Verpleegkundigen (i.o.) ervaren emotionele belasting door de werkzaamheden tijdens de eerste golf van de COVID-19 uitbraak. Verpleegkundigen (i.o.) ervaren peer support binnen hun eigen team of vanuit de opleiding als positief tijdens hun werkzaamheden in de COVID-19 uitbraak. Het toepassen van de drie- vragen-methode kan bijdragen aan het effectief omgaan met de emotionele belasting tijdens en na de COVID-19-uitbraak. De drie-vragen-methode kan informeel en structureel worden toegepast binnen het onderwijs door docenten en verpleegkundigen i.o., bijvoorbeeld tijdens bijeenkomsten voor intervisie, werkbegeleiding of studieloopbaanbegeleiding. De drie-vragen-methode kan informeel en structureel worden toegepast in de zorgpraktijk door leidinggevenden en collega's, bijvoorbeeld tijdens de koffie- of lunch- pauze, overdrachtsmomenten of dag- evaluaties.
LINK
Ondanks haar enorme populariteit brengt de hardloopsport een groot risico op blessures met zich mee. Er is heel wat bekend over de oorzaken en kenmerken van hardloopblessures, maar de rol van mentale aspecten, zoals mentaal herstel en obsessief gedrag, is hierin onderbelicht gebleven. In dit artikel bespreken we die rol, waarbij we tevens aandacht schenken aan blessurepreventie door de implementatie van een mobiele applicatie : REMBO.
InleidingVoor duursporters is een goede balans van belasting en herstel van groot belang voor hun prestaties. Hierbij gaat het niet alleen om fysieke belasting en herstel, zoals training en rust, maar ook om psychosociale belasting en herstel. Omdat er nog weinig bekend is over het psychosociale deel is het doel van deze studie om uit te zoeken hoe deze relatie tussen veranderingen in psychosociale belasting, herstel en prestatie-indicatoren bij duursporters eruit ziet. MethodeTwee jaar lang zijn psychosociale belasting, herstel en prestatie-indicatoren onderzocht van 115 duursporters. De sporters hebben in die periode dagelijks een trainingslogboek bijgehouden. Wekelijks tot 3-wekelijks hebben zij een belasting en herstelvragenlijst ingevuld (RESTQ-sport) en elke 6 tot 7 weken hebben zij een submaximale prestatietest gedaan. Gedurende deze periode is er bij de hardlopers een negatieve levensgebeurtenis (NLG) voorgekomen. De analyses van deze gegevens zijn tweeledig. Eerst is met behulp van multilevel-analyses uitgezocht wat de relatie is tussen psychosociale belasting, herstel en prestatie-indicatoren. Daarna is met ANOVA’s en T-tests uitgezocht wat de invloed is van een NLG op psychosociale belasting, herstel en prestatie-indicatoren. ResultatenDe analyses lieten zien dat een verbetering in psychosociale belasting en herstel bijdraagt aan een verbetering in prestatie-indicatoren. Bovendien bleek dat een NLG een negatieve invloed heeft op psychosociale belasting en herstel in de week van de gebeurtenis en 1 week daarna. Daarnaast blijkt dat de loopeconomie (prestatie-indicator) van hardlopers 3 weken na een NLG is verminderd.ConclusiesVeranderingen in psychosociale belasting en herstel zijn gerelateerd aan veranderingen in prestatie-indicatoren van duursporters. Daarbij verstoort een NLG de mate van psychosociale belasting en herstel en heeft het ook invloed op prestatie-indicatoren. Make it countCoaches kunnen psychosociale belasting en herstel monitoren om inzicht te krijgen in belastbaarheid van sporters. Hierdoor kunnen trainingsprogramma’s op het individu aangepast worden om uiteindelijk prestaties te verbeteren.
MULTIFILE
Blessures zijn één van de grootste problemen in de paralympische sport. Niet alleen is het aantal blessures hoog, maar ook de impact in het dagelijks leven is groot. In gesprekken met de beroepspraktijk (sporters, coaches, Embedded Scientist) komt de urgentie van dit probleem met name naar voren bij rolstoelsporters. In dit geval kan een blessure namelijk een acute bedreiging vormen voor de zelfredzaamheid, omdat zij in het dagelijks leven ook afhankelijk zijn van de rolstoel. Helaas is het voorkomen van blessures op dit moment moeilijk door de verscheidenheid aan blessures en onduidelijkheid over wat de oorzaken van deze blessures zijn. Hierbij speelt de complexiteit van het probleem een grote rol omdat allerlei factoren belangrijk kunnen zijn, zoals onder andere de belasting in het dagelijks leven, mentale aspecten en de slaapkwaliteit van de atleten. In dit project willen we de eerste stappen zetten om te achterhalen wat de risicofactoren zijn voor het oplopen van een overbelastingsblessure in rolstoelsporten. Om dit bereiken stellen we een integrale en data gedreven aanpak voor, waar Artificiële Intelligentie en Data Science een essentiële rol spelen. Op deze manier willen we de invloed van alle aspecten tegelijk bekijken en ook de mogelijke wisselwerkingen tussen de potentiële risicofactoren. In samenwerking met praktijkpartners, kennisinstellingen en bedrijven willen we verkennen wat noodzakelijk is voor onze integrale aanpak van blessurepreventie in rolstoelsporten. De opbrengst van dit project is een ingediende vervolgaanvraag met een goed afgebakende onderzoeksvraag en een sterk consortium. Ook zal een data-infrastructuur worden ontwikkeld, die gebruiksvriendelijk is voor de rolstoelsporter en de data gedreven aanpak naar blessurepreventie mogelijk maakt.
De maatschappelijke discussies over de invloed van AI op ons leven tieren welig. De terugkerende vraag is of AI-toepassingen – en dan vooral recommendersystemen – een dreiging of een redding zijn. De impact van het kiezen van een film voor vanavond, met behulp van Netflix' recommendersysteem, is nog beperkt. De impact van datingsites, navigatiesystemen en sociale media – allemaal systemen die met algoritmes informatie filteren of keuzes aanraden – is al groter. De impact van recommendersystemen in bijvoorbeeld de zorg, bij werving en selectie, fraudedetectie, en beoordelingen van hypotheekaanvragen is enorm, zowel op individueel als op maatschappelijk niveau. Het is daarom urgent dat juist recommendersystemen volgens de waarden van Responsible AI ontworpen worden: veilig, eerlijk, betrouwbaar, inclusief, transparant en controleerbaar.Om op een goede manier Responsible AI te ontwerpen moeten technische, contextuele én interactievraagstukken worden opgelost. Op het technische en maatschappelijke niveau is al veel vooruitgang geboekt, respectievelijk door onderzoek naar algoritmen die waarden als inclusiviteit in hun berekening meenemen, en door de ontwikkeling van wettelijke kaders. Over implementatie op interactieniveau bestaat daarentegen nog weinig concrete kennis. Bekend is dat gebruikers die interactiemogelijkheden hebben om een algoritme bij te sturen of aan te vullen, meer transparantie en betrouwbaarheid ervaren. Echter, slecht ontworpen interactiemogelijkheden, of een mismatch tussen interactie en context kosten juist tijd, veroorzaken mentale overbelasting, frustratie, en een gevoel van incompetentie. Ze verhullen eerder dan dat ze tot transparantie leiden.Het ontbreekt ontwerpers van interfaces (UX/UI designers) aan systematische concrete kennis over deze interactiemogelijkheden, hun toepasbaarheid, en de ethische grenzen. Dat beperkt hun mogelijkheid om op interactieniveau aan Responsible AI bij te dragen. Ze willen daarom graag een pattern library van interactiemogelijkheden, geannoteerd met onderzoek over de werking en inzetbaarheid. Dit bestaat nu niet en met dit project willen we een substantiële bijdrage leveren aan de ontwikkeling ervan.
De maatschappelijke discussies over de invloed van AI op ons leven tieren welig. De terugkerende vraag is of AI-toepassingen – en dan vooral recommendersystemen – een dreiging of een redding zijn. De impact van het kiezen van een film voor vanavond, met behulp van Netflix' recommendersysteem, is nog beperkt. De impact van datingsites, navigatiesystemen en sociale media – allemaal systemen die met algoritmes informatie filteren of keuzes aanraden – is al groter. De impact van recommendersystemen in bijvoorbeeld de zorg, bij werving en selectie, fraudedetectie, en beoordelingen van hypotheekaanvragen is enorm, zowel op individueel als op maatschappelijk niveau. Het is daarom urgent dat juist recommendersystemen volgens de waarden van Responsible AI ontworpen worden: veilig, eerlijk, betrouwbaar, inclusief, transparant en controleerbaar. Om op een goede manier Responsible AI te ontwerpen moeten technische, contextuele én interactievraagstukken worden opgelost. Op het technische en maatschappelijke niveau is al veel vooruitgang geboekt, respectievelijk door onderzoek naar algoritmen die waarden als inclusiviteit in hun berekening meenemen, en door de ontwikkeling van wettelijke kaders. Over implementatie op interactieniveau bestaat daarentegen nog weinig concrete kennis. Bekend is dat gebruikers die interactiemogelijkheden hebben om een algoritme bij te sturen of aan te vullen, meer transparantie en betrouwbaarheid ervaren. Echter, slecht ontworpen interactiemogelijkheden, of een mismatch tussen interactie en context kosten juist tijd, veroorzaken mentale overbelasting, frustratie, en een gevoel van incompetentie. Ze verhullen eerder dan dat ze tot transparantie leiden. Het ontbreekt ontwerpers van interfaces (UX/UI designers) aan systematische concrete kennis over deze interactiemogelijkheden, hun toepasbaarheid, en de ethische grenzen. Dat beperkt hun mogelijkheid om op interactieniveau aan Responsible AI bij te dragen. Ze willen daarom graag een pattern library van interactiemogelijkheden, geannoteerd met onderzoek over de werking en inzetbaarheid. Dit bestaat nu niet en met dit project willen we een substantiële bijdrage leveren aan de ontwikkeling ervan.
