## NICHT APPROVED

Sprint 2 ist derzeit **nicht statistisch sicher genug für explorative Nutzung**.

### Important Findings

1. **BH-Korrektur verfälscht exakte `p=0` zu `1.0`**  
   `multimodal_correlations.py:318`
   ```python
   results[index].p_value or 1.0
   ```
   SciPy liefert bei perfekter Rangkorrelation bereits ab `n=14` `p_value=0.0`; dieser Wert wird hier zu `1.0`. Dadurch entstehen falsche `q=1`-Ergebnisse. Es muss explizit auf `None` geprüft werden.

2. **Spearman-Inferenz ignoriert Zeitreihenabhängigkeit und diskrete Ties**  
   `multimodal_correlations.py:264`  
   `spearmanr()` behandelt Ties für `rho`, verwendet aber den asymptotischen p-Wert. Bei `n=14–30`, stark diskreten Symptomwerten, serieller Autokorrelation und überlappenden Lags ist dieser p-Wert nicht verlässlich. BH korrigiert nur Multiplizität, nicht die ungültige Nullverteilung. Block-/Shift-Permutation oder eine andere zeitseriengerechte Inferenz ist nötig, bevor `q≤0.10` als Signal bezeichnet wird.

3. **Fehlende YAZIO-Nährwerte werden upstream zu expliziten Nullen**  
   `yazio_nutrition_sync.py:92–99, 137–144, 275–288, 323–352`; anschließend `multimodal_correlations.py:133–152`  
   Fehler beim Produktabruf werden geschluckt; fehlende/ungültige Nährwerte werden durch `fnum()` zu `0.0`. Diese Nullen gelangen als vollständige kcal-, Protein- und Histaminbeobachtungen in die Korrelation. Das verletzt Complete-Case-Semantik und unterscheidet echte Null nicht von „unbekannt“.

4. **Sieben-Dimensionen-Total ist bei Duplikaten nicht eindeutig**  
   `multimodal_correlations.py:113–126`  
   Die Prüfung verlangt sieben unterschiedliche Schlüssel, nicht exakt eine valide Beobachtung je Dimension. Doppelte, widersprüchliche Zeilen werden in nicht spezifizierter Cursor-Reihenfolge überschrieben. Die kanonische `schema.sql` enthält den vom Quick-Add erzeugten Unique-Index nicht. Synthetisch ergaben sieben Nullwerte plus ein doppelter Aphthen-Wert von 3 einen akzeptierten Totalwert `3.0`.

5. **Dashboard zeigt weiterhin unvollständige Symptome als Summenscore**  
   `health_dashboard_v3.py:392–401`  
   Der Chart „Histamin-Load und dokumentierte Symptomtage“ summiert alle geladenen Symptomzeilen, ohne `daily_quick_score`, sieben vollständige Dimensionen oder valide Severity zu verlangen. Unbekannte Severity wird sogar auf `1` gesetzt. Damit widerspricht die Visualisierung der Complete-Case-Engine und kann partielle/Legacy-Tage als beobachteten Totalwert darstellen.

6. **Medikationsstart akzeptiert mehrdeutige Ereignistypen**  
   `multimodal_correlations.py:208–215`  
   Neben eindeutig verabreichten Ereignissen gelten auch die bloßen Typen `dose` und `injection` als tatsächliche Gabe. Synthetisch starteten beide die Behandlungsphase. Ohne strikt kontrolliertes Event-Vokabular beziehungsweise explizites `administered`-Flag kann ein Plan-/Dokumentationseintrag die gesamte Phasenstratifizierung verschieben.

7. **Labor-Duplikate werden willkürlich überschrieben**  
   `multimodal_correlations.py:181–203`  
   Mehrere validierte Werte desselben Parameters, derselben Einheit und desselben Tages werden nach `ORDER BY id` still durch den letzten Wert ersetzt. Synthetisch wurde bei CRP `1.0` und `9.0` ausschließlich `9.0` verwendet. Es fehlt eine definierte Same-Day-Semantik wie Ablehnung, Median oder Zeitstempel-Auswahl.

8. **Reported Missingness zählt strukturell ausgeschlossene Lag-Tage als fehlend**  
   `multimodal_correlations.py:293–310`  
   `eligible_target_days` umfasst alle Ziel-Tage der Phase; `missing_pairs=eligible-n` zählt damit bei Lag `k` auch die ersten `k` Phasentage beziehungsweise Randtage, für die wegen der Phasengrenzen bewusst kein Paar zulässig ist. Im synthetischen Lag-2-Test wurden in jeder Phase zwei solche Tage als „missing“ ausgewiesen. Der Korrelationsjoin selbst war korrekt, die persistierte Missingness nicht.

### Bestandene Prüfpunkte

- Positive Lag-Richtung ist korrekt: Prädiktor `d` → Symptom `d+lag`.
- Phasengrenzen werden beim Pairing ausgeschlossen.
- Explizite Symptom-Nullen bleiben beobachtet.
- Mindestgate `n≥14` und mindestens drei unterschiedliche Werte je Achse ist implementiert.
- BH-Familienbildung erfolgt wie dokumentiert je Ziel × Phase über berechnete Features/Lags.
- Signaltext verlangt formal `q≤0.10` und `n≥30`.
- Laborprovenienz, Einheiten-Trennung und Ausschluss zensierter Werte sind konservativ umgesetzt.
- Apple-Punkte werden auf `quality=="direct"` gefiltert; produktiv schließt `daily_points()` den laufenden Tag aus.
- Resultattabelle persistiert nur Aggregate, keine Tageswerte, Notizen oder Quellnamen.

### Verifikation

- Vollständige Suite: **55 passed**
- `py_compile`: erfolgreich
- `git diff --check`: erfolgreich
- Zusätzliche synthetische Prüfungen für Lag-Richtung, Phasengrenzen, BH-Nullwerte, Medikationsereignisse, Symptom-/Labor-Duplikate und Missingness ausgeführt.
- Keine Produktionsdaten, Reports oder Secrets gelesen.
- **Keine Dateien erstellt oder verändert.**