De eiwitbehoefte wordt voornamelijk bepaald door de hoeveelheid vetvrije massa (VVM) in het lichaam. In de praktijk wordt de eiwitbehoefte echter gebaseerd op het lichaamsgewicht. In dit onderzoek is de eiwitbehoefte op basis van gemeten VVM vergeleken met de eiwitbehoefte bepaald op basis van gemetenlichaamsgewicht, gecorrigeerd lichaamsgewicht en geschatte VVM met de formule van Gallagher. De onderzoeksvraag luidde: ‘Welke methoden om de eiwitbehoefte te berekenen zijn het beste vergelijkbaar met de referentiemethode: gemeten VVM x 1,5 g eiwit/kg?’MethodeDeze vraag werd onderzocht in twee populaties. De eerste populatie was de ANAC-populatie (Amsterdam Nutritional Assessment Center, Hogeschool van Amsterdam): relatief gezonde volwassenen met overgewicht en obesitas. De tweede populatie was de VUmc-populatie: klinische en poliklinische patiënten met zeer uiteenlopende ziektebeelden. De VVM werd gemeten met BOD POD (ANAC) en bio-elektrische impedantie-analyse (BIA) (VUmc). Drie methoden om de eiwitbehoefte te berekenen werden vergeleken met de referentiemethode (gemeten VVM x 1,5 g eiwit/kg):A. Gemeten lichaamsgewicht x 1,2 g eiwit/kgB. Gecorrigeerd lichaamsgewicht x 1,2 g eiwit/kg (correctie: gewicht bij BMI 20 voor personen met ondergewicht(BMI<18,5) en gewicht bij BMI 27,5 voor personen met overgewicht (BMI>30))C. Geschatte VVM x 1,5 g eiwit/kg. De schatting is uitgevoerd met de formule van Gallagher.De gemiddelde afwijking met spreiding en standaardafwijking werd gebruikt om de validiteit te toetsen van de drie methoden om de eiwitbehoefte te berekenen. Een over- of onderschatting van 5% werd gedefinieerd als klinisch relevant.ResultatenDe afwijking bij methode A was klein in de groep met ondergewicht en groot bij de groep met overgewicht en obesitas. Slechts bij 1% van de obese personen werd de eiwitbehoefte met methode A juist geschat. Dit verbeterde met methode B naar 15-33%. Methode C was voor alle groepen, met uitzondering van depersonen met ondergewicht, het gunstigst. De afwijking varieerde van 14 gram onderschatting tot 28 gram overschatting. Bij 38-54% van de personen met overgewicht en obesitas werd de eiwitbehoefte juist geschat.ConclusieEr is vooral bij overgewicht en obesitas een forse variatie tussen de verschillende methoden voor het berekenen van de eiwitbehoefte. De berekening van de eiwitbehoefte op basis van de gemeten VVM heeft de voorkeur. Als dit niet mogelijk is, volstaat bij deze groep een aanpassing van het gewicht in de berekening naar een gewicht bij BMI 27,5 niet. Toepassing van de formule van Gallagher om de VVM te schatten en daarmee de eiwitbehoefte te berekenen, geeft vooral voor personen met overgewicht en obesitas een betereovereenkomst met de eiwitbehoefte per kilogram gemeten VVM.
Onderzoek naar de mening van burgers over de berekening van kinderalimentatie. In het onderzoek wordt achterhaald wat de mening is van respectievelijk de onderhoudsplichtige en onderhoudsgerechtigde over de manier waarop de kinderalimentatie wordt berekend. Centrale onderzoeksvragen zijn: 1. Wat is de mening van de burger over de manier waarop de kinderalimentatie wordt berekend? 2. In hoeverre is er een causaal verband tussen betalingsproblemen en de manier waarop de alimentatie wordt berekend? 3. In hoeverre heeft de burger behoefte aan een andere manier van berekenen van de kinderalimentatie?
MULTIFILE
Het belang van innovatie voor economische groei en het scheppen van werkgelegenheid in het MKB wordt erkend door zowel academici als politici. Er worden daarom programma’s ontwikkeld om innovatie te stimuleren. Met deze maatregelen ontstaat de vraag te bepalen of deze initiatieven succesvol zijn en zo ja, in welke mate. In de literatuur hebben we geen indicator gevonden die ons in staat stelt de mate van innovativiteit van MKB bedrijven te bepalen voor een dergelijke interventie en daarna. De hoofdvraag van ons onderzoek was dan ook: hoe kunnen we het effect van een interventie voor het bevorderen van de innovatiekracht van MKB-bedrijven meten? Kijkend naar de definities van innovatie zoals die zijn verzameld door King & Anderson (2002) hebben we vastgesteld dat een bedrijf innovatief genoemd mag worden als het met opzeten succesvol nieuwe ideeën implementeert. Succesvol wil in dit verband zeggen: het draagt bij aan de winst en dus aan de continuïteit van het desbetreffende MKB-bedrijf. Door de verschillende (bewuste) innovaties te identificeren samen met de ondernemer en te berekenen wat de winstgevendheid is geweest van de innovaties, kunnen we de ’innovatiewinst’ van de ondernemer berekenen. Dit bedrag delen door de omzet creëert een indicator waarmee de innovativiteit van de organisatie door de tijd gemeten kan worden. Wij stellen daarom de volgende definitie van innovatiekracht voor: KIKR = [ [Winst Innovatie1+Winst Innovatie2+ ... +Winst Innovatie5] / Omzet] x 100. De ratio kan alleen met voldoende betrouwbaarheid bepaald worden door een gestructureerd interview met de directeur/ eigenaar van de het bedrijf door een gekwalificeerde gesprekspartner. De auteurs realiseren zich dat dit gesprek op zichzelf misschien een interventie is, omdat de ervaring leert dat het innovatiebewustzijn van de ondernemer er door toeneemt. Om te bepalen of dit daadwerkelijk zo is, en om te testen of de KIKR inderdaad als bruikbare maat voor innovatiekracht kan worden gebruikt is vervolgonderzoek noodzakelijk. Desalniettemin zijn de auteurs van mening dat met de KIKR de innovatiekracht van bedrijven door de tijd heen gemeten kan worden en daarmee een bruikbaar instrument is om het effect te bepalen van interventies die innovatiekracht moeten vergroten. The importance of innovation as an engine for economic growth and the creation of employment opportunities is acknowledged by both academia and politicians. This makes the need for good innovation measures crucial. In the third edition of the Oslo Manual (2005), a need for proper indicators to capture the changes in the nature and landscape of innovation is voiced. According to the manual, a considerable body of models and analytical frameworks for innovation were developed in the 1980s and 1990s. Over time, the scope of what is considered as innovation has been widened and expanded to include marketing and organizational innovation. In this paper, we focus on innovative performance as a measure of success. This is part of ongoing research in the Netherlands in The Hague region. This research is framed within an approach based on action research. We have worked with 45 SMEs in four sectors. This has formed the basis for the conceptual development of innovative performance as a new metric for the measurement of a successful innovation. In this paper, we review our findings thus far and explore the validity of innovative performance as an appropriate indicator for measuring innovation within SMEs.
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.
Bouw, interieurarchitectuur en productontwerp herontdekken hout als duurzaam materiaal. De vraag naar hout neemt toe, prijzen exploderen, de beschikbaarheid neemt af. Een van de gevolgen is de toenemende aandacht voor hoogwaardig gebruik van inheems hout uit de bosbouw en stedelijke gebieden. Toch blijft bij het kappen van bomen slechts 40% van het hout – de stam – daadwerkelijk behouden. De rest van het hout wordt in het bos achtergelaten (om bodemuitputting te voorkomen) of geoogst als houtsnippers. Dit omvat boomtakken en vorken, onderdelen waarvan de vezels op natuurlijke wijze zijn gerangschikt om een hoge structurele sterkte te bereiken. Tegenwoordig kunnen geavanceerde technologieën zoals 3D-scannen, 6-assig frezen en andere productieprocessen met industriële robots nieuwe mogelijkheden bieden om takken en vorken in hun oorspronkelijke staat te gebruiken. Deze technieken kunnen helpen om de geometrische gegevens van deze boomdelen nauwkeurig vast te leggen, om hun structurele sterkte te berekenen en om het gebruik ervan in zo oorspronkelijk mogelijke staat mogelijk te maken. Bij het HvA Robotlab wordt al jaren onderzoek gedaan naar slim scannen en bewerken van hout met industriële robots. In BranchOut wordt deze kennis gebruikt voor het scannen en bewerken van twee grote boomvorken, geoogst door partner Staatsbosbeheer. Aanvullend onderzoek wordt gedaan naar logistiek (transport, handling, opslag voor droging) en bewerking door expert partners Fijnhout resp. Visser. Stichting Hout Research levert kennis aan hoe het draagvermogen van boomdelen te bepalen. De bevindingen worden gebruikt om hoogwaardige toepassingen te bedenken en de marktkansen van boomvorken en gesteltakken in te schatten. Indien veelbelovend, leidt BranchOut tot vervolgonderzoek, waaronder de ontwikkeling van specifieke digitale ontwerp- en verwerkingstools om het gebruik van niet-standaard vorken en takken te stroomlijnen en te optimaliseren, richting de constructie van een demonstratieproject.
Toerisme Vlaanderen is bezig met de ontwikkeling van een meetkader om de nieuwe strategische visie omtrent toerisme te ondersteunen. Hierbij zou de carbon footprint van inkomend toerisme een indicator moeten zijn. Er is op dit moment geen carbon footprint berekening van toerisme in of naar Vlaanderen beschikbaar. Toerisme Vlaanderen beschikt wel over voldoende data over het inkomend toerisme, maar niet over voldoende kennis m.b.t. het berekenen van carbon footprints en heeft daarom het CSTT benaderd. Gelijkenissen met Nederlandse data zijn groot, maar er moet een nieuwe “syntax” moeten worden ontwikkeld, om de data over inkomend toerisme naar carbon footprint gegevens te vertalen en in heldere tabellen om te zetten. Deze tabellen zullen geanalyseerd worden, waarna een rapportage kan worden geschreven. Het gaat hier om een nulmeting die in de toekomst relatief eenvoudig herhaald kan worden.Het eindproduct is een gedetailleerde rapportage over de carbon footprint van inkomend toerisme naar Vlaanderen over 2019.
