poster voor de EuSoMII Annual Meeting in Pisa, Italië in oktober 2023. PURPOSE & LEARNING OBJECTIVE Artificial Intelligence (AI) technologies are gaining popularity for their ability to autonomously perform tasks and mimic human reasoning [1, 2]. Especially within the medical industry, the implementation of AI solutions has seen an increasing pace [3]. However, the field of radiology is not yet transformed with the promised value of AI, as knowledge on the effective use and implementation of AI is falling behind due to a number of causes: 1) Reactive/passive modes of learning are dominant 2) Existing developments are fragmented 3) Lack of expertise and differing perspectives 4) Lack of effective learning space Learning communities can help overcome these problems and address the complexities that come with human-technology configurations [4]. As the impact of a technology is dependent on its social management and implementation processes [5], our research question then becomes: How do we design, configure, and manage a Learning Community to maximize the impact of AI solutions in medicine?
poster voor de EuSoMII Annual Meeting in Pisa, Italië in oktober 2023. PURPOSE & LEARNING OBJECTIVE Artificial Intelligence (AI) technologies are gaining popularity for their ability to autonomously perform tasks and mimic human reasoning [1, 2]. Especially within the medical industry, the implementation of AI solutions has seen an increasing pace [3]. However, the field of radiology is not yet transformed with the promised value of AI, as knowledge on the effective use and implementation of AI is falling behind due to a number of causes: 1) Reactive/passive modes of learning are dominant 2) Existing developments are fragmented 3) Lack of expertise and differing perspectives 4) Lack of effective learning space Learning communities can help overcome these problems and address the complexities that come with human-technology configurations [4]. As the impact of a technology is dependent on its social management and implementation processes [5], our research question then becomes: How do we design, configure, and manage a Learning Community to maximize the impact of AI solutions in medicine?
Background: Disease-related malnutrition is a significant problem in hospitalized patients, with high prevalence rates depending on the studied population. Internal Medicine wards are the backbone of the hospital setting. However, prevalence and determinants of malnutrition in these patients remain unclear. We aimed to determine the prevalence of malnutrition in Internal Medicine wards and to identify and characterize malnourished patients. Methods: A cross-sectional observational multicentre study was performed in Internal Medicine wards of 24 Portuguese hospitals during 2017. Demographics, hospital admissions during the previous year, type of admission, primary diagnosis, Charlson comorbidity index, and education level were registered. Malnutrition at admission was assessed using Patient-Generated Subjective Global Assessment (PG-SGA). Demographic characteristics were compared between well-nourished and malnourished patients. Logistic regression analysis was used to identify determinants of malnutrition. Results: 729 participants were included (mean age 74 years, 51% male). Main reason for admission was respiratory disease (32%). Mean Charlson comorbidity index was 5.8 ± 2.8. Prevalence of malnutrition was 73% (56% moderate/suspected malnutrition and 17% severe malnutrition), and 54% had a critical need for multidisciplinary intervention (PG-SGA score ≥9). No education (odds ratio [OR] 1.88, 95% confidence interval [CI]: 1.16–3.04), hospital admissions during previous year (OR 1.53, 95%CI: 1.05–2.26), and multiple comorbidities (OR 1.22, 95%CI: 1.14–1.32) significantly increased the odds of being malnourished. Conclusions: Prevalence of malnutrition in the Internal Medicine population is very high, with the majority of patients having critical need for multidisciplinary intervention. Low education level, admissions during previous year, and multiple comorbidities increase the odds of being malnourished.
Organs-on-chips (OoCs) worden steeds belangrijker voor geneesmiddelonderzoek. Het kweken van miniatuurorganen in microfluïdische chips creëert een systeem waarmee geneesmiddelonderzoekers efficiënt geneesmiddelen kunnen testen. OoCs kunnen in de toekomst een belangrijk instrument voor personalized medicine worden: door het kweken van patiëntmateriaal in OoCs kan dan worden bepaald welke interventies voor specifieke patiënten werken en veilig zijn. In de huidige praktijk worden cellulaire veranderingen in OoCs na blootstelling aan een geneesmiddel doorgaans gevolgd met visualisatietechnieken, waarmee alleen effecten van geneesmiddelen kunnen worden waargenomen. Voor bepaling van de voor geneesmiddelonderzoek cruciale parameters absorptie, distributie, metabolisme en excretie (ADME) is het noodzakelijk om de concentraties van geneesmiddelen en hun relevante metabolieten te meten. Het doel van AC/OC is dit mogelijk te maken door het ontwikkelen van analytisch-chemische technieken, gebaseerd op vloeistofchromatografie gekoppeld met massaspectrometrie (LC-MS). Hiermee kunnen ontwikkelaars van OoCs (de eindgebruikers van AC/OC) de voordelen van hun producten voor geneesmiddelonderzoek beter onderbouwen. Dit project bouwt voort op twee KIEM-projecten, waarin enkele veelbelovende analytisch-chemische technieken succesvol zijn verkend. In AC/OC zullen wij: 1. analytisch-chemische methodes ontwikkelen die geschikt zijn om een breed scala aan geneesmiddelen en metabolieten te bepalen in meerdere types OoCs; 2. deze methodes verbeteren, zodat de analyse geautomatiseerd, sneller en gevoeliger wordt; 3. de potentie van deze methodes voor geneesmiddelonderzoek met OoCs demonsteren door ze toe te passen op enkele praktijkvraagstukken. Het OoC-veld ontwikkelt zich razendsnel en Nederland (georganiseerd binnen OoC-consortium hDMT) speelt daarin een belangrijke rol. AC/OC verbindt kennis en expertise op het gebied van analytische chemie, OoCs, celkweek en geneesmiddelonderzoek. Hierdoor kan AC/OC een bijdrage leveren aan sneller en betrouwbaarder geneesmiddelonderzoek. Met de ontwikkeling van een minor ‘OoC-Technology’, waarin we de onderzoeksresultaten vertalen naar onderwijs, spelen we in op de behoefte aan professionals met kennis, ervaring en belangstelling op het gebied van OoCs.
Horse riding falls under the “Sport for Life” disciplines, where a long-term equestrian development can provide a clear pathway of developmental stages to help individuals, inclusive of those with a disability, to pursue their goals in sport and physical activity, providing long-term health benefits. However, the biomechanical interaction between horse and (disabled) rider is not wholly understood, leaving challenges and opportunities for the horse riding sport. Therefore, the purpose of this KIEM project is to start an interdisciplinary collaboration between parties interested in integrating existing knowledge on horse and (disabled) rider interaction with any novel insights to be gained from analysing recently collected sensor data using the EquiMoves™ system. EquiMoves is based on the state-of-the-art inertial- and orientational-sensor system ProMove-mini from Inertia Technology B.V., a partner in this proposal. On the basis of analysing previously collected data, machine learning algorithms will be selected for implementation in existing or modified EquiMoves sensor hardware and software solutions. Target applications and follow-ups include: - Improving horse and (disabled) rider interaction for riders of all skill levels; - Objective evidence-based classification system for competitive grading of disabled riders in Para Dressage events; - Identifying biomechanical irregularities for detecting and/or preventing injuries of horses. Topic-wise, the project is connected to “Smart Technologies and Materials”, “High Tech Systems & Materials” and “Digital key technologies”. The core consortium of Saxion University of Applied Sciences, Rosmark Consultancy and Inertia Technology will receive feedback to project progress and outcomes from a panel of international experts (Utrecht University, Sport Horse Health Plan, University of Central Lancashire, Swedish University of Agricultural Sciences), combining a strong mix of expertise on horse and rider biomechanics, veterinary medicine, sensor hardware, data analysis and AI/machine learning algorithm development and implementation, all together presenting a solid collaborative base for derived RAAK-mkb, -publiek and/or -PRO follow-up projects.
Afasie is een ingrijpend gevolg van een beroerte. Iemand met afasie kan niet meer zeggen wat hij wil of bedoelt, en heeft ook vaak moeite met het begrijpen van wat iemand anders zegt. Dit heeft een grote impact op het dagelijks leven van de persoon zelf en zijn naasten. Het onvermogen te spreken leidt tot arbeidsongeschiktheid, vereenzaming en depressie. Het levert ook ingewikkelde situaties op in de communicatie met zorgprofessionals. Personen met een afasie (PMA) hebben door miscommunicatie een verhoogde kans op het ontvangen van ongepaste of inadequate zorg; dit leidt zelfs tot een verhoogde kans op overlijden. Zorgprofessionals geven aan dat zij onzeker zijn over de communicatie met de PMA, en dat zij zich onvoldoende vaardigheden hebben om vertrouwelijk en effectieve communicatie mogelijk te maken. Betrokkenheid van de patiënt staat centraal in huidige visies omtrent gezondheidszorg (Kaljouw & van Vliet, 2015) en Evidence-based Medicine, maar er wordt nauwelijks aandacht besteed aan hoe deze communicatie vormgegeven kan worden, zeker wanneer de patiënt een communicatiestoornis heeft. Internationaal onderzoek laat zien dat communicatie tussen zorgprofessional, PMA en naasten kan worden verbeterd, wanneer gesprekspartners van PMA getraind zijn. In Nederland wordt deze communicatietraining nog niet toegepast. De eerste pilotstudie lijkt veelbelovend, en heeft geleid tot dit projectvoorstel waarin de interventie ‘CommuniCare’ ontwikkeld, toegepast en geëvalueerd in een groot aantal CVA zorginstellingen. De doelstelling van het consortium is om communicatie tussen PMA, zorgprofessional en naasten te verbeteren. Na afronding van dit project, is de geprotocolleerde en op effectiviteit getoetste interventie CommuniCare klaar om landelijk uitgerold te worden, op basis van een implementatieplan met aanbevelingen voor adaptieve strategieën voor succesvolle implementatie in de CVA-zorg.
