A growing body of evidence indicates that natural environments can positively influence people. This study investigated whether the use of motion nature projection in computed tomography (CT) imaging rooms is effective in mitigating psycho-physiological anxiety (vs. no intervention) using a quasirandomized experiment (N ¼ 97). Perceived anxiety and pleasantness of the room were measured using a questionnaire, and physiological arousal was measured using a patient monitor system. A mediation analysis showed that motion nature projection had a negative indirect effect on perceived anxietythrough a higher level of perceived pleasantness of the room. A linear-mixed-model showed that heart rate and diastolic blood pressure were lower when motion nature was projected. In conclusion, by creating a more pleasant imaging room through motion nature projection, hospitals can indirectly reduce patient's psycho-physiological anxiety (vs. no image projection) during a CT scan.
LINK
Background & aims: Low muscle mass and -quality on ICU admission, as assessed by muscle area and -density on CT-scanning at lumbar level 3 (L3), are associated with increased mortality. However, CT-scan analysis is not feasible for standard care. Bioelectrical impedance analysis (BIA) assesses body composition by incorporating the raw measurements resistance, reactance, and phase angle in equations. Our purpose was to compare BIA- and CT-derived muscle mass, to determine whether BIA identified the patients with low skeletal muscle area on CT-scan, and to determine the relation between raw BIA and raw CT measurements. Methods: This prospective observational study included adult intensive care patients with an abdominal CT-scan. CT-scans were analysed at L3 level for skeletal muscle area (cm2) and skeletal muscle density (Hounsfield Units). Muscle area was converted to muscle mass (kg) using the Shen equation (MMCT). BIA was performed within 72 h of the CT-scan. BIA-derived muscle mass was calculated by three equations: Talluri (MMTalluri), Janssen (MMJanssen), and Kyle (MMKyle). To compare BIA- and CT-derived muscle mass correlations, bias, and limits of agreement were calculated. To test whether BIA identifies low skeletal muscle area on CT-scan, ROC-curves were constructed. Furthermore, raw BIA and CT measurements, were correlated and raw CT-measurements were compared between groups with normal and low phase angle. Results: 110 patients were included. Mean age 59 ± 17 years, mean APACHE II score 17 (11–25); 68% male. MMTalluri and MMJanssen were significantly higher (36.0 ± 9.9 kg and 31.5 ± 7.8 kg, respectively) and MMKyle significantly lower (25.2 ± 5.6 kg) than MMCT (29.2 ± 6.7 kg). For all BIA-derived muscle mass equations, a proportional bias was apparent with increasing disagreement at higher muscle mass. MMTalluri correlated strongest with CT-derived muscle mass (r = 0.834, p < 0.001) and had good discriminative capacity to identify patients with low skeletal muscle area on CT-scan (AUC: 0.919 for males; 0.912 for females). Of the raw measurements, phase angle and skeletal muscle density correlated best (r = 0.701, p < 0.001). CT-derived skeletal muscle area and -density were significantly lower in patients with low compared to normal phase angle. Conclusions: Although correlated, absolute values of BIA- and CT-derived muscle mass disagree, especially in the high muscle mass range. However, BIA and CT identified the same critically ill population with low skeletal muscle area on CT-scan. Furthermore, low phase angle corresponded to low skeletal muscle area and -density. Trial registration: ClinicalTrials.gov (NCT02555670).
Background & aims: Accurate diagnosis of sarcopenia requires evaluation of muscle quality, which refers to the amount of fat infiltration in muscle tissue. In this study, we aim to investigate whether we can independently predict mortality risk in transcatheter aortic valve implantation (TAVI) patients, using automatic deep learning algorithms to assess muscle quality on procedural computed tomography (CT) scans. Methods: This study included 1199 patients with severe aortic stenosis who underwent transcatheter aortic valve implantation (TAVI) between January 2010 and January 2020. A procedural CT scan was performed as part of the preprocedural-TAVI evaluation, and the scans were analyzed using deep-learning-based software to automatically determine skeletal muscle density (SMD) and intermuscular adipose tissue (IMAT). The association of SMD and IMAT with all-cause mortality was analyzed using a Cox regression model, adjusted for other known mortality predictors, including muscle mass. Results: The mean age of the participants was 80 ± 7 years, 53% were female. The median observation time was 1084 days, and the overall mortality rate was 39%. We found that the lowest tertile of muscle quality, as determined by SMD, was associated with an increased risk of mortality (HR 1.40 [95%CI: 1.15–1.70], p < 0.01). Similarly, low muscle quality as defined by high IMAT in the lowest tertile was also associated with increased mortality risk (HR 1.24 [95%CI: 1.01–1.52], p = 0.04). Conclusions: Our findings suggest that deep learning-assessed low muscle quality, as indicated by fat infiltration in muscle tissue, is a practical, useful and independent predictor of mortality after TAVI.
In het project wordt een nieuw door de HvA ontwikkelde methodiek (Open Collaborative Business Modelling methodiek, verder: ‘OCBM-methodiek’), toegepast om waardeproposities voor circulaire en biobased verpakkingen te ontwikkelen, samen met partijen uit de waardeketen. De inzet van biobased materialen is essentieel voor het terugdringen van het gebruik van fossiele plastics en – uiteindelijk – voor het bereiken van een volledig circulaire economie. De specifieke waardeketen waar het project zich op richt is die van verpakkingen op basis van Olifantsgras / Miscanthus. Projectpartner Vibers is een bedrijf dat dit gewas als grondstof gebruikt voor het produceren van o.a. verpakkingsmaterialen. Tijdens het project zal een viertal OCBM-sessies worden georganiseerd waarin Vibers in nauwe samenwerking met een wisselende groep ketenpartners en andere stakeholders een nieuwe waardepropositie formuleert. Projectpartner Kennisinstituut Duurzaam Verpakken (verder: KIDV) bewaakt in de OCBM-sessies de duurzaamheid van de ontwikkelde propositie en speelt een rol bij evaluatie van de OCBM-methodiek voor de verpakkingsindustrie. Het project levert daarmee twee belangrijke resultaten op: 1. Een met behulp van de OCBM-methodiek ontwikkelde waardepropositie voor een circulair business model waarin een biobased verpakking centraal staat; 2. Aanbevelingen voor het verfijnen van de OCBM-methodiek: specifieke aandachtspunten voor het ontwikkelen van innovatieve, circulaire business modellen met behulp van deze methodiek.
De aanvraag betreft het ontwikkelen en verkennen van de marktmogelijkheden van een IT-tool dat de slaagkans van bedrijfsoverdrachten verbetert. De (emotionele) barrières die ondernemers bij de verkoop hun bedrijf tegenko-men worden inzichtelijk gemaakt. Tevens wordt getoetst of de manier waarop ondernemers nu omgaan met die barrières (coping) effectief is. De doelgroep voor het onderzoek zijn overname-adviseurs, kopende en verkopende ondernemers alsmede investeerders.
Bedrijfsovername is een grote uitdaging voor agrarische familiebedrijven, waarbij het sociaal-emotioneel welzijn van de familie is geïdentificeerd als een belangrijk knelpunt. Vanuit het Nederlands Agrarisch Jongeren Kontakt (NAJK) en het Ministerie van Landbouw, Natuur en Voedselkwaliteit (LNV) is in 2019 het beleidsprogramma Duurzame Bedrijfsopvolging gestart om het aantal succesvolle bedrijfsoverdrachten te verhogen. Een belangrijk onderdeel hiervan is een op te richten Kenniscentrum. Dit project wil het Kenniscentrum voeden met onderzoek naar de familiale dimensie van bedrijfsopvolging. Het praktijkonderzoek wordt uitgevoerd door een consortium bestaande uit het Lectoraat Familiebedrijven van Hogeschool Windesheim, Aeres Hogeschool Dronten, Van Hall Larenstein Leeuwarden, het Fries Sociaal Planbureau, het NAJK en LTO Noord. Doel van dit project is het inventariseren en evalueren van de ondersteunende advies- en kennisinfrastructuur op de familiale dimensie bij het opvolgingstraject van agrarische familiebedrijven. Dit doen we door inzichten op te halen bij zestien agrarische bedrijfsfamilies, in verschillende stadia van het opvolgingsproces. In het project vergelijken we hoe de families en de ondersteunende advies- en kennispartijen omgaan met de belangen en behoeften van verschillende familieleden (opvolgers, overdragers, partners en niet-opvolgers) tijdens het opvolgingsproces. Daarnaast wordt kwantitatief onderzoek gedaan onder studenten op de twee deelnemende agrarische hogescholen, om de behoeften en verwachtingen van potentiële opvolgers en niet-opvolgers ten aanzien van bedrijfsoverdracht in kaart te brengen. Het project moet resulteren in gevalideerde verbetervoorstellen (stappenplannen) voor zowel agrarische bedrijfsfamilies als adviseurs gericht op de verschillende stadia van bedrijfsopvolging. Ook worden spelvormen ontwikkeld om moeilijke en relationeel ingewikkelde onderwerpen beter bespreekbaar te maken in het agrarisch onderwijs. Tot slot worden de resultaten van het onderzoek geschikt gemaakt voor gebruik binnen agrarische scholen om het curriculum over de zachte kant van bedrijfsopvolging te versterken.
