De richtlijn is ontwikkeld door Hanze University of Applied Sciences en is geautoriseerd door V&VN, NU’91, Patiëntenfederatie Nederland en zorgbelang. Zorgverzekeraars Nederland onderschrijft de richtlijn.
De richtlijn bestaat uit twee delen: Deel 1: Theoretische onderbouwing met conclusies en aanbevelingen. Gebaseerd op literatuurgegevens en op praktijkervaring van experts. Deel 2: Praktische handleiding voor de hulpverlener. Werkboek. Dit kan digitaal ingevuld worden. Aan de hand van de handleiding en het werkboek wordt een terugvalpreventieplan opgesteld. Deze richtlijn is gericht op terugvalpreventie bij jeugdige patiënten met anorexia nervosa.
MULTIFILE
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.
3D-printen is inmiddels een volwassen productietechniek en wordt ook steeds meer ingezet voor medische toepassingen, omdat het voor medisch specialisten steeds meer vanzelfsprekend wordt dat zorg wordt afgestemd op de behoeften en wensen van de patiënt. Ook de therapeutische wereld volgt deze ontwikkelingen en willen hier meer mee doen, om zo hun patiënten optimaal te kunnen helpen. De bottlenecks voor het daadwerkelijk implementeren van 3D-printen in het alledaagse proces van de podotherapeut zitten voornamelijk in de kostprijs, snelheid van produceren, beperking aan goede materialen en de onmogelijkheid om de geprinte zool nadien aan te passen. Daarnaast zorgt de diversiteit aan mogelijkheden voor een diffuus beeld voor de podotherapeutische bedrijven omtrent wat nu de juiste productietechniek en het juiste materiaal is om te gebruiken. De praktijkvraag die in dit project beantwoord wordt is: In welke situatie is welke materiaal-productieproces combinatie van de 3D-printtechniek geschikt voor podotherapeutische zolen? Middels gebruiksonderzoek en scenario’s worden de eisen en wensen van de podotherapeuten achterhaald, welke worden gekoppeld aan de uitkomsten van het literatuuronderzoek. Deze ontwerp-proces-materiaal-combinaties worden experimenteel getest en verbeterd. Aan de hand van de uitkomsten worden ontwerp-afhankelijke richtlijnen opgesteld voor de podotherapeuten om zo een goede materiaal-proces selectie te kunnen maken voor het gebruik van 3D-printen voor podotherapeutische zolen.
Mondkapjes, of mondmaskers, zijn door de SARS-COV-2 pandemie niet meer uit het straatbeeld weg te denken. De kwaliteit en comfort van de pasvorm van medische en niet-medische mondmaskers wordt bepaald door hoe goed het mondmasker overeenkomt met de afmetingen van het gezicht van de drager. Echter is er geen goed overzicht van de antropometrie van het gelaat van de Nederlandse bevolking waardoor de pasvorm van mondmaskers nu vaak niet optimaal is. Er is dus vraag naar een laagdrempelige en veilige manier om gezichtskenmerken in kaart te brengen en betere ontwerprichtlijnen voor mondkapjes. Driedimensionaal (3D) scannen doormiddel van Light Detection and Ranging (LiDaR) technologie in combinatie met slimme algoritmes lijkt wellicht een manier om gezichtskenmerken snel en laagdrempelig vast te leggen bij grote groepen mensen. Daarnaast geeft het 3D scannen van gezichten de mogelijkheid om niet enkel de afmetingen van gezichten te meten, maar ook 3D pasvisualisaties uit te voeren. Hoewel 3D scannen geen nieuwe technologie is, is de LiDaR technologie pas sinds 2020 geïntegreerd in de Ipad en Iphone waardoor het toegankelijk gemaakt is voor consumenten. Doormiddel van een research through design benadering zal onderzocht worden of deze technologie gebruikt kan worden om betrouwbare en valide opnames te maken van gezichten en of er op basis hiervan ontwerprichtlijnen ontwikkeld kunnen worden. In dit KIEM GoCi-project zal daarnaast ingezet worden om een kennisbasis en netwerk op te bouwen voor een vervolg aanvraag over de inzet van 3D technologieën in de mode-industrie.
