nightscout_client.py

@@ -31,6 +31,19 @@ SENSOR_CHANGE_EVENT_TYPES = {"Sensor Change", "Sensor Start"}
 
 _REQUEST_TIMEOUT = 10
 
+# Nightscout's /api/v1/entries en /api/v1/treatments negeren een groot
+# `count`-verzoek: het antwoord wordt hoe dan ook stilzwijgend afgeknipt rond
+# een paar honderd tot ~1150 documenten, ongeacht hoe ver de opgevraagde
+# periode teruggaat (waargenomen: count=100000 op entries gaf slechts de
+# meest recente ~1150 metingen terug — nog geen 4 dagen — terwijl er wel
+# degelijk weken oudere data in Nightscout beschikbaar bleek te zijn). Eén
+# verzoek is dus niet genoeg voor meerdaagse rapportages; _paginated_get()
+# loopt terug in de tijd met `find[date][$lte]`-cursors tot de gevraagde
+# `since`-grens bereikt is of de server minder dan een volle pagina teruggeeft
+# (= geen oudere data meer beschikbaar, wat verschilt van "afgeknipt").
+_PAGE_SIZE = 1000
+_MAX_PAGES = 150  # 150 000 documenten; ruim boven wat een 90-dagenrapport nodig heeft
+
 
 class NightscoutConfigError(RuntimeError):
     """NIGHTSCOUT_URL ontbreekt of is ongeldig."""
@@ -75,15 +88,44 @@ def _get(path: str, params: dict) -> list:
     return response.json()
 
 
-def _entries_since(since: datetime, count: int, until: datetime | None = None) -> pd.DataFrame:
+def _paginated_get(path: str, since: datetime, until: datetime | None = None) -> list:
-    """Haal entries op sinds `since` (en optioneel tot `until`), lokaal gefilterd.
+    """Haal alle documenten op tussen `since` en `until` (of tot nu), pagina voor pagina.
 
-    Nightscout geeft resultaten terug in aflopende volgorde; vraag ruim genoeg
+    Zie de toelichting bij _PAGE_SIZE hierboven voor waarom dit niet één
-    entries op (CGM meet doorgaans elke 5 min) en filter lokaal op tijd. Dit is
+    verzoek met een groot `count` kan zijn (BUG: dat leverde bij een
-    robuuster dan server-side find[]-query's, die niet op elke Nightscout-versie
+    meerdaags rapport stilzwijgend alleen de laatste ~3-4 dagen op, ongeacht
-    identiek werken.
+    de gekozen periode). Elke pagina wordt opgevraagd met `find[date][$lte]`
+    net onder de oudste timestamp van de vorige pagina, zodat elk document
+    precies één keer terugkomt. Stopt zodra de oudste timestamp in een pagina
+    op of voorbij `since` ligt, of zodra de server minder dan een volle
+    pagina teruggeeft (dan is er geen oudere data meer, punt).
     """
-    data = _get("/api/v1/entries/sgv.json", {"count": count})
+    since_ms = int(since.timestamp() * 1000)
+    cursor_ms = int(until.timestamp() * 1000) if until is not None else None
+
+    results: list = []
+    for _ in range(_MAX_PAGES):
+        params = {"count": _PAGE_SIZE}
+        if cursor_ms is not None:
+            params["find[date][$lte]"] = cursor_ms
+        page = _get(path, params)
+        if not page:
+            break
+        results.extend(page)
+
+        dates = [item["date"] for item in page if "date" in item]
+        if not dates:
+            break
+        oldest_ms = min(dates)
+        if oldest_ms <= since_ms or len(page) < _PAGE_SIZE:
+            break
+        cursor_ms = oldest_ms - 1
+    return results
+
+
+def _entries_since(since: datetime, until: datetime | None = None) -> pd.DataFrame:
+    """Haal entries op sinds `since` (en optioneel tot `until`), lokaal gefilterd."""
+    data = _paginated_get("/api/v1/entries/sgv.json", since, until)
 
     if not data:
         return pd.DataFrame(columns=["timestamp", "mmol"])
@@ -97,9 +139,9 @@ def _entries_since(since: datetime, count: int, until: datetime | None = None) -
     return df[["timestamp", "mmol"]].sort_values("timestamp").reset_index(drop=True)
 
 
-def _treatments_since(since: datetime, count: int, until: datetime | None = None) -> pd.DataFrame:
+def _treatments_since(since: datetime, until: datetime | None = None) -> pd.DataFrame:
     """Haal treatments op sinds `since` (en optioneel tot `until`), lokaal gefilterd."""
-    data = _get("/api/v1/treatments.json", {"count": count})
+    data = _paginated_get("/api/v1/treatments.json", since, until)
 
     if not data:
         return pd.DataFrame(columns=["timestamp", "eventType", "insulin", "carbs"])
@@ -129,8 +171,7 @@ def fetch_entries(hours: int = 24) -> pd.DataFrame:
     gesorteerd op tijd.
     """
     since = datetime.now(timezone.utc) - timedelta(hours=hours)
-    count = max(300, hours * 15)
+    return _entries_since(since)
-    return _entries_since(since, count)
 
 
 def fetch_treatments(hours: int = 24) -> pd.DataFrame:
@@ -141,8 +182,7 @@ def fetch_treatments(hours: int = 24) -> pd.DataFrame:
     'insulin' en 'carbs' (de laatste twee NaN waar niet van toepassing).
     """
     since = datetime.now(timezone.utc) - timedelta(hours=hours)
-    count = max(200, hours * 10)
+    return _treatments_since(since)
-    return _treatments_since(since, count)
 
 
 def fetch_entries_range(start_date: date, end_date: date) -> pd.DataFrame:
@@ -154,9 +194,7 @@ def fetch_entries_range(start_date: date, end_date: date) -> pd.DataFrame:
     """
     since = datetime.combine(start_date, time.min, tzinfo=timezone.utc)
     until = datetime.combine(end_date, time.max, tzinfo=timezone.utc)
-    days = (end_date - start_date).days + 1
+    return _entries_since(since, until)
-    count = min(days * 300, 100_000)  # ruime marge boven 5-min-interval
-    return _entries_since(since, count, until)
 
 
 def fetch_treatments_range(start_date: date, end_date: date) -> pd.DataFrame:
@@ -166,6 +204,4 @@ def fetch_treatments_range(start_date: date, end_date: date) -> pd.DataFrame:
     """
     since = datetime.combine(start_date, time.min, tzinfo=timezone.utc)
     until = datetime.combine(end_date, time.max, tzinfo=timezone.utc)
-    days = (end_date - start_date).days + 1
+    return _treatments_since(since, until)
-    count = min(days * 50, 50_000)
-    return _treatments_since(since, count, until)

pages/2_Samenvatting.py

@@ -9,7 +9,7 @@ from reporting import (
     sensor_active_percent,
     tir_breakdown_5band,
 )
-from ui_common import load_range_data, select_period_days
+from ui_common import load_range_data, render_completeness_warning, select_period_days
 
 st.set_page_config(page_title="Glucose dashboard — Samenvatting", page_icon="📊", layout="wide")
 require_auth()
@@ -32,12 +32,8 @@ if glucose.empty:
     st.info("Geen glucosemetingen gevonden in deze periode.")
     st.stop()
 
+render_completeness_warning(glucose, start, end)
 active_pct = sensor_active_percent(glucose, start, end)
-if active_pct < 70:
-    st.warning(
-        f"Slechts {active_pct:.0f}% sensordekking in deze periode (streefwaarde ≥70%). "
-        "De onderstaande cijfers zijn mogelijk minder betrouwbaar door de vele hiaten."
-    )
 
 mean_mmol = glucose["mmol"].mean()
 gmi = gmi_percent(mean_mmol)

pages/3_AGP_Profiel.py

@@ -6,7 +6,13 @@ from auth import require_auth
 from data_processing import TARGET_HIGH, TARGET_LOW
 from nightscout_client import NightscoutConfigError
 from reporting import agp_percentile_bands
-from ui_common import get_colors, hex_to_rgba, load_range_data, select_period_days
+from ui_common import (
+    get_colors,
+    hex_to_rgba,
+    load_range_data,
+    render_completeness_warning,
+    select_period_days,
+)
 
 st.set_page_config(page_title="Glucose dashboard — AGP profiel", page_icon="📊", layout="wide")
 require_auth()
@@ -32,6 +38,8 @@ if glucose.empty:
     st.info("Geen glucosemetingen gevonden in deze periode.")
     st.stop()
 
+render_completeness_warning(glucose, start, end)
+
 bands = agp_percentile_bands(glucose, bin_minutes=30)
 colors = get_colors()
 

pages/4_Dagoverzicht.py

@@ -6,7 +6,12 @@ from plotly.subplots import make_subplots
 from auth import require_auth
 from data_processing import TARGET_HIGH, TARGET_LOW
 from nightscout_client import NightscoutConfigError
-from ui_common import get_colors, load_range_data, select_period_days
+from ui_common import (
+    get_colors,
+    load_range_data,
+    render_completeness_warning,
+    select_period_days,
+)
 
 st.set_page_config(page_title="Glucose dashboard — Dagoverzicht", page_icon="📊", layout="wide")
 require_auth()
@@ -34,6 +39,8 @@ if glucose.empty:
     st.info("Geen glucosemetingen gevonden in deze periode.")
     st.stop()
 
+render_completeness_warning(glucose, start, end)
+
 colors = get_colors()
 glucose = glucose.copy()
 glucose["date"] = glucose["timestamp"].dt.date

pages/5_Hypo_Events.py

@@ -7,6 +7,7 @@ from reporting import LOW, VERY_LOW
 from ui_common import (
     get_colors,
     load_range_data,
+    render_completeness_warning,
     render_event_level,
     select_period_days,
 )
@@ -36,6 +37,8 @@ if glucose.empty:
     st.info("Geen glucosemetingen gevonden in deze periode.")
     st.stop()
 
+render_completeness_warning(glucose, start, end)
+
 colors = get_colors()
 
 render_event_level(glucose, LOW, "below", f"Level 1 (<{LOW} mmol/L)", days, colors)

pages/6_Hyper_Events.py

@@ -7,6 +7,7 @@ from reporting import HIGH, VERY_HIGH
 from ui_common import (
     get_colors,
     load_range_data,
+    render_completeness_warning,
     render_event_level,
     select_period_days,
 )
@@ -35,6 +36,8 @@ if glucose.empty:
     st.info("Geen glucosemetingen gevonden in deze periode.")
     st.stop()
 
+render_completeness_warning(glucose, start, end)
+
 colors = get_colors()
 
 render_event_level(glucose, HIGH, "above", f"Level 1 (>{HIGH} mmol/L)", days, colors)

pages/7_Trends.py

@@ -12,7 +12,12 @@ from reporting import (
     overnight_daytime_split,
     site_interval_stats,
 )
-from ui_common import get_colors, load_range_data, select_period_days
+from ui_common import (
+    get_colors,
+    load_range_data,
+    render_completeness_warning,
+    select_period_days,
+)
 
 st.set_page_config(page_title="Glucose dashboard — Trends", page_icon="📊", layout="wide")
 require_auth()
@@ -35,6 +40,8 @@ if glucose.empty:
     st.info("Geen glucosemetingen gevonden in deze periode.")
     st.stop()
 
+render_completeness_warning(glucose, start, end)
+
 colors = get_colors()
 events = classify_treatments(treatments)
 

pages/8_Export.py

@@ -5,7 +5,7 @@ from auth import require_auth
 from nightscout_client import NightscoutConfigError
 from pdf_export import AVAILABLE_SECTIONS, SECTION_EVENTS, build_report_pdf
 from reporting import HIGH, LOW, VERY_HIGH, VERY_LOW, detect_events, summarize_events
-from ui_common import load_range_data, select_period_days
+from ui_common import load_range_data, render_completeness_warning, select_period_days
 
 st.set_page_config(page_title="Glucose dashboard — Export", page_icon="📊", layout="wide")
 require_auth()
@@ -29,6 +29,8 @@ if glucose.empty:
     st.info("Geen glucosemetingen gevonden in deze periode.")
     st.stop()
 
+render_completeness_warning(glucose, start, end)
+
 events_summary = {}
 if SECTION_EVENTS in sections:
     levels = {

pdf_export.py

@@ -22,6 +22,7 @@ from fpdf.enums import XPos, YPos
 
 from reporting import (
     agp_percentile_bands,
+    completeness_warning,
     gmi_percent,
     percent_cv,
     sensor_active_percent,
@@ -64,6 +65,13 @@ def _add_summary_section(pdf: FPDF, glucose: pd.DataFrame, start, end) -> None:
 
     pdf.set_font("Helvetica", "B", 13)
     pdf.cell(0, 8, "Samenvatting", **_LINE_KWARGS)
+
+    warning = completeness_warning(glucose, start, end)
+    if warning:
+        pdf.set_font("Helvetica", "BI", 10)
+        pdf.multi_cell(0, 5, warning)
+        pdf.ln(2)
+
     pdf.set_font("Helvetica", "", 11)
     pdf.cell(0, 6, f"Sensordekking: {active_pct:.0f}%", **_LINE_KWARGS)
     pdf.cell(0, 6, f"Gemiddelde glucose: {mean_mmol:.1f} mmol/L", **_LINE_KWARGS)

reporting.py

@@ -95,6 +95,56 @@ def sensor_active_percent(glucose: pd.DataFrame, start, end, expected_interval_m
     return round(min(len(glucose) / expected_readings, 1.0) * 100, 1)
 
 
+def completeness_warning(glucose: pd.DataFrame, start, end) -> str | None:
+    """Bouw een waarschuwingstekst als er te weinig data is voor de gekozen periode.
+
+    Pure functie zodat zowel de interactieve pagina's (ui_common.py, als
+    st.warning) als het PDF-rapport (pdf_export.py, als tekstregel) exact
+    dezelfde beoordeling en bewoording gebruiken — een rapport dat naar het
+    diabetesteam gaat moet dezelfde disclaimer bevatten als wat de gebruiker
+    zelf op het scherm ziet.
+
+    Onderscheidt twee oorzaken:
+    - een structureel gat aan het BEGIN van de periode (de vroegste
+      binnengekomen meting ligt later dan de gekozen startdatum) — data is
+      simpelweg niet opgehaald/beschikbaar voor dat stuk, geen sensorhiaat.
+    - een lagere dekking dan de klinische AGP-ondergrens (Danne et al. 2017)
+      zonder zo'n gat aan het begin — verspreide hiaten.
+
+    Returns:
+        None als er geen waarschuwing nodig is; anders de te tonen tekst.
+    """
+    if glucose.empty:
+        return "Geen glucosedata gevonden in deze periode."
+
+    start_date = pd.Timestamp(start).date()
+    end_date = pd.Timestamp(end).date()
+    active_pct = sensor_active_percent(glucose, start, end)
+    earliest = glucose["timestamp"].min().date()
+    missing_days_at_start = max((earliest - start_date).days, 0)
+
+    if missing_days_at_start > 0:
+        return (
+            f"Nightscout heeft pas data vanaf {earliest:%d-%m-%Y} teruggegeven — "
+            f"de eerste {missing_days_at_start} dag(en) van de gekozen periode "
+            f"({start_date:%d-%m-%Y} t/m {end_date:%d-%m-%Y}) ontbreken volledig, niet alleen "
+            f"losse sensorhiaten. Sensordekking over de wél opgehaalde periode: "
+            f"{active_pct:.0f}%. Onderstaande cijfers zijn dus berekend over een "
+            "kortere periode dan geselecteerd."
+        )
+    if active_pct < 70:
+        # ">=" i.p.v. "≥": deze tekst komt ook in het PDF-rapport terecht
+        # (pdf_export.py), en fpdf2's ingebouwde Helvetica-font ondersteunt
+        # alleen Latin-1 — zie gitea issue #11 voor het opruimen hiervan
+        # (Unicode-lettertype embedden) zodra dat de moeite waard is.
+        return (
+            f"Slechts {active_pct:.0f}% sensordekking in deze periode (streefwaarde "
+            ">=70% voor een klinisch betrouwbaar rapport, Danne et al. 2017). De "
+            "onderstaande cijfers zijn mogelijk minder betrouwbaar door de vele hiaten."
+        )
+    return None
+
+
 def _state_blocks(df: pd.DataFrame, out: pd.Series) -> list[dict]:
     """Groepeer aaneengesloten metingen met dezelfde in/out-status.
 

tests/test_nightscout_client.py

@@ -134,3 +134,124 @@ def test_fetch_treatments_range_filters_to_date_boundaries(monkeypatch):
     result = ns.fetch_treatments_range(date(2026, 1, 1), date(2026, 1, 31))
     assert len(result) == 1
     assert result.iloc[0]["insulin"] == pytest.approx(4.0)
+
+
+def _entry(dt, sgv=100):
+    return {"date": int(dt.timestamp() * 1000), "sgv": sgv, "dateString": dt.isoformat()}
+
+
+def test_paginated_get_stops_when_a_short_page_is_returned(monkeypatch):
+    """Nightscout kan minder dan _PAGE_SIZE teruggeven omdat er simpelweg niet meer data is.
+
+    Dit was precies de bug: een enkel groot count-verzoek werd stilzwijgend
+    afgeknipt. Met paginering moet een pagina die kleiner is dan de gevraagde
+    paginagrootte de paginering laten stoppen — dat betekent "geen oudere
+    data beschikbaar", niet "er ging iets mis".
+    """
+    monkeypatch.setenv("NIGHTSCOUT_URL", "https://example.com")
+    now = datetime.now(timezone.utc)
+    payload = [_entry(now - timedelta(minutes=5 * i)) for i in range(5)]  # << _PAGE_SIZE
+
+    calls = []
+    monkeypatch.setattr(
+        ns.requests,
+        "get",
+        lambda *a, **k: (calls.append(k), FakeResponse(payload))[1],
+    )
+
+    result = ns._paginated_get("/api/v1/entries/sgv.json", now - timedelta(days=1))
+    assert len(result) == 5
+    assert len(calls) == 1  # één pagina was genoeg, geen verdere paginering nodig
+
+
+def test_paginated_get_walks_back_multiple_pages_until_since_is_reached(monkeypatch):
+    """De kern-regressietest voor de bug: data die verder terugligt dan één
+    pagina (~1000 documenten) moet toch volledig worden opgehaald door
+    meerdere pagina's met find[date][$lte] te doorlopen."""
+    monkeypatch.setenv("NIGHTSCOUT_URL", "https://example.com")
+    now = datetime.now(timezone.utc)
+
+    # 3 volle pagina's (elk _PAGE_SIZE groot, 5 minuten uit elkaar, aflopend in tijd)
+    # + een laatste kleinere pagina die de paginering laat stoppen.
+    page_size = ns._PAGE_SIZE
+    pages = []
+    cursor = now
+    for _ in range(3):
+        page = [_entry(cursor - timedelta(minutes=5 * i)) for i in range(page_size)]
+        pages.append(page)
+        cursor = cursor - timedelta(minutes=5 * (page_size - 1)) - timedelta(minutes=5)
+    pages.append([_entry(cursor - timedelta(minutes=5 * i)) for i in range(10)])
+
+    call_count = {"n": 0}
+
+    def fake_get(*_a, **_k):
+        response = FakeResponse(pages[call_count["n"]])
+        call_count["n"] += 1
+        return response
+
+    monkeypatch.setattr(ns.requests, "get", fake_get)
+
+    since = now - timedelta(days=365)  # ruim voorbij alle test-pagina's
+    result = ns._paginated_get("/api/v1/entries/sgv.json", since)
+
+    assert call_count["n"] == 4  # 3 volle pagina's + 1 korte slotpagina
+    assert len(result) == 3 * page_size + 10
+
+
+def test_paginated_get_stops_at_since_boundary_without_fetching_further(monkeypatch):
+    """Zodra een pagina data ouder dan `since` bevat, hoeft er geen volgende
+    pagina meer opgehaald te worden, ook al was de pagina zelf vol."""
+    monkeypatch.setenv("NIGHTSCOUT_URL", "https://example.com")
+    now = datetime.now(timezone.utc)
+    page_size = ns._PAGE_SIZE
+    # deze ene pagina spant ruim meer dan een dag, dus bevat al data voorbij `since`
+    page = [_entry(now - timedelta(minutes=5 * i)) for i in range(page_size)]
+
+    calls = {"n": 0}
+
+    def fake_get(*_a, **_k):
+        calls["n"] += 1
+        return FakeResponse(page)
+
+    monkeypatch.setattr(ns.requests, "get", fake_get)
+
+    since = now - timedelta(hours=6)  # ruim binnen de eerste pagina
+    result = ns._paginated_get("/api/v1/entries/sgv.json", since)
+
+    assert calls["n"] == 1
+    assert len(result) == page_size  # filtering op since gebeurt pas in _entries_since, niet hier
+
+
+def test_fetch_entries_range_retrieves_data_spanning_multiple_pages(monkeypatch):
+    """End-to-end regressietest: een 90-dagenrapport moet echt 90 dagen data
+    krijgen, niet stilzwijgend worden afgeknipt tot de meest recente pagina."""
+    monkeypatch.setenv("NIGHTSCOUT_URL", "https://example.com")
+    monkeypatch.delenv("NIGHTSCOUT_TOKEN", raising=False)
+    monkeypatch.delenv("NIGHTSCOUT_API_SECRET", raising=False)
+
+    end_date = date(2026, 3, 31)
+    start_date = date(2026, 1, 1)  # 90 dagen
+
+    # simuleer Nightscout: elke 5 minuten een meting over de volle periode,
+    # opgeknipt in door de server afgedwongen pagina's van _PAGE_SIZE
+    until = datetime.combine(end_date, datetime.max.time(), tzinfo=timezone.utc)
+    since = datetime.combine(start_date, datetime.min.time(), tzinfo=timezone.utc)
+    all_entries = []
+    t = until
+    while t >= since:
+        all_entries.append(_entry(t))
+        t -= timedelta(minutes=5)
+
+    page_size = ns._PAGE_SIZE
+
+    def fake_get(*_args, **kwargs):
+        cursor_ms = kwargs["params"].get("find[date][$lte]")
+        pool = all_entries if cursor_ms is None else [e for e in all_entries if e["date"] <= cursor_ms]
+        return FakeResponse(pool[:page_size])
+
+    monkeypatch.setattr(ns.requests, "get", fake_get)
+
+    result = ns.fetch_entries_range(start_date, end_date)
+    assert len(result) == len(all_entries)
+    assert result["timestamp"].min().date() == start_date
+    assert result["timestamp"].max().date() == end_date

tests/test_reporting.py

@@ -1,9 +1,12 @@
+from datetime import date
+
 import pandas as pd
 import pytest
 
 from reporting import (
     agp_percentile_bands,
     bolus_stats,
+    completeness_warning,
     day_of_week_pattern,
     detect_events,
     gmi_percent,
@@ -93,6 +96,42 @@ def test_sensor_active_percent_handles_gaps():
     assert result == pytest.approx(50.0, abs=1.0)
 
 
+def test_completeness_warning_none_for_empty_glucose():
+    empty = pd.DataFrame(columns=["timestamp", "mmol"])
+    assert completeness_warning(empty, "2026-01-01", "2026-01-14") == "Geen glucosedata gevonden in deze periode."
+
+
+def test_completeness_warning_none_when_period_is_fully_covered():
+    # 14 volle dagen aan 5-minuten-metingen, precies de gekozen periode
+    timestamps = pd.date_range("2026-01-01 00:00", "2026-01-14 23:55", freq="5min")
+    glucose = pd.DataFrame({"timestamp": timestamps, "mmol": [6.0] * len(timestamps)})
+    assert completeness_warning(glucose, date(2026, 1, 1), date(2026, 1, 14)) is None
+
+
+def test_completeness_warning_flags_missing_days_at_start_of_period():
+    # gevraagd: 1 t/m 14 januari, maar data begint pas op 11 januari (de
+    # exacte bug: alleen de laatste ~4 dagen van een langere periode zijn
+    # opgehaald)
+    timestamps = pd.date_range("2026-01-11 00:00", "2026-01-14 23:55", freq="5min")
+    glucose = pd.DataFrame({"timestamp": timestamps, "mmol": [6.0] * len(timestamps)})
+    message = completeness_warning(glucose, date(2026, 1, 1), date(2026, 1, 14))
+    assert message is not None
+    assert "11-01-2026" in message
+    assert "10 dag" in message  # 1 t/m 10 januari ontbreken volledig = 10 dagen
+    assert "sensorhiaten" in message
+
+
+def test_completeness_warning_flags_low_coverage_without_start_gap():
+    # data start op tijd, maar met veel verspreide hiaten -> lage dekking
+    # zonder dat er een aaneengesloten gat aan het begin is
+    timestamps = pd.date_range("2026-01-01 00:00", periods=20, freq="5min")
+    glucose = pd.DataFrame({"timestamp": timestamps, "mmol": [6.0] * 20})
+    message = completeness_warning(glucose, date(2026, 1, 1), date(2026, 1, 14))
+    assert message is not None
+    assert "sensordekking" in message
+    assert "sensorhiaten" not in message  # dit is de generieke, niet de "ontbreekt volledig"-boodschap
+
+
 def test_detect_events_ignores_dip_shorter_than_minimum_duration():
     # dip van 10 minuten (< 15 min drempel) mag niet meetellen
     glucose = _series(

ui_common.py

@@ -15,7 +15,7 @@ import plotly.graph_objects as go
 import streamlit as st
 
 from nightscout_client import fetch_entries_range, fetch_treatments_range
-from reporting import detect_events, summarize_events
+from reporting import completeness_warning, detect_events, summarize_events
 
 MMOL_HOVERTEMPLATE = "%{x|%d-%m %H:%M} · %{y:.1f} mmol/L<extra></extra>"
 
@@ -98,6 +98,18 @@ def load_range_data(start: date, end: date):
     return glucose, treatments
 
 
+def render_completeness_warning(glucose: pd.DataFrame, start: date, end: date) -> None:
+    """Toon reporting.completeness_warning()'s oordeel als st.warning, indien nodig.
+
+    Gebruikt door elke rapportagepagina, direct na de load_range_data-call.
+    De beoordelingslogica zelf staat in reporting.py (pure functie) zodat het
+    PDF-rapport (pdf_export.py) exact dezelfde disclaimer kan hergebruiken.
+    """
+    message = completeness_warning(glucose, start, end)
+    if message:
+        st.warning(message)
+
+
 def render_event_level(
     glucose: pd.DataFrame,
     threshold: float,