Hoe Kelda gezondheidsdata verifieert
Elke bewering op Kelda is te herleiden tot een specifieke database-invoer, een benoemde onderzoeker of een gepubliceerde studie. Hier is precies hoe we dat doen.
Onze databronnen
Kelda raadpleegt dezelfde peer-reviewed moleculaire databases die wereldwijd door onderzoekers en clinici worden gebruikt. Elk getal op een Kelda-pagina komt uit een van deze zes bronnen.
CTD
Comparative Toxicogenomics Database
Wat het is: Chemicalie-gen-ziekte-relaties, therapeutisch bewijs, marker-/mechanisme-associaties.
Wij gebruiken het voor: Mechanismen van geneesmiddel-nutriëntenuitputting, geninteractie-aantallen, ziekte-associaties.
ChEMBL
European Molecular Biology Laboratory
Wat het is: Moleculaire werkingsmechanismen, bindingstargets, potentiemetingen, fasen van klinische studies.
Wij gebruiken het voor: Mechanismedetails, compound-vergelijkingen, target-identificatie.
FAERS
FDA Adverse Event Reporting System
Wat het is: Real-world veiligheidsmeldingen van patiënten, zorgverleners en fabrikanten.
Wij gebruiken het voor: Veiligheidsdata, aantal bijwerkingen, percentages ernstige voorvallen.
PubMed
National Library of Medicine
Wat het is: Meer dan 35 miljoen biomedische onderzoeksartikelen uit peer-reviewed tijdschriften wereldwijd.
Wij gebruiken het voor: Citaten van experts met naam onderzoeker, tijdschrift, jaar en verifieerbare PMID.
PharmGKB
Pharmacogenomics Knowledge Base
Wat het is: Gen-geneesmiddel-ziekte-relaties, doseringsrichtlijnen op basis van genetische varianten.
Wij gebruiken het voor: Genotype-afhankelijke dosering (bijv. CYP2C19-varianten voor omeprazol).
USDA FoodData Central
U.S. Department of Agriculture
Wat het is: Voedingsstofsamenstelling voor duizenden voedingsmiddelen, inclusief merk- en surveydata.
Wij gebruiken het voor: Tabellen met voedselbronnen met mg per portie voor uitgeputte nutriënten.
De kennisgrafiek
Ruwe databaserijen zijn op zichzelf niet bruikbaar. Kelda compileert 212 miljoen rijen moleculaire data vooraf tot een gestructureerde kennisgrafiek die compounds, genen, ziekten, symptomen en routes in één doorzoekbaar netwerk verbindt.
124,000+
Entiteiten
Compounds, genen, symptomen, ziekten, routes, biomarkers, mechanismen
2.8 million
Edges
Gerichte verbindingen tussen entiteiten (behandelt, moduleert, veroorzaakt, bindt)
212 million
Bronrijen
Vooraf gecompileerd uit moleculaire databases tot doorzoekbare profielen
7
Entiteitstypen
Compounds (81K), genen (28K), symptomen (8K), ziekten (3K), routes (2,8K), biomarkers (159), mechanismen
Wanneer u op Kelda omeprazol opzoekt, leest u geen handmatig geschreven artikel. U leest een vooraf gecompileerd profiel dat 4.642 PubMed-artikelen, 395 gerandomiseerde gecontroleerde studies, 108 geninteracties en 122.780 FAERS-veiligheidsmeldingen samenvoegt — allemaal te herleiden tot hun bron-databases.
Optimale versus normale ranges
Standaard lab-referentieranges zijn ontworpen om ziekte op te sporen — ze vertellen u wanneer iets klinisch abnormaal is. Maar ze vertellen u niet wanneer iets suboptimaal is.
Kelda gebruikt optimale ranges uit de functional medicine naast standaard lab-ranges, omdat symptomen vaak ruim voordat een labwaarde officieel “buiten de range” valt al verschijnen.
Voorbeeld: ferritine
Lab-range "normaal": 20–200 ng/mL
Optimale range: 70–150 ng/mL
Een ferritine van 32 ng/mL is “normaal” volgens labstandaarden — maar onderzoek toont aan dat vermoeidheid, haarverlies en restless legs vaak onder 70 verschijnen. De optimale range vangt deze vroege uitputtingen op die de “normale” lab-range mist.
Elke biomarker-pagina op Kelda toont beide ranges naast elkaar, zodat u kunt zien waar uw resultaten op beide schalen vallen. Wij citeren het klinische onderzoek achter elke optimale range.
Hoe wij de nauwkeurigheid handhaven
Elke statistiek vermeldt de bron-database bij naam en aantal — niet "onderzoek toont aan" maar "395 RCT's bij 360.638 patiënten in CTD."
Expert-citaten linken naar echte PubMed-artikelen met verifieerbare PMID's die iedereen kan opzoeken.
Inhoud wordt vóór publicatie gevalideerd aan de hand van strikte typecontracten en nauwkeurigheidscontroles.
Pagina's worden bijgewerkt wanneer bron-databases nieuwe data uitbrengen, met een zichtbare "Bronnen geverifieerd op"-datum.
Wat wij niet doen
Transparantie betekent eerlijk zijn over wat we zijn en wat we niet zijn. Wij geloven dat deze eerlijkheid betrouwbaarder is dan verzonnen referenties.
Wij hebben geen medisch adviesorgaan of beoordelingspanel. Wij vertrouwen op de databases zelf als autoriteit.
Wij verzinnen geen onderzoekersnamen, referenties of institutionele affiliaties.
Wij gebruiken geen vage zinsneden zoals "onderzoek toont aan" zonder de specifieke database, onderzoeker en aantal te vermelden.
Wij koppelen elke bewering aan een benoemde database of gepubliceerde onderzoeker — niets is onbevestigd.
Dit is gezondheidsinformatie, geen medisch advies. Wij raden altijd aan bevindingen met uw zorgverlener te bespreken.
Bronvermeldingsmodel
Elke contentpagina op Kelda toont bovenaan een gestandaardiseerd vermeldingsblok. Dit is wat het bevat:
Gebaseerd op onderzoek door Huan et al., European Journal of Pharmaceutical Sciences (2025). Data afkomstig uit CTD, ChEMBL, FAERS. Hoe wij deze data verifiëren →
Bronnen geverifieerd vanaf april 2026
Primaire onderzoeker — de benoemde auteur uit een PubMed-studie die relevant is voor het onderwerp van de pagina, met tijdschriftnaam en publicatiejaar.
Database-bronnen — de specifieke databases die voor deze pagina zijn geraadpleegd (CTD, ChEMBL, FAERS, PharmGKB, USDA, PubMed).
Verificatiedatum — wanneer de brondata voor het laatst als actueel is bevestigd.
Methodologie-link — elk vermeldingsblok linkt terug naar deze pagina, zodat lezers altijd kunnen controleren hoe de data is geverifieerd.
Vragen over onze data?
Wij zijn toegewijd aan transparantie. Als u een fout opmerkt of vragen heeft over hoe wij onze data sourcen, horen wij graag van u.
Neem contact ophello@kelda.health
Educatieve tool — raadpleeg altijd uw zorgverlener.