Light intensity and spectral composition notably impact the human circadian rhythm. The human body is a physiological system that regulates its sleep-awake cycle through a constant rhythm of light and darkness. For a long time, the lighting research field has been concerned with understanding this circadian rhythm to improve people's quality of life. To better understand the influence of light on the human circadian rhythm, a remote monitoring device was developed that reliably measures the light spectrum and human circadian rhythm in different environments, including Antarctica and a tropical location study. The designed apparatus aims to facilitate the comprehension of the impact of light on the human circadian rhythm and provide accessible measurements through cost-effective tools. Results show that the developed monitoring prototype can collect and transmit environmental and human data. Therefore, the low-cost equipment developed can be reproduced and used by research institutions to collect data in different environments and improve the understanding of the influence of light on human activities. The cross-sectional analysis of the collected data revealed evidence of the significant influence of light on regulating the human circadian rhythm in tropical and Antarctica case studies. The collected information makes it possible to predict human reactions to the light environment, correlate these responses with seasonal periods, and comprehend how various forms of artificial and natural light interact with individuals and their living spaces. This prototype offers a non-invasive tool for assessing sleep quality and daytime activities, providing knowledge of how lighting conditions can impact overall well-being.
The creation of an unstoppable Internet of Things (IoT) is about the worst that can happen to us as humanity. Not only will the IoT soon use more energy than all our current air traffic, it will also be quite easy to create an Orwelian (1984) terror from it. In particular, the IoT is powered by sensors, in cars, shavers, mirrors and ultimately probably even in printed newspapers and magazines...
MULTIFILE
CC-BY-NC-ND This paper was presented at the IADIS Multi Conference on Computer Science and Information Systems MCCSIS2020 There is an increasing interest in indoor occupation and guidance information for business and societal purposes. Scientific literature has paid attention to various ways of detecting occupation using different sensors as data source including various algorithms for estimating occupation rates from this data. Gaining meaningful insights from the data still faces challenges because the potential benefits are not well understood. This study presents a proof-of-concept of an indoor occupation information system, following the design science methodology. We review various types of sensor data that are typically available or easy-to-install in buildings such as offices, classrooms and meeting rooms. This study contributes to current research by incorporating business requirements taken from expert interviews and tackling one of the main barriers for business by designing an affordable system on a common existing infrastructure. We believe that occupation information systems call for further research, in particular also in the context of social distancing because of covid19.
MULTIFILE
Patiëntdata uit vragenlijsten, fysieke testen en ‘wearables’ hebben veel potentie om fysiotherapie-behandelingen te personaliseren (zogeheten ‘datagedragen’ zorg) en gedeelde besluitvorming tussen fysiotherapeut en patiënt te faciliteren. Hiermee kan fysiotherapie mogelijk doelmatiger en effectiever worden. Veel fysiotherapeuten en hun patiënten zien echter nauwelijks meerwaarde in het verzamelen van patiëntdata, maar vooral toegenomen administratieve last. In de bestaande landelijke databases krijgen fysiotherapeuten en hun patiënten de door hen zelf verzamelde patiëntdata via een online dashboard weliswaar teruggekoppeld, maar op een weinig betekenisvolle manier doordat het dashboard primair gericht is op wensen van externe partijen (zoals zorgverzekeraars). Door gebruik te maken van technologische innovaties zoals gepersonaliseerde datavisualisaties op basis van geavanceerde data science analyses kunnen patiëntdata betekenisvoller teruggekoppeld en ingezet worden. Wij zetten technologie dus in om ‘datagedragen’, gepersonaliseerde zorg, in dit geval binnen de fysiotherapie, een stap dichterbij te brengen. De kennis opgedaan in de project is tevens relevant voor andere zorgberoepen. In dit KIEM-project worden eerst wensen van eindgebruikers, bestaande succesvolle datavisualisaties en de hiervoor vereiste data science analyses geïnventariseerd (werkpakket 1: inventarisatie). Op basis hiervan worden meerdere prototypes van inzichtelijke datavisualisaties ontwikkeld (bijvoorbeeld visualisatie van patiëntscores in vergelijking met (beoogde) normscores, of van voorspelling van verwacht herstel op basis van data van vergelijkbare eerdere patiënten). Middels focusgroepinterviews met fysiotherapeuten en patiënten worden hieruit de meest kansrijke (maximaal 5) prototypes geselecteerd. Voor deze geselecteerde prototypes worden vervolgens de vereiste data-analyses ontwikkeld die de datavisualisaties op de dashboards van de landelijke databases mogelijk maken (werkpakket 2: prototypes en data-analyses). In kleine pilots worden deze datavisualisaties door eindgebruikers toegepast in de praktijk om te bepalen of ze daadwerkelijk aan hun wensen voldoen (werkpakket 3: pilots). Uit dit 1-jarige project kan een groot vervolgonderzoek ‘ontkiemen’ naar het effect van betekenisvolle datavisualisaties op de uitkomsten van zorg.
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.
Wetenschappers gebruiken bioorthogonale klikreacties tussen trans-cyclooctenen (TCOs) en tetrazines (Tz) om geheel nieuwe geneesmiddelen te ontwikkelen waarmee heel gericht cruciale biologische doelmoleculen kunnen worden geraakt, zodat ziektes op een veel selectievere manier kunnen worden behandeld. Recentelijk heeft de Radboud Universiteit een nieuw TCO-derivaat ontwikkeld en geoctrooieerd dat beschikt over twee orthogonale handvatten, goede stabiliteit, een snelle klik-kinetiek en een biocompatibele “click-to-release” functionaliteit. Bovendien kan deze TCO in een efficiënte synthese met hoge zuiverheid geproduceerd worden in tegenstelling tot vergelijkbare gepubliceerde stoffen. Binnen dit KIEM project zullen ‘ready-to-use’ TCO-producten ontwikkeld worden, gebaseerd op dit nieuwe TCO-derivaat. Dit is belangrijk om de drempel te verlagen voor onderzoekers om deze nieuwe technologie te benutten in hun toepassingen en versnelt daarmee de ontwikkeling van “slimme” geneesmiddelen of materialen. De werkzaamheden in dit project zullen bestaan uit literatuuronderzoek, synthetisch ontwerp van TCO-derivaten, chemische synthese, onderzoek naar de eigenschappen van de stoffen en contact leggen met potentiele gebruikers. De beoogde projectresultaten zijn chemische methoden om geactiveerde TCOs te synthetiseren, 5–10 geactiveerde eindproducten, inzicht in de chemie van TCOs, inzicht in de kinetiek en stabiliteit van de nieuwe TCOs en nieuwe samenwerkingen. In dit project wordt samengewerkt tussen de Radboud Universiteit en het biotechnologiebedrijf Synvenio. Binnen de synthetisch organische chemie afdeling van de Radboud Universiteit is de eerdergenoemde nieuwe TCO ontwikkeld. Synvenio is een jong biotechnologiebedrijf dat bioactieve stoffen beschikbaar maakt voor biochemisch- en biomedische onderzoekers. Het team bestaat uit chemici met veel affiniteit met biochemie, waaronder een van de uitvinders van de nieuwe TCO.
