Purpose – In the domain of healthcare, both process efficiency and the quality of care can be improved through the use of dedicated pervasive technologies. Among these applications are so-called real-time location systems (RTLS). Such systems are designed to determine and monitor the location of assets and people in real time through the use of wireless sensor networks. Numerous commercially available RTLS are used in hospital settings. The nursing home is a relatively unexplored context for the application of RTLS and offers opportunities and challenges for future applications. The paper aims to discuss these issues. Design/methodology/approach – This paper sets out to provide an overview of general applications and technologies of RTLS. Thereafter, it describes the specific healthcare applications of RTLS, including asset tracking, patient tracking and personnel tracking. These overviews are followed by a forecast of the implementation of RTLS in nursing homes in terms of opportunities and challenges. Findings – By comparing the nursing home to the hospital, the RTLS applications for the nursing home context that are most promising are asset tracking of expensive goods owned by the nursing home in orderto facilitate workflow and maximise financial resources, and asset tracking of personal belongings that may get lost due to dementia. Originality/value – This paper is the first to provide an overview of potential application of RTLS technologies for nursing homes. The paper described a number of potential problem areas that can be addressed by RTLS. Published by Emerald Publishing Limited Original article: https://doi.org/10.1108/JET-11-2017-0046 For this paper Joost van Hoof received the Highly Recommended Award from Emerald Publishing Ltd. in October 2019: https://www.emeraldgrouppublishing.com/authors/literati/awards.htm?year=2019
MULTIFILE
Ambient activity monitoring systems produce large amounts of data, which can be used for health monitoring. The problem is that patterns in this data reflecting health status are not identified yet. In this paper the possibility is explored of predicting the functional health status (the motor score of AMPS = Assessment of Motor and Process Skills) of a person from data of binary ambient sensors. Data is collected of five independently living elderly people. Based on expert knowledge, features are extracted from the sensor data and several subsets are selected. We use standard linear regression and Gaussian processes for mapping the features to the functional status and predict the status of a test person using a leave-oneperson-out cross validation. The results show that Gaussian processes perform better than the linear regression model, and that both models perform better with the basic feature set than with location or transition based features. Some suggestions are provided for better feature extraction and selection for the purpose of health monitoring. These results indicate that automated functional health assessment is possible, but some challenges lie ahead. The most important challenge is eliciting expert knowledge and translating that into quantifiable features.
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
Size measurement plays an essential role for micro-/nanoparticle characterization and property evaluation. Due to high costs, complex operation or resolution limit, conventional characterization techniques cannot satisfy the growing demand of routine size measurements in various industry sectors and research departments, e.g., pharmaceuticals, nanomaterials and food industry etc. Together with start-up SeeNano and other partners, we will develop a portable compact device to measure particle size based on particle-impact electrochemical sensing technology. The main task in this project is to extend the measurement range for particles with diameters ranging from 20 nm to 20 um and to validate this technology with realistic samples from various application areas. In this project a new electrode chip will be designed and fabricated. It will result in a workable prototype including new UMEs (ultra-micro electrode), showing that particle sizing can be achieved on a compact portable device with full measuring range. Following experimental testing with calibrated particles, a reliable calibration model will be built up for full range measurement. In a further step, samples from partners or potential customers will be tested on the device to evaluate the application feasibility. The results will be validated by high-resolution and mainstream sizing techniques such as scanning electron microscopy (SEM), dynamic light scattering (DLS) and Coulter counter.
Het project ‘Data Resonantie’ is een artistiek onderzoeksproject bedoeld om met behulp van moderne technologieën en persoonlijke data nieuwe manieren te ontdekken om in coronatijd veilige, gedeelde openbare ruimtes te creëren. Het onderzoek wil bijdragen aan de ontwikkeling van zowel praktische toepassingen als vernieuwende artistieke methodes in het veld van Mens Machine Interactie op het gebied van veiligheid en privacy in openbare ruimtes waar veel mensen komen en waardoor afstand houden ingewikkeld is. Dat gebeurt in de setting van een aantal labs waarin met persoonlijke data via real-time surveillance een audiovisuele ervaring wordt gegenereerd die participanten een veilige afstand toont, ze laat bijdragen aan de soundscape en ze tegelijkertijd mogelijk bewuster maakt van kwesties rondom het gebruik van persoonlijke data. In de respectievelijke labs zal gebruik worden gemaakt van de expertise van de betrokken partners op het gebied van artistiek onderzoek (Artistic Research Community/Frank Mohr Instituut), experimenteel artistieke settings (Re:Search:Gallery), geluidsresonantie (STEIN) en het gebruik van drones (Omnidones). De centrale vraagstelling is: Hoe kan een artistieke-technisch systeem, dat met behulp van een drone persoonlijke data vertaalt in sensorische ervaringen, individuen in staat stellen om door afstand te houden van elkaar een veilig gedeelde omgeving te co-creëren? Het project is een kruisbestuiving en interdisciplinaire samenwerking tussen een aantal verschillende organisaties in Noord-Nederland; Het is een voorbeeld van de wijze waarop artistiek onderzoekers met een hybride methodologie en met gebruikmaking van verschillende disciplines en expertises ingewikkelde maatschappelijke problemen ter hand kunnen nemen. Daarnaast resulteert het in nieuwe publieke toepassingen voor drone en audio technologieën met de potentie een uitweg te bieden aan sectoren die te lijden hebben onder de corona maatregelen, met in het bijzonder de evenementen industrie en de ermee verbonden horeca en retail.
Wereldwijd luiden de alarmbellen over de afname in biodiversiteit. Ook in Nederland zijn er steeds minder verschillende soorten planten en dieren. De groeiende verdichting van steden gaat dit alleen maar versterken. Om het tij te keren werken de grote gemeenten zoals Rotterdam en Den Haag met monitoringsplannen en inrichtingsmaatregelen om de biodiversiteit in steden te versterken. De gemeenten stellen echter vast dat een breed draagvlak bij burgers voor deze maatregelen ontbreekt; het sluit niet aan bij hun huidige waarden en belevingswereld. Maar juíst de inzet van bewoners is nodig om impact te maken, omdat zij invloed hebben op het relatief grote aandeel van private ruimte in steden (»60% tegenover 40% publieke ruimte). Daarom is het consortium van onderzoekers, steden en bedrijven voornemens om een lerend ecosysteem van en voor wijkbewoners te ontwikkelen, die met hun voorkeurstools zoals interactieve dataplatformen en passende interfaces samenwerken aan biodiverse steden, en die gemeenten helpen meer real-time inzicht in biodiversiteit te verkrijgen. Het beoogt onderzoek bouwt voort op inzichten uit een pilot begin 2022: het alleen beschikbaar maken van databases en meetinstrumenten (zogenaamde sensoren) is niet aantrekkelijk genoeg voor de meeste bewoners om ook zelf te zorgen voor meer biodiversiteit. Data-tools moeten aansluiten bij leefwereld en interesses van burgers. Hiervoor moeten kennis en praktijk van ‘citizen science’ en nieuwe vormen van burgenparticipatie gekoppeld worden. Dit gebeurt in de praktijk en in de huidige wetenschappelijke literatuur nog onvoldoende. Met kwalitatief onderzoek en actiegericht ontwerponderzoek worden inzichten en een gereedschapskist inclusief technische prototypes gegenereerd waarmee wijkbewoners en gemeenten middels passende technologie samen kunnen werken voor meer biodiversiteit. In twee wijken in Rotterdam en Den Haag worden Urban Living Labs opgezet om samen met alle relevante betrokkenen de Wijk als Biotoop aanpak te ontwikkelen. Onderzoeksresultaten worden opgeschaald van Rotterdam naar Den Haag en vanuit de provincie verder verspreid.
