Een interview met Arno van Roosmalen, voormalig stadsconservator in Rotterdam. Ter gelegenheid van tentoonstelling en publicatie 'De stad, de kunstenaars en het museum; 25 jaar Stadscollectie Rotterdam' in museum Boijmans Van Beuningen 8-6 tm 1-9-2013.
Een interview met Arno van Roosmalen, voormalig stadsconservator in Rotterdam. Ter gelegenheid van tentoonstelling en publicatie 'De stad, de kunstenaars en het museum; 25 jaar Stadscollectie Rotterdam' in museum Boijmans Van Beuningen 8-6 tm 1-9-2013.
Objective: To annotate a corpus of randomized controlled trial (RCT) publications with the checklist items of CONSORT reporting guidelines and using the corpus to develop text mining methods for RCT appraisal. Methods: We annotated a corpus of 50 RCT articles at the sentence level using 37 fine-grained CONSORT checklist items. A subset (31 articles) was double-annotated and adjudicated, while 19 were annotated by a single annotator and reconciled by another. We calculated inter-annotator agreement at the article and section level using MASI (Measuring Agreement on Set-Valued Items) and at the CONSORT item level using Krippendorff's α. We experimented with two rule-based methods (phrase-based and section header-based) and two supervised learning approaches (support vector machine and BioBERT-based neural network classifiers), for recognizing 17 methodology-related items in the RCT Methods sections. Results: We created CONSORT-TM consisting of 10,709 sentences, 4,845 (45%) of which were annotated with 5,246 labels. A median of 28 CONSORT items (out of possible 37) were annotated per article. Agreement was moderate at the article and section levels (average MASI: 0.60 and 0.64, respectively). Agreement varied considerably among individual checklist items (Krippendorff's α= 0.06–0.96). The model based on BioBERT performed best overall for recognizing methodology-related items (micro-precision: 0.82, micro-recall: 0.63, micro-F1: 0.71). Combining models using majority vote and label aggregation further improved precision and recall, respectively. Conclusion: Our annotated corpus, CONSORT-TM, contains more fine-grained information than earlier RCT corpora. Low frequency of some CONSORT items made it difficult to train effective text mining models to recognize them. For the items commonly reported, CONSORT-TM can serve as a testbed for text mining methods that assess RCT transparency, rigor, and reliability, and support methods for peer review and authoring assistance. Minor modifications to the annotation scheme and a larger corpus could facilitate improved text mining models. CONSORT-TM is publicly available at https://github.com/kilicogluh/CONSORT-TM.
Middels een RAAK-impuls aanvraag wordt beoogd de vertraging van het RAAK-mkb project Praktische Predictie t.g.v. corona in te halen. In het project Praktische Predictie wordt een prototype app ontwikkeld waarmee fysiotherapeuten in een vroeg stadium het chronisch worden van lage rugpijn kunnen voorspellen. Om chronische rugpijn te voorkomen is het belangrijk om in een vroeg stadium de kans hierop in te schatten door psychosociale en mogelijk andere risicofactoren op chronische pijnklachten te herkennen en hierop te interveniëren. Fysiotherapeuten zijn met deze vraag naar het lectoraat Werkzame factoren in Fysiotherapie en Paramedisch Handelen van de Hogeschool van Arnhem en Nijmegen gegaan en dit heeft aanleiding gegeven een onderzoek op te zetten waarin een dergelijke methodiek ontwikkeld wordt. De voorgestelde methodiek betreft een Clinical Decision Support Tool waarmee een geïndividualiseerde kans op chronische rugpijn kan worden bepaald gekoppeld aan een behandeladvies conform de lage rugpijn richtlijn. Hiervoor is eerst geïnventariseerd welke methoden fysiotherapeuten reeds gebruiken en welke in de literatuur worden genoemd. Op basis hiervan is een keuze gemaakt ten aanzien van data die digitaal verzameld worden in minimaal 16 fysiotherapiepraktijken waarbij patiënten gedurende 12 weken gevolgd worden. Met de verzamelde data worden met machine learning algoritmes ontwikkeld voor het berekenen van de kans op chroniciteit. De algoritmes worden ingebouwd in de Clinical Decision Support Tool: een gebruiksvriendelijke prototype app. Bij het ontwikkelen van de tool worden eindgebruikers (fysiotherapeuten en patiënten) intensief betrokken. Op deze manier wordt gegarandeerd dat de tool aansluit bij de wensen en behoeften van de doelgroep. De tool berekent de kans op chroniciteit en geeft een behandeladvies. Daarnaast kan de tool gebruikt worden om patiënten te informeren en te betrekken bij de besluitvorming. Vanwege de coronacrisis is er een aanzienlijke vertraging in de patiënten-instroom (doel n= 300) ontstaan die we met ondersteuning van een RAAK-impuls subsidie willen inlopen.
De aanvraag betreft het ontwikkelen en verkennen van de marktmogelijkheden van een IT-tool dat de slaagkans van bedrijfsoverdrachten verbetert. De (emotionele) barrières die ondernemers bij de verkoop hun bedrijf tegenko-men worden inzichtelijk gemaakt. Tevens wordt getoetst of de manier waarop ondernemers nu omgaan met die barrières (coping) effectief is. De doelgroep voor het onderzoek zijn overname-adviseurs, kopende en verkopende ondernemers alsmede investeerders.
Aanleiding Sinds kort nemen zorgprofessionals en onderzoekers in Nederland initiatieven om mensen met een licht verstandelijke beperking (LVB) zo lang mogelijk te laten functioneren in de eigen thuissituatie. Een manier om dit te doen is de inzet van zogenoemde Functional Assertive Community Treatment (FACT) teams. Deze teams gebruiken voornamelijk verbale interventies. Maar mensen met een LVB hebben moeite met het verwerken van verbale informatie. Vaktherapie kan juist met non-verbale en ervaringsgerichte methodieken goed aansluiten bij deze groep. Dit innovatieprogramma richt zich op de vraag van vaktherapeuten hoe en in welke vorm zij, in of rondom FACT LVB-teams, mensen met een LVB kunnen helpen. Doelstelling Het doel van de deelnemers aan het project is de zorg en ondersteuning van mensen met een LVB in de eigen thuissituatie (buurt/wijk) te verbeteren. Liefst zodanig dat deze mensen minder vaak hoeven te worden (her)opgenomen in een behandelcentrum. Het doel van het project is om de meerwaarde vast te stellen van de inzet van vaktherapie in of rondom FACT LVB teams bij het realiseren van deze ambitie. Het project is gefaseerd opgebouwd. In de eerste fase worden de vaktherapeutische behandelvormen bepaald. Vervolgens worden efficiënte interprofessionele werkwijzen en een vaktherapeutische behandel- & ondersteuningsroute vastgesteld, en ten slotte wordt het project geëvalueerd. Beoogde resultaten Het project biedt resulteert in een handreiking voor professionals om interprofessioneel samen te werken in de wijk voor mensen met LVB. Binnen het onderwijs levert het project een bijdrage aan een minor 'Wijkgerichte zorg & ondersteuning'. Het biedt een leerwerkplaats LVB voor studenten vaktherapie en aanpalende gebieden. De handreiking wordt geïmplementeerd in de opleidingen die opleiden tot vaktherapeut. Zogenaamde 'battles', waarin interprofessioneel samenwerken aan problemen vanuit de praktijk en het beste idee bekroond wordt met een stimuleringsprijs, zorgen voor verdere ontwikkeling. Publicaties in vakliteratuur zorgen voor verspreiding van de projectresultaten. De deelnemers aan het project zullen aansluiting zoeken bij symposia - regionaal, nationaal en internationaal - en bijeenkomsten buiten en binnen het netwerk om de resultaten aan een breed publiek te presenteren.
