Door de ontwikkelingen in de techniek wordt er steeds vaker elektronica verwerkt in een product. De elektronica wordt veelal losstaand ontwikkeld op een printplaat (ook wel printed circuit board of PCB genoemd). Vervolgens wordt er wordt. Producten worden als het ware “om de techniek heen” ontworpen, de techniek staat centraal en de vorm van het model wordt in zekere mate bepaald door de elektronica die er in verwerkt moet worden. Door de opkomst van 3D MID technieken (3D Molded Interconnect Device) ontstaat er veel meer vormvrijheid. Deze technieken brengen de elektronica ‘direct’ op het (3D gevormd!) product aan. Dus geen printplaat met behuizing, maar behuizing en printplaat worden één. Dit vergt een andere manier van werken. In dit document worden verschillende technieken uitgelegd om een 3D MID te maken. De volgende technieken worden in de PCMIEP structuur behandeld: - Laser Direct Structuring (LDS) - 2 componenten (2K) spuitgieten - Tampondruk - Hot Embossing - Geleidende folies - Laser Resist Structuring (LRS). Dit document is opgeleverd in het project Innovatief Materialen Platform Twente (IMPT). In dit project heeft het IMPT 75 innovatieve materialen in kaart gebracht. Met een tiental materialen is toegepast onderzoek gedaan, zodat ondernemers en ontwerpers weten of en hoe zij deze kunnen toepassen.
MULTIFILE
Background: Previous studies found that 40-60% of the sarcoidosis patients suffer from small fiber neuropathy (SFN), substantially affecting quality of life. SFN is difficult to diagnose, as a gold standard is still lacking. The need for an easily administered screening instrument to identify sarcoidosis-associated SFN symptoms led to the development of the SFN Screening List (SFNSL). The usefulness of any questionnaire in clinical management and research trials depends on its interpretability. Obtaining a clinically relevant change score on a questionnaire requires that the smallest detectable change (SDC) and minimal important difference (MID) are known. Objectives: The aim of this study was to determine the SDC and MID for the SFNSL in patients with sarcoidosis. Methods: Patients with neurosarcoidosis and/or sarcoidosis-associated SFN symptoms (N=138) included in the online Dutch Neurosarcoidosis Registry participated in a prospective, longitudinal study. Anchor-based and distribution-based methods were used to estimate the MID and SDC, respectively. Results: The SFNSL was completed both at baseline and at 6-months’ follow-up by 89/138 patients. A marginal ROC curve (0.6) indicated cut-off values of 3.5 points, with 73% sensitivity and 49% specificity for change. The SDC was 11.8 points. Conclusions: The MID on the SFNSL is 3.5 points for a clinically relevant change over a 6-month period. The MID can be used in the follow-up and management of SFN-associated symptoms in patients with sarcoidosis, though with some caution as the SDC was found to be higher.
Mensen die moeite hebben met lezen en schrijven (laaggeletterden) zijn ondervertegenwoordigd in onderzoek, waardoor een belangrijke onderzoekspopulatie ontbreekt. Dit is een probleem, omdat zorgbeleid dan onvoldoende op hun behoeften wordt aangepast. Laaggeletterden hebben vaak een lage sociaal economische positie (SEP). Mensen met een lage SEP leven gemiddeld 4 jaar korter en 15 jaar in minder goed ervaren gezondheid vergeleken met mensen met een hoge SEP. Om laaggeletterden te betrekken in onderzoek, is het o.a. nodig om onderzoek toegankelijker te maken. Dit project draagt hieraan bij door de ontwikkeling van een toolbox voor toegankelijke (proefpersonen)informatie (pif) en toestemmingsverklaringen. We ontwikkelen in co-creatie met de doelgroep toegankelijke audiovisuele materialen die breed ingezet kunnen worden door (gezondheids)onderzoekers van (zorggerelateerde) instanties/bedrijven én kennisinstellingen voor de werving voor en informatieverstrekking over onderzoek. In de multidisciplinaire samenwerking met onze partners YURR.studio, Pharos, Stichting ABC, Stichting Crowdience, de HAN-Sterkplaats en de Academische Werkplaats Sterker op eigen benen (AW-SOEB) van Radboudumc stellen we de behoeften van de doelgroep centraal. Middels creatieve sessies en gebruikerservaringen wordt in een iteratief ontwerpende onderzoeksaanpak toegewerkt naar diverse ontwerpen van informatiebrieven en toestemmingsverklaringen, waarbij de visuele communicatie dragend is. Het ontwikkelproces biedt kennisontwikkeling en hands-on praktijkvoorbeelden voor designers en grafisch vormgevers in het toegankelijk maken van informatie. Als laaggeletterden beter bereikt worden d.m.v. de pif-toolbox, kunnen de inzichten van deze groep worden meegenomen. Dit zorgt voor een minder scheef beeld in onderzoek, waardoor (gezondheids)beleid zich beter kan richten op kwetsbare doelgroepen. Hiermee wordt een bijdrage geleverd aan het verkleinen van gezondheidsverschillen.
Patiëntdata uit vragenlijsten, fysieke testen en ‘wearables’ hebben veel potentie om fysiotherapie-behandelingen te personaliseren (zogeheten ‘datagedragen’ zorg) en gedeelde besluitvorming tussen fysiotherapeut en patiënt te faciliteren. Hiermee kan fysiotherapie mogelijk doelmatiger en effectiever worden. Veel fysiotherapeuten en hun patiënten zien echter nauwelijks meerwaarde in het verzamelen van patiëntdata, maar vooral toegenomen administratieve last. In de bestaande landelijke databases krijgen fysiotherapeuten en hun patiënten de door hen zelf verzamelde patiëntdata via een online dashboard weliswaar teruggekoppeld, maar op een weinig betekenisvolle manier doordat het dashboard primair gericht is op wensen van externe partijen (zoals zorgverzekeraars). Door gebruik te maken van technologische innovaties zoals gepersonaliseerde datavisualisaties op basis van geavanceerde data science analyses kunnen patiëntdata betekenisvoller teruggekoppeld en ingezet worden. Wij zetten technologie dus in om ‘datagedragen’, gepersonaliseerde zorg, in dit geval binnen de fysiotherapie, een stap dichterbij te brengen. De kennis opgedaan in de project is tevens relevant voor andere zorgberoepen. In dit KIEM-project worden eerst wensen van eindgebruikers, bestaande succesvolle datavisualisaties en de hiervoor vereiste data science analyses geïnventariseerd (werkpakket 1: inventarisatie). Op basis hiervan worden meerdere prototypes van inzichtelijke datavisualisaties ontwikkeld (bijvoorbeeld visualisatie van patiëntscores in vergelijking met (beoogde) normscores, of van voorspelling van verwacht herstel op basis van data van vergelijkbare eerdere patiënten). Middels focusgroepinterviews met fysiotherapeuten en patiënten worden hieruit de meest kansrijke (maximaal 5) prototypes geselecteerd. Voor deze geselecteerde prototypes worden vervolgens de vereiste data-analyses ontwikkeld die de datavisualisaties op de dashboards van de landelijke databases mogelijk maken (werkpakket 2: prototypes en data-analyses). In kleine pilots worden deze datavisualisaties door eindgebruikers toegepast in de praktijk om te bepalen of ze daadwerkelijk aan hun wensen voldoen (werkpakket 3: pilots). Uit dit 1-jarige project kan een groot vervolgonderzoek ‘ontkiemen’ naar het effect van betekenisvolle datavisualisaties op de uitkomsten van zorg.
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.
