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
De druk op dansers is enorm. Lange en intensieve werkdagen, veel reizen en verschillende werkplekken maken het lastig om lichaam en geest goed te verzorgen. Hierdoor liggen blessures en mentale klachten op de loer. In het RAAK project Fit to Perform hebben Het Nationale Ballet (HNB), Scapino Ballet Rotterdam en Codarts de krachten gebundeld om de fysieke en mentale gezondheid van dansers te verbeteren en prestaties te optimaliseren. Het project is gestart in april 2016 en heeft inmiddels de volgende resultaten opgeleverd: 1. De Performing artist and Athlete Health Monitor (PAHM) is ontwikkeld. Dit is een online tool dat real-time informatie over de fysieke en mentale gezondheid van podiumkunstenaars verzamelt, analyseert en visualiseert. Via een persoonlijk dashboard koppelt het systeem de uitkomsten van de fysieke testen en de maandelijkse gezondheidsvragenlijst terug aan de studenten (Codarts) en dansers (Het Nationale Ballet en Scapino Ballet Rotterdam). 2. Binnen Codarts wordt de kennis uit PAHM gebruikt voor a) vernieuwing van het onderwijscurriculum, b) evidence based onderbouwing voor het handelen van het Performing Arts Health Team, c) individuele begeleiding van de studenten op het gebied van fysieke en mentale gezondheid door een health coach, d) het ontwikkelen van een traject rondom Periodisering Op Maat (POM). 3. Vier publicaties in internationale wetenschappelijke tijdschriften en diverse presentaties op (inter)nationale congressen. 4. Borging en uitbreiding van het consortium voor 8 jaar door honorering van een SPRONG subsidie resulterend in de oprichting van PEARL (PErforming artist and Athlete Research Lab). Gedurende het RAAK project zijn is er zowel vanuit het onderwijs (Codarts), het praktijkveld (Het Nationale Ballet) als de wetenschappelijke wereld (congresorganisaties) de vraag gesteld aan de projectgroep om de beschikbare gegevens verder te analyseren. Doel van deze top-up aanvraag is het vergroten van de impact van het Fit to Perform project door het verbeteren van de doorwerking van de resultaten richting: 1. Onderwijs: De 4 internationale publicaties worden omgezet naar begrijpelijke factsheets/ infographics. 2. Onderzoek: Er worden secundaire analyses uitgevoegd op de Fit to perform database om inzicht te krijgen welke vragenlijsten door onderzoekers gebruikt moeten worden in projecten om inzicht te krijgen in de omvang, aard, risicofactoren en preventieve maatregelen van fysieke en mentale klachten bij dansers. De uitkomsten worden gepubliceerd in een internationaal tijdschrift en weergegeven in een toegankelijker factsheet/infographic. 3. Praktijk: Er worden secundaire analyses uitgevoerd op de Fit to Perform database om inzicht te krijgen in welke kenmerken van dansers (leeftijd, aantal jaren danservaring, vooropleiding, rang in het gezelschap etc) van invloed kunnen zijn op het grootste blessurerisico. Deze blessureprofielen worden via een presentatie teruggekoppeld aan Het Nationale Ballet.
