Methodologie
Magistra Bijwerkingen Voorspeller™ — Versie 5.21 (dual-track)
Laatst bijgewerkt: september 2026 | Open voor peer review
Uitnodiging aan onderzoekers
Deze methodologie is bewust transparant. Wij nodigen biostatistici, epidemiologen, klinisch onderzoekers en ML-onderzoekers uit om onze aanpak te bekritiseren, verbeteringen voor te stellen, of samen te werken. Alle feedback wordt publiek erkend in toekomstige versies.
Geef feedback ↓1. Dual-track architectuur
In plaats van klinische en gemeenschapsdata te mengen in één getal (wat de bewijshiërarchie verbergt), berekenen wij twee parallelle schattingen per bijwerking:
Klinisch
Alleen gepubliceerde klinische studies + regelgevende rapporten. Conservatief. Alle modifiers uit peer-reviewed bronnen.
Echte wereld
Meldingsfrequentie uit posts op de communityplatforms zelf: van alle afzonderlijke community-meldingen in ons corpus, welk aandeel noemt deze bijwerking. Resultaten van nieuwsaggregators tellen niet mee — de live platformlijst staat op /nl/data en in /api/data. Geen gemeten incidentie — één anekdote is geen percentage.
De twee tracks meten verschillende dingen en worden bewust niet vergeleken als één schatting: klinisch is een incidentiepercentage, echte-wereld is een meldingsfrequentie (hoe vaak iets ter sprake komt, niet hoe vaak het gebeurt). Een hoge meldingsfrequentie bij een lage klinische schatting is een signaal dat patiënten actief over iets praten — nuttig als aanwijzing, geen bewijs van een hogere werkelijke incidentie. (Herzien 2026-08-14: eerdere versies van deze pagina beschreven de echte-wereld track als een incidentieschatting die zou moeten 'convergeren' met klinische data — dat berustte op het middelen van zelfgerapporteerde percentages uit forumposts, waaronder één X/Twitter-post die 76% haaruitval claimde en een 2-bronnen gemiddelde naar 39% trok.)
2. Dataverzameling
Dagelijks verzamelen 17 scrapers data uit vier broncategorieën. Claude Haiku extraheert gestructureerde datapunten met een betrouwbaarheidsniveau (high/medium/low):
- • Klinisch: PubMed, ClinicalTrials.gov, Cochrane (PubMed-geïndexeerd), NICE-richtlijnen, preprints
- • Regelgevend: FDA FAERS (directe API), EMA (directe pagina's ema.europa.eu)
- • Gebruikersrapporten: Reddit (16 subreddits), Trustpilot, Drugs.com, Quora
- • Nieuws: Google News-zoekresultaten (incl. berichtgeving over WHO/MHRA/EMA-veiligheidsacties — géén rechtstreekse feed van die instanties)
Elk datapunt behoudt zijn sourceType voor deduplicatie (sourceUrl + sideEffect) en voor filtering in de twee tracks. Extractie is conservatief: alleen expliciet vermelde frequenties, geen inferentie.
Een geconfigureerde scraper is niet hetzelfde als een producerende bron: sommige leveren al maanden niets (Reddit wordt sinds 2026-05-28 geblokkeerd met een HTTP 403). Actuele aantallen per bron, met datum van het laatste datapunt, staan in /api/data?q=overview.
3. Statistische aanpak
Voor elke track:
- Filter datapunten op patiëntprofiel (geslacht, dosis, etniciteit, beweging)
- Gewogen gemiddelde (gewicht = steekproefgrootte × extractiebetrouwbaarheid; toekomstig werk: inverse-variantie meta-analytische weging per studiekwaliteit)
- Winsorisatie bij 5e/95e percentiel indien n > 10 (grenzen expliciet gelogd)
- Dosisschaling indien data geen dosisspecificiteit heeft
- Log-odds modifier toepassing (gelimiteerd op totale shift van 2.5 log-odds)
- Random-effects betrouwbaarheidsinterval (vereenvoudigde, ongewogen τ² — geïnspireerd door DerSimonian-Laird, niet inverse-variantie gewogen)
4. Zelf-evoluerend model
Dagelijks draait een statistische analyse die empirische odds ratios berekent voor elke dimensie × bijwerking met voldoende citeerbaar bewijs. Op 04-09-2026 haalt geen enkele bijwerking die drempel: élke modifier in productie is nog handmatig gecodeerd bij de seed van 12-04-2026, zonder vastgelegde citatie per modifier, en er is nog nooit een automatische bijwerking toegepast (de modelconfiguratie staat inmiddels op v2 na een handmatige correctie op 04-09-2026, niet een automatische). Waarborgen voor wanneer dat wel gebeurt:
- • FDR-correctie (Benjamini-Hochberg) over alle hypothesetests
- • Auto-update alleen bij n ≥ 30, gecorrigeerde p < 0.01, en verandering < 0.3 OR
- • Grotere veranderingen worden gevlagd voor menselijke review
- • Nieuwe parameters (etniciteit, BMI, dieet) worden 'gepromoveerd' wanneer ze significant zijn voor 2+ bijwerkingen
- • Max 5 auto-updates per dag; alle wijzigingen worden gelogd met provenance
- • Elke toegepaste of gevlagde wijziging archiveert de vorige configuratieversie (geen bewaartermijn) — nog nooit gebeurd, er is nog geen automatische wijziging toegepast of gevlagd
5. Eerlijke beperkingen
Wij publiceren onze beperkingen omdat verborgen zwaktes gevaarlijker zijn dan zichtbare:
- Bewijsbasis (niet de corpusgrootte): Het corpus telt 2.347 datapunten over de 15 gepubliceerde bijwerkingen, maar slechts 1110 daarvan vermelden een percentage, en na onze geschiktheidsregels blijven 887 percentages uit 29 afzonderlijke studies over die een gepubliceerde schatting mogen dragen. Uitgesloten: 150 seed unverified, 62 spontaneous report share, 11 aggregator result. Percentages worden samengevoegd tot één vermelding per bron per bijwerking (180 vermeldingen in totaal); het sitebrede aantal telt sinds 2026-09-08 per studie-URL, zodat één register-record of paper één keer telt, hoeveel bijwerkingen het ook rapporteert. Veel bijwerkingen rusten daardoor op één bron — dat staat per schatting vermeld. (Correctie 2026-08-31: de seeding van april 2026 bleek ook rijen te hebben geschreven die onze eigen statische literatuurtabel herhalen onder échte studie-URL's die nooit door extractie zijn gelezen; een URL-controle vangt zulke rijen niet. Alle 150 seed-rijen zijn nu gelabeld en uitgesloten — de geschikte basis halveerde daardoor ruwweg, en vijf bijwerkingen vielen terug op een gelabelde literatuurwaarde. Eerdere basiscijfers moeten niet meer geciteerd worden.)
- FAERS is geen incidentie: Aandelen van spontane bijwerkingenmeldingen (FAERS) worden apart gerapporteerd en nooit in een incidentieschatting gemiddeld.
- Demografische gaten: Vrouwelijke bias (81% van de 246 datapunten met een gespecificeerd geslacht), minimale etnische diversiteit in bronnen. Slechts 246 van 2.451 datapunten vermelden een geslacht.
- Modifierbronnen: Alle modifiers die nu worden toegepast zijn handmatig gecodeerd bij de seed van 2026-04-12 en voor geen enkele is een citatie vastgelegd — behandel elke odds ratio dus als een expert-gecodeerde prior, niet als een gefundeerde schatting. De voorspeller toont nu bij elke aangepaste waarde welke modifiers zijn toegepast en waar ze vandaan komen. Nul zijn tot nu toe vervangen door empirisch geschatte waarden, omdat geen enkele bijwerking de drempel van 10 citeerbare percentages haalt. Doelarchitectuur: inverse-variantie meta-analytisch raamwerk met formele studiekwaliteitsbeoordeling (Cochrane Risk of Bias).
- Geen interactietermen: Modifiers worden onafhankelijk toegepast. Interacties (bijv. geslacht × leeftijd) worden niet gemodelleerd — wij cappen cumulatieve log-odds shifts om stapelbias te beperken.
- Kalibratietests: Nog niet formeel gevalideerd tegen onafhankelijke uitkomstdata. Gepland zodra n ≥ 500 per bijwerking.
- LLM-extractie: Imperfect. Goud-standaard handmatige auditing is gepland op een steekproef van 50 bronnen per bijwerking.
- Journey-voorspeller: Het gewichtstrajectmodel neemt zijn totale verlies sinds 2026-09-12 uit de ClinicalTrials.gov-arm die hoort bij het gekozen molecuul, de dosering en de diabetesstatus (semaglutide: STEP; tirzepatide: NCT04184622/NCT04657003; liraglutide: NCT01272219/NCT01272232, lagere doseringen geschaald via NCT00422058); de vorm van de curve en alle modifiers voor leeftijd, geslacht, inspanning en BMI blijven voor elk molecuul op semaglutide-STEP gekalibreerd. De spierbehoud- en na-stoppen-modellen gebruiken volledig STEP-trial constanten met expert-gecodeerde modifiers. Geen van deze drie is empirisch gevalideerd.
- Niet causaal: Dit zijn populatiegemiddelde conditionele risico's, geen individuele causale voorspellingen.
6. Publicatie-roadmap
- • Fase 1 (huidig): dual-track framework, open methodologie, community feedback
- • Fase 2: n ≥ 100 per bijwerking, formele kalibratietesting
- • Fase 3: n ≥ 500, externe validatie op onafhankelijke dataset
- • Fase 4: pre-registratie bij OSF.io, ingediend bij peer-reviewed tijdschrift (doel: Nature Medicine)
Wij zijn een kleine team en onze methodologie heeft onvermijdelijk zwaktes. Als u iets ziet dat verkeerd of verbeterbaar is, laat het ons weten.
Feedback van onderzoekers
Als u een biostatisticus, epidemioloog, klinisch onderzoeker of ML-wetenschapper bent: bekritiseer onze aanpak. Wij erkennen alle bijdragers in toekomstige versies en houden een openbaar wijzigingenlog bij.
Open source op GitHub
De volledige methodologie, broncode en preprint zijn gepubliceerd onder Apache 2.0. Bekijk, kloon of dien een pull request in.
github.com/saurabhgoyal75/magistra-predictor →Citeer deze methodologie
Deze pagina is de canonieke, doorlopend bijgewerkte versie van de methodologie. Er is geen DOI: de methodologie is hier zelf gepubliceerd, niet bij een repository met permanente identifiers.
Werkt u met het corpus zelf? De gedateerde momentopname achter deze schattingen — de volledige dataset-CSV met een PDF-brief en methodologiebijlage — is te koop als eenmalige aankoop, naast de gratis publieke API. Data & API.
Magistra Side Effects Predictor™ — Statistische indicator, geen medisch advies.