Transparente Dokumentation der statistischen Auswertung hinter AllergyTrace und MediTrace. Beide Apps nutzen denselben statistischen Kern — mit app-spezifischen Erweiterungen.
Beide Apps liefern statistische Korrelationshinweise — keine medizinische Diagnose. Korrelation ist nicht Kausalität. Ergebnisse sind als Hypothesen für die Sprechstunde mit Fachpersonen gedacht. Die Apps sind keine regulierten Medizinprodukte.
Beide Apps wählen automatisch die passende Analysemethode. Pro Symptom- oder Messfeld wird ein eigenes Modell gerechnet — keine Mittelung über mehrere Bereiche.
Ein Effekt gilt erst als signifikant, wenn beide Bedingungen erfüllt sind:
Damit werden triviale Effekte allein wegen grosser Stichprobe nicht als „signifikant" ausgewiesen.
⇩ Methodik herunterladen15 seiten · 543 kb ⇩ Beispiel-Arztbericht4 seiten · 162 kb
Das PDF enthält ein vollständig durchgerechnetes Worked Example: Birkenpollen vs. Augenjucken über 30 Tage.
Darüber hinaus nutzt AllergyTrace allergen-spezifische Reaktionszeit-Profile: pro Allergen sind Einsetz-, Peak- und Abklingzeit hinterlegt (onsetMinutes, peakHours, durationHours). Die Lag-Analyse testet damit automatisch die biologisch plausiblen Zeitfenster zwischen Exposition und Symptom — dasselbe Prinzip, das MediTrace pharmakologisch umsetzt (siehe unten).
⇩ Methodik herunterladen9 seiten · 295 kb ⇩ Beispiel-Arztbericht16 seiten · 274 kb
Die MediTrace-App — die Schwester-App für Medikamenten-Tagebücher — treibt denselben Lag-Gedanken pharmakologisch auf die Spitze: wirkstoffgenaue Zeitversatz-Analyse. (AllergyTrace nutzt das Prinzip allergologisch, siehe oben — MediTrace setzt es für Medikamente mit kuratierten Wirkprofilen um.)
Jedes Medikament wirkt in einem anderen Zeitfenster. Eine einfache Korrelation «Einnahme heute → Symptom heute» ist für Antidepressiva oder Vitamine wissenschaftlich wertlos — deren Effekt zeigt sich erst Wochen später. MediTrace hat deshalb eine kuratierte Datenbank mit 448 Medikamenten und Supplements hinterlegt:
| Parameter | Bedeutung | Beispiel Ibuprofen | Beispiel Sertralin |
|---|---|---|---|
onsetHours |
Wirkungseintritt | 0.5 h | 4 h |
peakHours |
Maximale Wirkung | 2 h | 8 h |
durationHours |
Wirkungsdauer | 6 h | 24 h |
buildupDays |
Aufbauzeit (Langzeitmedikamente) | — | 28 Tage |
Die Korrelationsanalyse testet automatisch die pharmakologisch korrekten Zeitfenster (Lag-Analyse): Bei Sertralin sucht die App den Effekt nach 7, 14, 21 und 28 Tagen — nicht am gleichen Tag. Bei Langzeitmedikamenten teilt die Analyse die Daten in drei Phasen: Baseline (vor Einnahme), Aufbauphase (während buildupDays) und Steady State (danach). Der Lag mit der höchsten statistischen Erklärungskraft wird als «optimaler Zeitversatz» ausgewiesen.
Neben Symptomen auf der 0–10-Skala wertet MediTrace auch objektive Vital-Messwerte aus: systolischer und diastolischer Blutdruck sowie Puls. Damit Mess-Rauschen nicht als Effekt erscheint, gelten klinisch sinnvolle Mindest-Differenzen — 5 mmHg (systolisch), 4 mmHg (diastolisch), 4 bpm (Puls) — bei mindestens 5 Messungen je Gruppe (mit/ohne Einnahme).
MediTrace exportiert einen strukturierten PDF-Bericht mit Effektgrössen, Diagrammen, Wirkzeit-Analyse und Dosis-Wirkungs-Kurven — zum Mitbringen in die Sprechstunde.
Die Statistik-Implementierung ist in JavaScript / TypeScript geschrieben und liegt in den Dateien analysisEngine.ts, quickAnalysis.ts, ordinalLogit.ts. Auf wissenschaftliche Anfrage stelle ich den Quellcode zur Verfügung.
Kontakt: vitatrace@proton.me