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
Academy of the People is a project which ran from December 2012 to June 2013, in which students from Minerva Art Academy in Groningen developed critical site-specific artworks in the social environments of their research interests: in primary schools,religious centres and even police stations. In each of these environments, our understanding of art changes. This shows us that the range of possible art worlds is equal to the will of the artists to create them.
Big data spelen een steeds grotere rol in de (semi)professionele sport. De hoeveelheid gegevens die opgeslagen wordt, groeit exponentieel. Sportbegeleiders (coaches, inspanningsfysiologen, sportfysiotherapeuten en sportartsen) maken steeds vaker gebruik van sensoren om sporters te monitoren. Tijdens trainingen en wedstrijden worden de hartslagen, afgelegde afstanden, snelheden en versnellingen van sporters gemeten. Het analyseren van deze data vormt een grote uitdaging voor het begeleidingsteam van de sporters. Sportbegeleiders willen big data graag inzetten om meer grip te krijgen op sportblessures. Blessures kunnen namelijk desastreuze gevolgen hebben voor teamprestaties en de carrière van (semi)professionele sporters. In totaal stopt maar liefst 33% van de topsporters door blessures met hun sportloopbaan. Daarnaast is uitval door blessures een belangrijke oorzaak van stagnatie van talentontwikkeling. Het lectoraat Sportzorg van de Hogeschool van Amsterdam heeft veel expertise op het gebied van blessurepreventie in de sport. Sportbegeleiders hebben het lectoraat Sportzorg benaderd om antwoord te krijgen op de onderzoeksvraag: Wat zijn op data gebaseerde indicatoren om sportblessures te voorspellen? Deze onderzoeksvraagstelling is opgesplitst in de volgende deelvragen: 1. Hoe kan met sensoren relevante data van sporters verzameld worden om de sportbelasting in kaart te brengen? 2. Welke parameters kunnen blessures voorspellen? 3. Hoe kunnen deze parameters op betekenisvolle en eenvoudige wijze naar sportbegeleiders en sporters teruggekoppeld worden? Het project resulteert in de volgende projectresultaten: - Een overzicht van nauwkeurige en gebruiksvriendelijke sensoren om sportbelasting in kaart te brengen - Een overzicht van relevante parameters die blessures kunnen voorspellen - Een online tool dat per sporter aangeeft of de sporter wel of niet training- of wedstrijdfit is Bij dit project zijn de volgende organisaties betrokken: Hogeschool van Amsterdam, Universiteit Leiden, VUmc, Rijksuniversiteit Groningen (RuG), Amsterdam Institute of Sport Science (AISS), Johan Sports, Centrum voor Topsport en Onderwijs (CTO) Amsterdam, Koninklijke Nederlandse Voetbalbond (KNVB), de Nederlandse Vereniging voor Fysiotherapie in de Sport (NVFS), VV Noordwijk (voetbalclub) en Black Eagles (basketbalclub).
De Duitse en Nederlandse partners streven ernaar om voldoende & passend gekwalificeerd talent op te leiden voor het regionaal bedrijfsleven in de Biobased Economy, Circular Economy en Groene Chemie (verder Groene Economie genoemd). Om dit gezamenlijk dit te kunnen organiseren en daarmee het gat tussen onderwijs en arbeidsmarkt te dichten, moet men begrijpen waar de samenwerkingskansen liggen. Dit geldt zowel voor de inhoud (welke speerpunten hebben de partners en hoe grijpen die op elkaar in?) als voor de planning (hoe zitten de curricula van de verschillende opleidingen in elkaar en wanneer is er ruimte voor gezamenlijke activiteiten?). Daarnaast moeten ook de studenten inzicht krijgen in de Levenslange Carrière Kansen van de EDR-regio.
Lichamelijke activiteiten waarbij het skelet wordt belast, zoals wandelen of hardlopen, hebben een positief effect op de botgezondheid. Activiteiten waarbij niet of nauwelijks belasting van het skelet plaatsvindt, zoals fietsen of zwemmen, worden vaker in verband gebracht met een verminderde botgezondheid. Dit is met name een probleem voor (prof-)wielrenners, waarbij lange dagen op de fiets worden doorgebracht. Alarmerend is het feit dat de meerderheid van de profwielrenners te maken heeft met broze botten (osteopenie of osteoporose). Broze botten verhogen het risico op botbreuken. Dat is niet alleen zorgwekkend tijdens de actieve wielercarrière, maar vooral ook daarna. Een lage botdichtheid op jonge leeftijd verhoogt de kans op osteoporose en botbreuken in het latere leven. De vraag vanuit de beroepspraktijk is hoe de botgezondheid van (jonge) wielrenners verbeterd kan worden. Ondanks dat verschillende bewegings- en voedingsinterventies effectief zijn bevonden bij ouderen, is het niet bekend of zulke interventies ook effectief kunnen zijn voor (jonge) wielrenners. Bovendien moet een interventie inpasbaar zijn in het dagelijkse leven van (prof-)wielrenners en niet interfereren met de reguliere trainingsarbeid. Een veelbelovende strategie die aan deze eisen voldoet zijn korte dagelijkse springsessies gecombineerd met collageensuppletie. In dit innovatief pilotonderzoek zullen we testen of deze strategie daadwerkelijk een positief effect heeft op het botmetabolisme. Vervolgens kan de strategie geïmplementeerd worden binnen het profwielrennen, waarbij ook de botgezondheid op langere termijn onderzocht kan worden. Het project wordt uitgevoerd door de Hogeschool van Arnhem en Nijmegen, in samenwerking met wierlerteams Jumbo-Visma en Parkhotel Valkenburg (profploegen), KNWU (wielerunie), Niche4Health (collageensupplementen), en Universiteit Maastricht (wetenschappelijke input en bloedanalyse).
