Hvor Præcise Er Menstruationsapps? Beviserne

Uafhængig testning tegner et konsistent billede: præcision følger cyklussens regelmæssighed, ikke appens raffinement. Et studie fra 2021 i tidsskriftet Women's Health testede ti populære apps mod realistiske brugerprofiler over seks simulerede cyklusser. For profilen med en perfekt konstant 28-dages cyklus forudsagde hver app den næste menstruation korrekt. For alle andre var forudsigelserne 0-8 dage forkerte, og for profilen med uregelmæssig cyklus var menstruationsforudsigelserne konsekvent 2-8 dage forsinkede.

Tidligere akademiske gennemgange var hårdere. En gennemgang fra 2016 i Obstetrics & Gynecology undersøgte app-butikslandskabet og vurderede, at de fleste gratis menstruationsapps var unøjagtige, og bemærkede, at få citerede medicinsk litteratur eller involverede sundhedsfaglige personer. Et ledsagende studie fra 2016 fandt, at ud af 33 apps testet mod en typisk 28-dages cyklus forudsagde kun 3 det præcise fertile vindue.

Den praktiske konklusion er ikke, at "apps er nytteløse" — det er, at en forudsagt dato er et estimat med en fejlmargin, som appen normalt ikke viser dig. Ved regelmæssige cyklusser kan du forvente, at menstruationsforudsigelsen er korrekt inden for en dag eller to. Ved uregelmæssige cyklusser skal du betragte forudsigelsen som et groft vindue og stole på, hvordan din krop signalerer dagene forinden.

Meget mindre præcise end menstruationsforudsigelser — og det bedste studie om dette er ligeud. I 2018 fulgte forskere 949 kvinder gennem en fuld cyklus med urin-LH- (luteiniserende hormon-) test, som opdager den hormonstigning, der går forud for ægløsning, og sammenlignede den hormonelt bekræftede ægløsningsdag med, hvad kalenderbaserede apps ville forudsige. Appernes præcision ved identifikation af den faktiske ægløsningsdag var ikke bedre end 21%.

Det samme studie afmonterede antagelsen om dag 14. Blandt kvinder med en 28-dages cyklus var den mest almindelige ægløsningsdag dag 16, ikke dag 14 — og kun omkring 15% af kvinderne, der troede, de havde en 28-dages cyklus, havde det faktisk. I 2021-testen med ti apps var kun 3 ud af 36 ægløsningsdag-forudsigelser for nogenlunde regelmæssige profiler helt korrekte, og to tredjedele var 2-9 dage for tidlige. Flere apps viste et fast 7-dages fertilt vindue uanset brugerens cykluslængde.

Biologien forklarer hvorfor: ægløsningstidspunktet bestemmes af den follikulære fase, som er den variable del af cyklussen. Tidligere datoer indeholder simpelthen ikke den information, der skal til for at fastlægge en fremtidig ægløsningsdag — det er derfor, en kalender kan estimere, men aldrig bekræfte.

Fordi rigtige cyklusser er langt mere variable end den typiske model, apps har arvet. Den største offentliggjorte analyse af cyklusdata — over 600.000 ægløsningscyklusser fra omkring 124.000 brugere af appen Natural Cycles, offentliggjort i npj Digital Medicine i 2019 — fandt, at den gennemsnitlige cyklus er 29,3 dage, og at kun 13% af cyklusserne er præcis 28 dage. (Værd at bemærke: studiet trak på Natural Cycles' egne brugerdata.)

Vigtigere er det, at studiet viste, hvor variabiliteten ligger. Den follikulære fase — fra menstruationsstart til ægløsning — var i gennemsnit 16,9 dage, men varierede fra omkring 10 til 30 dage blandt kvinder. Den lutealfase efter ægløsning var langt mere stabil, med et gennemsnit på 12,4 dage. Cyklusser skifter også systematisk: gennemsnitslængden bliver lidt kortere med alderen fra 25 til 45 år, og højere BMI er forbundet med mere variabilitet.

En app, der forudsiger ud fra dine tidligere cykluslængder, er i bund og grund ved at gennemsnitliggøre præcis den fase, der varierer mest. Stress, sygdom, rejser og søvnforstyrrelser kan alle forsinke ægløsningen i en given cyklus, og når ægløsningen flytter sig, flytter alt efter den sig også. Det er ikke en fejl i din app — det er en grænse for, hvad datobaserede data kan vide.

Til en vis grad — men mindre end markedsføringen antyder. Flere loggede cyklusser giver appen et bedre estimat af dit personlige gennemsnit og spredning; en akademisk præcisionsgennemgang fra 2016 brugte forudsigelse fra mindst tre loggede cyklusser som sin minimumsgrænse. Hvis dine cyklusser er nogenlunde regelmæssige, skærper et par måneders data faktisk forudsigelserne sammenlignet med standardværdier fra dag ét.

Det, mere data ikke kan gøre, er at overvinde variabilitet fra cyklus til cyklus. Hvis din cyklus varierer fra 26 til 34 dage, gør ingen mængde historik en rent datobaseret forudsigelse præcis — informationen findes simpelthen ikke i datoerne. Forskere, der har gennemgået app-påstande, har bemærket, at forbedringer af typen "selvlærende algoritme" i høj grad er en app-markedsføringspåstand snarere end et uafhængigt verificeret resultat; intet offentliggjort studie viser, at kalenderbaseret forudsigelse når klinisk præcision med mere data.

Den ærlige formulering: konsekvent logning er umagen værd — for et bedre personligt gennemsnit, og endnu mere for den symptomhistorik og mønstergenkendelse, der gør sporing klinisk nyttig. Forvent bare ikke, at estimatet bliver til en garanti.

Beviserne peger på ét stort håndtag: at tilføje et fysiologisk signal til datoerne. Ægløsning kan bestemmes — ikke kun estimeres — ud fra basal kropstemperatur (som stiger efter ægløsning), urin-LH-tests (som opdager stigningen før ægløsning), eller ændringer i cervixslim. En evaluering fra 2018 i Frontiers in Public Health gav kalenderbaserede apps 0 ud af 30 på evidenskriterier for bestemmelse af det fertile vindue, mens symptotermale apps, der bruger tegn fra den nuværende cyklus, opnåede op til 20 ud af 30. Forfatterne bag npj Digital Medicine-studiet fra 2019 nåede til den samme konklusion: at identificere det fertile vindue kræver sporing af fysiologi, ikke kun cykluslængde.

Andet håndtag: mål din egen variabilitet. Spor i et par måneder, og se på dit faktiske interval. Hvis dine cyklusser spænder over 27-29 dage, vil app-forudsigelser tjene dig godt. Hvis de spænder over 25-35, skal du bruge de forudsagte datoer som midten af et vindue, ikke som en deadline.

For det tredje: log de faktorer, der forklarer afvigelser — stress, sygdom, rejser, medicinændringer. En usædvanlig cyklus med en kendt årsag læses meget anderledes end en uforklaret mønsterændring, både for dig og for en læge, der gennemgår din historik.

En standard menstruationsapp — en der forudsiger ud fra loggede datoer — bør aldrig bruges til at forhindre graviditet. Tallene ovenfor er årsagen: forudsigelser af ægløsningsdag er højst korrekte omkring en femtedel af tiden, sæd overlever i op til fem dage, og det fertile vindue, en app viser, kan helt overse dine faktiske fertile dage, især ved enhver cyklusuregelmæssighed.

Der findes en særskilt kategori: fertilitetsbevidsthedsapps godkendt af myndighederne som prævention (Natural Cycles var den første FDA-godkendte app til dette). Disse fungerer anderledes — de kræver daglig måling af basal kropstemperatur og er designet til at fortælle dig, hvilke dage der er entydigt sikre versus usikre, og deres offentliggjorte effektivitet er omkring 93% ved typisk brug, hvilket betyder, at cirka 7 ud af 100 brugere oplever graviditet inden for et år. Det tal hører til den symptotermale metode med strenge protokoller, ikke til kalenderforudsigelser i en app til almindeligt brug.

Hvis det er vigtigt for dig at forhindre graviditet, skal du bruge en metode designet og testet til det, og betragte din apps skygge for det fertile vindue som en pædagogisk kontekst. PinkyBloom præsenterer bevidst forudsigelser som estimater og hævder ikke præventionspålidelighed — ingen ærlig kalenderbaseret app kan gøre det.