Abstract Aims: To lower the threshold for applying ultrasound (US) guidance during peripheral intravenous cannulation, nurses need to be trained and gain experience in using this technique. The primary outcome was to quantify the number of procedures novices require to perform before competency in US-guided peripheral intravenous cannulation was achieved. Materials and methods: A multicenter prospective observational study, divided into two phases after a theoretical training session: a handson training session and a supervised life-case training session. The number of US-guided peripheral intravenous cannulations a participant needed to perform in the life-case setting to become competent was the outcome of interest. Cusum analysis was used to determine the learning curve of each individual participant. Results: Forty-nine practitioners participated and performed 1855 procedures. First attempt cannulation success was 73% during the first procedure, but increased to 98% on the fortieth attempt (p<0.001). The overall first attempt success rate during this study was 93%. The cusum learning curve for each practitioner showed that a mean number of 34 procedures was required to achieve competency. Time needed to perform a procedure successfully decreased when more experience was achieved by the practitioner, from 14±3 minutes on first procedure to 3±1 minutes during the fortieth procedure (p<0.001). Conclusions: Competency in US-guided peripheral intravenous cannulation can be gained after following a fixed educational curriculum, resulting in an increased first attempt cannulation success as the number of performed procedures increased.
MULTIFILE
Sustainability transition research seeks to understand the patterns and dynamics of structural societal change as well as unearth strategies for governance. However, existing frameworks emphasize innovation and build-up over exnovation and break-down. This limits their potential in making sense of the turbulent and chaotic dynamics of current transition-in-the-making. Addressing this gap, our paper elaborates on the development and use of the X-curve framework. The X-curve provides a simplified depiction of transitions that explicitly captures the patterns of build-up, breakdown, and their interactions.Using three cases, we illustrate the X-curve’s main strength as a framework that can support groups of people to develop a shared understanding of the dynamics in transitions-in-the-making. This helps them reflect upon their roles, potential influence, and the needed capacities for desired transitions. We discuss some challenges in using the X-curve framework, such as participants’ grasp of ‘chaos’, and provide suggestions on how to address these challenges and strengthen the frameworks’ ability to support understanding and navigation of transition dynamics. We conclude by summarizing its main strength and invite the reader to use it, reflect on it, build on it, and judge its value for action research on sustainability transitions themselves.
MULTIFILE
The workforce in the EU is ageing, and this requires investment in older workers so that the organisations in which they work remain competitive and viable. One such investment takes the form of organising and facilitating intergenerational learning: learning between and among generations that can lead to lifelong learning, innovation and organisational development. However, successfully implementing intergenerational learning is complex and depends on various factors at different levels within the organisation. This multidisciplinary literature review encompasses work from the fields of cognitive psychology, occupational health, educational science, human resource development and organisational science and results in a framework that organisations can use to understand how they can create the conditions needed to ensure that the potential of their ageing workforce is tapped effectively and efficiently. Although not a comprehensive review, this chapter serves as a basis for further empirical research and gives practitioners an insight into solving a growing problem.
DOCUMENT
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.
Onbetrouwbare oogstvoorspellingen in kassen veroorzaken onnodige kosten bij telers. Fontys/Green Tech Lab (GTL) is in een eerdere studie tot de conclusie gekomen dat het meten van de mogelijke oogst middels een camera systeem mogelijk is. Dit wordt ook wel ‘scouten’ genoemd. Dit heeft men al gedaan met paprika’s en komkommers. Nu is de vraag gekomen of dit ook mogelijk is voor het telen en voorspellen van de oogst van aardbeien: Strawberry Harvest Prediction. Nu wil men dit onderzoeken door het herkennen van vruchten en groeicurves (algoritmen) niet met echte beelden van de vruchten te doen, maar met digitale beelden als een ‘Digital Twin’. In deze virtuele kas worden virtuele planten met bloemetjes, vruchten en aardbeien ‘gekweekt’ middels de groeicurve van een aardbeiplant. Hiertoe heeft men een samenwerkingsverband opgericht met Kwekerij de Kemp BV en Kwekerij VieVerde BV (oogstvoorspelling m.b.v. kunstmatige intelligentie). Het samenwerkingsverband is voor dit doel opgericht en nieuw in deze samenstelling. GTL wil in een jaar tijd een proof of concept ontwikkelen van een systeem dat met behulp van een Digital Twin oogstvoorspellingen kan doen voor de teelt van aardbeien. Door de ontwikkeling van een Digital Twin kan veel sneller (wel 100 tot 1000 keer) een algoritme ontwikkeld worden. Het project levert een proof of concept op van een virtual strawberry harvest prediction -systeem dat d.m.v. Digital Twin technieken oogstvoorspellingen doet voor de teelt van aardbeien.
