Background: Early detection and remediation of language disorders are important in helping children to establish appropriate communicative and social behaviour and acquire additional information about the world through the use of language. In the Netherlands, children with (a suspicion of) language disorders are referred to speech and hearing centres for multidisciplinary assessment. Reliable data are needed on the nature of language disorders, as well as the age and source of referral, and the effects of cultural and socioeconomic profiles of the population served in order to plan speech and language therapy service provision. Aims: To provide a detailed description of caseload characteristics of children referred with a possible language disorder by generating more understanding of factors that might influence early identification. Methods & Procedures: A database of 11,450 children was analysed consisting of data on children, aged 2–7 years (70% boys, 30% girls), visiting Dutch speech and hearing centres. The factors analysed were age of referral, ratio of boys to girls, mono‐ and bilingualism, nature of the language delay, and language profile of the children. Outcomes & Results:Results revealed an age bias in the referral of children with language disorders. On average, boys were referred 5 months earlier than girls, and monolingual children were referred 3 months earlier than bilingual children. In addition, bilingual children seemed to have more complex problems at referral than monolingual children. They more often had both a disorder in both receptive and expressive language, and a language disorder with additional (developmental) problems. Conclusions & Implications: This study revealed a bias in age of referral of young children with language disorders. The results implicate the need for objective language screening instruments and the need to increase the awareness of staff in primary child healthcare of red flags in language development of girls and multilingual children aiming at earlier identification of language disorders in these children.
De Nederlandse overheid stelt zich als doel om dakloosheid volledig uit te bannen vóór 2030 (Ministerie van BZK, Ministerie van SZW & Ministerie van VWS, 2022). Om dit doel te bereiken, zijn gegevens over de aard en omvang van dak- en thuisloosheid in Nederland van cruciaal belang. Hoeveel mensen er dak- en thuisloos zijn in Nederland is echter niet duidelijk. Ook is niet bekend wat hun kenmerken en leefsituaties zijn. In het recent verschenen Nationaal Actieplan Dakloosheid: Eerst een Thuis (2023-2030) wordt gewezen op het belang van betere monitoring van dakloosheid, zodat er gericht kan worden gestuurd aan de hand van kwantitatieve gegevens. De huidige monitoring van dakloosheid in Nederland biedt hiertoe onvoldoende mogelijkheden (Ministerie van BZK, Ministerie van SZW & Ministerie van VWS, 2022). Om beter zicht te krijgen op de werkelijke aard en omvang van dak- en thuisloosheid voerde Hogeschool Utrecht in samenwerking met Kansfonds een telonderzoek uit in twee regio’s in Noordoost-Brabant: regio Meierij en Bommelerwaard met centrumgemeente ’s-Hertogenbosch en regio Brabant Noordoost-Oost met centrumgemeente Oss. Hierbij werd gebruik gemaakt van een voor Nederland nieuwe definitie van dakloosheid, de ETHOS-Light classificatie, en van een nieuwe telmethode. Dit rapport bevat de resultaten van de telling die plaatsvond op 16 mei 2023 in regio Meierij en Bommelerwaard. De telling is uitgevoerd in nauwe samenwerking met de gemeenten die onderdeel uitmaken van deze regio: ’s-Hertogenbosch, Zaltbommel, Sint-Michielsgestel, Maasdriel, Vught, Meierijstad en Boxtel. Het onderzoeksteam van Hogeschool Utrecht werd ondersteund door het onderzoeksteam van de Katholieke Universiteit Leuven dat de toegepaste telmethode ontwikkelde. Dit onderzoeksteam, onder leiding van prof. dr. Koen Hermans, past de telmethode inmiddels al een aantal jaar met succes toe in een groot aantal Belgische regio’s. Met hun toestemming passen wij deze methode nu voor het eerst in Nederland toe. Met het uitvoeren van de telling geven de gemeenten in regio Meierij en Bommelerwaard, Hogeschool Utrecht en Kansfonds een impuls aan het in kaart brengen van dak- en thuisloosheid in Nederland. De betrokken gemeenten hebben de ambitie om dak- en thuisloosheid in hun regio gedegen aan te pakken. Zij willen hun beleid gericht op preventie en aanpak van dakloosheid baseren op concrete cijfers en profielkenmerken van dak- en thuisloze mensen in hun regio. De resultaten van deze telling worden gebruikt voor de ontwikkeling van een regionaal actieplan om dakloosheid te voorkomen en te beëindigen in 2030.
Communicatieprofessionals geven aan dat organisaties geconfronteerd worden met een almaar complexere samenleving en daarmee het overzicht verloren hebben. Zo’n overzicht, een ‘360 graden blik’, is echter onontbeerlijk. Dit vooral, aldus diezelfde communicatieprofessionals, omdat dan eerder kan worden opgemerkt wanneer de legitimiteit van een organisatie ter discussie staat en zowel tijdiger als adequater gereageerd kan worden. Op dit moment is het echter nog zo dat een reactie pas op gang komt als zaken reeds in een gevorderd stadium verkeren. Onderstromen blijven onderbelicht, als ze niet al geheel onzichtbaar zijn. Een van de verklaringen hiervoor is de grote rol van sociale media in de publieke communicatie van dit moment. Die media produceren echter zoveel data dat communicatieprofessionals daartegenover machteloos staan. De enige oplossing is automatisering van de selectie en analyse van die data. Helaas is men er tot op heden nog niet in geslaagd een brug te slaan tussen het handwerk van de communicatieprofessional en de vele mogelijkheden van een datagedreven aanpak. Deze brug dan wel de vertaling van de huidige praktijk naar een hogere technisch niveau staat centraal in dit onderzoeksproject. Daarbij gaat het in het bijzonder om een vroegtijdige herkenning van potentiële issues, in het bijzonder met betrekking tot geruchtvorming en oproepen tot mobilisatie. Met discoursanalyse, AI en UX Design willen we interfaces ontwikkelen die zicht geven op die onderstromen. Daarbij worden transcripten van handmatig gecodeerde discoursanalytische datasets ingezet voor AI, in het bijzonder voor de clustering en classificatie van nieuwe data. Interactieve datavisualisaties maken die datasets vervolgens beter doorzoekbaar terwijl geautomatiseerde patroon-classificaties de communicatieprofessional in staat stellen sociale uitingen beter in te schatten. Aldus wordt richting gegeven aan handelingsperspectieven. Het onderzoek voorziet in de oplevering van een high fidelity ontwerp en een handleiding plus training waarmee analisten van newsrooms en communicatieprofessionals daadwerkelijk aan de slag kunnen gaan.
In het ziekenhuis kan elke fout een leven kosten. Zo kan al een kleine bereidingsfout bij het klaarmaken van intraveneuze medicijnen (IV) leiden tot levensbedreigende omstandigheden voor de patiënt. Bereiding van dit type medicijnen gebeurt in de apotheek en op de verpleegafdeling. Met name op de verpleegafdeling is het een drukke en onvoorspelbare setting. Wereldwijd komen in deze setting ernstige bereidingsfouten nog te frequent voor. Om deze menselijke fouten te reduceren, wordt in deze KIEM aanvraag een proof-of-concept ‘slim oog’ ontwikkeld die vlak voor de toediening detecteert of de juiste dosis aanwezig is, of het type medicijn correct is en geen vervuiling aanwezig is. Het slimme oog maakt gebruik van hyperspectrale technologie en artificial intelligence, en is een samenwerking tussen de Computer Vision & Data Science afdeling van NHL Stenden Hogeschool, de automatische medicijncontrole specialist ZiuZ, en het Tjongerschans ziekenhuis. De unieke combinatie tussen nieuwe AI-technieken, hyperspectrale techniek en de toepassing op intraveneuze medicijnen is voor dit consortium technisch nieuw, en is nog niet eerder ontwikkeld voor de toepassing aan het bed of in de medicijnkamer op de verpleegafdeling. De onvoorspelbare setting en de urgentie aan het bed maakt dit onderzoek technisch uitdagend. Tevens moet het uiteindelijke device klein en draagbaar en snel werkzaam zijn. Om de grote verscheidenheid aan mogelijke gebruik scenario's en menselijke fouten te vangen in het algoritme, wordt een door NHLS ontwikkelde simulatie procedure gevolgd: met nabootsing van de praktijksituatie in samenwerking met zorgverleners, met opzettelijke fouten, en computer gegenereerde beeldmanipulatie. Het project zal geïntegreerd worden in het onderwijs volgens de design-based methode, met teams bestaande uit domein experts, bedrijven, docent-onderzoekers en studenten. Het uiteindelijke doel is om met een proof-of-concept aan-het-bed demonstrator een groot consortium van ziekenhuizen, ontwikkelaars en eindgebruikers enthousiast te maken voor een groter vervolgproject.
Nederland ligt voor een groot deel onder de zeespiegel. Vele kilometers dijk beschermen het land tegen overstroming. Deze dijken worden gecontroleerd en onderhouden door het hoogheemraadschap. Controle van die dijken is op dit moment nog een arbeidsintensief proces waarbij twee inspecteurs gezamenlijk ter plaatse de dijk controleren. In dit project willen we een eerste stap zetten om deze visuele inspectie te automatiseren. Door middel van beeldmateriaal wordt met een neuraal netwerk gecontroleerd op scheuren en breuken. Worden scheuren of breuken ontdekt, of is er een verhoogd risico volgens het neurale netwerk, dan kunnen inspecteurs op dat moment de situatie bekijken. Laagrisicogebieden hoeven op deze manier helemaal niet meer bezocht te worden, waardoor meer tijd overblijft voor grondiger inspectie van de gebieden waar het risico groter is. In dit project ontwikkelen we niet alleen een proof of concept om de inspectie te automatiseren, maar ook kijken we naar mogelijkheden hoe we het ophalen van beeldmateriaal kunnen vereenvoudigen.
