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
This research evaluates how Project-Based Learning (PBL) is implemented in the Innovative Design program that is taught at The Hague University of Applied Sciences. This paper offers insights about the way students and teachers experience PBL within this program, and how the implementation can be improved according to previous research in this field. By studying relevant literature, a list of important (organizational and didactical) factors regarding the implementation of PBL is created. Questionnaires investigating these factors are then circulated among the teachers and students of the program. The results of the questionnaires are analyzed against guidelines provided in the literature. Based on this comparison, recommendations for the improvement of the PBL approach within the program are provided. The analysis shows that the program offers meaningful projects, and the students are properly prepared to collaborate. Nevertheless, the analysis also shows that the program still has room for improvement. The assessment methods are still unrefined, the students experience time-pressure while working on their projects, and the teachers can benefit from additional training to be better prepared for teaching in a PBL environment. Fortunately, the teachers indicate willingness to learn new PBL specific teaching skills. https://nl.linkedin.com/in/haniers
MULTIFILE
In this project we take a look at the laws and regulations surrounding data collection using sensors in assistive technology and the literature on concerns of people about this technology. We also look into the Smart Teddy device and how it operates. An analysis required by the General Data Protection Regulation (GDPR) [5] will reveal the risks in terms of privacy and security in this project and how to mitigate them. https://nl.linkedin.com/in/haniers
MULTIFILE
Het lopen van een marathon wordt steeds populairder. Naast de vele positieve gezondheidseffecten van duurinspanning, kan duurinspanning ook gepaard gaan met maagdarmklachten. Zo’n 30-90% van de hardlopers heeft last van maagdarmklachten tijdens of in de uren na het hardlopen. Het ontstaan van maagdarmklachten heeft waarschijnlijk te maken met de herverdeling van het bloedvolume, resulterend in minder bloedtoevoer naar het spijsverteringskanaal en een minder goed functionerende darmbarrière. Doordat de darmbarrière minder goed functioneert kunnen er ongewenste stoffen (endotoxinen) de bloedbaan intreden en voor ontstekingsreacties zorgen. De vele micro-organismen in onze darm, gezamenlijk onze darmmicrobiota genoemd, zijn van invloed op de voedselvertering, maar ook op het functioneren van de cellen die de darmwand bekleden en de verbindingen tussen deze cellen. Mogelijk hebben hardlopers met maagdarmklachten tijdens duurinspanning te maken met een afwijkende samenstelling van de darmmicrobiota en/of metabolieten ten opzichte van hardlopers zonder klachten, waardoor de darmbarrière minder goed functioneert en er problemen kunnen optreden. Vandaar dat het voornaamste doel van ons onderzoeksproject is om te onderzoeken of er een relatie bestaat tussen de samenstelling van de darmmicrobiota en/of metabolieten en het ontstaan van maagdarmklachten tijdens duurinspanning. De onderzoeksvragen die zullen worden bestudeerd zijn: 1) Verschilt de samenstelling van de darmmicrobiota en/of metabolieten van hardlopers die wel en niet last krijgen van maagdarmklachten tijdens het lopen van een marathon? En zo ja, hoe? 2) Kan de samenstelling van de darmmicrobiota en/of metabolieten van getrainde sporters die maagdarmklachten ervaren tijdens duurinspanning positief beïnvloed worden door probiotica-suppletie, zodat de kans op en/of intensiteit van maagdarmklachten tijdens duurinspanning wordt verminderd en de sportprestatie verbeterd? Het onderzoeksproject richt zich op de identificatie van sporters die last hebben van maagdarmklachten tijdens duurinspanning. We hopen met de beoogde resultaten bij te kunnen dragen aan op de persoon gerichte preventie van maagdarmklachten door het aanpassen van de darmmicrobiota.
Het doel van dit project is het onderzoeken of CO2 en kosten kunnen worden gereduceerd in twee zorginstellen door het Specifiek Ziekenhuis Afval (SZA) anders te verzamelen en verwerken. Dit praktijkgerichte onderzoek wordt mogelijk door een samenwerking van Windesheim, Flynther, Dermatologisch Centrum en Isala. SZA wordt verzameld in speciale vaten en getransporteerd naar speciale verbrandingsovens in Dordrecht, waar het afval inclusief het vat onder hoge temperatuur wordt verbrand. Dit leidt tot een hoge CO2 uitstoot en onnodig hoge afvalkosten voor zorgpartijen. Tijdens de voorbereidende interviews voor dit onderzoek hebben respondenten uit de zorgsector al verschillende suggesties gedaan om de hoeveelheid afval te reduceren: • Alleen medisch afval in het vat stoppen, geen andere afvalstromen; • Vaten zo veel mogelijk vullen voordat deze worden vervangen; • Beter scheiden van SZA. Een deel van het SZA hoeft niet onder speciale omstandigheden te worden verbrand, door deze apart in te zamelen kan het in de buurt van de zorginstelling worden vernietigd in plaats van in Dordrecht. • Gebruik van andere soorten vaten die gemaakt zijn uit karton of dunner kunststof. Vanuit Flynther en het Dermatologisch centrum is de praktijkvraag; “Als door diverse partijen wordt aangegeven dat er kan worden bespaard, waarom hebben partijen uit de zorg hier dan geen of nauwelijks aandacht voor? Zijn er nog meer manieren om SZA te reduceren?” De praktijkvraag van dit onderzoek is:Op welke wijze kunnen zorginstellingen door aanpassingen in het inzamelen van SZA, de hoeveelheid CO2 uitstoot en kosten binnen deze afvalstoom reduceren?Om deze vraag te beantwoorden worden de mogelijkheden zoals hierboven beschreven getoetst en de impact bepaald. Daarnaast wordt gekeken hoe het SZA inzamelingsproces moet worden aangepast om deze besparing te realiseren. Ook wordt onderzocht wat beperkende factoren zijn voor deze besparingen. De onderzoeksvragen worden beantwoord door een verkennend onderzoek dat wordt gebaseerd op twee case studies.
Mediaorganisaties gebruiken veel foto’s uit beeldarchieven, bijvoorbeeld om bij nieuwsberichten te plaatsen. Met een tool die foto’s automatisch van tags voorziet willen we zorgen voor grotere consistentie en nauwkeurigheid in zulke beeldarchieven. Hiermee wordt het vinden van passende foto’s eenvoudiger.Doel We onderzoeken of het haalbaar is een tool voor het automatisch taggen van foto’s te ontwikkelen die goed om kan gaan met steeds nieuwe tags. In de context van nieuws en journalistiek moeten namelijk regelmatig nieuwe tags toe worden gevoegd. Resultaten In het project zoeken we antwoorden op onderstaande onderzoeksvragen: Hoe verhoudt de nauwkeurigheid van de tool zich tot die van een traditionele tool voor het taggen van foto’s? Blijft de tool voor automatisch taggen goed presteren als het aantal tags toeneemt? Hoeveel foto’s zijn minimaal nodig om de tool goed te laten presteren voor een nieuwe tag? Looptijd 01 maart 2023 - 01 juli 2023 Aanpak In the eerste fase van het project ontwikkelen we een tool die voldoet aan de gestelde eisen. Zodra de tool ontwikkeld en geïmplementeerd is, volgt de tweede fase. Hierin evalueren we de prestaties van de tool, ook wanneer nieuwe tags worden geïntroduceerd en worden gekoppeld aan foto’s.
