 mensen die een populair slim ringapparaat droegen dat hartslag, hartslagvariabiliteit, slaapfasen en temperatuur aan het oppervlak van de vinger meet. Van deze gebruikers meldden bijna 11.000 dat ze nooit waren gediagnosticeerd met diabetes, terwijl 389 een diabetesdiagnose rapporteerden. Gedurende meer dan vier maanden in 2020 registreerde de ring hoe snel hun hart ’s nachts sloeg, hoe variabel die slagen waren, hoe lang en hoe efficiënt ze sliepen, en hoe hun vinger­temperatuur dag en nacht steeg en daalde. Uit deze continue stromen bouwden de wetenschappers 36 nachtelijke metingen die niet alleen eenvoudige gemiddelden vastleggen, maar ook dagelijkse ritmes en de complexiteit van temperatuurveranderingen tijdens de slaap.

Verborgen patronen in slaap en lichaamstemperatuur

Toen de onderzoekers groepen vergeleken, zagen mensen die diabetes rapporteerden consequent verschillen ten opzichte van degenen zonder diagnose. Gemiddeld hadden zij een hogere nachtelijke hartslag, lagere hartslagvariabiliteit (een teken van een minder flexibel zenuwstelsel), iets kortere slaap en een kleinere dag–nacht­schommeling in vinger­temperatuur. Het team ontwikkelde ook meer geavanceerde temperatuurkenmerken die beschrijven hoe stabiel iemands temperatuurritme over 24 uur is en hoe ingewikkeld het minuut‑tot‑minuut temperatuurpatroon midden in de nacht is. Deze rijkere maatstaven bleken bijzonder informatief te zijn, wat suggereert dat diabetes geruisloos beïnvloedt hoe het lichaam warmte en slaap over vele nachten reguleert, niet alleen in enkele momentopnames.

Algoritmes trainen om risico te herkennen

Om te onderzoeken of deze signals van wearables daadwerkelijk personen met diabetes konden onderscheiden, trainde het team machine‑learningmodellen op rollende vensters van 1 tot 21 nachten aan gegevens. Het idee was dat als diabetes kleine maar aanhoudende verschuivingen in de fysiologie produceert, meerdere weken aan metingen die verschuivingen beter zichtbaar zouden maken. Precies dat vonden ze: het gebruik van slechts één nacht aan gegevens gaf een bescheiden prestatie, maar het invoeren van 14 of 21 nachten stelde het beste model in staat een hoge nauwkeurigheid te bereiken (een AUROC van ongeveer 0,88) en sterke precisie. Met andere woorden, meer dan drie weken typisch thuisgebruik volstonden voor het algoritme om mensen met diabetes veel beter dan toeval te onderscheiden van mensen zonder diabetes.

Diabetes onderscheiden van andere chronische aandoeningen

Veel chronische aandoeningen, zoals hoge bloeddruk of slaapapneu, kunnen ook slaap- en hartpatronen verstoren. De onderzoekers vreesden dat hun model misschien gewoon ”ziek zijn” detecteerde in plaats van specifiek diabetes. Om dit te testen bekeken ze mensen die aangaven geen diabetes te hebben maar wel een andere chronische aandoening rapporteerden. Die personen kregen niet significant hogere diabetes‑achtige scores dan mensen zonder chronische klachten. Cruciaal was dat wanneer het team de meer geavanceerde temperatuurkenmerken uit het model verwijderde, mensen met andere chronische aandoeningen vaker ten onrechte als diabetisch werden aangemerkt. Dit toont aan dat gedetailleerde lichaamstemperatuurpatronen helpen om het systeem specifieker voor diabetes te maken, in plaats van elk type gezondheidsprobleem aan te geven.

Wat dit kan betekenen voor dagelijkse gezondheid

Tenslotte controleerden de auteurs hoe goed hun beste model zou werken in een realistischer populatie, waar slechts een minderheid van de mensen diabetes heeft. Zelfs in deze zwaardere test, met duizenden extra gebruikers en het behoud van een typische diabetesprevalentie, herkende het systeem nog steeds veel meer signaal dan willekeurig raden. Voor de leek is de boodschap helder: weken aan eenvoudige, passieve gegevens van een ring of horloge — hoe u slaapt, hoe uw hart zich ’s nachts gedraagt en hoe uw huidtemperatuur stijgt en daalt — bevatten genoeg informatie om fysiologie te signaleren die consistent is met diabetes. Hoewel dit geen vervanging is voor bloedtesten, wijst het op een toekomst waarin alledaagse wearables stilletjes kunnen aangeven wie eerder een test zou moeten overwegen en mogelijk chronische aandoeningen op de achtergrond van het dagelijks leven kunnen monitoren.

Bronvermelding: Viswanath, V.K., Navaneethan, S., Burks, J.H. et al. Sleep and temperature data from wearable devices support noninvasive detection of diabetes mellitus in a large-scale, retrospective analysis. Commun Med 6, 223 (2026). https://doi.org/10.1038/s43856-026-01501-0

Trefwoorden: draagbare apparaten, slaappatronen, lichaamstemperatuur, diabetesdetectie, digitale gezondheid