Voor de meeste obesitasgevallen loopt de weg naar een gezond gewicht via gedrag. Onze gepatenteerde analytics lezen dat gedrag en voorspellen waar elke patiënt naartoe beweegt. De volgende stap in het platform verbreedt het beeld — door biologie aan gedrag toe te voegen, zodat clinici onderscheid kunnen maken tussen wat patiënten doen en wat hun lichaam terugdoet.
Het eerste principe
Een weging is een momentopname van een lichaam, gevormd door hydratatie, glycogeen, hormonen en het zout van gisteren. Behandel die momentopname als waarheid en je besteedt het hele traject aan reageren op biologische ruis.
Wat het traject van een patiënt voorspelt, is niet hun huidige gewicht. Het is wat ze doen — hoe vaak ze zich melden, hoe ze reageren op een moeilijke dag, of ze blijven komen. Gedrag is het signaal onder de ruis. Het lezen ervan is het verschil tussen een kliniek die reageert op uitval en een kliniek die uitval voorkomt.
Dit is het fundament waarop Ew2health is gebouwd, en het principe waar de rest van het platform op verder bouwt.
Predictive Behavioral Analytics
De kerntechnologie van Ew2health is een machine learning-model dat het natuurlijke patroon van elke patiënt leert, gedrag scheidt van biologische ruis, en het traject voorspelt.
Het dagelijkse gewicht schommelt 0,5–2 kg door hydratatie, glycogeen, hormonen en stress. Ons model besteedt de eerste twee weken aan het leren van de unieke fluctuatiehandtekening van elke patiënt — de vorm van hun natuurlijke ruis — voordat het begint met voorspellen.
Zodra de baseline bekend is, scheidt het model voortdurend biologische variatie van werkelijke gedragsverandering. Een sprong van 1,2 kg na een zoute maaltijd wordt herkend voor wat het is. Een patroonverschuiving over vijf dagen ook.
Vanaf daar projecteert het model het gewichtstraject van elke patiënt tot vijftien dagen vooruit. Clinici beoordelen geen grafieken — ze beoordelen wie vandaag risico loopt, terwijl er nog tijd is om te handelen.
De wetenschap
Drie gevestigde bevindingen bepalen hoe Ew2health is ontworpen. Geen ervan is van ons. Allemaal bepalen ze wat patiënten zien, wat clinici zien, en waar het model naar zoekt.
Pijler 01
Mensen vermijden informatie die bedreigend of veroordelend voelt. Een patiënt die voelt dat hij een moeilijke week had, stopt vaak helemaal met wegen — niet omdat hij het opgeeft, maar omdat de weegschaal een vonnis is geworden. Sinque is ontworpen om dat vonnis weg te nemen. De patiënt ziet een traject, geen getal, en de dreiging lost op.
Chang, Webb & Benn (2017)
Pijler 02
Gedragsverandering verloopt in fasen — voorbeschouwing, beschouwing, voorbereiding, actie en onderhoud — en de juiste interventie hangt af van de fase waarin de patiënt zich bevindt. Een patiënt in onderhoud heeft geen motivatieduwtje nodig; die heeft stabiliteitssignalen nodig. Een patiënt die van actie terugzakt naar beschouwing heeft vroege ondersteuning nodig, geen late correctie. Het lezen van gedrag vertelt het klinische team in welke fase elke patiënt zich werkelijk bevindt, ongeacht wat de grafiek suggereert.
Prochaska & DiClemente (1983)
Pijler 03
Regelmatig zelf wegen is een van de sterkste voorspellers van duurzaam gewichtsbeheer — zolang het geen bron van schaamte wordt. Het klinische bewijs is consistent: interventies met frequente weegmomenten presteren beter dan die zonder, soms met grote marges. De uitdaging was altijd patiënten lang genoeg betrokken houden bij de weegschaal om er voordeel uit te halen. Dat is het betrokkenheidsprobleem waar Sinque omheen is ontworpen.
Michie et al. (2009); VanWormer et al. (2009)
De volgende laag
GLP-1-medicatie heeft de wereld laten zien dat wilskracht niet het hele verhaal is. Biologie duwt terug. De volgende evolutie van Ew2health voegt twee biologische signalen toe aan het gedragsmodel — zodat wanneer een patiënt alles goed doet en het gewicht toch niet beweegt, het platform laat zien wat er onderhuids gebeurt.
Glucosevariabiliteit
Continue glucosemetingen laten zien of het metabolisme van een patiënt reageert op veranderingen in voeding zoals het zou moeten — of dat er iets diepers in de weg zit.
Cardiorespiratoire fitheid
VO₂max meet cardiorespiratoire fitheid als afgeleide marker voor algehele metabole gezondheid. Gecombineerd met gewichtstrends en glucosevariabiliteit geeft het clinici een derde dimensie om te triangelen wat er werkelijk in het lichaam van de patiënt gebeurt.
Samen met gewichtstrends vormen deze het 3D-biomarkermodel — geen vervanging voor gedragsmonitoring, maar een diepere blik ernaast.
Validatie
Meer dan een half miljoen weegmomenten geanalyseerd over meerdere markten, klinische implementaties in de praktijk, en een actief validatieprogramma met een van de meest gerespecteerde instituten in metabole gezondheid.
In 2026 nam Sinque deel aan het Mayo Clinic Platform Data Accelerate-programma — waarbij onze analytics werden gevalideerd tegen tienduizenden GLP-1-behandeldossiers en bijdroegen aan de databackbone van het platform.
Actief in medische afslankklinieken in Nederland, Brazilië, en in uitbreiding naar de Verenigde Staten. Het platform genereert omzet en klinisch signaal in echte praktijken, niet onder laboratoriumcondities.
Een pilot van 12 maanden en een van 6 maanden bij het Workplace Nutrition Program van Petrobras leverde gedocumenteerde verbeteringen op in retentie en klinische uitkomsten ten opzichte van standaardzorg. De pilotdata informeert het huidige platformontwerp.
Wat dit betekent voor jouw kliniek
We bouwden een interactieve impactcalculator waarmee klinieken in vier korte hoofdstukken hun eigen situatie kunnen doorlopen — de omzet die ze vandaag verliezen, de marktdruk die marges samenknijpt, het terugkerende-omzetmodel met Sinque, en ten slotte de investering in eerlijk detail. Het kost ongeveer drie minuten. Geen login en geen contactformulier om bij de resultaten te komen.
Als je liever samen met ons door het platform loopt — en je vragen laat beantwoorden door de mensen die het hebben gebouwd — is een demo van 30 minuten de volgende stap.
