De cafeïne-dataset

Wat staat er in het bestand en wat betekent elk veld?

Het bestand is een gepubliceerde JSON- en CSV-export van de open dataset van 87 dranken die op deze pagina worden gehost en bevat precies de velden id, name, brand, category, serving_ml, caffeine_mg, caffeine_per_100ml, scales_with_volume en is_decaf. De dataset is de 87-regelige tabel met dranken die op deze pagina is gepubliceerd.

Het bestandsformaat bevat één record per drankje; elk record in het bestand correspondeert direct met een rij in de CSV en een object in de JSON, en de dataset telt 87 records verdeeld over 8 categorieën: espresso 12, brewed 8, coffeeShop 20, energy 15, tea 11, soda 11, preworkout 5 en other 5 (categorie-aantallen maken deel uit van de dataset). Elk van die aantallen staat vastgelegd in de dataset en is programmeerbaar te filteren via de /dataset/ export.

id is een korte machine-identificatie die wordt gebruikt om een record op te zoeken in de JSON en CSV. Het id-veld is uniek voor elk van de 87 records en is de primaire sleutel voor programmatische joins met de dataset.

name is de voor mensen leesbare naam van het drankje zoals die op de openbare drankpagina's verschijnt, bijvoorbeeld Espresso (single) waar de naam "Espresso (single)" wordt weergegeven en de pagina 63 mg rapporteert; de 63 mg-waarde wordt in de dataset voor dat item vastgelegd in caffeine_mg.

brand is de commerciële eigenaar of bron indien van toepassing, of een lege string voor generieke items; bijvoorbeeld vermeldt de datasetrij voor Starbucks Pike Place Brewed (Grande) Starbucks als brand in het brand-veld en 310 mg in het caffeine_mg-veld.

category is de categorische indeling die elk record classificeert in één van de acht groepen (espresso, brewed, coffeeShop, energy, tea, soda, preworkout, other); category is een label dat wordt gebruikt om aantallen te aggregeren (de dataset bevat 12 espresso-items, 8 brewed-items, enzovoort) en die aantallen staan vermeld in de dataset-header.

serving_ml is het serveervolume in milliliter. Bijvoorbeeld heeft Espresso (single) serving_ml 30 ml en heeft Starbucks Pike Place Brewed (Grande) serving_ml 473 ml; beide getallen zijn in de dataset opgeslagen.

caffeine_mg is de absolute hoeveelheid cafeïne in milligram per portie. Caffeine_mg is de numerieke cafeïnewaarde die aan elke portie wordt toegekend; bijvoorbeeld registreert de dataset caffeine_mg 63 mg voor Espresso (single) en 310 mg voor Starbucks Pike Place Brewed (Grande).

caffeine_per_100ml is de genormaliseerde cafeïneconcentratie in mg per 100 ml wanneer die waarde van toepassing en beschikbaar is; caffeine_per_100ml is de concentratiemaatstaf die wordt gebruikt om intensiteit tussen verschillende portiegroottes te vergelijken en de dataset slaat deze waarde op voor items zoals Cold brew (83.3 mg/100 ml) en Drip coffee (40 mg/100 ml).

scales_with_volume is een booleaanse vlag die aangeeft of de cafeïnewaarde naar verwachting ongeveer lineair schaalt met het volume (true/false). Scales_with_volume is true voor eenvoudige gezette koffies waarbij de concentratie min of meer constant is, en false voor items die per eenheid worden aangegeven zoals een enkele espresso-shot waarbij cafeïne gebaseerd is op shots en niet proportioneel met ml.

is_decaf is een booleaanse vlag die dranken markeert die als cafeïnevrij zijn bereid; is_decaf is true voor decaf-items en de dataset toont bijvoorbeeld dat Decaf coffee caffeine_mg 3 mg heeft en is_decaf true.

Hoe komt een waarde in de dataset en wat sluit een kandidaat uit?

Waarden worden alleen toegevoegd nadat een gedocumenteerde bron is gecontroleerd en een duidelijke portiegrootte is gedefinieerd; vermeldingen komen van leveranciersetiketten, gepubliceerde menuvoedingswaarden, laboratoriummetingen zoals USDA FoodData Central, of peer-reviewed metingen waar die bestaan. USDA FoodData Central is één van de referentiebronnen die gebruikt worden voor opgegeven of gemeten waarden en die bron wordt expliciet vermeld op de itempagina's wanneer deze is gebruikt (USDA FoodData Central).

Opname vereist een verifieerbare numerieke caffeine_mg en een stabiele serving_ml of een duidelijke reden waarom het item een eenheidsgebaseerd item is (bijvoorbeeld espresso-shots of cafeïnepillen). Records zonder een verifieerbare portie of zonder een numerieke cafeïnewaarde worden gediskwalificeerd en niet toegevoegd aan de openbare export.

We accepteren door de fabrikant opgegeven waarden (voedingsetiketten of gepubliceerde menu's) wanneer die vermeldingen overeenkomen met de servedefinitie; een opgegeven label dat 200 mg per 300 ml fles vermeldt wordt alleen geregistreerd als de flesgrootte expliciet is en overeenkomt met de serving_ml in de datasetrij, en elke dergelijke opname vermeldt de bron op de drankpagina.

We accepteren onafhankelijke laboratoriummetingen zoals vermeld in USDA wanneer de analyse eenheden rapporteert die consistent zijn met onze serving_ml; wanneer USDA of een peer-reviewed methode een concentratie in mg/100 ml rapporteert, zetten we dat om naar caffeine_mg voor de opgenomen serving_ml en citeren we de originele analyse op de drankpagina en in de datasetmetadata (USDA FoodData Central).

We diskwalificeren kandidaatwaarden als de portiegrootte ambigu is (bijvoorbeeld een menubereik zonder standaardportie), als de bron anekdotisch is zonder meetbare methode, of als de gerapporteerde waarde in tegenspraak is met meerdere betrouwbare bronnen zonder reconciliatie. Items met grote variatie en zonder representatieve portie worden uitgesloten totdat een betrouwbare enkele waarde is vastgesteld.

We verzinnen geen serveergroottes of caffeine_mg; elk getal in het geëxporteerde bestand is onderbouwd door de samengestelde datasetrijen en, wanneer de bron door de fabrikant is opgegeven, linkt de drankpagina naar het onderliggende menu of etiket waar beschikbaar.

Correcties en geschillen worden afgehandeld via het correctieproces dat op de about-pagina wordt beschreven en via het contactformulier; zie /about/ voor de methode en /contacts/ voor hoe je datacorrecties kunt indienen.

Waarom verschillen gepubliceerde cafeïnecijfers tussen bronnen?

Gepubliceerde cafeïnecijfers verschillen omdat dezelfde dranknaam verschillende portiegroottes kan vertegenwoordigen, verschillende zetsterktes, verschillende regionale samenstellingen of verschillende meetconventies; die vier concrete factoren verklaren het merendeel van de verschillen die in de dataset worden waargenomen. Deze bronnen van onenigheid worden gedocumenteerd op individuele drankpagina's waar de dataset het gebruikte getal en de herkomst van dat getal vermeldt.

Serviervoorschriften verschuiven gerapporteerde totalen: bijvoorbeeld registreert de dataset Starbucks Pike Place Brewed (Grande) als 310 mg in een 473 ml portie terwijl een lokaal menu een andere grootte kan vermelden; de 310 mg-waarde in de dataset komt uit Starbucks' gepubliceerde voedingswaarden voor een 473 ml Grande-portie en wordt op de drankpagina geciteerd.

Verschillen in zetsterkte zijn een veelvoorkomende oorzaak: drip coffee in onze dataset is 96 mg per 240 ml terwijl pour over is vermeld als 145 mg per 240 ml; beide waarden staan in de dataset en weerspiegelen verschillende extractiekrachten en maal-/zetverhoudingen. De dataset registreert drip coffee 96 mg (240 ml) en pour over 145 mg (240 ml) en die specifieke waarden zijn beschikbaar op hun respectieve pagina's (Drip coffee, Pour over).

Regionale samenstellingen of receptverschillen wijzigen de opgegeven cafeïne: een gebottelde Coca-Cola-vermelding toont 32–34 mg per blikje afhankelijk van 330 ml of 355 ml verpakking, en de dataset bevat zowel Coca-Cola (330 ml) 32 mg als Coca-Cola (355 ml) 34 mg om verpakkings- en etiketteringsverschillen weer te geven.

Ronding op etiketten en verschil tussen opgegeven en gemeten waarden veroorzaken kleine afwijkingen: fabrikanten vermelden soms afgeronde getallen op voedingswaarden en laboratoria rapporteren gemeten waarden met grotere precisie; de dataset behoudt het opgegeven labelnummer wanneer dat de gepubliceerde bron is en markeert gemeten concentraties waar die beschikbaar zijn.

Ingrediëntbronnen en toegevoegde stimulantia kunnen cafeïne veranderen buiten koffie/thee om: energiedranken en pre-workout supplementen gebruiken soms caffeine anhydrous, guarana of andere ingrediënten die het totale mg en de concentratie wijzigen; onze dataset registreert de uiteindelijke caffeine_mg zoals opgegeven door het merk of gemeten in openbare bronnen zoals de productlabelpagina's die op de itemdetailpagina's worden vermeld.

Wat zijn de bekende beperkingen van deze dataset?

Deze dataset geeft één representatieve caffeine_mg per drankje en vangt geen intra-batch of per-barista variatie; de single-value benadering is een ontwerpkeuze en betekent dat de export niet de volledige distributie van concentraties voor een drankje kan vertegenwoordigen. Bijvoorbeeld vermeldt de dataset Cold brew op 200 mg voor 240 ml en Nitro cold brew op 215 mg voor 240 ml, maar individuele bereidingen zullen rond die cijfers variëren.

Population pharmacokinetics en individuele gevoeligheid vallen buiten de dataset; de dataset is een inhoudstabel van cafeïnehoeveelheden in dranken en biedt geen persoonlijke doseringsaanbevelingen of medische richtlijnen. Richtlijnen voor veilige dagelijkse inname zijn beschikbaar bij regelgevende instanties en de dataset verwijst naar die richtlijnen: de US Food and Drug Administration noemt 400 mg per dag als richtlijn voor gezonde volwassenen (FDA).

Decaf-items zijn niet nul: de dataset registreert Decaf coffee als 3 mg in 240 ml, wat aantoont dat gecafeïneerde bereidingen vaak kleine resthoeveelheden cafeïne bevatten en niet automatisch cafeïnevrij mogen worden verondersteld.

Sommige records zijn eenheidsgebaseerd en hebben serving_ml 0 uit gemak (bijvoorbeeld pillen en kauwgom); de dataset vermeldt Caffeine pill (200 mg) als 200 mg en serving_ml 0, wat weerspiegelt dat volume voor die items niet van toepassing is en een beperking vormt voor vergelijking per volume.

Niet uitputtend of wereldwijd compleet: de dataset bevat 87 records die zijn geselecteerd om veelvoorkomende dranken en merken te vertegenwoordigen en is opzettelijk begrensd; de export is geen poging om elk product wereldwijd te dekken, en gebruikers moeten de collectie als een gecureerde steekproef behandelen in plaats van als een uitputtende catalogus.

Verschillen tussen laboratorium- en opgegeven waarden blijven mogelijk: wanneer meerdere betrouwbare bronnen het oneens zijn kiezen we de meest specifieke bron en documenteren die keuze op de drankpagina; voor elk item kun je de herkomstlink op de individuele pagina vinden en contact met ons opnemen als je een tegenstrijdige meting hebt via /contacts/.

Hoe moet ik deze dataset citeren of hergebruiken?

De dataset is gelicentieerd onder CC BY 4.0 en vereist attributie aan TrackCaffeine; CC BY 4.0 is de licentie die op de dataset van toepassing is en wordt hier voor de juridische voorwaarden gekoppeld (CC BY 4.0). Het aanbevolen citatieformaat is TrackCaffeine Dataset (2026). TrackCaffeine wordt herhaald als het attributiedoel en de dataset-exportpagina is de canonieke URL om in die attributie op te nemen.

Gebruik deze korte citaatvoorbeeld bij het hergebruiken van de data: "TrackCaffeine. Open caffeine dataset. CC BY 4.0. https://trackcaffeine.com/dataset/" en voeg een link terug naar /dataset/ toe voor herkomst en de gebruikte datasetversie. Als je waarden wijzigt of meerdere items aggregeert, vermeld de transformatie en behoud de originele attributie aan TrackCaffeine zoals vereist door CC BY 4.0 (CC BY 4.0).

Commercieel hergebruik is toegestaan onder CC BY 4.0 mits attributie wordt gegeven; de gelinkte licentiepagina legt de wettelijke verplichtingen uit en de datasetpagina zelf documenteert de gebruikte datasetversie in elk afgeleid werk.

Welke werkende voorbeelden laten zien hoe je met het bestand kunt rekenen, inclusief verval en cups-of-coffee-equivalentie?

Je kunt de resterende cafeïne over tijd berekenen met een eerstegraads eliminatiemodel met een populatiegemiddelde halfwaardetijd van 5.7 hours; eerstegraads eliminatie is het farmacokinetische model waarbij de eliminatiesnelheid evenredig is aan de huidige concentratie. Het hier gebruikte model is remaining = dose × 0.5^(hours ÷ 5.7) en de halfwaardetijd 5.7 hours is de populatiegemiddelde die in onze rekenmachines wordt gebruikt.

Voorbeeld 1: bereken de resterende cafeïne na 6 hours voor Starbucks Pike Place Brewed (Grande). Starbucks Pike Place Brewed (Grande) bevat volgens de dataset 310 mg in 473 ml, dus remaining = 310 mg × 0.5^(6 ÷ 5.7) wat uitkomt op remaining = 310 mg × 0.5^(1.052631579) = 310 mg × 0.482 ≈ 149 mg; de datasetwaarde 310 mg staat op de drankpagina en de rekenkunde wordt uitgevoerd met het hierboven vermelde eerstegraads model.

Voorbeeld 2: bereken wat er na 3 hours overblijft van een 300 mg energiedrank zoals Bang (Bang is in de dataset opgenomen als 300 mg voor 473 ml). Gebruik remaining = 300 mg × 0.5^(3 ÷ 5.7) = 300 mg × 0.5^(0.526315789) = 300 mg × 0.697 ≈ 209 mg resterend; de dataset vermeldt Bang als 300 mg en de berekening gebruikt het datasetgetal met het bovenstaande halfwaardetijdmodel.

Voorbeeld 3: cups-of-coffee-equivalentie: hoeveel lattes zijn gelijk aan één drip coffee? Drip coffee is 96 mg per 240 ml en Latte is 68 mg per 240 ml in de dataset. Gebruik ratio = 96 mg ÷ 68 mg = 1.411764706, dus één drip coffee is ongeveer 1.41 lattes; beide brongetallen staan op de drankpagina's voor Drip coffee (96 mg) en Latte (68 mg).

Voorbeeld 4: espresso-shot-equivalentie: hoeveel single espressos (63 mg) zijn gelijk aan een Starbucks Grande brewed van 310 mg? Gebruik ratio = 310 mg ÷ 63 mg = 4.920634921, dus ongeveer 4.92 single espressos komen overeen met de Grande brewed-portie; de numerieke invoer 310 mg en 63 mg komen van de respectieve drankpagina's Starbucks Pike Place Brewed (Grande) en Espresso (single).

Voorbeeld 5: gebruik van de dataset met de rekenmachines. Als je interactieve verval- of bedtijdplanning wilt doen kun je een caffeine_mg-waarde uit de JSON kopiëren en plakken in de rekenmachines op /tools/caffeine-calculator/, twee dranken vergelijken op /tools/caffeine-comparison/, of de laatste-kop-voor-het-slapen-effecten inschatten met /tools/last-cup-before-bed/. Elke rekenmachine gebruikt hetzelfde eerstegraads eliminatiemodel en de geëxporteerde JSON is geformatteerd voor kopiëren/plakken in die tools.

Concrete slaap-impactverwijzing: een gecontroleerde studie rapporteert dat 400 mg cafeïne ingenomen zes hours voor bedtijd de totale slaaptijd met meer dan een uur verminderde; die studie wordt hier geciteerd en is relevant wanneer je de dataset gebruikt om inname te plannen (Drake et al., 2013). Gebruik de datasetwaarden om te berekenen hoe dicht een portie bij de 400 mg-richtlijn ligt en gebruik vervolgens de studie om mogelijke slaapimpacten te interpreteren.

Als je een van deze berekeningen programmatisch wilt reproduceren, laad dan de CSV of JSON van /dataset/, selecteer caffeine_mg voor de gewenste ID en evalueer remaining = dose × 0.5^(hours ÷ 5.7) met de numerieke dosis uit de dataset; de rekenmachines onder /tools/ gebruiken dezelfde aanpak en zijn bedoeld voor interactieve verkenning.

Voor snelle verwijzing naar veelgebruikte drankpagina's in de voorbeelden, zie Espresso (single), Drip coffee, Cold brew, Starbucks Pike Place Brewed (Grande), Bang, Latte, en de rekenmachines op /tools/caffeine-calculator/, /tools/caffeine-comparison/, /tools/last-cup-before-bed/.

Correcties, verzoeken voor nieuwe items of vragen over herkomst kun je sturen via het contactformulier op /contacts/, en de dataset-changelog en methodenotities zijn beschikbaar op /about/ waar we bronselectie en updatefrequentie beschrijven.

Deze documentatie is informatief en bedoeld voor hergebruik van data; het is geen medisch advies. Voor gezondheidsadvies over veilige cafeïnegrenzen raadpleeg regelgevende of klinische bronnen zoals de US Food and Drug Administration die 400 mg per dag voor gezonde volwassenen noemt (FDA) of de European Food Safety Authority voor regionale aanbevelingen (EFSA, 2015).

Licentie en attributie: deze dataset is gepubliceerd onder CC BY 4.0; vermeld attributie aan TrackCaffeine en een link naar CC BY 4.0 wanneer je de data hergebruikt. Als je grote delen van de dataset in een openbaar product hergebruikt, voeg dan een link terug naar /dataset/ en een korte herkomstnota toe waarin TrackCaffeine als bron wordt genoemd.