In 2014 heeft Hogeschool Inholland samen met het RIVM voor het Ministerie van Volksgezondheid, Welzijn en Sport een pilotproject uitgevoerd. In dit project hebben studenten Medische Beeldvormende en Radiotherapeutische Technieken dosismetingen uitgevoerd bij 8 ziekenhuizen en deze getoetst aan de Diagnostische Referentieniveaus (DRN’s). In alle gevallen bleken de toetsingswaarden lager dan het DRN en in de meeste gevallen ook lager dan de streefwaarde. De verschillen in doses tussen de ziekenhuizen waren maximaal een factor 2-3. Opvallend genoeg werden in een enkel geval soortgelijke verschillen binnen 1 ziekenhuis aangetroffen. In 2015 wordt dit project uitgebreid en gaan de Fontys Hogeschool en de Hanzehogeschool meedoen.
DOCUMENT
In 2015 hebben studenten Medische Beeldvormende en Radiotherapeutische Technieken (MBRT) van Hogeschool Inholland, de Hanzehogeschool en de Fontys Paramedische Hogeschool dosismetingen uitgevoerd bij 21 ziekenhuizen en deze getoetst aan de Diagnostische Referentieniveaus (DRN’s) en vergeleken met de streefwaarden. Het project werd uitgevoerd in opdracht van het RIVM en gefinancierd door het Ministerie van Volksgezondheid, Welzijn en Sport. Uit de toetsingen blijkt dat de DRN’s voor de röntgenopnamen bij volwassenen (X thorax, X bekken, CAG en mammografie) zelden worden overschreden en dat de streefwaarden vaak worden gehaald. Sterker nog, de 75-percentielwaarden van de gevonden waarden geven aanleiding sommige DRN’s te verlagen tot de streefwaarde. Bij de CT verrichtingen komen iets vaker overschrijdingen van streefwaarden en DRN’s voor, m.n. bij CT pulmonale angiografie (CTPA) en CT abdomen.
DOCUMENT
Het RAAK-mkb onderzoeksproject 'Praktische Predictie: de ontwikkeling van een Clinical Decision Support Tool voor fysiotherapie bij de lage rugpijn' heeft zich gericht op het ontdekken van de persoonskenmerken (onder meer ernst en type van rugpijn, manier waarop iemand hiermee omgaat, verdere gezondheid, en herstelverwachting van patiënt) die het beloop van beginnende rugklachten voorspellen. Aan de hand van deze kenmerken is een algoritme gemaakt voor het voorspellen van een vertraagd herstel. Dit algoritme, ontwikkeld met machine learning technieken, is vervolgens verwerkt in een screening tool waarin een voorspelling gegeven en, op een inzichtelijke manier aan de patiënt, gepresenteerd kan worden. Het gebruik en toepassing van de tool in de dagelijkse praktijk is nog niet zo eenvoudig. Het vereist kennis van diagnostische en prognostische onderzoeksmethoden, kennis over hoe de uitkomsten te vertalen zijn naar de klinische praktijk en dus naar de individuele patiënt, en het vereist communicatievaardigheden om de uitkomsten van de tool met de patiënt te bespreken om te komen tot gezamenlijke besluitvorming ('shared decision making'). Om de praktiserende fysiotherapeut of de student fysiotherapie hiervoor toe te rusten wordt uitgaande van de ontwikkelde tool een zelfstandig te doorlopen online onderwijsmodule ontwikkeld over diagnostisch en prognostisch onderzoek, ‘Clinical Decision Support Tools’, en gedeelde besluitvorming in relatie tot ‘Clinical Decision Support Tools’. De onderwijsmodule zal bestaan uit opdrachten en quizzen (met directe feedback), en kennisclips. De onderwijsmodule wordt verspreid onder de projectpartners van het 'Praktische Predictie' project en geïmplementeerd in de bachelor en masteropleidingen fysiotherapie van de Hogeschool van Arnhem en Nijmegen en Saxion Hogeschool. De online onderwijsmodule zal tevens beschikbaar worden gesteld op bestaande online platformen voor fysiotherapieonderwijs. Daarnaast zullen er werkvormen ontwikkeld worden om de onderwijsmodule in het onderwijs te gebruiken.
Recente ontwikkelingen op het gebied van microfluïdica en microreactoren maken het mogelijk verschillende laboratoriumtesten te miniaturiseren.Deze zogenaamde “lab-on-a-chip” technologieën maken diagnostische testen buiten het laboratorium (point of care testing) mogelijk.Voor medische testen hoeven artsen geen monsters meer op te sturen naar een gespecialiseerd laboratorium en te wachten op de uitslag, de gegevens kunnen meteen gelezen worden en eventuele therapie direct gestart of daarop aangepast worden. Desondanks loopt de toepassing van de “lab-on-a-chip” technologie in de praktijk achter bij de verwachtingen. De omzetting van idee tot device vergt vaak grote investeringen. Voor het aantonen van de toepasbaarheid van een idee zijn veelal al dure investeringen in productiemiddelen en geconditioneerde ruimten noodzakelijk, terwijl het benodigde geld voor de investeringen alleen verkregen kan worden als kan worden aangetoond dat het idee werkt (“valley of death”). Printtechnologieën kunnen op dat punt een uitkomst bieden. Inkjetprinten, plasmaprinten en 3D-printen zijn relatief eenvoudige, goedkope en flexibele technieken die bijna overal kunnen worden toegepast en ze zijn ook nog eens geschikt voor biologische materialen. In dit project willen we met een combinatie van verschillende printtechnieken (inkjet-, plasma- en 3D printen) een platform genereren waarmee MKBers middels prototypes de haalbaarheid van hun idee met betrekking tot een bio(medische) sensor kunnen aantonen. Door gebruik te maken van een innovatieve detectiemethode, recent ontwikkeld aan de Technische Universiteit Eindhoven, willen we een volledig geprinte sensor produceren die met een smartphone uit te lezen is. We zullen twee praktijkgerichte toepassingen als demonstrator uitwerken. Als eerste een sensor die een ernstige longontsteking van een onschuldige verkoudheid kan onderscheiden, door detectie van het ontstekingseiwit ‘C-reactief eiwit (CRP)’. Als tweede een sensor die snel en eenvoudig de spiegels van een nieuwe oncologische biomarker kan meten en gebruikt kan worden bij de diagnostiek van bepaalde soorten tumoren en het meten van de therapeutische respons.
