Routine immunization (RI) of children is the most effective and timely public health intervention for decreasing child mortality rates around the globe. Pakistan being a low-and-middle-income-country (LMIC) has one of the highest child mortality rates in the world occurring mainly due to vaccine-preventable diseases (VPDs). For improving RI coverage, a critical need is to establish potential RI defaulters at an early stage, so that appropriate interventions can be targeted towards such population who are identified to be at risk of missing on their scheduled vaccine uptakes. In this paper, a machine learning (ML) based predictive model has been proposed to predict defaulting and non-defaulting children on upcoming immunization visits and examine the effect of its underlying contributing factors. The predictive model uses data obtained from Paigham-e-Sehat study having immunization records of 3,113 children. The design of predictive model is based on obtaining optimal results across accuracy, specificity, and sensitivity, to ensure model outcomes remain practically relevant to the problem addressed. Further optimization of predictive model is obtained through selection of significant features and removing data bias. Nine machine learning algorithms were applied for prediction of defaulting children for the next immunization visit. The results showed that the random forest model achieves the optimal accuracy of 81.9% with 83.6% sensitivity and 80.3% specificity. The main determinants of vaccination coverage were found to be vaccine coverage at birth, parental education, and socio-economic conditions of the defaulting group. This information can assist relevant policy makers to take proactive and effective measures for developing evidence based targeted and timely interventions for defaulting children.
MULTIFILE
Learning Analytics en bias – Learning analytics richt zich op het meten en analyseren van studentgegevens om onderwijs te verbeteren. Bakker onderscheidt hierin verschillende niveaus, zoals student analytics en institutional analytics, en focust op inclusion analytics, waarin gekeken wordt naar kansengelijkheid. Bias – systematische vooroordelen in data – kan vooroordelen in algoritmen versterken en zo kansenongelijkheid veroorzaken. De onderzoeksmethode maakt gebruik van het 4/5-criterium, waarbij fairness in uitkomsten gemeten wordt door te kijken of de kansen voor de beschermde groep minstens 80% zijn van die van de bevoorrechte groep.Onderzoeksaanpak – Bakker gebruikt machine learning om retentie na het eerste studiejaar te voorspellen en onderzoekt vervolgens verschillen tussen groepen studenten, zoals mbo-en vwo-studenten. Hij volgt drie stappen: (1) Data voorbereiden en modellen bouwen: Data worden opgesplitst en opgeschoond om accurate voorspelmodellen te maken. (2) Variabelen analyseren: Invloed van kenmerken op uitkomsten wordt beoordeeld voor verschillende groepen. (3) Fairness berekenen: Het 4/5-criterium wordt toegepast op metrics zoals accuraatheid en statistische gelijkheid om bias en ongelijkheden te identificeren. Resultaten, aanbevelingen en vervolgonderzoek – Uit het onderzoek blijkt dat kansengelijkheid bij veel opleidingen ontbreekt, met name voor mannen en mbo-studenten, die een hogere kans op uitval hebben. Bakker adviseert sensitieve kenmerken zoals migratieachtergrond mee te nemen in analyses op basis van informed consent. Daarnaast pleit hij voor meer flexibiliteit in het beleid, geïnspireerd door maatregelen tijdens de coronacrisis, die een positief effect hadden op studiesucces.Toekomstvisie – Bakker benadrukt dat niet elke ongelijkheid het gevolg is van discriminatie en roept op tot data-informed interventies om sociale rechtvaardigheid in het onderwijs te bevorderen. Zijn methode wordt open access beschikbaar gesteld, zodat ook andere instellingen deze kunnen toepassen en kansengelijkheid systematisch en bewust kunnen onderzoeken.
Samenvatting Mensen met een beperking (psychiatrisch, verstandelijk, lichamelijk) wonen tegenwoordig vaker zelfstandig en doen voor hun ondersteuning daarom vaker een beroep op mensen in de buurt waar zij wonen. Dit betekent voor de professionele hulpverleners dat zij een steeds grotere taak krijgen in het versterken van het sociale netwerk van mensen met een beperking, en het (op deze wijze) bevorderen van inclusie in de buurt. In hun werk merken zorg- en welzijnsprofessionals op dat, soms relatief spontaan ingezette of kleine initiatieven succesvol kunnen zijn, maar soms ook niet. De professionals hebben wel ideeën over wat goed werkt en wat niet, maar dit is niet op één centrale plek vastgelegd, en daarbij soms onduidelijk en afhankelijk van de context. Zij vragen zich af hoe ze de informatie die ze elk hebben kunnen bundelen en tot meer inzicht kunnen komen in wat werkt, in welke situatie en in welke context. In het project wordt samengewerkt door de Hogeschool van Amsterdam (AKMI / Lectoraat Community Care), de Sociaal Werkopleidingen van de HvA, de Afdeling onderwijs, jeugd en zorg van de Gemeente Amsterdam, GGD Amsterdam, Cliëntenbelang Amsterdam, Centrum voor Cliëntervaringen (i.s.m. VuMcAmsterdam), De Regenbooggroep, Cordaan en Stichting Prisma. In dit onderzoek zullen drie verschillende buurtgerichte interventies worden getoetst aan de hand van de ‘what works’ principes (wwp). De interventies gericht op het bevorderen van de sociale inclusie van mensen met beperkingen in de buurt worden geëvalueerd door cliënten/ ervaringsdeskundigen, zorg- en welzijnsprofessionals en buurtbewoners. Voor dit onderzoek is gekozen voor ‘realis evaluation’, waarin niet het effect op zich wordt onderzocht, maar de werkzame elementen van een interventie. Belangrijke opbrengsten van het project zijn: 1) het determineren en beschrijven van werkzame elementen die leidend kunnen zijn voor het bedenken en/of beoordelen van initiatieven om de netwerken van mensen met een beperking in de buurt te versterken; 2) op basis daarvan een handreiking bieden voor professionals.
Wijk- en buurtgericht werken vanuit het perspectief van de burger is een belangrijk uitgangspunt in het sociaal en ruimtelijk domein. Echter, burgerparticipatie is vaak veeleisend en weinig inclusief en eindigen regelmatig in een teleurstelling (Verloo, 2023). Professionals hebben behoefte aan alternatieven om samen te werken met inwoners als gelijkwaardige bron van kennis. Bindkracht10 en het Lectoraat Versterken van Sociale Kwaliteit van de HAN hebben samen hiervoor de ‘Wijkwaardenkaart’ ontwikkeld. Dit is een narratieve gesprekstool voor professionals en wijkbewoners die buurt- of wijkgericht werken. De tool heeft twee onderdelen: de gesprekskaart en de praatplaat. Professionals ervaren dat de praatplaat relatief duur en arbeidsintensief is waardoor de dialoog over de wijkwaarden nauwelijks opgang komt. Deze dialoog is nodig om daadwerkelijk het eigenaarschap van inwoners over hun eigen leefomgeving te vergroten. Daarom willen professionals een digitale tool ontwikkelen die hier meer mogelijkheden toe biedt. Dit doen we samen met sociale professionals van Bindkracht10, woningcorporatie Talis, Frank Los Weer een Los, de wijkraad Venlo-Oost en het Lectoraat Media Design. De centrale vraagstelling is: Hoe kunnen we een digitale tool ontwikkelen voor sociale professionals om inwoners eigenaarschap te laten ervaren over hun eigen leefomgeving? We volgen het ‘design thinking proces’. In het eerste werkpakket verkennen we in een focusgroep de wensen en behoeften voor de digitale tool. We kijken hierbij ook naar toegankelijkheid en inclusie. In het tweede werkpakket werken we in een focusgroep de ontwerpprincipes uit en kiezen we concrete ideeën uit voor het ontwerp. Op basis hiervan wordt een prototype ontwikkeld. In het derde werkpakket testen we dit prototype uit in de Nijmeegse wijk Lindenholt en in Venlo-Oost en evalueren we. Op basis van de evaluatie wordt het prototype aangescherpt. In de laatste fase schrijven we een handreiking en delen we onze kennis en de tool in het netwerk en het onderwijs.
Aanleiding: De belangstelling voor gezonde en veilige voeding is groot. Bij de gezondheidseffecten van voeding spelen de darmen een cruciale rol. Verschillende soorten bedrijven hebben behoefte aan natuurgetrouwe testmodellen om de effecten van voeding op de darmen te bestuderen. Ze zijn vooral op zoek naar modellen waarvan de uitkomsten direct vertaalbaar zijn naar het doelorganisme (de mens of bijvoorbeeld het varken) en die niet gebruikmaken van kostbare en maatschappelijke beladen dierproeven. Doelstelling Het project 2-REAL-GUTS heeft als doel om twee innovatieve dierproefvrije darmmodellen geschikt te maken voor onderzoek naar voedingsconcepten en -ingrediënten. De twee darmmodellen die worden toegepast zijn darmorganoïden, minidarmorgaantjes bestaande uit stamcellen, en darmexplants bestaande uit hele stukjes darm verkregen uit relevante organismen. Beide modellen hebben potentieel heel uitgebreide toepassingsmogelijkheden en hebben ook grote voordelen ten opzichte van de huidige veelgebruikte cellijnen, omdat ze meerdere in de darm aanwezige celtypen bevatten en uit verschillende specifieke darmregio's te verkrijgen zijn. Gezamenlijk gaan de partners werken aan: 1) het aanpassen van de kweekomstandigheden zodat darmmodellen geschikt worden om de vragen van partners te beantwoorden; 2) het vaststellen van de toepassingsmogelijkheden van de darmmodellen door verschillende stoffen en producten te testen. Beoogde resultaten Kennisconferenties, publicaties en exploitatie van de modellen zullen zorgen voor het verspreiden van de opgedane kennis. Omdat het project gebruikmaakt van moderne, op de toekomst gerichte laboratoriumtechnieken (kweekmethoden met stamcellen en vitaal weefsel, moleculaire analyses en microscopie), leent het zich uitstekend om geïmplementeerd te worden in het hbo-onderwijs. Als spin-off zal het project dan ook voorzien in een specifieke, voor Nederland unieke hbo-minor op het gebied van stamcel- en aanverwante technologie (zoals organ-on-a-chiptechnologie).
