InleidingVoor duursporters is een goede balans van belasting en herstel van groot belang voor hun prestaties. Hierbij gaat het niet alleen om fysieke belasting en herstel, zoals training en rust, maar ook om psychosociale belasting en herstel. Omdat er nog weinig bekend is over het psychosociale deel is het doel van deze studie om uit te zoeken hoe deze relatie tussen veranderingen in psychosociale belasting, herstel en prestatie-indicatoren bij duursporters eruit ziet. MethodeTwee jaar lang zijn psychosociale belasting, herstel en prestatie-indicatoren onderzocht van 115 duursporters. De sporters hebben in die periode dagelijks een trainingslogboek bijgehouden. Wekelijks tot 3-wekelijks hebben zij een belasting en herstelvragenlijst ingevuld (RESTQ-sport) en elke 6 tot 7 weken hebben zij een submaximale prestatietest gedaan. Gedurende deze periode is er bij de hardlopers een negatieve levensgebeurtenis (NLG) voorgekomen. De analyses van deze gegevens zijn tweeledig. Eerst is met behulp van multilevel-analyses uitgezocht wat de relatie is tussen psychosociale belasting, herstel en prestatie-indicatoren. Daarna is met ANOVA’s en T-tests uitgezocht wat de invloed is van een NLG op psychosociale belasting, herstel en prestatie-indicatoren. ResultatenDe analyses lieten zien dat een verbetering in psychosociale belasting en herstel bijdraagt aan een verbetering in prestatie-indicatoren. Bovendien bleek dat een NLG een negatieve invloed heeft op psychosociale belasting en herstel in de week van de gebeurtenis en 1 week daarna. Daarnaast blijkt dat de loopeconomie (prestatie-indicator) van hardlopers 3 weken na een NLG is verminderd.ConclusiesVeranderingen in psychosociale belasting en herstel zijn gerelateerd aan veranderingen in prestatie-indicatoren van duursporters. Daarbij verstoort een NLG de mate van psychosociale belasting en herstel en heeft het ook invloed op prestatie-indicatoren. Make it countCoaches kunnen psychosociale belasting en herstel monitoren om inzicht te krijgen in belastbaarheid van sporters. Hierdoor kunnen trainingsprogramma’s op het individu aangepast worden om uiteindelijk prestaties te verbeteren.
MULTIFILE
In Nederland verleent ongeveer een derde van de volwassen bevolking onbetaalde zorg. Het verlenen van mantelzorg kan in normale tijden zeer belastend zijn, maar de impact van een volksgezondheidscrisis op mantelzorgers is grotendeels onbekend. Deze studie richt zich op de vraag hoe de belasting van mantelzorgers veranderde na de COVID-19 pandemie en welke kenmerken verband hielden met deze veranderingen. We gebruiken zelfgerapporteerde gegevens van een steekproef van 965 mantelzorgers uit Nederland na 3 maanden pandemie om te onderzoeken hoe de objectieve belasting (d.w.z. uren besteed aan mantelzorg) en de subjectieve belasting waren veranderd, en wat hun zorggerelateerde kwaliteit van leven (CarerQol) was. We vonden dat de subjectieve belasting gemiddeld licht was toegenomen (van 4,75 naar 5,04 op een schaal van 0-10). Uit onze analyse bleek echter dat sommige zorgverleners er meer last van hadden dan anderen. De zwaarst getroffen zorgverleners waren vrouwen, met een laag inkomen, een betere lichamelijke gezondheid, een verminderde psychische gezondheid, zorgtaken voor kinderen, een langere duur van de zorg en zorgverleners die zorgden voor iemand met een verminderde lichamelijke en psychische gezondheid. Gemiddeld bleef de tijd die aan zorg werd besteed gelijk (een mediaan van 15 uur per week), maar bepaalde groepen zorgverleners ervoeren wel een verandering, namelijk degenen die zorg verleenden aan mensen in een instelling en aan mensen met een betere psychologische gezondheid vóór de pandemie. Bovendien hadden zorgverleners die veranderingen in objectieve belasting ervoeren niet dezelfde kenmerken als degenen die veranderingen in ervaren belasting en kwaliteit van leven ervoeren. Dit laat zien dat de gevolgen van een volksgezondheidscrisis voor zorgverleners niet kunnen worden gevangen door alleen te kijken naar objectieve of subjectieve belastingsmaten of kwaliteit van leven. Beleid voor langdurige zorg dat erop gericht is zorgverleners te ondersteunen om vol te houden tijdens een toekomstige crisis, moet gericht zijn op zorgverleners met een verhoogd risico op subjectieve belasting en een lagere CarerQol, zoals vrouwen, mensen met een laag inkomen en mensen met zorgtaken. Dergelijk beleid moet er rekening mee houden dat een vermindering van de objectieve belasting niet noodzakelijk leidt tot een vermindering van de subjectieve belasting voor alle zorgverleners.
MULTIFILE
Artrose is in Nederland de snelst groeiende chronische aandoening, waarbij de knie het meest vaak is aangedaan. Mensen met knieartrose ervaren forse beperkingen in het dagelijks functioneren. Mensen met knieartrose ervaren soms pijn en stijfheid in het kniegewricht als gevolg van herhaalde lokale overbelasting van de aangedane regio in de knie. De geadviseerde fysiotherapeutische behandeling voor knieartrose bestaat uit informeren, leefstijladviezen en oefentherapie, waarin het aanleren van een minder belastend looppatroon een rol speelt. Binnen de behandeling zijn therapietrouw en zelfmanagement, zoals bij elke chronische aandoening, zeer belangrijk en wordt veelal gevraagd dat men in de thuisomgeving oefentherapie uitvoert. Uit diverse studies blijkt dat therapietrouw veelal laag is bij deze groep. Dat beïnvloedt de behandeluitkomsten negatief, gezien de effectiviteit van fysiotherapeutische zorg is voor een groot deel afhankelijk van de mate van therapietrouw. Om de behandeluitkomsten te verbeteren is het belangrijk om therapietrouw en zelfmanagement te vergroten en patiënten thuis aan de slag gaan met beweegadviezen. Daarbij kan real-time feedback op het looppatroon, in de relevante context, in het dagelijks leven, patiënten helpen om hun looppatroon aan te passen. Daarmee zou behandeling van artrose-gerelateerde klachten in potentie effectiever en efficiënter ingericht kunnen worden. Binnen dit KIEM voorstel verkennen we als eerste welke gebruikerseisen en -wensen er bestaan ten aanzien van real-time feedback op het looppatroon, en onderzoeken we of het haalbaar is om met behulp van het dragen van een sensor om gunstige, en ongunstige looppatronen van elkaar te onderscheiden.
De maatschappelijke discussies over de invloed van AI op ons leven tieren welig. De terugkerende vraag is of AI-toepassingen – en dan vooral recommendersystemen – een dreiging of een redding zijn. De impact van het kiezen van een film voor vanavond, met behulp van Netflix' recommendersysteem, is nog beperkt. De impact van datingsites, navigatiesystemen en sociale media – allemaal systemen die met algoritmes informatie filteren of keuzes aanraden – is al groter. De impact van recommendersystemen in bijvoorbeeld de zorg, bij werving en selectie, fraudedetectie, en beoordelingen van hypotheekaanvragen is enorm, zowel op individueel als op maatschappelijk niveau. Het is daarom urgent dat juist recommendersystemen volgens de waarden van Responsible AI ontworpen worden: veilig, eerlijk, betrouwbaar, inclusief, transparant en controleerbaar.Om op een goede manier Responsible AI te ontwerpen moeten technische, contextuele én interactievraagstukken worden opgelost. Op het technische en maatschappelijke niveau is al veel vooruitgang geboekt, respectievelijk door onderzoek naar algoritmen die waarden als inclusiviteit in hun berekening meenemen, en door de ontwikkeling van wettelijke kaders. Over implementatie op interactieniveau bestaat daarentegen nog weinig concrete kennis. Bekend is dat gebruikers die interactiemogelijkheden hebben om een algoritme bij te sturen of aan te vullen, meer transparantie en betrouwbaarheid ervaren. Echter, slecht ontworpen interactiemogelijkheden, of een mismatch tussen interactie en context kosten juist tijd, veroorzaken mentale overbelasting, frustratie, en een gevoel van incompetentie. Ze verhullen eerder dan dat ze tot transparantie leiden.Het ontbreekt ontwerpers van interfaces (UX/UI designers) aan systematische concrete kennis over deze interactiemogelijkheden, hun toepasbaarheid, en de ethische grenzen. Dat beperkt hun mogelijkheid om op interactieniveau aan Responsible AI bij te dragen. Ze willen daarom graag een pattern library van interactiemogelijkheden, geannoteerd met onderzoek over de werking en inzetbaarheid. Dit bestaat nu niet en met dit project willen we een substantiële bijdrage leveren aan de ontwikkeling ervan.
De maatschappelijke discussies over de invloed van AI op ons leven tieren welig. De terugkerende vraag is of AI-toepassingen – en dan vooral recommendersystemen – een dreiging of een redding zijn. De impact van het kiezen van een film voor vanavond, met behulp van Netflix' recommendersysteem, is nog beperkt. De impact van datingsites, navigatiesystemen en sociale media – allemaal systemen die met algoritmes informatie filteren of keuzes aanraden – is al groter. De impact van recommendersystemen in bijvoorbeeld de zorg, bij werving en selectie, fraudedetectie, en beoordelingen van hypotheekaanvragen is enorm, zowel op individueel als op maatschappelijk niveau. Het is daarom urgent dat juist recommendersystemen volgens de waarden van Responsible AI ontworpen worden: veilig, eerlijk, betrouwbaar, inclusief, transparant en controleerbaar. Om op een goede manier Responsible AI te ontwerpen moeten technische, contextuele én interactievraagstukken worden opgelost. Op het technische en maatschappelijke niveau is al veel vooruitgang geboekt, respectievelijk door onderzoek naar algoritmen die waarden als inclusiviteit in hun berekening meenemen, en door de ontwikkeling van wettelijke kaders. Over implementatie op interactieniveau bestaat daarentegen nog weinig concrete kennis. Bekend is dat gebruikers die interactiemogelijkheden hebben om een algoritme bij te sturen of aan te vullen, meer transparantie en betrouwbaarheid ervaren. Echter, slecht ontworpen interactiemogelijkheden, of een mismatch tussen interactie en context kosten juist tijd, veroorzaken mentale overbelasting, frustratie, en een gevoel van incompetentie. Ze verhullen eerder dan dat ze tot transparantie leiden. Het ontbreekt ontwerpers van interfaces (UX/UI designers) aan systematische concrete kennis over deze interactiemogelijkheden, hun toepasbaarheid, en de ethische grenzen. Dat beperkt hun mogelijkheid om op interactieniveau aan Responsible AI bij te dragen. Ze willen daarom graag een pattern library van interactiemogelijkheden, geannoteerd met onderzoek over de werking en inzetbaarheid. Dit bestaat nu niet en met dit project willen we een substantiële bijdrage leveren aan de ontwikkeling ervan.
