Scriptiebank overzicht

This policy report thesis explores the evolution of Anticipatory Action since its inception, tracing the roots from early pilot projects led by the German Red Cross in 2013 to the current usage across multiple countries. The research delves into the complexities of this approach, examining how it has been implemented, the lessons learned, and the potential for scaling up this initiative to ensure they become integral components of national disaster risk management frameworks.

The research identifies key trends in AA plans, highlighting the shift from small-scale pilot projects to more sustainable and widespread implementations. However, it also uncovers continuous challenges, including funding limitations, coordination issues among stakeholders, and the technical complexities linked with accurate forecasting.

Deze thesis onderzoekt de integratie van Federated Learning (FL) binnen het domein van het voorspellen van de hersenleeftijd met behulp van structurele Magnetic Resonance Imaging (MRI) scans. Door gebruik te maken van het FL-framework Flower stelt dit onderzoek medische instellingen in staat om samen voorspellende modellen te ontwikkelen en tegelijkertijd de gegevensprivacy te waarborgen en te voldoen aan regelgeving zoals GDPR en de California Consumer Privacy Act. Door domeinaanpassingstechnieken toe te passen om ervoor te zorgen dat de leeftijd op alle knooppunten vertegenwoordigd is, vermindert dit onderzoek de problemen die ontstaan door heterogene gegevensdistributies, waardoor de modelprestaties verbeteren. De bevindingen benadrukken de effectiviteit van het gebruik van voorgetrainde modellen, namelijk met algoritmen zoals FedProx, die cliëntdrift corrigeren en hun voordeel aantonen in scenario's met zeer scheve gegevensdistributies. Dit onderzoek onderstreept het potentieel van FL om competitieve modellen te produceren die geschikt zijn voor praktische toepassing in neuroimagingtaken. De implicaties reiken verder dan het voorspellen van de hersenleeftijd en suggereren bredere toepassingen in de gezondheidszorg, waar gegevensprivacy en samenwerkend leren cruciaal zijn. Deze thesis dient als een fundamentele inspanning, waarbij theoretische vooruitgang wordt samengevoegd met praktische toepassingen in de medische diagnostiek, en moedigt verdere verkenning en ontwikkeling in deze domeinen aan.

Veranderingen in de vitale functies (bloeddruk, temperatuur, ademhaling, …) worden vaak niet of te laat opgemerkt, de ernst wordt onderschat of de kennis en ervaring ontbreken om doelgericht te reageren. Het snel herkennen van de vitaal bedreigde patiënt op de verpleegafdeling is dan ook van levens- en prognostisch belang. Als die veranderingen in vitale functies op tijd worden gesignaleerd en behandeld, kan een complicatie immers voorkomen of beter behandeld worden.

Het gebruik van de Early Warning System helpt vroege tekenen van achteruitgang te onderkennen, wereldwijd zijn hier verschillende systemen voor ontwikkeld die het basis Early Warning System ombuigen naar een scoresysteem toepasselijk voor op specifieke verpleegafdelingen.

De wereldwijd bestaande Early Warning Systems zijn niet van toepassing in de neonatale leeftijdsgroep. Deze bachelorproef is er dan ook op gericht om dergelijk systeem te ontwikkelen en te integreren op de neonatale zorgeenheid.