Caffeina, misurata con onestà

TrackCaffeine esiste per rispondere con precisione a due domande: quanta caffeina c’è in una bevanda e per quanto tempo rimane con te. La maggior parte delle pagine web risponde solo alla prima, spesso con numeri copiati in giro senza una fonte. Abbiniamo un dataset curato a un modello di decadimento trasparente in modo che anche la seconda domanda ottenga una risposta reale.

I nostri dati

I valori di caffeina provengono dalle dichiarazioni pubbliche dei produttori, da USDA FoodData Central e da misurazioni pubblicate. Sono stime — il contenuto di caffeina varia in base alla preparazione, al lotto e alla dimensione della porzione — quindi li etichettiamo come tali e non li presentiamo mai come cifre esatte o mediche. L’insieme completo delle 87 bevande è pubblicato come open dataset che puoi scaricare in JSON o CSV e verificare o riutilizzare.

Il nostro metodo

La caffeina viene eliminata con una farmacocinetica di primo ordine. Modelliamo ogni dose come in decadimento con un’emivita — 5.7 hours per impostazione predefinita, la media popolazionale comunemente citata — e sommiamo le dosi per stimare quanta ne è presente nel tuo organismo in ogni istante. Questo è lo stesso motore che alimenta la nostra app iOS, CoffeeLog. È un modello, non una misurazione del tuo sangue, e il metabolismo individuale varia ampiamente.

Chi lo realizza

TrackCaffeine è costruito e mantenuto da Merey Tleugazin, pubblicato da VAST FLOW. CoffeeLog è la nostra app per il monitoraggio della caffeina per iPhone e Apple Watch. Se individui un valore che ti sembra errato, dillo — l’accuratezza è tutto.

Non è consulenza medica

Tutto ciò che trovi qui è a scopo informativo generale. Non è consulenza medica, diagnosi o trattamento. Se hai domande sulla caffeina e la tua salute — gravidanza, condizioni cardiache, interazioni con farmaci — parla con un professionista qualificato.

Chi scrive questo sito e cosa fa e non fa questa persona?

Merey Tleugazin è l’autore principale e il manutentore di TrackCaffeine ed è responsabile dell’assemblaggio del dataset pubblico e dell’implementazione del modello di decadimento utilizzato nel sito. Merey Tleugazin non è un clinico, un dietista o un farmacologo, il che significa che il sito non offre consulenza medica individuale, diagnosi o trattamenti e deve essere utilizzato solo come risorsa informativa pubblica.

Merey Tleugazin è la fondatrice di VAST FLOW, l’editore di TrackCaffeine; questo è il nome ufficiale dell’editore e la via di contatto per richieste e richieste legali. VAST FLOW è l’editore organizzativo di TrackCaffeine e puoi contattare VAST FLOW tramite la nostra contact page per correzioni, permessi e richieste stampa.

Il ruolo dell’autore è curare e citare le misurazioni della caffeina, implementare e documentare un modello farmacocinetico trasparente e mantenere il dataset aperto; questi sono i compiti fondamentali e ripetibili che producono il contenuto del sito. La limitazione — essere esplicitamente non un clinico, dietista o farmacologo — implica che questioni cliniche complesse (per esempio interazioni farmacologiche, indicazioni in gravidanza o dosaggi individualizzati) debbano essere rivolte a professionisti qualificati e non risolte tramite questo sito.

Qual è il nostro processo editoriale dall’inserimento di un valore nel dataset alla pubblicazione e revisione di una pagina?

Un valore di caffeina proposto entra in TrackCaffeine tramite una submission con fonte, viene validato rispetto a fonti pubbliche primarie, viene aggiunto all’open dataset con metadata di fonte e poi una pagina derivata viene pubblicata dopo un ciclo di revisione. Le revisioni successive seguono un flusso di lavoro a modifiche tracciate: ricontrollo della fonte, incremento della versione del dataset, aggiornamento della pagina e inserimento nel changelog pubblico.

1. Submission e sourcing: ogni nuovo valore deve citare una fonte primaria (dichiarazione del produttore, USDA FoodData Central o misurazione pubblicata) e includere un URL o una citazione; le voci senza sourcing primario vengono rifiutate.
2. Validazione: un editor confronta il valore inviato con la fonte citata e con voci comparabili nel dataset; se la fonte è in conflitto con più dichiarazioni del produttore o con USDA FoodData Central, la voce viene segnalata per una revisione secondaria.
3. Inserimento nel dataset: i valori validati vengono aggiunti all’open dataset come nuova riga con timestamp e campo fonte; il dataset è concesso in licenza CC BY 4.0 (Creative Commons Attribution 4.0), che consente il riuso con attribuzione.
4. Derivazione del modello e rendering della pagina: il nuovo valore del dataset viene renderizzato nelle pagine del sito che lo utilizzano ed è utilizzato dai calcolatori pubblici in Tools, incluso il caffeine half-life calculator.
5. Pubblicazione e trasparenza: le pagine pubblicate includono la citazione della fonte, un timestamp dell’ultima versione del dataset e un link alla riga del dataset così i lettori possono ispezionare la fonte grezza; le correzioni sono annotate in una voce di changelog sulla pagina.

Tutte le modifiche del dataset sono versionate in modo che ogni pagina pubblicata possa puntare allo snapshot esatto del dataset utilizzato; questo preserva la riproducibilità e permette ai lettori di verificare i calcoli a una data di pubblicazione data. La licenza del dataset e il requisito delle fonti primarie sono applicati nella fase di inserimento del dataset per mantenere la provenienza e la chiarezza del riuso.

Perché abbiamo scelto un modello a emivita di primo ordine e dove è intenzionalmente più semplice della letteratura farmacologica?

Usiamo un modello di eliminazione di primo ordine perché è il modello farmacocinetico più semplice che produce una stima trasparente e riproducibile di quanta caffeina rimane nel tempo; il modello è implementato come remaining = dose × 0.5^(hours ÷ 5.7) con un’emivita media di popolazione di 5.7 hours (342 minutes). L’eliminazione di primo ordine è un modello in cui la velocità di eliminazione è proporzionale alla concentrazione attuale, e l’emivita è il tempo necessario perché una quantità si riduca della metà; entrambe le definizioni sono intenzionalmente concise e usate qui per mantenere il modello verificabile e facile da riprodurre.

L’eliminazione di primo ordine è una semplificazione farmacocinetica standard usata quando un decadimento esponenziale singolo si adatta ai dati aggregati di popolazione; l’emivita è il parametro unico che sintetizza quel decadimento. La scelta del modello dà priorità alla trasparenza rispetto all’accuratezza individuale: fornisce una regola aritmetica chiara che chiunque può applicare a qualsiasi dose elencata nel dataset, ma non modella la farmacocinetica a multi-compartimenti, la variazione genetica in CYP1A2, o le interazioni farmaco–farmaco che compaiono nella letteratura specialistica di farmacologia.

Per illustrare l’aritmetica mostriamo due esempi diretti usando valori dal nostro dataset: an Espresso (single) at 63 mg after one half-life (5.7 hours) is calculated as 63 mg × 0.5^(5.7 ÷ 5.7) = 63 mg × 0.5^1 = 31.5 mg remaining. A Latte (large, 2 shots) at 126 mg after two half-lives (11.4 hours) is calculated as 126 mg × 0.5^(11.4 ÷ 5.7) = 126 mg × 0.5^2 = 126 mg × 0.25 = 31.5 mg remaining.

Le semplificazioni deliberate sono: non stratifichiamo l’emivita per genotipo, età, stato di gravidanza, malattia epatica o terapia concomitante, e non tentiamo di convertire in concentrazione plasmatica o di predire l’occupazione del recettore. Per affermazioni sugli effetti sul sonno rimandiamo a uno studio pubblicato che ha misurato direttamente gli impatti sul sonno: Drake et al., 2013 ha dimostrato che 400 mg assunti sei ore prima di andare a letto ridussero il tempo di sonno totale di oltre un’ora (Drake et al., 2013, Journal of Clinical Sleep Medicine).

Come segnalare un errore e qual è il nostro percorso di correzione se abbiamo sbagliato?

Se ritieni che un valore o un calcolo sia errato, segnalalo usando il modulo di contatto nella nostra contact page indicando l’URL della pagina, il valore che ritieni errato e la fonte che preferisci che consultiamo. Confermeremo la ricezione, indagheremo il materiale di fonte e — se giustificato — aggiorneremo la riga del dataset, pubblicheremo la pagina corretta e registreremo la modifica nel changelog della pagina.

Un percorso di correzione è una serie definita di azioni per correggere contenuti errati: ricezione, verifica rispetto a fonte/e primarie, aggiornamento del dataset con timestamp e campo fonte, rerender della pagina e voce di changelog; questo percorso preserva la provenienza e la visibilità. Manteniamo le citazioni delle fonti originali su ogni riga del dataset e conserviamo le versioni precedenti del dataset in modo che qualsiasi modifica possa essere verificata; se un aggiornamento altera un numero precedentemente pubblicato includiamo una nota sulla pagina che spiega cosa è cambiato e perché.

Errori fattuali minori in conflitto con la fonte primaria citata vengono corretti nel normale ciclo editoriale; dispute materiali che coinvolgono fonti primarie ambigue o contraddittorie attivano una revisione secondaria e, quando appropriato, una nota esplicativa sulla pagina che descrive il disaccordo. Se non riusciamo a risolvere un valore contestato per consenso presenteremo le fonti concorrenti affiancate sulla pagina invece di rimuovere la provenienza.

Come è finanziato TrackCaffeine e qual è la sua relazione con l’app menzionata prima su questo sito?

TrackCaffeine è pubblicato da VAST FLOW ed è finanziato principalmente dall’editore con entrate supplementari derivate dall’app iOS dello sviluppatore e dal supporto volontario degli utenti; l’app usa lo stesso dataset e lo stesso modello di questo sito. Il modello di finanziamento è trasparente: infrastruttura supportata dall’editore più entrate dal prodotto rivolto agli utenti e supporto opzionale dei lettori; non pubblichiamo dati sponsorizzati che modifichino i valori del dataset.

Essere finanziati dall’editore significa che il controllo editoriale e la gestione del dataset rimangono a VAST FLOW e non sono determinati da inserzionisti terzi o da produttori. La relazione con l’app è operativa e tecnica: lo stesso dataset aperto e lo stesso codice di decadimento di primo ordine alimentano sia i calcolatori del sito (per esempio lo strumento last-cup-before-bed) sia le funzionalità di tracciamento dell’app, il che allinea il comportamento del prodotto con le pagine pubblicate e il dataset.

Per richieste legali e amministrative puoi contattare l’editore tramite /contacts/, e i nostri termini operativi e le pratiche sulla privacy sono disponibili su /terms/ e /privacy/.

Cosa TrackCaffeine non pubblicherà mai?

Non pubblicheremo mai raccomandazioni di dose, consulenza medica individuale o qualsiasi affermazione che non possa essere collegata a una fonte primaria; queste categorie sono escluse dal nostro mandato editoriale. Le raccomandazioni di dose sono interventi medici e richiedono un clinico o un farmacista; TrackCaffeine è un riferimento informativo che fornisce quantità con fonte e un modello di decadimento verificabile, non una guida terapeutica.

In particolare, non pubblicheremo: indicazioni di dosaggio personalizzate, affermazioni su interazioni farmacologiche non supportate dalla letteratura primaria di farmacologia, o contenuti promozionali che modifichino i valori del dataset per ragioni commerciali. Se un produttore richiede una modifica dei dati la tratteremo come una submission di fonte e richiederemo documentazione primaria; non accetteremo pagamenti in cambio della modifica di un valore pubblicato di caffeina.

Se hai bisogno di indicazioni sui limiti giornalieri sicuri rimandiamo a fonti autorevoli nelle nostre guide, per esempio la nostra guida Safe Caffeine Intake e le indicazioni specifiche per la gravidanza in Caffeine During Pregnancy: How Much Is Safe?; per decisioni cliniche consulta un professionista qualificato. Per limiti di sanità pubblica, nota che EFSA ha riassunto le valutazioni del rischio rilevanti nel 2015 e Drake et al. ha misurato gli effetti sul sonno nel 2013 (EFSA, 2015; Drake et al., 2013), e il nostro dataset è pubblicato sotto CC BY 4.0 (CC BY 4.0), che permette ad altri di riutilizzare le righe con attribuzione.