Occupational stress can cause all kinds of health problems. Resilience interventions that help employees deal with and adapt to adverse events can prevent these negative consequences. Due to advances in sensor technology and smartphone applications, relatively unobtrusive self-monitoring of resilience-related outcomes is possible. With models that can recognize intra-individual changes in these outcomes and relate them to causal factors within the employee’s own context, an automated resilience intervention that gives personalized, just-in-time feedback can be developed. The Wearables and app-based resilience Modelling in employees (WearMe) project aims to develop such models. A cyclical conceptual framework based on existing theories of stress and resilience is presented, as the basis for the WearMe project. The included concepts are operationalized and measured using sleep tracking (Fitbit Charge 2), heart rate variability measurements (Elite HRV + Polar H7) and Ecological Momentary Assessment (mobile app), administered in the morning (7 questions) and evening (12 questions). The first (ongoing) study within the WearMe project investigates the feasibility of the developed measurement cycle and explores the development of such models in social studies students that are on their first major internship. Analyses will target the development of both within-subject (n=1) models, as well as between-subjects models. The first results will be shared at the Health By Tech 2019 conference in Groningen. If successful, future work will focus on further developing these models and eventually exploring the effectiveness of the envisioned personalized resilience system.
DOCUMENT
Background: The emergence of smartphones and wearable sensor technologies enables easy and unobtrusive monitoring of physiological and psychological data related to an individual’s resilience. Heart rate variability (HRV) is a promising biomarker for resilience based on between-subject population studies, but observational studies that apply a within-subject design and use wearable sensors in order to observe HRV in a naturalistic real-life context are needed. Objective: This study aims to explore whether resting HRV and total sleep time (TST) are indicative and predictive of the within-day accumulation of the negative consequences of stress and mental exhaustion. The tested hypotheses are that demands are positively associated with stress and resting HRV buffers against this association, stress is positively associated with mental exhaustion and resting HRV buffers against this association, stress negatively impacts subsequent-night TST, and previous-evening mental exhaustion negatively impacts resting HRV, while previous-night TST buffers against this association. Methods: In total, 26 interns used consumer-available wearables (Fitbit Charge 2 and Polar H7), a consumer-available smartphone app (Elite HRV), and an ecological momentary assessment smartphone app to collect resilience-related data on resting HRV, TST, and perceived demands, stress, and mental exhaustion on a daily basis for 15 weeks. Results: Multiple linear regression analysis of within-subject standardized data collected on 2379 unique person-days showed that having a high resting HRV buffered against the positive association between demands and stress (hypothesis 1) and between stress and mental exhaustion (hypothesis 2). Stress did not affect TST (hypothesis 3). Finally, mental exhaustion negatively predicted resting HRV in the subsequent morning but TST did not buffer against this (hypothesis 4). Conclusions: To our knowledge, this study provides first evidence that having a low within-subject resting HRV may be both indicative and predictive of the short-term accumulation of the negative effects of stress and mental exhaustion, potentially forming a negative feedback loop. If these findings can be replicated and expanded upon in future studies, they may contribute to the development of automated resilience interventions that monitor daily resting HRV and aim to provide users with an early warning signal when a negative feedback loop forms, to prevent the negative impact of stress on long-term health outcomes.
MULTIFILE
On January 12th, 2022, Healthcare published our latest peer-reviewed research on Heart Rate Variability (HRV). The paper is titled “Trends in Daily Heart Rate Variability Fluctuations Are Associated with Longitudinal Changes in Stress and Somatisation in Police Officers” and is part of a special issue on Mental and Behavioral Healthcare. In this blogpost, I will attempt to summarize the article and how it complements our prior research in more lay language.
DOCUMENT
The emergence of wearable sensors that allow for unobtrusive monitoring of physiological and behavioural patterns introduces new opportunities to study the impact of stress in a real-world context. This study explores to what extent within-subject trends in daily Heart Rate Variability (HRV) and daily HRV fluctuations are associated with longitudinal changes in stress, depression,anxiety, and somatisation. Nine Dutch police officers collected daily nocturnal HRV data using an Oura ring during 15–55 weeks. Participants filled in the Four-Dimensional Symptoms Questionnaire every 5 weeks. A sample of 47 five-week observations was collected and analysed using multiple regression. After controlling for trends in total sleep time, moderate-to-vigorous physical activityand alcohol use, an increasing trend in the seven-day rolling standard deviation of the HRV (HRVsd) was associated with increases in stress and somatisation over 5 weeks. Furthermore, an increasing HRV trend buffered against the association between HRVsd trend and somatisation change, undoing this association when it was combined with increasing HRV. Depression and anxiety could not berelated to trends in HRV or HRVsd, which was related to observed floor effects. These results show that monitoring trends in daily HRV via wearables holds promise for automated stress monitoring and providing personalised feedback.
DOCUMENT
This week, JMIR (Journal of Medical Internet Research) Cardio published our paper ‘Moderation of the Stressor-Strain Process in Interns by Heart Rate Variability Measured With a Wearable and Smartphone App: Within-Subject Design Using Continuous Monitoring‘. In this blogpost, I’ll attempt to break down the paper’s key findings in relatively lay language.
DOCUMENT
In dit artikel wordt dieper ingegaan op het eerstgenoemde classificatieschema: de classificatie naar de variabiliteit van een bedrijfsregel
LINK
“Hoe kunnen bedrijfsregel management systemen geclassificeerd worden?” Voor bedrijven kan deze classificatie een belangrijke rol spelen in het selectieproces van een BRMS. Er bestaan meerdere classificatieschema’s van BRMS’en. Drie veelgebruikte schema’s zijn: 1) een classificatie naar de variabiliteit van een bedrijfsregel, 2) een classificatie naar de levenscyclus van een bedrijfsregel en 3) een classificatie naar de waardepropositie van een bedrijfsregel. In dit artikel gaan we dieper in op het tweede classificatieschema: de classificatie naar de levenscyclus van een bedrijfsregel.
LINK
Toeleverende bedrijven in de Brainport regio zijn veelal te typeren als high mix low volume (HMLV) productieomgevingen. Deze bedrijven kenmerken zich door een breed aanbod aan mogelijke producten (grote variëteit in producten), die veelal in lage volumes geproduceerd worden. Vaak zijn dit klantspecifieke producten die eenmalig, of incidenteel geproduceerd worden. Deze bedrijven focussen zich traditioneel op efficiënt gebruik van resources, waarbij bezettingsgraad en kostendekking relevant zijn. De toenemende klantvraag in de regio leidt tot druk op de productiecapaciteit. Een eerste intuïtieve reactie van deze bedrijven is om de bezettingsgraad van machines verder te verhogen. Om de kosten (Cost) beheersbaar te houden, wordt niet direct geïnvesteerd in extra capaciteit. Een ongewenst neveneffect is dat tijdigheid (Delivery, zoals levertijden, leverbetrouwbaarheid, flexibiliteit) en kwaliteit (Quality) verder onder druk komen te staan. De ogenschijnlijke tegenstrijdigheid tussen kosten en tijdigheid in deze HMLV-productieomgevingen, is een vaak terugkomend vraagstuk bij praktijkgerichte onderzoeken die door Fontys Technische Bedrijfskunde studenten uitgevoerd worden. Dit resulteert in de volgende onderzoeksvraag: Welke subaspecten zijn mogelijk relevant voor de prestatie met betrekking tot Quality, Delivery en Cost (QDC) van een HMLV-productieomgeving?
DOCUMENT
Uit het rapport: "De opgave voor sociale woningbouwrenovatie in Nederland is enorm. De woningen moeten na renovatie veel energiezuiniger zijn. Maar corporaties en bewoners willen de renovatie snel, van hoge kwaliteit, duurzaam, goedkoop en met weinig overlast. De bouwsector heeft grote moeite om aan deze verwachtingen te voldoen, zeker nu een tekort aan gekwalificeerde arbeid dreigt. De bouwbedrijven hebben de afgelopen jaren niet stilgezeten. Bouwbedrijven passen lean-principes toe en de realisatie van sociale woningbouwprojecten is duidelijk beter onder controle. Maar het proces voorafgaand aan de realisatie van de sociale woningbouwrenovatie (het voortraject) is vaak verre van optimaal. Actoren in dit voortraject geven aan dat er sprake is van miscommunicatie, late wijzigingsvoorstellen, gebrekkige sturing en omissies. Het gevolg is dat de bouwpartijen in het voortraject van sociale woningbouwrenovaties relatief veel kosten maken, het voortraject lang duurt en niet optimaal is. In het kader van een SIA RAAK MKB-project beantwoorden lectoraten van HU en HAN samen met opleidingen en bedrijfsleven de vraag: Hoe kan het voortraject van sociale woningbouwrenovatieprojecten efficiënter en effectiever gemaakt worden vanuit een algemene procesaanpak (toolbox) inclusief bijbehorend procesinstrumentarium (tools) die naar gelang de situatie flexibel kan worden ingezet? Centraal in het project staat het vormgeven van een toolbox die helpt bij het opzetten van een beheerssysteem voor het efficiënt doorlopen van het voortraject (definitie, ontwerp en voorbereiding) van sociale woningbouwrenovatieprojecten. Figuur 1 geeft het basismodel weer dat ten grondslag ligt aan het onderzoek. Voor een goed beheerssysteem is kennis nodig van beheersconcepten, methoden en technieken (pijl 1) én van de kritieke succesfactoren van bouwprojecten (pijl 2). Een goed beheerssysteem is in staat om met de juiste beheersconcepten de kritieke succesfactoren te monitoren en te sturen om op deze wijze te komen tot een effectief en efficiënt voortraject (pijl 3). Dit voortraject bereidt de projectuitvoering voor (pijl 4). Samen bepalen ze het uiteindelijke succes van een bouwproject (pijl 5). Kritieke succesfactoren kunnen achterhaald worden door het succes (of falen) van complete bouwprojecten te analyseren (pijl 6). Kenmerken van het bouwproject zijn in belangrijke mate bepalend voor de invulling van de verschillende elementen in het denkmodel. Dit eerste deelrapport behandelt de eerste stap in het onderzoek: een inventarisatie van gehanteerde beheersconcepten. In het bijzonder de beheersconcepten die een link hebben met de gedachten rond lean. De onderzoekers hebben zich vooral gericht op beheersconcepten die vanaf de tweede helft van de vorige eeuw zijn ontstaan. Daarmee geven de onderzoekers niet aan dat traditionele beheersconcepten niet goed zijn. Deze concepten zijn echter alom bekend. In de bouwbranche kent eenieder de traditionele samenwerking waarbij de opdrachtgever een bestek “op de markt zet” en de laagste bieder het ontwerp mag uitvoeren. De onderzoekers beschrijven de kenmerken van 14 concepten met behulp van bestaande literatuur over deze concepten. De concepten staan in de volgende 14 hoofdstukken steeds op dezelfde manier omschreven. Eerst omschrijven de onderzoekers de kenmerken van het concept. De kenmerken staan in de tekst vetgedrukt aangegeven. Vervolgens gaan de onderzoekers in op de situatie waarbij het concept toepasbaar is. Ook de voorwaarden om het concept toe te passen staan vetgedrukt aangegeven. Daarna geven de onderzoekers aan waaraan het concept bijdraagt, ook weer vetgedrukt per aspect. De vetgedrukte onderdelen komen terug in de conclusie. De onderzoekers sluiten een hoofdstuk steeds af met een lijst met interessante literatuur over het concept. In de conclusie maken de onderzoekers een koppeling tussen de kenmerken, de voorwaarden en de doelen van de 14 concepten en de kritieke succesfactoren zoals deze door Chua, Kog en Loh (Critical Success Factors fot Different Project Objectives, 1999) worden omschreven. De onderzoekers hebben deze conclusie gebruikt om tot de volgende stap in het onderzoek te komen."
DOCUMENT
In Nederland lijden 1,4 miljoen mensen aan hart- en vaatziekten. Dit aantal zal oplopen tot 1,9 miljoen in 2030 . Hevige of langdurige stress is een belangrijk risicofactor voor hart- en vaatproblemen. Cardiologen hebben vastgesteld dat omgaan met stress nu als een belangrijk onderdeel van de behandeling wordt beschouwd. In 2020 publiceerde de Nederlandse Vereniging voor Cardiologie de richtlijn voor de behandeling van pijn op de borst, waarin stressmanagement wordt beschreven als een belangrijke pijler. De invulling is daarentegen nog niet uitgewerkt. In 2019 is het Radboudumc gestart met het project Blue Zone, één ontspanningsprogramma dat zich richt op gezonde, ontspannen en zinvolle levensstijl . Het Blue Zone programma zorgt voor een verbetering van kwaliteit van leven; zowel tijdens de behandeling als daarna. Hiermee komt er een structureel betere gezondheid en minder snelle terugval van de patiënt. Op dit moment is Blue Zone voornamelijk gericht op ontspanningsprogramma’s binnen het Radboudumc en wordt er geen data verzameld. Binnen het KIEM project “Wavy Zone - stressreductie voor een beter herstel bij hartpatiënten” wordt onderzoek gedaan naar de effectiviteit van stressmanagement en reductie door middel van de Blue Zone interventies in combinatie met biofeedback bij hartpatiënten gedurende de ziekenhuisopname en revalidatie in de eigen leefomgeving. Het doel is om de kwaliteit van zorg bij hartpatiënten te vergroten, waarbij er minder stress, angst en symptomen ontstaan. Het project draagt bij aan de KIA Gezondheid en Zorg, waaronder missie II en III. De kracht van dit project betreft de directe samenwerking tussen het Radboudumc, twee innovatieve MKB-ondernemingen Wavy Assistant B.V. en Imagine AI B.V., en de stichtingen Hart voor Vrouwen en Lindenberg Cultuurhuis. Daarnaast participeert het lectoraart Personalised Digital Health van de Hanzehogeschool als betrokken partij mee. De samenwerking in dit consortium met deze diversiteit aan kennis, vaardigheden en achtergronden is nieuw.
