Data is widely recognized as a potent catalyst for advancing healthcare effectiveness, increasing worker satisfaction, and mitigating healthcarecosts. The ongoing digital transformation within the healthcare sector promises to usher in a new era of flexible patient care, seamless inter-provider communication, and data-informed healthcare practices through the application of data science. However, more often than not data lacks interoperability across different healthcare institutions andare not readily available for analysis. This inability to share data leads to a higher administrative burden for healthcare providers and introduces risks when data is missing or when delays occur. Moreover, medical researchers face similar challenges in accessing medical data due to thedifficulty of extracting data from applications, a lack of standardization, and the required data transformations before it can be used for analysis. To address these complexities, a paradigm shift towards a data-centricapplication landscape is essential, where data serves as the bedrock of the healthcare infrastructure and is application agnostic.In short, a modern way to think about data in general is to go from an application driven landscape to a data driven landscape, which willallow for better interoperability and innovative healthcare solutions.
LINK
Vanuit Fontys Hogescholen wordt veel onderzoek gedaan, met name door onderzoekers van de verschillende lectoraten. Vanzelfsprekend worden er binnen deze onderzoeken veel data verzameld en verwerkt. Fontys onderschrijft het belang van zorgvuldige omgang met onderzoeksdata en vraagt daarom van onderzoekers dat zij hun Research Data Management (RDM) op orde hebben. Denk hierbij aan veilige opslag en duurzame toegankelijkheid van data. Maar ook (open access) publiceren en archiveren van onderzoeksdata maken onderdeel uit van RDM. Hoe je hier als onderzoeker invulling aan geeft kan soms best een zoektocht zijn, mede doordat nog niet iedereen even bekend is met het onderwerp RDM. Met dit boek hopen we onderzoekers binnen Fontys de belangrijkste informatie te bieden die nodig is om goed invulling te geven aan Research Data Management en daarbij ook te wijzen op de ondersteuning die op dit gebied voorhanden is.
De Peer Support Group Kwalitatief Onderzoek van de HU is een groeiende, zelfsturende, HU-brede groep die is ontstaan uit de behoefte van onderzoekers en docenten om als ‘peers’ onderling kennis en ervaring te delen met betrekking tot kwalitatief onderzoek. De logistiek en organisatie van deze groep heeft een zeer fluïde karakter. Zij vormt zich naar de inhoudelijke en organisatorische behoeften van de groep. Deze behoeften zijn continu in beweging door onder andere veranderingen binnen de organisatie van de HU en de verschillende werkvelden en onderzoeksdomeinen waaruit de deelnemers afkomstig zijn. Maar ook door de ontwikkelingen die plaatsvinden op het terrein van kwalitatief onderzoek, binnen de eigen Peer Support Group (PSG) zelf en van de individuen die deel uitmaken van de PSG. In deze bijdrage zal ik nader uiteenzetten hoe complexiteit een rol speelt in het ontstaan en functioneren van de PSG.
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.
Digital transformation has been recognized for its potential to contribute to sustainability goals. It requires companies to develop their Data Analytic Capability (DAC), defined as their ability to collect, manage and analyze data effectively. Despite the governmental efforts to promote digitalization, there seems to be a knowledge gap on how to proceed, with 37% of Dutch SMEs reporting a lack of knowledge, and 33% reporting a lack of support in developing DAC. Participants in the interviews that we organized preparing this proposal indicated a need for guidance on how to develop DAC within their organization given their unique context (e.g. age and experience of the workforce, presence of legacy systems, high daily workload, lack of knowledge of digitalization). While a lot of attention has been given to the technological aspects of DAC, the people, process, and organizational culture aspects are as important, requiring a comprehensive approach and thus a bundling of knowledge from different expertise. Therefore, the objective of this KIEM proposal is to identify organizational enablers and inhibitors of DAC through a series of interviews and case studies, and use these to formulate a preliminary roadmap to DAC. From a structure perspective, the objective of the KIEM proposal will be to explore and solidify the partnership between Breda University of Applied Sciences (BUas), Avans University of Applied Sciences (Avans), Logistics Community Brabant (LCB), van Berkel Logistics BV, Smink Group BV, and iValueImprovement BV. This partnership will be used to develop the preliminary roadmap and pre-test it using action methodology. The action research protocol and preliminary roadmap thereby developed in this KIEM project will form the basis for a subsequent RAAK proposal.
Digital transformation has been recognized for its potential to contribute to sustainability goals. It requires companies to develop their Data Analytic Capability (DAC), defined as their ability to manage and analyze data effectively. Despite the governmental efforts to promote digitalization, there seems to be a knowledge gap on how to proceed, with 37% of Dutch SMEs reporting a lack of knowledge, and 33% reporting a lack of support in developing DAC. While extensive attention has been given to the technological aspects of DAC, the people, process, and organizational culture aspects are as important, requiring a comprehensive approach and thus a bundling of knowledge from different expertise. Therefore, the objective of this KIEM proposal is to identify organizational enablers and inhibitors of DAC through a series of interviews and case studies, and use these to formulate a preliminary roadmap to DAC.
