Grav was with by Trilby Media.
In de Nationale Enquête Arbeidsomstandigheden vragen we naar arbeidsomstandigheden die belastend zijn voor werknemers zoals lawaai, fijnstof, contact met gevaarlijke stoffen, tillen en kracht zetten. We zouden graag een nauwkeuriger beeld krijgen. Probleem is dat iedere werkomgeving anders is. En wel heel anders: kantooromgeving, schoollokaal, keuken van een restaurant, productiehal, garage, …. De uitdaging is dan ook om een sensor te ontwikkelen die draagbaar is tijdens het werk. Houd daarbij ook rekening met bijvoorbeeld beschermende middelen of kleding die werknemers kunnen dragen.
De belangrijkste uitdaging is om een zo nauwkeurig mogelijke, betrouwbare meting onder verschillende omstandigheden voor elkaar te krijgen.
Veel infectieziekten worden via direct contact overgedragen van de ene op de andere persoon. Hoe meer contacten personen met elkaar hebben, hoe makkelijker een ziekte zich door de populatie kan verspreiden. Contactpatronen kunnen echter van persoon tot persoon verschillen. Zo hebben kinderen vaak veel contacten met andere kinderen en hun ouders, terwijl ouderen meestal minder contacten met vooral leeftijdsgenoten hebben. Maar het contactpatroon van één persoon hangt ook van de context af. Op school kun je veel nieuwe mensen kort ontmoeten, terwijl je thuis langer contact hebt met bekende mensen. Al dit soort patronen hebben invloed op hoe efficiënt een ziekte zich kan verspreiden.
Ontwikkel een methode die het vergemakkelijkt de contactpatronen van een deelnemer vast te leggen. Gebruik moet laagdrempelig en leuk zijn, maar niet zo leuk dat het normale contactpatroon wordt verstoord.
Handhygiëne door zorgmedewerkers wordt gezien als de meest effectieve manier om infecties te voorkomen bij cliënten en patiënten in de gezondheidszorg. Toch is de compliance van handhygiëne door zorgmedewerkers. Het terugkoppelen van compliance data is echter wel een belangrijk onderdeel in veranderprogramma’s om handhygiëne te verbeteren
De gouden standaard om handhygiëne compliance te meten is observeren Dit observeren is zeer tijdrovend. Er zijn wel al apps ontwikkeld die je kunt gebruiken om de data meteen in te verwerken zodat je niet alles over hoeft te typen om de data te kunnen analyseren.
Ontwikkel een methode om te meten/bepalen of zorgmedewerkers op de juiste momenten handhygiëne toepassen die minder tijdrovend is dan observeren.
Prikkelbare darmsyndroom (PDS) is een verstoring van de functie van de dikke darm en leidt tot forse vermindering van de kwaliteit van leven. Het komt voor onder 5-20% van de Nederlandse bevolking. PDS wordt gekarakteriseerd door een combinatie van periodes met buikpijn en een veranderd ontlastingspatroon (diarree, constipatie, beide, geen van beide). Door de diversiteit aan gerelateerde symptomen en (onbekende) oorzaken bestaat er geen objectieve methode voor de diagnose. Er wordt onder andere gebruik gemaakt van criteria gerelateerd aan defecatie (stoelgang): een veranderde ontlastingsfrequentie en/of een veranderde ontlastingsvorm.
Voor het stellen van de diagnose is het derhalve van belang om objectief en gedurende langere tijd het ontlastingspatroon real-time op individueel niveau te monitoren met nieuwe sensorsystemen. Momenteel gebeurt dit middels dagboeken waarin de consistentie van de ontlasting gescoord wordt middels de Bristol Stool Chart. De betrouwbaarheid van deze scoring kan verhoogd worden middels objectivering en digitalisering van deze scoring.
Ontwikkel een methode om op een betrouwbare (nauwkeurige), objectieve en digitale manier individuele ontlastingspatronen in kaart te brengen. Gebruik van de methode moet eenvoudig, laagdrempelig en hygiënisch zijn en minder tijdrovend dan de huidige methode. Terugblik Sensor Data Challenge 2017
Ingrediënten en porties van voeding bepalen via een 3D-reconstructie met een camera. En een internet-scraper (soort automatische web-informatieverzamelaar) rondom recepten. Het ‘voedingsteam’ won met deze ideeën de Sensor Data Challenge op 23 en 24 november bij het CBS in Den Haag. In januari geven de winnaars een presentatie op het RIVM. Het RIVM organiseerde de Sensor Data Challenge samen met het Centraal Bureau voor de Statistiek, De Haagse Hogeschool en de Universiteit Utrecht. Het doel was om tot innovatieve manieren te komen om gezondheid en gedrag van mensen te meten.
Vijf teams van studenten werkten hier twee dagen en een nacht aan. Twee teams werkten aan beweging, twee aan cognitie (beginnende dementie) en een team werkte aan het beter meten van de voedingsinname. De studenten stortten zich met veel enthousiasme en inzet op deze uitdagingen. Er was amper tijd voor de lunch en velen sliepen de hele nacht niet.
Het winnende team was het voedingsteam. Zij leverden een indrukwekkende prestatie door voor alle bekende problemen (Hoe bepaal je de portiegrootte? Wat zit er in een lasagna?) een oplossingsrichting te geven. Zoals ingrediënten en porties van voeding bepalen via een 3D-reconstructie met een camera. En ze bedachten een internet-scraper (soort automatische web-informatieverzamelaar) rondom recepten. Het RIVM-innovatieteam van de Voedselconsumptiepeiling vindt de ideeën veelbelovend.
Tweede werd het team van De Haagse Hogeschool dat met behulp van bewegingssensoren, een hartslagmeter, GPS en UV-sensor, de mogelijkheden liet zien om het beweeggedrag van mensen te meten, inclusief waar ze dit doen, voor hoe lang en welke activiteit.In januari geven de winnaars van het voedingsteam een presentatie op het RIVM.
Grav was with by Trilby Media.