Methodologie
Last reviewed: 25 april 2026
LongevityMate zet bloedtestgegevens, optionele wearable context, doelen en levensstijl antwoorden om in educatieve inzichten. Deze pagina schetst het algemene proces dat we gebruiken zodat gebruikers kunnen begrijpen wat elke rapport, dashboard en Mate-reactie aandrijft.
1. Gegevensinvoer en normalisatie
We verwerken biomarkerwaarden, eenheden en data van geüploade of handmatig ingevoerde resultaten. Waar gebruikers ervoor kiezen om Apple Health of Health Connect te verbinden, kunnen we ook geautoriseerde samenvattingen van draagbare apparaten gebruiken voor extra context. We normaliseren eenheden waar mogelijk, zodat waarden consistent in de tijd kunnen worden vergeleken.
2. Biomarker groepering en scoring
Kernbiomarkers zijn gegroepeerd in acht beoordeelde gezondheidscategorieën. Elke categorie gebruikt Must-biomarkers om de score te ontgrendelen, en voegt vervolgens Support-biomarkers toe wanneer ze beschikbaar zijn om het resultaat te verfijnen. Het Essentiële biomarkerpaneel bevat ook elke marker die nodig is voor de schatting van de biologische leeftijd.
Volledige marker dekking is vermeld op de Testgids.
3. AI-ondersteunde aanbevelingsopstelling
AI-componenten gebruiken je gestructureerde biomarkercontext, doelen, onboarding-antwoorden, beschikbare draagbare signalen en voortgangsgeschiedenis om educatieve suggesties en actieprioriteiten op te stellen. Uitkomsten zijn bedoeld om geïnformeerde discussies met clinici te ondersteunen, niet om ze te vervangen.
Zie grenzen en bekende beperkingen op de AI Beperkingen page.
4. Gebruikerscontroles en privacy
Users can update entries, control connected data sources, export information, and request deletion. Data handling details are documented in our Privacybeleid en gebruiksgrenzen zijn in de Servicevoorwaarden.