Cara Kelda Memverifikasi Data Kesehatan
Setiap klaim di Kelda dapat dilacak ke entri basis data tertentu, peneliti yang disebut namanya, atau studi yang dipublikasikan. Berikut adalah cara kami melakukannya.
Sumber Data Kami
Kelda mengkueri basis data molekuler peer-reviewed yang sama yang digunakan oleh peneliti dan dokter di seluruh dunia. Setiap angka di halaman Kelda berasal dari salah satu dari enam sumber ini.
CTD
Comparative Toxicogenomics Database
Apa itu: Hubungan kimia-gen-penyakit, bukti terapeutik, asosiasi marker/mekanisme.
Kami menggunakannya untuk: Mekanisme deplesi obat-nutrisi, jumlah interaksi gen, asosiasi penyakit.
ChEMBL
European Molecular Biology Laboratory
Apa itu: Mekanisme molekuler aksi, target pengikatan, pengukuran potensi, fase uji klinis.
Kami menggunakannya untuk: Detail mekanisme, perbandingan senyawa, identifikasi target.
FAERS
FDA Adverse Event Reporting System
Apa itu: Laporan keamanan dunia nyata dari pasien, penyedia layanan kesehatan, dan produsen.
Kami menggunakannya untuk: Data keamanan, jumlah kejadian merugikan, persentase kejadian serius.
PubMed
National Library of Medicine
Apa itu: 35 juta+ artikel penelitian biomedis dari jurnal peer-reviewed di seluruh dunia.
Kami menggunakannya untuk: Kutipan ahli dengan nama peneliti, jurnal, tahun, dan PMID yang dapat diverifikasi.
PharmGKB
Pharmacogenomics Knowledge Base
Apa itu: Hubungan gen-obat-penyakit, pedoman dosis berdasarkan varian genetik.
Kami menggunakannya untuk: Dosis tergantung genotipe (misalnya, varian CYP2C19 untuk omeprazole).
USDA FoodData Central
U.S. Department of Agriculture
Apa itu: Komposisi nutrisi untuk ribuan makanan, termasuk data bermerek dan survei.
Kami menggunakannya untuk: Tabel sumber makanan dengan mg per sajian untuk nutrisi yang terkuras.
Knowledge Graph
Baris basis data mentah tidak berguna sendirian. Kelda pra-kompilasi 212 juta baris data molekuler menjadi knowledge graph terstruktur yang menghubungkan senyawa, gen, penyakit, gejala, dan jalur dalam satu jaringan yang dapat dikueri.
124,000+
Entitas
Senyawa, gen, gejala, penyakit, jalur, biomarker, mekanisme
2.8 million
Edge
Koneksi terarah antara entitas (mengobati, memodulasi, menyebabkan, mengikat)
212 million
Baris sumber
Pra-kompilasi dari basis data molekuler menjadi profil yang dapat dikueri
7
Jenis entitas
Senyawa (81K), gen (28K), gejala (8K), penyakit (3K), jalur (2.8K), biomarker (159), mekanisme
Saat Anda mencari omeprazole di Kelda, Anda tidak membaca artikel yang ditulis manual. Anda membaca profil yang sudah dikompilasi sebelumnya yang mensintesis 4.642 artikel PubMed, 395 RCTs, 108 interaksi gen, dan 122.780 laporan keamanan FAERS — semuanya dapat dilacak kembali ke basis data sumber mereka.
Rentang Optimal vs Normal
Rentang referensi lab standar dirancang untuk mendeteksi penyakit — mereka memberi tahu Anda kapan sesuatu secara klinis tidak normal. Tetapi mereka tidak memberi tahu Anda kapan sesuatu suboptimal.
Kelda menggunakan rentang optimal pengobatan fungsional bersama dengan rentang lab standar, karena gejala sering muncul jauh sebelum nilai lab secara resmi “di luar rentang.”
Contoh: Ferritin
Rentang “normal” lab: 20–200 ng/mL
Rentang optimal: 70–150 ng/mL
Ferritin 32 ng/mL adalah “normal” menurut standar lab — tetapi penelitian menunjukkan bahwa kelelahan, kerontokan rambut, dan kaki gelisah sering muncul di bawah 70. Rentang optimal menangkap deplesi awal ini yang dilewatkan oleh “normal” lab.
Setiap halaman biomarker di Kelda menampilkan kedua rentang berdampingan, sehingga Anda dapat melihat di mana hasil Anda jatuh pada kedua skala. Kami mengutip penelitian klinis di balik setiap rentang optimal.
Cara Kami Menjaga Akurasi
Setiap statistik mengutip basis data sumbernya berdasarkan nama dan jumlah — bukan "studi menunjukkan" tetapi "395 RCTs di 360.638 pasien di CTD."
Kutipan ahli ditautkan ke artikel PubMed nyata dengan PMIDs yang dapat diverifikasi yang dapat dicari siapa pun.
Konten divalidasi terhadap kontrak tipe ketat dan pemeriksaan akurasi sebelum publikasi.
Halaman diperbarui saat basis data sumber merilis data baru, dengan tanggal "Sumber diverifikasi pada" yang terlihat.
Apa yang Tidak Kami Lakukan
Transparansi berarti jujur tentang siapa kami dan siapa kami bukan. Kami percaya kejujuran ini lebih dapat dipercaya daripada kredensial yang dipalsukan.
Kami tidak memiliki dewan penasihat medis atau panel peninjau. Kami mengandalkan basis data itu sendiri sebagai otoritas.
Kami tidak memalsukan nama peneliti, kredensial, atau afiliasi institusional.
Kami tidak menggunakan frasa samar seperti "studi menunjukkan" tanpa mengutip basis data, peneliti, dan jumlah tertentu.
Kami mengaitkan setiap klaim ke basis data yang disebut namanya atau peneliti yang dipublikasikan — tidak ada yang tanpa sumber.
Ini adalah informasi kesehatan, bukan saran medis. Kami selalu merekomendasikan mendiskusikan temuan dengan penyedia layanan kesehatan Anda.
Model Atribusi Sumber
Setiap halaman konten di Kelda menampilkan blok atribusi terstandarisasi di bagian atas. Inilah yang termasuk:
Berdasarkan penelitian oleh Huan et al., European Journal of Pharmaceutical Sciences (2025). Data bersumber dari CTD, ChEMBL, FAERS. Cara kami memverifikasi data ini →
Sumber diverifikasi pada April 2026
Peneliti utama — penulis yang disebut namanya dari studi PubMed yang relevan dengan topik halaman, dengan nama jurnal dan tahun publikasi.
Sumber basis data — basis data spesifik yang dikueri untuk halaman ini (CTD, ChEMBL, FAERS, PharmGKB, USDA, PubMed).
Tanggal verifikasi — kapan data sumber terakhir dikonfirmasi terbaru.
Tautan metodologi — setiap blok atribusi tertaut kembali ke halaman ini, sehingga pembaca selalu dapat memeriksa bagaimana data diverifikasi.
Pertanyaan tentang data kami?
Kami berkomitmen pada transparansi. Jika Anda menemukan kesalahan atau memiliki pertanyaan tentang bagaimana kami mendapatkan data, kami ingin mendengar dari Anda.
Hubungi kamihello@kelda.health
Alat edukatif — selalu konsultasikan dengan penyedia layanan kesehatan Anda.