Het team van het Healthy Urban Living Lab heeft samen met veel studenten van de Hogeschool van Amsterdam een Health Impact Assessment (HIA) uitgevoerd op de plannen voor het Bajes Kwartier. Dat is een groene, gezonde, duurzameAmsterdamse stadswijk die wordt gebouwd op het terrein van de voormalige Bijlmerbajes, gelegen in Stadsdeel Oost nabij de Amstel. In deze nieuwe wijk komen ongeveer 1.350 koop- en huurwoningen, variërend van betaalbarestarterswoningen tot exclusieve huizen en zorgwoningen. De focus van de HIA lag op drie aspecten die an groot belang zijn voor de gezondheid van inwoners van Amsterdam: bewegen, gezonde voeding en ontmoeten. Daarmeesluit de HIA aan bij de grootste uitdagingen voor de gezondheid van de Amsterdammers, overgewicht en eenzaamheid. Een HIA is een kritische en systematische beschouwing van een project, met als doel de kansen voor gezondheid en onbedoelde aspecten (zoals gezondheidsrisico’s) in kaart te brengen. Om te onderzoeken hoe de ambitie ‘alle bewoners leven hier twee jaar langer en gezonder kan worden gerealiseerd, is het Behaviour Change Wheel van Susan Michie (2011) gebruikt als theoretisch kader. Dit wetenschappelijkonderbouwde gedragsveranderingsmodel wordt ingezet voor het systematisch ontwerpen en evalueren van interventies en voor beleid dat is gericht op gedragsverandering. Het wordt veelal toegepast in de gezondheidsbevordering. Daarbij spelen drie elementen de hoofdrol: Capabilities (fysieke en psychologische vaardigheden), Opportunities (aspecten in de fysieke of sociale leefomgeving) en Motivation (bewuste en onbewuste processen die tot gedrag leiden). Naast een scan van het masterplan voor het Bajes Kwartier – vanuit het oogpunt van gezondheid – is een doelgroepanalyse gemaakt door middelvan een vragenlijst die werd verspreid onder belangstellenden c.q. toekomstige bewoners, een groepsbijeenkomst en doelgroepenonderzoek door studenten. Er is ook een wetenschappelijke literatuurstudie verricht. Vanuit de volksgezondheid kent de gezonde leefomgeving een afwisseling van bebouwing met groen, aantrekkelijke, uitdagende en gevarieerde openbare ruimten die uitnodigen tot bewegen, spelen en sport, gezond eten, het ontmoeten vanbuurtgenoten, een breed voorzieningenaanbod (waaronder ook een openbare toiletten en een maximale bereikbaarheid en verkeersveiligheid met de fiets en het openbaar vervoer). Daarnaast is in de leefomgeving sociale steun en socialeveiligheid nodig. Het beschikbaar maken van een leefomgeving die deze elementen bevat, is op zich niet voldoende. Er zijn ook activiteiten en netwerkennodig die bevorderen dat deze wijkinfrastructuur daadwerkelijk wordt benut. Zowel uit de literatuur als uit het doelgroepenonderzoek kwam dit naar voren als een belangrijke sleutel tot het creëren van gezondheidswinst. De conclusies die volgen uit de resultaten van de HIA, resulteren in vijf basisaanbevelingen.1) Focus op de diverse groepen. Iedere bewoner heeft recht op een gezonde omgeving. De gezondheidswinst die te behalen valt is het grootst onder kwetsbare groepen zoals bewoners met een lage sociaal economische status, ouderen en kinderen. 2) Gezond gedrag vereist participatie van bewoners waarbij alle doelgroepen vertegenwoordigd zijn. 3) Verbind de hardware met de software, maak een koppeling tussen de inrichting van de fysieke en de sociale omgeving 4) Zet alle vormen en varianten van nudging in, het helpt bewoners een gezonde leefstijl aan te nemen. 5) Hanteer een integrale aanpak waarbij deverschillende verantwoordelijke stakeholders zoals ontwerpers, planologen, burgers, kennisinstellingen, private partijen (zoals startups), gemeentes, GGD’en, zorgverzekeraars en zorgverleners vanaf het begin in eenruimtelijk planproces samenwerken
LINK
Background Evidence about the impact of the COVID-19 pandemic on existing health inequalities is emerging. This study explored differences in mental health, sense of coherence (SOC), sense of community coherence (SOCC), sense of national coherence (SONC), and social support between low and high socioeconomic (SES) groups, and the predictive value of these predictors for mental health. participants and procedure A cross-sectional study was conducted using an online survey in the Netherlands in October 2021, comprising a total of 91 respondents (n = 41, low SES; n = 50, high SES). results There were no differences in mental health, SOC, SOCC, SONC, and social support between the groups. SOC was a predictor for mental health in both groups and SOCC for the low SES group. conclusions We found that both SOC and SOCC predict mental health during the pandemic. In the article we reflect on possible pathways for strengthening these resources for mental health.
A first step in planning health promotion with respect to mental health is analysing the factors that influence mental health. Diagnosis of the relevant variables may contribute to the design of effective health promotion programmes. In this paper the relationship between psychosocial factors and mental health status of cancer patients is discussed. The study investigates the relation between psychosocial factors like social support, generalized self-efficacy, feelings of loneliness, social mobilization and mental health among cancer suruivors (n = 480). Results reveal that mental health in cancer survivors is slightly lower than in a reference group from the general population. Generalized self-efficacy and feelings of loneliness are the major psychosocial factors related to mental health in cancer survivors. The implications for the design of health promotion activities using self-efficacy theory are discussed.
Lack of physical activity in urban contexts is an increasing health risk in The Netherlands and Brazil. Exercise applications (apps) are seen as potential ways of increasing physical activity. However, physical activity apps in app stores commonly lack a scientific base. Consequently, it remains unknown what specific content messages should contain and how messages can be personalized to the individual. Moreover, it is unknown how their effects depend on the physical urban environment in which people live and on personal characteristics and attitudes. The current project aims to get insight in how mobile personalized technology can motivate urban residents to become physically active. More specifically, we aim to gain insight into the effectiveness of elements within an exercise app (motivational feedback, goal setting, individualized messages, gaming elements (gamification) for making people more physically active, and how the effectiveness depends on characteristics of the individual and the urban setting. This results in a flexible exercise app for inactive citizens based on theories in data mining, machine learning, exercise psychology, behavioral change and gamification. The sensors on the mobile phone, together with sensors (beacons) in public spaces, combined with sociodemographic and land use information will generate a massive amount of data. The project involves analysis in two ways. First, a unique feature of our project is that we apply machine learning/data mining techniques to optimize the app specification for each individual in a dynamic and iterative research design (Sequential Multiple Assignment Randomised Trial (SMART)), by testing the effectiveness of specific messages given personal and urban characteristics. Second, the implementation of the app in Sao Paolo and Amsterdam will provide us with (big) data on use of functionalities, physical activity, motivation etc. allowing us to investigate in detail the effects of personalized technology on lifestyle in different geographical and cultural contexts.
Lack of physical activity in urban contexts is an increasing health risk in The Netherlands and Brazil. Exercise applications (apps) are seen as potential ways of increasing physical activity. However, physical activity apps in app stores commonly lack a scientific base. Consequently, it remains unknown what specific content messages should contain and how messages can be personalized to the individual. Moreover, it is unknown how their effects depend on the physical urban environment in which people live and on personal characteristics and attitudes. The current project aims to get insight in how mobile personalized technology can motivate urban residents to become physically active. More specifically, we aim to gain insight into the effectiveness of elements within an exercise app (motivational feedback, goal setting, individualized messages, gaming elements (gamification) for making people more physically active, and how the effectiveness depends on characteristics of the individual and the urban setting. This results in a flexible exercise app for inactive citizens based on theories in data mining, machine learning, exercise psychology, behavioral change and gamification. The sensors on the mobile phone, together with sensors (beacons) in public spaces, combined with sociodemographic and land use information will generate a massive amount of data. The project involves analysis in two ways. First, a unique feature of our project is that we apply machine learning/data mining techniques to optimize the app specification for each individual in a dynamic and iterative research design (Sequential Multiple Assignment Randomised Trial (SMART)), by testing the effectiveness of specific messages given personal and urban characteristics. Second, the implementation of the app in Sao Paolo and Amsterdam will provide us with (big) data on use of functionalities, physical activity, motivation etc. allowing us to investigate in detail the effects of personalized technology on lifestyle in different geographical and cultural contexts.
