Come Kitrus verifica i dati sulla salute
Ogni affermazione su Kitrus è riconducibile a una specifica voce di database, a un ricercatore nominato o a uno studio pubblicato. Ecco esattamente come lo facciamo.
Le nostre fonti di dati
Kitrus interroga gli stessi database molecolari peer-reviewed usati da ricercatori e clinici in tutto il mondo. Ogni numero su una pagina di Kitrus proviene da una di queste sei fonti.
CTD
Comparative Toxicogenomics Database
Cos'è: Relazioni chimica-gene-malattia, evidenze terapeutiche, associazioni marcatore/meccanismo.
Lo usiamo per: Meccanismi di deplezione farmaco-nutriente, conteggi delle interazioni geniche, associazioni con malattie.
ChEMBL
European Molecular Biology Laboratory
Cos'è: Meccanismi molecolari di azione, bersagli di legame, misurazioni di potenza, fasi degli studi clinici.
Lo usiamo per: Dettagli sui meccanismi, confronti tra composti, identificazione dei bersagli.
FAERS
FDA Adverse Event Reporting System
Cos'è: Report di sicurezza nel mondo reale da pazienti, professionisti sanitari e produttori.
Lo usiamo per: Dati di sicurezza, conteggi degli eventi avversi, percentuali di eventi gravi.
PubMed
National Library of Medicine
Cos'è: Oltre 35 milioni di articoli di ricerca biomedica da riviste peer-reviewed in tutto il mondo.
Lo usiamo per: Citazioni di esperti con nome del ricercatore, rivista, anno e PMID verificabile.
PharmGKB
Pharmacogenomics Knowledge Base
Cos'è: Relazioni gene-farmaco-malattia, linee guida di dosaggio basate su varianti genetiche.
Lo usiamo per: Dosaggio genotipo-dipendente (es. varianti CYP2C19 per l'omeprazolo).
USDA FoodData Central
U.S. Department of Agriculture
Cos'è: Composizione di nutrienti per migliaia di alimenti, inclusi dati di marca e sondaggi.
Lo usiamo per: Tabelle di fonti alimentari con mg per porzione per i nutrienti deplezionati.
Il knowledge graph
Le righe grezze del database non sono utili da sole. Kitrus pre-compila 212 milioni di righe di dati molecolari in un knowledge graph strutturato che collega composti, geni, malattie, sintomi e vie biologiche in un'unica rete interrogabile.
1.6 million
Entità
Composti, geni, sintomi, malattie, vie biologiche, biomarcatori, meccanismi
15.6 million
Archi
Connessioni dirette tra entità (tratta, modula, causa, lega)
262 million
Righe sorgente
Pre-compilate da database molecolari in profili interrogabili
37
Tipi di entità
Composti (81K), geni (28K), sintomi (8K), malattie (3K), vie biologiche (2,8K), biomarcatori (159), meccanismi
Quando cerca omeprazolo su Kitrus, non sta leggendo un articolo scritto a mano. Sta leggendo un profilo pre-compilato che sintetizza 4.642 articoli PubMed, 395 studi randomizzati controllati, 108 interazioni geniche e 122.780 report di sicurezza FAERS — tutti riconducibili ai loro database sorgente.
Range ottimali vs normali
I range di riferimento standard di laboratorio sono progettati per rilevare malattie — le dicono quando qualcosa è clinicamente anomalo. Ma non le dicono quando qualcosa è subottimale.
Kitrus usa i range ottimali della medicina funzionale insieme ai range standard di laboratorio, perché i sintomi spesso compaiono ben prima che un valore di laboratorio sia ufficialmente "fuori range".
Esempio: Ferritina
Range "normale" di laboratorio: 20–200 ng/mL
Range ottimale: 70–150 ng/mL
Una ferritina di 32 ng/mL è "normale" secondo gli standard di laboratorio — ma la ricerca mostra che stanchezza, perdita di capelli e gambe senza riposo spesso compaiono sotto 70. Il range ottimale coglie queste deplezioni precoci che il "normale" di laboratorio si perde.
Ogni pagina di biomarcatore su Kitrus mostra entrambi i range fianco a fianco, così può vedere dove cadono i suoi risultati su entrambe le scale. Citiamo la ricerca clinica dietro a ogni range ottimale.
Come manteniamo l'accuratezza
Ogni statistica cita il suo database sorgente per nome e conteggio — non "gli studi mostrano" ma "395 RCT su 360.638 pazienti in CTD".
Le citazioni di esperti rimandano ad articoli PubMed reali con PMID verificabili che chiunque può consultare.
I contenuti sono validati rispetto a contratti di tipo rigorosi e controlli di accuratezza prima della pubblicazione.
Le pagine vengono aggiornate quando i database sorgente rilasciano nuovi dati, con una data visibile di "Fonti verificate al".
Cosa non facciamo
Trasparenza significa essere onesti su cosa siamo e cosa non siamo. Crediamo che questa onestà sia più affidabile di credenziali fabbricate.
Non abbiamo un comitato consultivo medico o un panel di revisione. Ci affidiamo ai database stessi come autorità.
Non fabbrichiamo nomi di ricercatori, credenziali o affiliazioni istituzionali.
Non usiamo frasi vaghe come "gli studi mostrano" senza citare il database, il ricercatore e il conteggio specifici.
Attribuiamo ogni affermazione a un database nominato o a un ricercatore pubblicato — nulla è privo di fonte.
Queste sono informazioni sulla salute, non consigli medici. Raccomandiamo sempre di discutere i risultati con il suo professionista sanitario.
Modello di attribuzione delle fonti
Ogni pagina di contenuto su Kitrus mostra un blocco di attribuzione standardizzato in alto. Ecco cosa include:
Basato sulla ricerca di Huan et al., European Journal of Pharmaceutical Sciences (2025). Dati provenienti da CTD, ChEMBL, FAERS. Come verifichiamo questi dati →
Fonti verificate al aprile 2026
Ricercatore primario — l'autore nominato di uno studio PubMed pertinente al tema della pagina, con nome della rivista e anno di pubblicazione.
Fonti del database — i database specifici interrogati per questa pagina (CTD, ChEMBL, FAERS, PharmGKB, USDA, PubMed).
Data di verifica — quando i dati sorgente sono stati confermati come attuali per l'ultima volta.
Link alla metodologia — ogni blocco di attribuzione rimanda a questa pagina, così i lettori possono sempre controllare come sono stati verificati i dati.
Domande sui nostri dati?
Ci impegniamo per la trasparenza. Se rileva un errore o ha domande su come reperiamo i nostri dati, vogliamo sentirla.
Contattacihello@kitrus.ai
Strumento educativo — consulti sempre il suo professionista sanitario.