IntroductionTo stimulate early recognition and treatment of malnutrition, the Dutch Healthcare Inspectorate obliged all hospitals from 2008–2019 to report the number of malnourished patients with an adequate protein intake on the fourth day of hospital admission. In this article we present results over the past 11 years and discuss success factors and barriers for adequate treatment of malnourished patients in hospitals.MethodsThe annual reports of hospitals on the numbers of patients with a screening result ‘malnourished’ and an adequate protein intake on the fourth day of admission were analysed. Hospitals were categorized based on the percentage of malnourished patients with an adequate protein intake on the fourth day of admission as ‘poor’ (<40% of patients in a hospital achieve an adequate protein intake), ‘moderate’ 40–60% of patients in a hospital achieve an adequate protein intake), and ‘good’ (>60% of patients in a hospital achieve an adequate protein intake). To identify success factors and barriers for adequate treatment and registration of malnourished patients in hospitals, three focus groups were held in June and July 2020. Participants were dietitians and quality employees or nurses who were involved in data collection for malnutrition indicators in their hospitals.ResultsBetween 2008–2019, data were reported of 339,720 malnourished patients. The relative number of patients with adequate intake of protein on the fourth day in hospital ranges from 44%-53% between 2011 and 2019. Before 2013, the number of hospitals that reported data was too small to draw conclusions about results of treatment of malnutrition. Data from 2013 to 2019, show a decline in the number of hospitals with a ‘poor’ score. The number of hospitals with a moderate score increased between 2015 and 2019 and the number of hospitals with a good score remained more or less stable, except for 2018 where more hospitals reached a ‘good’ score. Sixteen professionals from ten different hospitals participated in the focus groups and revealed several determinants of adequate treatment of malnourished patients in hospitals such as awareness, feeling responsible and the need of clear instructions and good collaboration.ConclusionThis inventory of the protein intake of 339,720 hospital malnourished patients over 11 years shows that in one out of five Dutch hospitals >60% of malnourished patients had an adequate protein intake on the fourth day of admission. This shows that meeting protein requirements remains a difficult challenge. Early recognition of malnutrition, optimal multidisciplinary treatment and continuous evaluation is necessary to provide optimal nutritional care in the hospital and beyond.
DOCUMENT
Background: A protein intake of 30‐40 g per meal is suggested to maximally stimulate muscle protein synthesis in older adults and could therefore contribute to the prevention of sarcopenia. Protein intake at breakfast and lunch is often low and offers a great opportunity to improve daily protein intake. Protein, however, is known for its satiating effects. Therefore, we explored the association between the amount of protein intake at breakfast and lunch and total daily protein intake in older adults.Methods: Protein intake was assessed by a 3‐day food record in 498 community dwelling older adults (≥55 years) participating different lifestyle interventions. Linear mixed model analysis was used to examine the association between protein intake at breakfast or lunch and total daily protein intake, adjusted for sex, age, body mass index, smoking status, study and total energy intake.Results: After adjustment for potential confounders, a 10 g higher protein intake at breakfast was associated with a 3.2 g higher total daily protein intake (P = 0.008) for males and a 4.9 g (P < 0.001) higher total daily protein intake for females. A 10 g higher protein intake at lunch was associated with a 3.7 g higher total daily protein intake (P < 0.001) for males, and a 5.8 g higher total daily protein intake (P < 0.001) for females.Conclusions: A higher protein intake at breakfast and lunch is associated with a higher total daily protein intake in community dwelling older adults. Stimulating a higher protein intake at breakfast and lunch might represent a promising nutritional strategy to optimise the amount of protein per meal without compromising total daily protein intake.
DOCUMENT
Mkb-bedrijven in de maakindustrie vragen steeds meer om de-assemblage oplossingen, voor het uit elkaar halen van producten als deze End-of-Life zijn. De wens van bedrijven om ‘het goede’ te doen voor mens en klimaat, speelt een rol, maar duurzaamheid wordt natuurlijk ook steeds meer afgedwongen door CSRD, CSDDD, ESPR en andere regelgeving. Gezien de tekorten op de arbeidsmarkt zal dit (deels) geautomatiseerd en m.b.v. digitalisering aangepakt moeten worden. Veel bestaande producten zijn ontwikkeld zonder aandacht te besteden aan de-assemblage (ook wel demanufacturing). Werkvoorbereiding voor demanufacturing is nog niet geprofessionaliseerd. ‘Disassemblability’ ofwel de mate waarin een product gemakkelijk uit elkaar gehaald kan worden is een belangrijke variabele (Turkbay Romano et al., 2024). Kennis hierover, die wel door praktijkervaring aanwezig is, is niet geparametriseerd of gekoppeld aan specifieke producteigenschappen, waardoor elk demanufacturing plan ‘to-order’ gemaakt moet worden. Ook triage (Moeten we dit doen? Hoe gaan we het doen?) bij intake van productseries of individuele producten is belangrijk, maar criteria om te bepalen of hergebruik op product, component of materiaalniveau de moeite waard is ontbreken vaak. De stakeholders van dit project zien de noodzaak om stappen te zetten richting het vormgeven van de ‘demanufacturing guide’ in een productpaspoort, en het slim vullen hiervan, zodat ze benodigde de-assemblage handelingen en tools ‘smart’ kunnen bepalen, op basis van de -nu vaak beperkte- beschikbare productinformatie. Het doel van het project is dan ook te komen tot een gestandaardiseerde beschrijving voor de-assemblage, op basis van o.a. het fysieke product zelf, als onderdeel van een digitaal productpaspoort. Zo’n aanpak draagt bij aan hogere productiviteit, maar ook aan het beter voorspellen van de-assemblage kosten en daarmee het selecteren van producten met een interessante circulaire business case.
Onderzoekers van Hogeschool Utrecht en de Hogeschool van Amsterdam hebben samen met Het Juridisch Loket een clickable demo van een multicriteria-decision (MCD) tool ontwikkeld. Deze tool maakt een volledige probleemverkenning van multiproblematiek en een passende doorverwijzing van cliënten met multiproblematiek mogelijk.
Lage rugpijn is een veel voorkomende aandoening en een belangrijke reden voor patiënten om de eerstelijnsfysiotherapeut te bezoeken. De sociaaleconomische gevolgen van lage rugpijn zijn groot en worden voor het leeuwendeel veroorzaakt door patiënten die lijden aan chronische pijnklachten met als mogelijk gevolg veel medische consumptie, (langdurend) ziekteverzuim en arbeidsongeschiktheid. Om chronische rugpijn te voorkomen is het belangrijk om in een vroeg stadium de kans hierop in te kunnen schatten door psychosociale en mogelijk andere risicofactoren op chronische pijnklachten te herkennen. In de fysiotherapierichtlijn lage rugpijn ontbreekt een heldere aanbeveling over de wijze waarop deze risicofactoren moeten worden gemeten en geïnterpreteerd. Dientengevolge worden in de praktijk hiervoor verschillende vragenlijsten en/of criteria gebruikt. Onder fysiotherapeuten is er vraag naar een hanteerbare en accurate methodiek om deze risico-inschatting te kunnen maken. Fysiotherapeuten zijn met deze vraag naar het lectoraat Musculoskeletale Revalidatie van de Hogeschool van Arnhem en Nijmegen gegaan en dit heeft aanleiding gegeven om samen met projectpartners een onderzoek op te zetten waarin een dergelijke methodiek ontwikkeld wordt. De voorgestelde methodiek betreft een Clinical Decision Support Tool: een digitale tool waarmee op basis van patiëntkarakteristieken en meetinstrumenten een geïndividualiseerde kans op chronische pijn kan worden bepaald gekoppeld aan een behandeladvies conform de lage rugpijnrichtlijn. Om dit te bereiken zal eerst worden geïnventariseerd welke methoden fysiotherapeuten nu reeds gebruiken en welke in de literatuur worden genoemd. Op basis hiervan wordt een keuze gemaakt t.a.v. data die digitaal verzameld gaan worden in minimaal 16 fysiotherapiepraktijken waarbij patiënten gedurende 12 weken gevolgd gaan worden. Met de verzamelde data worden met machine-learning algoritmes ontwikkeld voor het berekenen van de kans op chroniciteit. De algoritmes worden ingebouwd in een en online calculator, de Clinical Decision Support Tool, en een gebruiksvriendelijke prototype app. Bij het ontwikkelen van de tool worden de eindgebruikers (fysiotherapeuten maar ook 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.
