Hoe Nauwkeurig Zijn Menstruatie-apps? Het Bewijs

Onafhankelijke tests schetsen een consistent beeld: nauwkeurigheid volgt de regelmaat van de cyclus, niet de verfijning van de app. Een onderzoek uit 2021 in het tijdschrift Women's Health testte tien populaire apps tegen realistische gebruikersprofielen over zes gesimuleerde cycli. Voor het profiel met een perfect constante cyclus van 28 dagen voorspelde elke app de volgende menstruatie correct. Voor alle anderen zaten de voorspellingen er 0–8 dagen naast, en bij het profiel met onregelmatige cyclus liepen de menstruatievoorspellingen consequent 2–8 dagen achter.

Eerdere academische reviews waren strenger. Een review uit 2016 in Obstetrics & Gynecology onderzocht het app-store-landschap en beoordeelde de meeste gratis menstruatie-trackingapps als onnauwkeurig, en merkte op dat weinige medische literatuur citeerden of gezondheidsprofessionals betrokken. Een bijbehorend onderzoek uit 2016 vond dat van 33 apps getest tegen een schoolboek-cyclus van 28 dagen, slechts 3 het precieze vruchtbare venster voorspelden.

De praktische conclusie is niet "apps zijn nutteloos" — het is dat een voorspelde datum een schatting is met een foutmarge die de app meestal niet aan je laat zien. Verwacht bij regelmatige cycli dat de menstruatievoorspelling binnen een dag of twee klopt. Behandel bij onregelmatige cycli de voorspelling als een ruw venster en vertrouw op hoe je lichaam de dagen ervoor signalen geeft.

Veel minder nauwkeurig dan menstruatievoorspellingen — en het beste onderzoek hierover is bot. In 2018 volgden onderzoekers 949 vrouwen gedurende een volledige cyclus van urine-LH-testen (luteïniserend hormoon), die de hormoonpiek detecteren die aan de eisprong voorafgaat, en vergeleken de hormonaal bevestigde eisprongdag met wat kalenderapps zouden voorspellen. De nauwkeurigheid van apps bij het identificeren van de werkelijke eisprongdag was niet beter dan 21%.

Hetzelfde onderzoek weerlegde de dag-14-aanname. Bij vrouwen met een cyclus van 28 dagen was de meest voorkomende eisprongdag dag 16, niet dag 14 — en slechts ongeveer 15% van de vrouwen die dachten een cyclus van 28 dagen te hebben, had dat ook echt. In de tien-app-test uit 2021 waren van de 36 eisprongdag-voorspellingen voor min of meer regelmatige profielen slechts 3 exact juist, en tweederde zat 2–9 dagen te vroeg. Verschillende apps toonden een vast vruchtbaar venster van 7 dagen, ongeacht de cycluslengte van de gebruiker.

De biologie verklaart waarom: de timing van de eisprong wordt bepaald door de folliculaire fase, het variabele deel van de cyclus. Eerdere data bevatten simpelweg niet de informatie die nodig is om een toekomstige eisprongdag te bepalen — daarom kan een kalender schatten, maar nooit bevestigen.

Omdat echte cycli veel variabeler zijn dan het schoolboekmodel dat apps hebben geërfd. De grootste gepubliceerde analyse van cyclusgegevens — meer dan 600.000 ovulatoire cycli van ongeveer 124.000 gebruikers van de Natural Cycles-app, gepubliceerd in npj Digital Medicine in 2019 — vond dat de gemiddelde cyclus 29,3 dagen is, en dat slechts 13% van de cycli precies 28 dagen duurt. (Opmerking: het onderzoek was gebaseerd op de eigen gebruikersgegevens van Natural Cycles.)

Nog belangrijker, het onderzoek toonde waar de variabiliteit zit. De folliculaire fase — van de start van de menstruatie tot de eisprong — duurde gemiddeld 16,9 dagen, maar varieerde tussen vrouwen van ongeveer 10 tot 30 dagen. De luteale fase na de eisprong was veel stabieler, met een gemiddelde van 12,4 dagen. Cycli verschuiven ook systematisch: de gemiddelde lengte wordt iets korter met de leeftijd van 25 tot 45 jaar, en een hogere BMI wordt geassocieerd met meer variabiliteit.

Een app die voorspelt op basis van je vorige cycluslengtes middelt in feite precies de fase die het meest varieert. Stress, ziekte, reizen en verstoorde slaap kunnen allemaal de eisprong in een gegeven cyclus vertragen, en wanneer de eisprong verschuift, verschuift alles daarna ook. Dat is geen fout in je app — het is een grens van wat data op basis van alleen data kunnen weten.

Enigszins — maar minder dan de marketing suggereert. Meer geregistreerde cycli geven de app een betere schatting van je persoonlijke gemiddelde en spreiding; een academische nauwkeurigheidsreview uit 2016 gebruikte een voorspelling op basis van minstens drie geregistreerde cycli als minimale ondergrens. Als je cycli redelijk regelmatig zijn, verscherpen een paar maanden data de voorspellingen echt vergeleken met de standaardwaarden van dag één.

Wat meer data niet kan doen, is de variabiliteit van cyclus tot cyclus overwinnen. Als je cyclus varieert van 26 tot 34 dagen, maakt geen enkele hoeveelheid geschiedenis een voorspelling op basis van alleen data nauwkeurig — de informatie zit niet in de data. Onderzoekers die app-claims beoordelen, hebben opgemerkt dat verbeteringen van "zelflerende algoritmen" grotendeels een marketingclaim van apps zijn in plaats van een onafhankelijk geverifieerd resultaat; geen enkel gepubliceerd onderzoek toont aan dat kalendergebaseerde voorspelling met meer data klinische nauwkeurigheid bereikt.

De eerlijke conclusie: consequent bijhouden loont — voor een beter persoonlijk gemiddelde, en nog meer voor de symptoomgeschiedenis en patroonherkenning die tracking klinisch nuttig maken. Verwacht alleen niet dat de schatting een garantie wordt.

Het bewijs wijst op één grote hefboom: het toevoegen van een fysiologisch signaal aan de data. Eisprong kan worden bepaald — niet alleen geschat — via basale lichaamstemperatuur (die stijgt na de eisprong), urine-LH-tests (die de piek vóór de eisprong detecteren), of veranderingen in cervixslijm. Een evaluatie uit 2018 in Frontiers in Public Health gaf alleen-kalenderapps een score van 0 op 30 voor bewijscriteria voor het bepalen van het vruchtbare venster, terwijl symptothermale apps die tekenen van de huidige cyclus gebruiken tot 20 op 30 scoorden. De auteurs van het npj Digital Medicine-onderzoek uit 2019 kwamen tot dezelfde conclusie: het identificeren van het vruchtbare venster vereist het volgen van fysiologie, niet alleen de cycluslengte.

Tweede hefboom: meet je eigen variabiliteit. Houd een paar maanden bij en bekijk je werkelijke bereik. Als je cycli 27–29 dagen bestrijken, zullen app-voorspellingen je goed van dienst zijn. Als ze 25–35 bestrijken, gebruik voorspelde data dan als het midden van een venster, niet als deadline.

Derde: leg de factoren vast die afwijkingen verklaren — stress, ziekte, reizen, medicatiewijzigingen. Een ongewone cyclus met een bekende oorzaak leest heel anders dan een onverklaarde patroonverandering, zowel voor jou als voor een arts die je geschiedenis bekijkt.

Een standaard menstruatie-app — een die voorspelt op basis van geregistreerde data — mag nooit worden gebruikt om zwangerschap te voorkomen. De cijfers hierboven zijn de reden: eisprongdag-voorspellingen zijn hoogstens ongeveer een vijfde van de tijd juist, sperma overleeft tot vijf dagen, en het vruchtbare venster dat een app toont, kan je werkelijke vruchtbare dagen volledig missen, vooral bij enige cyclusonregelmatigheid.

Er is een aparte categorie: vruchtbaarheidsbewustzijn-apps die door regelgevers zijn goedgekeurd als anticonceptie (Natural Cycles was de eerste door de FDA goedgekeurde app hiervoor). Deze werken anders — ze vereisen dagelijkse metingen van de basale lichaamstemperatuur en zijn ontworpen om je te vertellen welke dagen ondubbelzinnig veilig zijn versus onzeker, en hun gepubliceerde effectiviteit is ongeveer 93% bij typisch gebruik, wat betekent dat ongeveer 7 op de 100 gebruikers binnen een jaar zwanger worden. Dat cijfer hoort bij de symptothermale methode met strikte protocollen, niet bij kalendervoorspellingen in een algemene tracker.

Als het voorkomen van zwangerschap belangrijk voor je is, gebruik dan een methode die daarvoor is ontworpen en getest, en behandel de vruchtbare-vensterschaduw van je tracker als educatieve context. PinkyBloom presenteert voorspellingen bewust als schattingen en claimt geen anticonceptieve betrouwbaarheid — geen enkele eerlijke kalendergebaseerde app kan dat.