Regensburg Center of Health Sciences and Technology - RCHST
Refine
Year of publication
Document Type
- Article (103)
- Part of a Book (45)
- conference proceeding (presentation, abstract) (39)
- conference proceeding (article) (16)
- Book (11)
- Preprint (5)
- Edited collection (4)
- Working Paper (4)
- conference proceeding (volume) (3)
- Report (3)
Is part of the Bibliography
- no (238)
Keywords
- Deep Learning (12)
- Selbsthilfe (11)
- Digitalisierung (9)
- Aphasie (8)
- Pflege (7)
- Computerunterstützte Medizin (6)
- Diagnose (6)
- Künstliche Intelligenz (6)
- Lebensqualität (6)
- Maschinelles Lernen (6)
Institute
- Regensburg Center of Health Sciences and Technology - RCHST (238)
- Fakultät Angewandte Sozial- und Gesundheitswissenschaften (163)
- Labor Logopädie (LP) (90)
- Fakultät Informatik und Mathematik (57)
- Regensburg Center of Biomedical Engineering - RCBE (40)
- Labor Physiotherapie (LPh) (37)
- Fakultät Maschinenbau (32)
- Regensburg Medical Image Computing (ReMIC) (31)
- Institut für Sozialforschung und Technikfolgenabschätzung (IST) (24)
- Labor Empirische Sozialforschung (19)
Begutachtungsstatus
- peer-reviewed (67)
- begutachtet (12)
"Mach mal ’ne App"
(2021)
Die Entwicklung qualitativ hochwertiger Apps zur Gesundheitsversorgung erfordert einen aufwendigen Entwicklungsprozess, an den sich eine Evaluation der App-gestützten Maßnahme anschließen sollte, um Aussagen zur Wirksamkeit treffen und somit den App-Einsatz begründen zu können. In diesem Beitrag wird die nutzerzentrierte Entwicklung der App BaSeTaLK vorgestellt, mit der eine Tablet-gestützte Stimulation biographisch orientierter Gespräche bei älteren Menschen zur Verbesserung des psychischen Wohlbefindens ermöglicht werden soll. Nach erfolgreicher Evaluation könnten LogopädInnen als MultiplikatorInnen den Einsatz der App vermitteln.
BACKGROUND:
Due to their corrugated profile, dragonfly wings have special aerodynamic characteristics during flying and gliding. OBJECTIVE: The aim of this study was to create a realistic 3D model of a dragonfly wing captured with a high-resolution micro-CT. To represent geometry changes in span and chord length and their aerodynamic effects, numerical investigations are carried out at different wing positions. METHODS:
The forewing of a Camacinia gigantea was captured using a micro-CT. After the wing was adapted an error-free 3D model resulted. The wing was cut every 5 mm and 2D numerical analyses were conducted in Fluent® 2020 R2 (ANSYS, Inc., Canonsburg, PA, USA). RESULTS: The highest lift coefficient, as well as the highest lift-to-drag ratio, resulted at 0 mm and an angle of attack (AOA) of 5∘. At AOAs of 10∘ or 15∘, the flow around the wing stalled and a Kármán vortex street behind the wing becomes
CONCLUSIONS:
The velocity is higher on the upper side of the wing compared to the lower side. The pressure acts vice versa. Due to the recirculation zones that are formed in valleys of the corrugation pattern the wing resembles the form of an airfoil.
9x Ofra: Technikunterstütztes Wohnen als Beitrag zur Verbesserung der kommunalen Daseinsvorsorge
(2023)
The growing number of publications on the application of artificial intelligence (AI) in medicine underlines the enormous importance and potential of this emerging field of research.
In gastrointestinal endoscopy, AI has been applied to all segments of the gastrointestinal tract most importantly in the detection and characterization of colorectal polyps. However, AI research has been published also in the stomach and esophagus for both neoplastic and non-neoplastic disorders.
The various technical as well as medical aspects of AI, however, remain confusing especially for non-expert physicians.
This physician-engineer co-authored review explains the basic technical aspects of AI and provides a comprehensive overview of recent publications on AI in gastrointestinal endoscopy. Finally, a basic insight is offered into understanding publications on AI in gastrointestinal endoscopy.
Pixel-level classification is an essential part of computer vision. For learning from labeled data, many powerful deep learning models have been developed recently. In this work, we augment such supervised segmentation models by allowing them to learn from unlabeled data. Our semi-supervised approach, termed Error-Correcting Supervision, leverages a collaborative strategy. Apart from the supervised training on the labeled data, the segmentation network is judged by an additional network.
Aims
Evaluation of the add-on effect an artificial intelligence (AI) based clinical decision support system has on the performance of endoscopists with different degrees of expertise in the field of Barrett's esophagus (BE) and Barrett's esophagus-related neoplasia (BERN).
Methods
The support system is based on a multi-task deep learning model trained to solve a segmentation and several classification tasks. The training approach represents an extension of the ECMT semi-supervised learning algorithm. The complete system evaluates a decision tree between estimated motion, classification, segmentation, and temporal constraints, to decide when and how the prediction is highlighted to the observer. In our current study, ninety-six video cases of patients with BE and BERN were prospectively collected and assessed by Barrett's specialists and non-specialists. All video cases were evaluated twice – with and without AI assistance. The order of appearance, either with or without AI support, was assigned randomly. Participants were asked to detect and characterize regions of dysplasia or early neoplasia within the video sequences.
Results
Standalone sensitivity, specificity, and accuracy of the AI system were 92.16%, 68.89%, and 81.25%, respectively. Mean sensitivity, specificity, and accuracy of expert endoscopists without AI support were 83,33%, 58,20%, and 71,48 %, respectively. Gastroenterologists without Barrett's expertise but with AI support had a comparable performance with a mean sensitivity, specificity, and accuracy of 76,63%, 65,35%, and 71,36%, respectively.
Conclusions
Non-Barrett's experts with AI support had a similar performance as experts in a video-based study.
Im Jahr 2018 haben wir bildungs-, gesundheits- und berufspolitisch bewegte Zeiten durchlebt. Politische Spitzentreffen wechselten sich mit Informationsveranstaltungen für Parlamentarier ab, die Ausbildung und die berufliche Situation wurden in Trippelschritten reformiert, immer gerade nur so weit, wie es die Hoffnung auf Verringerung des politischen Drucks in Bund und Ländern seitens der Regierenden als nötig erscheinen lässt. Die Ausbildungsflickschusterei in den Therapieberufen von der (Teil-)Abschaffung des Schulgeldes bis zur Zahlung einer Ausbildungsvergütung für einen kleinen Teil der Schülerschaft scheint aber eher die Unruhe zu nähren.
In dieser Situation ist es etwas Besonderes, dass umfassende konzeptionelle Perspektiven zu den anstehenden Reformen der Ausbildung und Berufsgesetze entwickelt werden und eine breite verbandliche Unterstützung finden. Das Strategiepapier des Hochschulverbunds Gesundheitsfachberufe (HVG) und des Verbunds für Ausbildung und Studium in den Therapieberufen (VAST) begründet und belegt die Notwendigkeit und Machbarkeit der vollständigen hochschulischen Ausbildung in der Ergotherapie, Logopädie und Physiotherapie in primärqualifizierenden Studiengängen mit einem Übergangszeitraum von 10 – 15 Jahren. (Der HVG ist ein Zusammenschluss von 38 Hochschulen mit Therapiestudiengängen und 18 Berufsfachschulen, die in Kooperation mit Hochschulen Studiengänge mitgestalten. In VAST sind derzeit 5 Schul- bzw. Lehrerverbände organisiert).
Der Deutsche Verband für Physiotherapie (ZVK), der Bundesverband selbstständiger Physiotherapeuten (IFK) und der Verband Physikalische Therapie (VPT) unterstützen dieses Ziel. Diese Einigkeit ist neu und sehr erfreulich; besonders bemerkenswert ist jedoch, dass auch die Mitgliedsverbände des VAST das Papier unterstützen. Die in VAST organisierten Schul- bzw. Lehrerverbände der Therapieberufe (u.a. der Verband der leitenden Lehrkräfte in der Physiotherapie (VLL)) stellen damit die bisherige traditionelle Rolle der Schulen als Ausbildungsinstitutionen mit dem Ziel einer adäquaten Weiterentwicklung der Ausbildung zur Disposition.
Dieser umfangreiche Arbeitsordner ermöglicht erstmalig ein streng alltagsorientiertes Training basaler Fähigkeiten der Mengen- und Zahlenverarbeitung. Neben einer Einführung in die theoretischen Grundlagen der Diagnostik und Therapie von Zahlenverarbeitungsstörungen finden sich hochgradig alltagsorientierte Aufgaben zu Funktionen des Zuordnens, Einschätzens, Auswählens, Be- und Umrechnens, Beurteilens und Prüfens aus den Bereichen Uhrzeit, Temperatur, Geld, Backen, Waschen, Handwerken, Ausgehen, Autofahren, Fahrpläne und Urlaub.
The endoscopic features associated with eosinophilic esophagitis (EoE) may be missed during routine endoscopy. We aimed to develop and evaluate an Artificial Intelligence (AI) algorithm for detecting and quantifying the endoscopic features of EoE in white light images, supplemented by the EoE Endoscopic Reference Score (EREFS). An AI algorithm (AI-EoE) was constructed and trained to differentiate between EoE and normal esophagus using endoscopic white light images extracted from the database of the University Hospital Augsburg. In addition to binary classification, a second algorithm was trained with specific auxiliary branches for each EREFS feature (AI-EoE-EREFS). The AI algorithms were evaluated on an external data set from the University of North Carolina, Chapel Hill (UNC), and compared with the performance of human endoscopists with varying levels of experience. The overall sensitivity, specificity, and accuracy of AI-EoE were 0.93 for all measures, while the AUC was 0.986. With additional auxiliary branches for the EREFS categories, the AI algorithm (AI-EoEEREFS) performance improved to 0.96, 0.94, 0.95, and 0.992 for sensitivity, specificity, accuracy, and AUC, respectively. AI-EoE and AI-EoE-EREFS performed significantly better than endoscopy beginners and senior fellows on the same set of images. An AI algorithm can be trained to detect and quantify endoscopic features of EoE with excellent performance scores. The addition of the EREFS criteria improved the performance of the AI algorithm, which performed significantly better than endoscopists with a lower or medium experience level.
In Deutschland wird in der Patientenversorgung zwischen stationärem und ambulantem Sektor getrennt. Dieser als Schnittstelle bezeichnete Übergang wurde im Rahmen von diversen Forschungsarbeiten bereits mehrfach untersucht. Dabei wurden Barrieren identifiziert, die den Übergang von der stationären in die ambulante Therapie in vielen Fällen erschweren. Für die Logopä-die, insbesondere für Menschen mit einer Aphasie, liegen dazu bislang jedoch keine hinreichenden Informationen vor. Daher wurden acht Interviews mit dem Ziel geführt, von Menschen mit einer Apha-sie einen ersten Einblick in den Übergangsprozess von einem Rehabilitationsbereich in den nächsten zu erhalten. Im Vordergrund stand dabei die Frage, welche Ressourcen, aber auch welche Hindernisse von den Betroffenen wahrgenommen wurden. Die Ergebnisse der Befragung ließen sich in die Kategorien Organisation, Emotionen, Information und Angehörige zusammenfassen. Innerhalb der Kategorien konnten deutliche schnittstellenbezogene Defizite, aber auch Hinweise auf eine Schnittstellenoptimie-rung identifiziert werden. Neben der unzureichenden Vorbereitung auf die Entlassung aus den Rehabili-tationskliniken, dem Fehlen wichtiger Informationen und dem lückenhaften Einbinden der Angehörigen gaben die Betroffenen auch infrastrukturelle Gegebenheiten als Barrieren der stationär-ambulanten Schnittstelle an. Ausgehend von den Barrieren werden Möglichkeiten dargestellt, die Hindernisse von einer stationären zur ambulanten Versorgung zu minimieren.
Das Forschungsprojekt „Dein Haus 4.0 Oberpfalz – Telepräsenzroboter für die Pflege und Unterstützung von Schlaganfallpatientinnen und -patienten (TePUS)“ untersucht den Einsatz von zwei Varianten von Telepräsenzrobotern. Das Arbeitspapier stellt die sozialwissenschaftliche Begleitforschung des Projekts vor. Diese hat zum einen zum Ziel, Akzeptanz und Potenzial der eingesetzten technischen Assistenzsysteme empirisch zu untersuchen. Daneben werden ethisch, rechtlich, gesellschaftlich und organisatorisch relevante Fragestellungen des Technikeinsatzes und der Mensch-Technik-Interaktion analysiert (ELSI-Begleitstudie).
Clinical setting
Third space procedures such as endoscopic submucosal dissection (ESD) and peroral endoscopic myotomy (POEM) are complex minimally invasive techniques with an elevated risk for operator-dependent adverse events such as bleeding and perforation. This risk arises from accidental dissection into the muscle layer or through submucosal blood vessels as the submucosal cutting plane within the expanding resection site is not always apparent. Deep learning algorithms have shown considerable potential for the detection and characterization of gastrointestinal lesions. So-called AI – clinical decision support solutions (AI-CDSS) are commercially available for polyp detection during colonoscopy. Until now, these computer programs have concentrated on diagnostics whereas an AI-CDSS for interventional endoscopy has not yet been introduced. We aimed to develop an AI-CDSS („Smart ESD“) for real-time intra-procedural detection and delineation of blood vessels, tissue structures and endoscopic instruments during third-space endoscopic procedures.
Characteristics of Smart ESD
An AI-CDSS was invented that delineates blood vessels, tissue structures and endoscopic instruments during third-space endoscopy in real-time. The output can be displayed by an overlay over the endoscopic image with different modes of visualization, such as a color-coded semitransparent area overlay, or border tracing (demonstration video). Hereby the optimal layer for dissection can be visualized, which is close above or directly at the muscle layer, depending on the applied technique (ESD or POEM). Furthermore, relevant blood vessels (thickness> 1mm) are delineated. Spatial proximity between the electrosurgical knife and a blood vessel triggers a warning signal. By this guidance system, inadvertent dissection through blood vessels could be averted.
Technical specifications
A DeepLabv3+ neural network architecture with KSAC and a 101-layer ResNeSt backbone was used for the development of Smart ESD. It was trained and validated with 2565 annotated still images from 27 full length third-space endoscopic videos. The annotation classes were blood vessel, submucosal layer, muscle layer, electrosurgical knife and endoscopic instrument shaft. A test on a separate data set yielded an intersection over union (IoU) of 68%, a Dice Score of 80% and a pixel accuracy of 87%, demonstrating a high overlap between expert and AI segmentation. Further experiments on standardized video clips showed a mean vessel detection rate (VDR) of 85% with values of 92%, 70% and 95% for POEM, rectal ESD and esophageal ESD respectively. False positive measurements occurred 0.75 times per minute. 7 out of 9 vessels which caused intraprocedural bleeding were caught by the algorithm, as well as both vessels which required hemostasis via hemostatic forceps.
Future perspectives
Smart ESD performed well for vessel and tissue detection and delineation on still images, as well as on video clips. During a live demonstration in the endoscopy suite, clinical applicability of the innovation was examined. The lag time for processing of the live endoscopic image was too short to be visually detectable for the interventionist. Even though the algorithm could not be applied during actual dissection by the interventionist, Smart ESD appeared readily deployable during visual assessment by ESD experts. Therefore, we plan to conduct a clinical trial in order to obtain CE-certification of the algorithm. This new technology may improve procedural safety and speed, as well as training of modern minimally invasive endoscopic resection techniques.
Barrett's esophagus figured a swift rise in the number of cases in the past years. Although traditional diagnosis methods offered a vital role in early-stage treatment, they are generally time- and resource-consuming. In this context, computer-aided approaches for automatic diagnosis emerged in the literature since early detection is intrinsically related to remission probabilities. However, they still suffer from drawbacks because of the lack of available data for machine learning purposes, thus implying reduced recognition rates. This work introduces Generative Adversarial Networks to generate high-quality endoscopic images, thereby identifying Barrett's esophagus and adenocarcinoma more precisely. Further, Convolution Neural Networks are used for feature extraction and classification purposes. The proposed approach is validated over two datasets of endoscopic images, with the experiments conducted over the full and patch-split images. The application of Deep Convolutional Generative Adversarial Networks for the data augmentation step and LeNet-5 and AlexNet for the classification step allowed us to validate the proposed methodology over an extensive set of datasets (based on original and augmented sets), reaching results of 90% of accuracy for the patch-based approach and 85% for the image-based approach. Both results are based on augmented datasets and are statistically different from the ones obtained in the original datasets of the same kind. Moreover, the impact of data augmentation was evaluated in the context of image description and classification, and the results obtained using synthetic images outperformed the ones over the original datasets, as well as other recent approaches from the literature. Such results suggest promising insights related to the importance of proper data for the accurate classification concerning computer-assisted Barrett's esophagus and adenocarcinoma detection.
Der Bericht fasst Ergebnisse der Befragung bayerischen Rehabilitationseinrichtungen im Projekt Reha/TI-Konsil zusammen.
Der Digitalisierungsgrad ist – gemessen am EMRAM-Modell - in der überwiegenden Zahl der Rehabilitationseinrichtungen in Bayern, die an der Befragung teilgenommen haben, relativ gering ausgeprägt. Mehrheitlich, aber längst nicht durchgängig, liegt eine Digitalisierungsstrategie vor. Auch wenn diese vorhanden ist, so stehen drei Viertel der Einrichtungen nach eigener Aussage noch ganz am Anfang der Umset-zung. Für Informationssicherheit und Datenschutz sind Konzepte und Beauftragte meist vorhanden; die Abteilungen für Informationstechnik sind meist relativ klein und häufig beim Träger, nicht direkt bei der Rehabilitationseinrichtung angesiedelt.
Der mit der Anbindung an die Telematikinfrastruktur (TI) erwartete Aufwand ist im Bereich der Installation, aber auch der Anpassung der Arbeitsorganisation und der Schulung des Personals sehr hoch. Dahingegen wird nicht erwartet, dass die hausin-ternen TI-Komponenten sehr wartungsintensiv sind.
Hoffnungen an die Digitalisierung allgemein betreffen Erleichterungen und Vereinfa-chungen, die zu Qualitäts- und Effizienzsteigerungen führen. Herausforderungen werden häufig in der Implementierung in der Alltagspraxis gesehen. Auch techni-sche Herausforderungen und die Finanzierung von Digitalisierung allgemein und insbesondere der Anbindung an die TI wurden häufig genannt. Festzustellen ist eine verbreitete Ausstattung mit Klinischem Arbeitsplatzsystem (KAS) und Kranken-hausinformationssystem (KIS), jedoch ist in der Hälfte der Einrichtungen der techni-sche Stand der IT nicht für Anwendungen der Telematikinfrastruktur wie Kommuni-kation im Medizinwesen (KIM)/eArztbrief geeignet. Hier ist generell und insbesonde-re im Hinblick auf die Informationssicherheit sehr hoher finanzieller Aufwand not-wendig.
Einrichtungen, die Daten bislang noch analog dokumentieren und verwalten, wer-den durch die Anbindung an die TI vor sehr große Herausforderungen gestellt. Dies betrifft jedoch nur einen kleinen Teil der Einrichtungen. Die Mehrzahl hingegen ar-beitet bereits jetzt sowohl digital als auch analog. Insbesondere die häufig analoge Übermittlung an Patient*innen sowie an Hausärzt*innen verweist darauf, dass bei der Umstellung der Prozesse in den Reha-Einrichtungen die Schnittstellen und der Digitalisierungsgrad in den Privathaushalten oder den Hausarztpraxen entscheidend sind. Die Wandlungsgeschwindigkeit wird somit durch die jeweils erfolgten Schritte auf deren Seite begrenzt.
The evaluation and assessment of Barrett’s esophagus is challenging for both expert and nonexpert endoscopists. However, the early diagnosis of cancer in Barrett’s esophagus is crucial for its prognosis, and could save costs. Pre-clinical and clinical studies on the application of Artificial Intelligence (AI) in Barrett’s esophagus have shown promising results. In this review, we focus on the current challenges and future perspectives of implementing AI systems in the management of patients with Barrett’s esophagus.
The number of patients with Barret’s esophagus (BE) has increased in the last decades. Considering the dangerousness of the disease and its evolution to adenocarcinoma, an early diagnosis of BE may provide a high probability of cancer remission. However, limitations regarding traditional methods of detection and management of BE demand alternative solutions. As such, computer-aided tools have been recently used to assist in this problem, but the challenge still persists. To manage the problem, we introduce the infinity Restricted Boltzmann Machines (iRBMs) to the task of automatic identification of Barrett’s esophagus from endoscopic images of the lower esophagus. Moreover, since iRBM requires a proper selection of its meta-parameters, we also present a discriminative iRBM fine-tuning using six meta-heuristic optimization techniques. We showed that iRBMs are suitable for the context since it provides competitive results, as well as the meta-heuristic techniques showed to be appropriate for such task.
Seit 2009 sind primärqualifizierende Bachelorstudiengänge (PQS) in der Physiotherapie, Ergotherapie und Logopädie im Rahmen einer Erprobunsregelung als Modelstudiengänge möglich. Das Bundeministerium für Gesundheit (BMG) hat zur Evaluation dieser Studiengänge einen Fragenkatalog vorgeben. Mit dem Ziel, zur Beantwortung der Evaluationsfragen des BMG für primärqualifizierende Bachelorstudiengänge in der Physiotherapie, Ergotherapie und Logopädiebeizutragen, hat der Hochschulverbund Gesundheitsfachberufe e.V. (HVG) 2018 eine Online-Befragung als Querschnittstudie von Absolventen dieser Modellstudiengänge an sieben Mitgliedshochschulen durchgeführt. Insgesamt wurden 143 Fragebögen ausgewertet. Über alle Berufsgruppen hinweg lässt sich festhalten, dass die überwiegende Mehrheit der Studienabsolventen im erlernten Therapieberuf in direktem Patientenkontakt arbeitet und den Beruf gerne ausübt. Dennoch können die Befragten unter den derzeitigen Rahmenbedingungen der Gesundheitsversorgung ihre hochschulisch erworbenen Kompetenzen nur bedingt zum Wohle der Patienten einsetzen. Um dies zu erreichen, ist sowohl mehr Behandlungsautonomie für die Therapeuten als auch eine Ausrichtung der Heilmittelrichtlinien auf evidenzbasierte Behandlungsmethoden nötig.
Bewertung der Gesamtevidenz in Reviews. Kombination beobachtender und experimenteller Studien
(2011)
In den letzten Jahren hat sich der Workshop "Bildverarbeitung für die Medizin" durch erfolgreiche Veranstaltungen etabliert. Ziel ist auch 2021 wieder die Darstellung aktueller Forschungsergebnisse und die Vertiefung der Gespräche zwischen Wissenschaftlern, Industrie und Anwendern. Die Beiträge dieses Bandes - einige davon in englischer Sprache - umfassen alle Bereiche der medizinischen Bildverarbeitung, insbesondere Bildgebung und -akquisition, Maschinelles Lernen, Bildsegmentierung und Bildanalyse, Visualisierung und Animation, Zeitreihenanalyse, Computerunterstützte Diagnose, Biomechanische Modellierung, Validierung und Qualitätssicherung, Bildverarbeitung in der Telemedizin u.v.m.
Seit mehr als 25 Jahren ist der Workshop "Bildverarbeitung für die Medizin" als erfolgreiche Veranstaltung etabliert. Ziel ist auch 2023 wieder die Darstellung aktueller Forschungsergebnisse und die Vertiefung der Gespräche zwischen Wissenschaftlern, Industrie und Anwendern. Die Beiträge dieses Bandes - viele davon in englischer Sprache - umfassen alle Bereiche der medizinischen Bildverarbeitung, insbesondere die Bildgebung und -akquisition, Segmentierung und Analyse, Visualisierung und Animation, computerunterstützte Diagnose sowie bildgestützte Therapieplanung und Therapie. Hierbei kommen Methoden des maschinelles Lernens, der biomechanischen Modellierung sowie der Validierung und Qualitätssicherung zum Einsatz.
Seit mehr als 25 Jahren ist der Workshop "Bildverarbeitung für die Medizin" als erfolgreiche Veranstaltung etabliert. Ziel ist auch 2024 wieder die Darstellung aktueller Forschungsergebnisse und die Vertiefung der Gespräche zwischen Wissenschaftlern, Industrie und Anwendern. Die Beiträge dieses Bandes - viele davon in englischer Sprache - umfassen alle Bereiche der medizinischen Bildverarbeitung, insbesondere die Bildgebung und -akquisition, Segmentierung und Analyse, Visualisierung und Animation, computerunterstützte Diagnose sowie bildgestützte Therapieplanung und Therapie. Hierbei kommen Methoden des maschinelles Lernens, der biomechanischen Modellierung sowie der Validierung und Qualitätssicherung zum Einsatz.
Die Behandlung von Menschen mit demenziellen Erkrankungen erfordert wirksame Maßnahmen zur nachhaltigen Unterstützung der Betroffenen und ihrer Angehörigen. In Pflege und Therapie gewinnt die biografieorientierte Arbeit an Bedeutung, um die Lebensqualität und die durch dieErkrankung beeinträchtigten kognitiven Fähigkeiten so lange wie möglich zuerhalten und möglichst zu verbessern. In dem systematischen Review wurdenaktuelle Evidenzen aus zehn randomisiert-kontrollierten Studien untersucht, die sich mit der Frage nach der Effektivität biografieorientierter Maßnahmen beschäftigen, und praxisorientierte Schlussfolgerungen für logopädische Therapien
abgeleitet.
Background
Older adults in care facilities face a high risk of experiencing depression. The impact that early interventions like biographical work have on the quality of life for older adults in such facilities is unknown.
Aim
To develop and evaluate a tablet-supported intervention for biographical work in long-term residential aged care to increase the quality of life for older adults.
Design
The study will be conducted in a randomized pretest–posttest control group design with follow-up testing in group and single settings. Participants will be randomized to the experimental intervention (tablet-supported biographic work) or the control intervention (planned tablet-supported game playing), each guided by senior volunteers. A total of 80 residents and 16 volunteers will be recruited. The primary outcome for the residents and volunteers will be quality of life as measured with the World Health Organization Quality of Life Assessment-for older adults. Secondary measures will be self-esteem and life satisfaction. In addition, we will examine residents’ ability to communicate and their functional independence.
Method
The first stage of the project involves developing an app. The app is developed in a user-centered, agile development process. It will use multimedia to prepare life history topics and links them to key questions. Next, a workshop is developed for the volunteers who accompany the use of the app in the institutions. During the second phase, biographic work stimulated by the app will be conducted in groups or individually with residents.
Discussion
This is the first known program tailored to older adults in care facilities and senior volunteers that aims to prevent depression by providing digitally supported biographic work.
Exoskeletons were invented over 100 years ago but have only become popular in the last two decades, especially in the working industry as they can decrease work-related loads significantly. The most often used exoskeletons are for the lower back and shoulder since these are commonly affected body regions. All devices have in common that their purpose is to reduce internal loads of vulnerable body regions. Nevertheless, there is still little understanding on how biomechanical loading in the human body changes when exoskeletons are used. Therefore, further analyses are needed. A promising candidate for these are musculoskeletal models, which are based on an inverse dynamics approach and can calculate external parameters such as ground reaction forces or other interaction forces as well as internal parameters such as joint reaction forces or muscle activities. The various examples in the literature show that these models are increasingly used for assessing the biomechanical effects of exoskeletons on the human body. Furthermore, musculoskeletal models can calculate biomechanical loadings of humans with and without exoskeletons for all kinds of applications and allow an evaluation of their purpose.
Practical Relevance: This article highlights the possibilities of musculoskeletal models for assessing the design and efficiency of occupational exoskeletons. Several practical use cases are described along with distinct descriptions of common implications of musculoskeletal and exoskeleton modeling.
Ziel der Studie:
Ziel der Studie ist die Messung des Stands der Digitalisierung und die mit einer Anbindung an die Telematikinfrastruktur verbundenen Chancen und Herausforderungen für Rehabilitationseinrichtungen.
Methodik:
Teilstandardisierte Online-Befragung bei Trägern von Rehabilitationseinrichtungen in Bayern (n=33). Der Fragebogen mit 36 Fragen beinhaltet eine leicht veränderte Skala auf Basis des „Electronic Medical Record Adoption Model (EMRAM)“.
Ergebnisse:
Der Digitalisierungsgrad wurde in 70 Prozent der Rehabilitationseinrichtungen mit Stufe 0 angegeben (Stufenmodell bis 7). Die Übermittlung patientenbezogener Daten (Eingang und Ausgang) erfolgt häufig analog, wohingegen die Verarbeitung innerhalb der Einrichtung in vielen Fällen bereits überwiegend digital ist. Beim Anschluss an die Telematikinfrastruktur wird hoher Aufwand bei der Installation, aber auch der Schulung des Personals und der Anpassung der Arbeitsorganisation gesehen.
Schlussfolgerung:
Durch Änderung der gesetzlich-finanziellen Lage in Deutschland eröffnen sich für Rehabilitationseinrichtungen neue Möglichkeiten einer verstärkten Digitalisierung. Hürden hängen mit Anforderungen an IT-Sicherheit, Schulung des Personals und sowie dem ebenfalls geringen Digitalisierungsstand bei Krankenhäusern und Ärzt*innen sowie Patient*innen zusammen, die eine digitale Datenübermittlung erschweren.
BACKGROUND: Thrombosis remains a critical complication during venovenous extracorporeal membrane oxygenation (VV ECMO). The involvement of neutrophil extracellular traps (NETs) in thrombogenesis has to be discussed. The aim was to verify NETs in the form of cell-free DNA (cfDNA) in the plasma of patients during ECMO.
METHODS: A fluorescent DNA-binding dye (QuantifFluor®, Promega) was used to detect cell-free DNA in plasma samples. cfDNA concentrations from volunteers (n = 21) and patients (n = 9) were compared and correlated with clinical/technical data before/during support, ECMO end and time of a system exchange.
RESULTS: Before ECMO, patients with a median (IQR) age of 59 (51/63) years, SOFA score of 11 (10/15), and ECMO run time of 9.0 (7.0/19.5) days presented significantly higher levels of cfDNA compared to volunteers (6.4 (5.8/7.9) ng/μL vs. 5.9 (5.4/6.3) ng/μL; p = 0.044). Within 2 days after ECMO start, cfDNA, inflammatory, and hemolysis parameters remained unchanged, while platelets decreased (p = 0.005). After ECMO removal at the end of therapy, cfDNA, inflammation, and coagulation data (except antithrombin III) remained unchanged. The renewal of a system resulted in known alterations in fibrinogen, d-dimers, and platelets, while cfDNA remained unchanged.
CONCLUSION: Detection of cfDNA in plasma of ECMO patients was not an indicator of acute and circuit-induced thrombogenesis.
Computer-aided diagnosis using deep learning in the evaluation of early oesophageal adenocarcinoma
(2019)
Computer-aided diagnosis using deep learning (CAD-DL) may be an instrument to improve endoscopic assessment of Barrett’s oesophagus
(BE) and early oesophageal adenocarcinoma (EAC). Based on still images from two databases, the diagnosis of EAC by CAD-DL reached sensitivities/specificities of 97%/88% (Augsburg data) and 92%/100% (Medical Image Computing and Computer-Assisted Intervention [MICCAI]
data) for white light (WL) images and 94%/80% for narrow band images (NBI) (Augsburg data), respectively. Tumour margins delineated by
experts into images were detected satisfactorily with a Dice coefficient (D) of 0.72. This could be a first step towards CAD-DL for BE assessment. If developed further, it could become a useful
adjunctive tool for patient management.
Blood flow in channels of varying diameters <500μm exhibits strong non-linear effects. Multiphase finite volume approaches are feasible, but still computationally costly. Here, the feasibility of applying convolutional neural networks for blood flow prediction in artificial lungs is investigated. Training targets are precomputed using an Eulerian two-phase approach. To match with experimental data, the interphase drag and lift, as well as intraphase shear-thinning are adapted. A recursively branching regression network and convolution/deconvolution networks with plain skip connections and densely connected skips are investigated. A priori knowledge is incorporated in the loss functional to prevent the network from learning non-physical solutions. Inference from neural networks is approximately six orders of magnitude faster than the classical finite volume approach. Even if resulting in comparably coarse flow fields, the neural network predictions can be used as close to convergence initial solutions greatly accelerating classical flow computations.
Convolutional Neural Networks for Approximation of Internal Non-Newtonian Multiphase Flow Fields
(2021)
Neural networks (NNs) as an alternative method for universal approximation of differential equations have proven to be computationally efficient and still sufficiently accurate compared to established methods such as the finite volume method (FVM). Additionally, analysing weights and biases can give insights into the underlying physical laws. FVM and NNs are both based upon spacial discretisation. Since a Cartesian and equidistant grid is a raster graphics, image-to-image regression techniques can be used to predict phase velocity fields as well as particle and pressure distributions from simple mass flow boundary conditions. The impact of convolution layer depth and number of channels of a ConvolutionDeconvolution Regression Network (CDRN), on prediction performance of internal non-Newtownian multiphase flows is investigated. Parametric training data with 2055 sets is computed using FVM. To capture significant non-Newtownian effects of a particle-laden fluid (e.g. blood) flowing through small and non-straight channels, an Euler-Euler multiphase approach is used. The FVM results are normalized and mapped onto an equidistant grid as supervised learning target. The investigated NNs consist of n= {3, 5, 7} corresponding encoding/decoding blocks and different skip connections. Regardless of the convolution depth (i.e. number of blocks), the deepest spacial down-sampling via strided convolution is adjusted to result in a 1 × 1 × f · 2nfeature map, with f = {8, 16, 32}. The prediction performance expressed is as channel-averaged normalized root mean squared error (NRMSE). With a NRMSE of < 2 · 10-3, the best preforming NN has f = 32 initial feature maps, a kernel size of k = 4, n = 5 blocks and dense skip connections. Average inference time from this NN takes < 7 · 10-3s. Worst accuracy at NRMSE of approx 9 · 10-3is achieved without any skips, at k = 2, f = 16 and n = 3, but deployment takes only < 2 · 10-3s Given an adequate training, the prediction accuracy improves with convolution depth, where more features have higher impact on deeper NNs. Due to skip connections and batch normalisation, training is similarly efficient, regardless of the depth. This is further improved by blocks with dense connections, but at the price of a drastically larger model. Depending on geometrical complexity, spacial resolution is critical, as it increases the number of learnables and memory requirements massively.
Even though artificial intelligence and machine learning have demonstrated remarkable performances in medical image computing, their level of accountability and transparency must be provided in such evaluations. The reliability related to machine learning predictions must be explained and interpreted, especially if diagnosis support is addressed. For this task, the black-box nature of deep learning techniques must be lightened up to transfer its promising results into clinical practice. Hence, we aim to investigate the use of explainable artificial intelligence techniques to quantitatively highlight discriminative regions during the classification of earlycancerous tissues in Barrett’s esophagus-diagnosed patients. Four Convolutional Neural Network models (AlexNet, SqueezeNet, ResNet50, and VGG16) were analyzed using five different interpretation techniques (saliency, guided backpropagation, integrated gradients, input × gradients, and DeepLIFT) to compare their agreement with experts’ previous annotations of cancerous tissue. We could show that saliency attributes match best with the manual experts’ delineations. Moreover, there is moderate to high correlation between the sensitivity of a model and the human-and-computer agreement. The results also lightened that the higher the model’s sensitivity, the stronger the correlation of human and computational segmentation agreement. We observed a relevant relation between computational learning and experts’ insights, demonstrating how human knowledge may influence the correct computational learning.
Sind Impfbereitschaft und Impfablehnung rational erklärbar?
Und wenn ja: Welche Rolle spielen dabei Verschwörungsüberzeugungen
und die Nutzung sozialer Medien?
Welchen Einfluss haben Freunde und Bekannte und das
Wohl der Gesellschaft? Und inwieweit vertraut die Bevölkerung
in Deutschland überhaupt in Impfungen und staatliche
Institutionen wie das Robert Koch-Institut?
Osteoporosis is a common disease of old age. However, in many cases, it can be very well prevented and counteracted with physical activity, especially high-impact exercises. Wearables have the potential to provide data that can help with continuous monitoring of patients during therapy phases or preventive exercise programs in everyday life. This study aimed to determine the accuracy and reliability of measured acceleration data at different body positions compared to accelerations at the pelvis during different jumping exercises. Accelerations at the hips have been investigated in previous studies with regard to osteoporosis prevention. Data were collected using an IMU-based motion capture system (Xsens) consisting of 17 sensors. Forty-nine subjects were included in this study. The analysis shows the correlation between impacts and the corresponding drop height, which are dependent on the respective exercise. Very high correlations (0.83–0.94) were found between accelerations at the pelvis and the other measured segments at the upper body. The foot sensors provided very weak correlations (0.20–0.27). Accelerations measured at the pelvis during jumping exercises can be tracked very well on the upper body and upper extremities, including locations where smart devices are typically worn, which gives possibilities for remote and continuous monitoring of programs.
Hintergrund
Die Handsuche in Fachzeitschriften ist eine Möglichkeit, die Literaturrecherche im Rahmen systematischer Übersichtsarbeiten und anderer Evidenzsynthesen zu ergänzen. Sie ist angezeigt, wenn Fachzeitschriften mit potenziell relevanten Publikationen zur Beantwortung der Forschungsfrage nicht in einer Fachdatenbank indexiert sind. Häufig ist jedoch unklar, ob bzw. in welchen Fachdatenbanken diese Zeitschriften indexiert sind. Ebenso ist oft nicht bekannt, welche Fachzeitschriften nach Festlegung der zu durchsuchenden Fachdatenbanken mittels Handsuche ergänzend durchsucht werden sollten. Ziel des Projekts war daher, gesundheitswissenschaftliche Fachzeitschriften hinsichtlich ihrer Fachdatenbankindexierung zu untersuchen und eine Indexierungsübersicht bereitzustellen, um den Planungsprozess der Handsuche zu erleichtern.
Methode
Es wurden Fachzeitschriften aus dem deutschsprachigen Raum aus acht gesundheitswissenschaftlichen Bereichen (biomedizinische Analytik/medizinisch-technische Laboratoriumsassistenz, Ergotherapie, Hebammenwesen, Logopädie, Pflege, Physiotherapie, Public Health und Rehabilitation) berücksichtigt, in denen wissenschaftliche Originalarbeiten oder systematische Übersichtsarbeiten und andere Review-Arten in deutscher und/oder englischer Sprache publiziert werden. Je zwei Forschende pro Bereich identifizierten relevante Fachzeitschriften und analysierten die Indexierungsquellen unabhängig voneinander anhand der Zeitschriften-Websites. Bei fehlenden Informationen erfolgte eine direkte Anfrage an die Redaktionen.
Ergebnisse
Insgesamt 70 Fachzeitschriften wurden eingeschlossen – je Bereich 1-17 Fachzeitschriften. Die Fachzeitschriften sind in 1-29 Fachdatenbanken indexiert. Zwölf Zeitschriften sind nicht indexiert bzw. stellen keine Angaben hierzu zur Verfügung. Die Indexierung verteilt sich auf n = 74 verschiedene Fachdatenbanken. Die meisten Fachzeitschriften sind in LIVIVO (n = 55) und bibnet.org (n = 33) indexiert. Weitere häufige Indexierungsquellen sind Scopus (n = 18), Web of Science Core Collection (n = 16), PSYNDEX (n = 13) und Embase (n = 10).
Schlussfolgerungen
Die Ergebnisse deuten auf eine heterogene Indexierung der eingeschlossenen Fachzeitschriften hin. Lediglich eine geringe Anzahl ist in gängigen internationalen Fachdatenbanken wie MEDLINE oder CINAHL indexiert. Andererseits gibt es nur wenige Fachzeitschriften, die in keiner Datenbank indexiert sind. Die Ergebnisse können als Entscheidungsgrundlage dienen, um Fachdatenbanken für die Literaturrecherche im Rahmen systematischer Übersichtsarbeiten festzulegen. Darüber hinaus können sie bei der Auswahl von Fachzeitschriften für die Handsuche nach entsprechender Festlegung der Fachdatenbanken leitend sein.
DeinHaus 4.0 Oberbayern
(2023)
Ein Delir erhöht die Komplikations- und Mortalitätsrate, ebenso wie die Beatmungszeiten und hinterlässt zudem häufig langfristige Folgen. Diese systematische Übersichtsarbeit untersucht deshalb die Effektivität verschiedener Ansätze zur nicht-pharmakologischen Prävention eines Delirs auf der Intensivstation. Zur Identifikation von Studien wurde eine umfassende Recherche in den Datenbanken Cochrane, CINAHL und PubMed durchgeführt. Insgesamt konnten 24 randomisierte und nichtrandomisierte kontrollierte Studien mit einer Gesamtzahl von 3.303 PatientInnen, die acht verschiedene Interventionen untersuchten, identifiziert werden. Als effektiv erwiesen sich vor allem eine intensive Frühmobilisation, eine frühzeitige Ergotherapie, die Einbeziehung der Angehörigen in die Prävention sowie Interventionsbündel.
To avoid dislocation of the shoulder joint after reverse total shoulder arthroplasty, it is important to achieve sufficient shoulder stability when placing the implant components during surgery. One parameter for assessing shoulder stability can be shoulder stiffness. The aim of this research was to develop a temporary reverse shoulder implant prototype that would allow intraoperative measurement of shoulder stiffness while varying the position of the implant components. Joint angle and torque measurement techniques were developed to determine shoulder stiffness. Hall sensors were used to measure the joint angles by converting the magnetic flux densities into angles. The accuracy of the joint angle measurements was tested using a test bench. Torques were determined by using thin-film pressure sensors. Various mechanical mechanisms for variable positioning of the implant components were integrated into the prototype. The results of the joint angle measurements showed measurement errors of less than 5° in a deflection range of ±15° adduction/abduction combined with ±45° flexion/extension. The proposed design provides a first approach for intra-operative assessment of shoulder stiffness. The findings can be used as a technological basis for further developments.
Aims
Celiac disease (CD) is a complex condition caused by an autoimmune reaction to ingested gluten. Due to its polymorphic manifestation and subtle endoscopic presentation, the diagnosis is difficult and thus the disorder is underreported. We aimed to use deep learning to identify celiac disease on endoscopic images of the small bowel.
Methods
Patients with small intestinal histology compatible with CD (MARSH classification I-III) were extracted retrospectively from the database of Augsburg University hospital. They were compared to patients with no clinical signs of CD and histologically normal small intestinal mucosa. In a first step MARSH III and normal small intestinal mucosa were differentiated with the help of a deep learning algorithm. For this, the endoscopic white light images were divided into five equal-sized subsets. We avoided splitting the images of one patient into several subsets. A ResNet-50 model was trained with the images from four subsets and then validated with the remaining subset. This process was repeated for each subset, such that each subset was validated once. Sensitivity, specificity, and harmonic mean (F1) of the algorithm were determined.
Results
The algorithm showed values of 0.83, 0.88, and 0.84 for sensitivity, specificity, and F1, respectively. Further data showing a comparison between the detection rate of the AI model and that of experienced endoscopists will be available at the time of the upcoming conference.
Conclusions
We present the first clinical report on the use of a deep learning algorithm for the detection of celiac disease using endoscopic images. Further evaluation on an external data set, as well as in the detection of CD in real-time, will follow. However, this work at least suggests that AI can assist endoscopists in the endoscopic diagnosis of CD, and ultimately may be able to do a true optical biopsy in live-time.
Background and aims
Celiac disease with its endoscopic manifestation of villous atrophy is underdiagnosed worldwide. The application of artificial intelligence (AI) for the macroscopic detection of villous atrophy at routine esophagogastroduodenoscopy may improve diagnostic performance.
Methods
A dataset of 858 endoscopic images of 182 patients with villous atrophy and 846 images from 323 patients with normal duodenal mucosa was collected and used to train a ResNet 18 deep learning model to detect villous atrophy. An external data set was used to test the algorithm, in addition to six fellows and four board certified gastroenterologists. Fellows could consult the AI algorithm’s result during the test. From their consultation distribution, a stratification of test images into “easy” and “difficult” was performed and used for classified performance measurement.
Results
External validation of the AI algorithm yielded values of 90 %, 76 %, and 84 % for sensitivity, specificity, and accuracy, respectively. Fellows scored values of 63 %, 72 % and 67 %, while the corresponding values in experts were 72 %, 69 % and 71 %, respectively. AI consultation significantly improved all trainee performance statistics. While fellows and experts showed significantly lower performance for “difficult” images, the performance of the AI algorithm was stable.
Conclusion
In this study, an AI algorithm outperformed endoscopy fellows and experts in the detection of villous atrophy on endoscopic still images. AI decision support significantly improved the performance of non-expert endoscopists. The stable performance on “difficult” images suggests a further positive add-on effect in challenging cases.
Menschen mit Aphasie erleben erhebliche Einbußen in sozialer Teilhabe und Lebensqualität. Peer-to-Peer-Unterstützung durch Selbsthilfeangebote oder Peer-Befriending-Maßnahmen kann sich positiv auf Partizipation und psychisches Wohlbefinden auswirken. Mit dem Projekt shalk konnte gezeigt werden, dass von Betroffenen geleitete Selbsthilfegruppen maßgeblich zu Selbstwerterleben und verbesserter Lebensqualität der Leitungspersonen und der Gruppenteilnehmenden beitragen können. Um einen Austausch zwischen Betroffenen auch jenseits des Gruppensettings zu ermöglichen, können digitale Medien genutzt werden. Im Projekt PeerPAL wird ein für Menschen mit Aphasie angepasstes digitales soziales Netzwerk (Smartphone-App) zur virtuellen Vernetzung und persönlichen Begegnung entwickelt und evaluiert. Erste Daten weisen darauf hin, dass die Betroffenen die App nutzen können und mit Design und Funktionen zufrieden sind. Auswirkungen auf die Lebensqualität werden aktuell untersucht. Sprachtherapeut:innen nehmen in der Peer-to-Peer-Unterstützung insofern eine zentrale Rolle ein, als dass sie Betroffene in entsprechende Angebote einführen und sie mittels abgestufter Begleitung an die eigenständige Nutzung heranführen.
Die berufliche Situation von TherapeutInnen mit primärqualifzierender hochschulischer Ausbildung
(2019)
Die Einsetzbarkeit der artikulatorischen Diadochokinese als Diagnostikinstrument für Dysarthrien
(2013)
Nach einer Fraktur ist Mobilisierung Behandlungsziel und Therapiesäule. Das Festlegen von Outcomes basiert jedoch auf vielen Unsicherheiten, da Assessments nicht für alle Patient/-innen geeignet sind. Sie können agesabhängig beeinflusst und subjektiv geprägt sein. Sensorbasiertes Bewegungsmonitoring bietet eine Ergänzung zur Operationalisierung der Gehfähigkeit. Für Längsschnittuntersuchungen, die auch im häuslichen Umfeld durchgeführt werden, eignet sich die tägliche Schrittzahl als Variable. Sie kann durch einen handelsüblichen Fitnesstracker beobachtet
werden.
Für die Aufbereitung und Systematisierung wissenschaftlicher Forschungsergebnisse und die Beantwortung klinischer Fragestellungen im Hinblick auf Entscheidungen in der alltäglichen Versorgungspraxis bietet die Forschungspyramide ein Modell zur Bewertung und Integration externer Evidenz aus unterschiedlichen Forschungsansätzen. Dieser Beitrag bietet ein Update zu den neueren Entwicklungen und dem aktuellen Stand des Modells sowie den Grundlagen eines Pyramidenreviews.
Seit einigen Jahren besteht auch in der Logopädie die Forderung nach Evidenzbasierter Praxis. Die Umsetzung einer Evidenzbasierten Praxis stellt die Logopädie vor die Herausforderung, dass wissenschaftliche Erkenntnisse (externe Evidenz) für die alltägliche Versorgungspraxis
aufbereitet und systematisiert werden müssen. Angelehnt an die Evidenzbasierte Medizin orientiert
sich die Aufbereitung, Systematisierung und Bewertung der Studienergebnisse klassischerweise an
einer eindimensionalen Evidenzhierarchie. In diesem Beitrag wird die Orientierung an der klassischen
Evidenzhierarchie kritisch hinterfragt und ein alternatives Modell, die Forschungspyramide, vorgestellt
und deren Nutzen für die Evidenzbasierte Praxis diskutiert.
Die Forschungspyramide ist ein Modell zur Bewertung und Zusammenführung von externer Evidenz aus unterschiedlichen Forschungsansätzen. Sie bietet eine Grundlage zur Aufbereitung und Systematisierung von Forschungsergebnissen, um, basierend auf wissenschaftlicher Evidenz, ergotherapeutische Fragestellungen zu beantworten und ergotherapeutische Entscheidungen in der alltäglichen Praxis zu treffen. Dieser Beitrag arbeitet die folgenden theoretischen Grundlagen des Modells auf: das Verständnis von Evidenz, von therapeutischer Entscheidungsfindung und vom therapeutischen Prozess sowie das Verständnis von Ergotherapie als komplexer Intervention.
Um die medizinische und therapeutische Versorgung von Patienten kontinuierlich zu optimieren, wird von Angehörigen der Gesundheitsberufe, therapeutischen Teams und Versorgungseinrichtungen gefordert, wissenschaftliche Erkenntnisse (externe Evidenz) in die tägliche Praxis zu integrieren und auf den jeweiligen Patientenfall abzustimmen. Die Aufbereitung, Systematisierung und Bewertung der externen Evidenz orientiert sich dabei klassischerweise an eindimensionalen Evidenzhierarchien, die vorwiegend quantitativ-experimentelle Studiendesigns berücksichtigen. In diesem Beitrag wird die Orientierung an klassischen eindimensionalen Evidenzhierarchien kritisch hinterfragt. Als Alternative wird das Modell und die Systematik der Forschungspyramide vorgestellt, die Evidenz aus unterschiedlichen Forschungsansätzen umfassend berücksichtigt und dennoch methodologisch streng beurteilt. Der Einbezug beobachtender und qualitativer Studien stellt dahingehend eine besondere Praxisnähe her.
Die Forschungspyramide ist ein Modell zur Bewertung und Zusammenführung von externer Evidenz aus unterschiedlichen Forschungsansätzen. Sie bietet eine Grundlage zur Aufbereitung und Systematisierung von Forschungsergebnissen, um, basierend auf wissenschaftlicher Evidenz, ergotherapeutische Fragestellungen zu beantworten und ergotherapeutische Entscheidungen in der alltäglichen Praxis zu treffen. Dieser Beitrag arbeitet die Grundlagen der praktischen Anwendung des Modells auf: die Evidenzbewertung im Modell der Forschungspyramide, die Bewertung der Durchführungsqualität von quantitativen und qualitativen Studien und die Durchführung von Pyramiden-Reviews.
The Research Pyramid is a model that values and integrates external evidence from multiple research approaches. It provides a basis to collect and synthesize research findings for answering questions that emerge in occupational therapy practice and for subsequent decision making, based on research evidence. In this article, the application principles that underlie the model are presented: the principles of the appraisal of evidence according to the research pyramid, the procedural quality of quantitative and qualitative studies and the administration of pyramid reviews.
In einer internationalen Befragung von Aphasie-Selbsthilfeorganisationen (ASHO) gaben 26 Organisationen Auskunft über deren Größe, Aufbau, Personal, Finanzierung, Leistungsangebote und Kooperationen mit dem professionellen System (Lauer 2010). Es zeigt sich, dass die Anzahl der Mitglieder und die Finanzierungsmöglichkeiten deutlich variieren. Am häufigsten finanzieren sich die ASHO über Spenden, öffentliche Gelder und Mitgliederbeiträge. Die meisten ASHO sehen die Beratung von Betroffenen und Angehörigen sowie die Öffentlichkeitsarbeit zur Erhöhung des Bekanntheitsgrads der Aphasie und ihrer Folgen in der Bevölkerung als ihre Hauptanliegen. In vielen Fällen kooperieren die ASHO mit professionellen Helfern verschiedener Rehabilitations-stadien und halten diese Kooperation für einen wichtigen Bestandteil ihrer Tätigkeit. Der Artikel gibt eine Übersicht zu den Ergebnissen der Befragung und vergleicht diese abschließend mit der Situation der Aphasie-Selbsthilfe in Deutschland
In diesem Beitrag wird die zentral-auditive Verarbeitung anhand eines Modells erläutert. Davon ausgehend wird ein Überblick über Behandlungsmethoden zur Förderung der zentral-auditiven Verarbeitung gegeben. Die einzelnen Therapieansätze werden beschrieben und ihre Vor- und Nachteile diskutiert. Den Schwerpunkt bilden die Darstellung der teilfunktionsorientierten Therapie sowie deren Unterstützung durch den Einsatz von Computerprogrammen und Top-down-Strategien.
Die Teilhabe des Betroffenen an der Aphasierehabilitation am Beispiel der Aphasie-Therapiechronik
(2011)
In einer internationalen Befragung von Aphasie-Selbsthilfeorganisationen (ASHO) gaben 26 Organisationen Auskunft über deren Größe, Aufbau, Personal, Finanzierung, Leistungsangebote und Kooperationen mit dem professionellen System (Lauer 2010). Es zeigt sich, dass die Anzahl der Mitglieder und die Finanzierungsmöglichkeiten deutlich variieren. Am häufigsten finanzieren sich die ASHO über Spenden, öffentliche Gelder und Mitgliederbeiträge. Die meisten ASHO sehen die Beratung von Betroffenen und Angehörigen sowie die Öffentlichkeitsarbeit zur Erhöhung des Bekanntheitsgrads der Aphasie und ihrer Folgen in der Bevölkerung als ihre Hauptanliegen. In vielen Fällen kooperieren die ASHO mit professionellen Helfern verschiedener Rehabilitationsstadien und halten diese Kooperation für einen wichtigen Bestandteil ihrer Tätigkeit. Der Artikel gibt eine Übersicht zu den Ergebnissen der Befragung und vergleicht diese abschließend mit der Situation der Aphasie-Selbsthilfe in Deutschland.
Die Forschungspyramide ist ein Modell als Basis für Clinical Reasoning und Clinical Decision Making in der Physiotherapie. Es basiert auf einer Dekonstruktion der klassischen Hierarchie der externen Evidenz und einer Rekonstruktion der Evidenzhierarchie nach den Kriterien interne und externe Validität (experimentelle und beobachtende Studien) sowie nach den Kriterien Abstraktion und Konkretion (quantitative und qualitative Studien). Dabei bestehen zwischen den Seiten teilweise fließende Übergängen.
Experimentelle Studien werden in der Forschungspyramide als Studien definiert, in denen die Intervention (die unabhängige Variable) zum Zwecke der Studie manipuliert wird. Beobachtende Studien hingegen sind darauf angelegt, den Untersuchungsgegenstand einschl. der unabhängigen Variablen durch die Studie zwar zu erfassen, aber möglichst wenig zu beeinflussen. Beide Varianten quantitativer Studien untersuchen unmittelbar quantifizierbare Merkmale, qualitative Studien hingegen arbeiten mit akustischem (verbalem) und optischem (Beobachtungen) Material, welches zunächst einem Interpretationsprozess durch die Forscher unterzogen werden muss. Qualitative Untersuchungsergebnisse sind prinzipiell quantifizierbar, umgekehrt sind quantitativ erhobene Daten einer qualitativen Interpretation nicht zugänglich.
Somit ergeben sich vier Hierarchien bezogen auf die interne Validität der Studiendesigns, welche jeweils unterschiedlich abstrakte bzw. konkrete Aussagen sowie intern bzw. extern valide Studienergebnisse ermöglichen: experimentelle und beobachtende quantitative bzw. qualitative Studien. Diese bilden – in der neuen Fassung – vier Seiten der Forschungspyramide. Die höchste Stufe der externen Evidenz ist so nur zu erreichen, wenn Studien mit höchstmöglicher interner Validität von allen vier Seiten vorliegen und in einem systematischen Review (quantitativ-qualitative Meta-Analyse) integriert wurden.
Systematische Reviews, die auf der Grundlage der Forschungspyramide durchgeführt werden, bilden den zum jeweiligen Zeitpunkt der Recherche höchsten Grad an externer Evidenz ab. Sie bieten aktuelle Informationen zu dem Wirkungspotenzial einer Intervention unter idealen Rahmenbedingungen und zu den bislang erzielten Wirkungen unter alltäglichen (ggf. auch unterschiedlichen) Rahmenbedingungen. Sie stellen gleichzeitig abstrakte, statistisch abgesicherte Informationen zur Verfügung, die den Grad der Sicherheit bzw. Unsicherheit beim Transfer der auf ihrer Grundlage gewonnenen Handlungsempfehlungen auf einen einzelnen Patienten quantifizieren, sowie konkrete, interpretativ abgesicherte Informationen, die helfen, die auf der Erfahrung beruhenden Handlungsintentionen zu systematisieren und mögliche Handlungsoptionen aufzeigen. Durch solchermaßen ausgearbeitet systematische Reviews erhöht sich die Wahrscheinlichkeit, im Einzelfall mit dem Patienten gemeinsam eine adäquate Behandlungsentscheidung zu treffen.
Diese grundsätzlichen Überlegungen sollen an einem Beispiel exemplifiziert werden. Um den potenziellen und tatsächlichen Einfluss von Physiotherapie oder interdisziplinären Konzepten, die Physiotherapie als Schwerpunkt beinhalten, auf die Rückkehr an den Arbeitsplatz bei Patienten mit Beschwerden des unteren Rückens zu evaluieren, wurde ein Review durchgeführt, der die beiden quantitativen Seiten der Forschungspyramide zusammenführt. Die systematische Suche in den Datenbanken CINAHL und PubMed zeigte mit 44 experimentellen und 15 beobachtenden Arbeiten, von denen zudem sieben einarmig durchgeführt waren, ein erhebliches Ungleichgewicht, sodass nur für zwei Interventionen Studien aus beiden Forschungsansätzen berücksichtigt werden konnten. Für beide ergaben sich Hinweise auf Variationen der Effektgröße und -richtung bei Gegenüberstellung experimentell und beobachtend gewonnener Daten. Sollten sich solche Variationen bei einer größeren Anzahl von Studien systematisch zwischen beiden Studientypen unterscheiden, so müssten die Ursachen der Diskrepanz zwischen der Wirksamkeit unter Idealbedingungen und der Wirkung unter realen Bedingungen zu analysieren in einem nächsten Schritt experimentelle und beobachtende qualitative Studien durchgeführt und in die Ergebnisse integriert werden. Auf diesem Weg könnten die Einflussfaktoren auf die Umsetzbarkeit einer potenziell wirksamen Intervention im alltäglichen Einsatz als erkennbare Muster eruierbar werden.
Jedes Jahr erleiden 270.000 Menschen in Deutschland einen Schlaganfall. In vielen Fällen können die betroffenen Personen wieder nach Hause zurückkehren und ihr Leben fortführen, benötigen dabei aber ambulante Pflege- und Therapiemaßnahmen. Gerade in ländlichen Regionen bringt dies erhebliche Herausforderungen mit sich, denen sich neue Technologien und die Digitalisierung entgegenstellen. Die Beiträger*innen des Bandes diskutieren erste Ergebnisse des Projekts »DeinHaus 4.0 Oberpfalz« aus interdisziplinärer Sicht, bei dem die Möglichkeit des Einsatzes von Telepräsenzrobotern zur Unterstützung ambulanter Pflege- und Therapiemaßnahmen untersucht wird.
Wie können Pflege und Gesundheitswesen so digitalisiert werden, dass alle davon profitieren? Dieser Frage widmen sich Expert*innen aus den Bereichen Medizin, Pflege und Therapie. Sie präsentieren Ergebnisse, die im Kontext der Veranstaltung »Digitalisierung im Gesundheitswesen – Gehen Sie mit uns in eine neue Zukunft« an der Ostbayerischen Technischen Hochschule Regensburg im Juli 2022 entstanden. Im Mittelpunkt steht dabei die Projektreihe »DeinHaus 4.0«. Daneben bespielen die Beiträge aber auch die Themen digitale Versorgungsanwendungen in Pflege und Gesundheit, Akzeptanz und Nutzung von sozio-assistiven Technologien in der Pflege sowie digitalisierte Logopädie bzw. Physiotherapie.
Aufgrund fehlender Informationen zu tatsächlich eingesetzten digitalen Assistenztechniken in der ambulanten und stationären Pflege sind die Auswirkungen auf die Pflegepraxis und Pflegepersonal dieser Systeme weitestgehend unerschlossen. Das Projekt DAAS-KIN (Diffusion altersgerechter Assistenzsysteme – Kennzahlenerhebung und Identifikation von Nutzungshemmnissen) untersucht mittels eines Mixed-Methods-Ansatzes (Fragebogen, Experteninterviews, Wertbaumanalyse) Verbreitung, Reaktion und Auswirkung digitaler Assistenzsysteme sowie potentielle Nutzungs- und Diffusionshemmnisse
Regarding the prevention of injuries and rehabilitation of the human hand, musculoskeletal simulations using an inverse dynamics approach allow for insights of the muscle recruitment and thus acting forces on the hand. Currently, several hand models from various research groups are in use, which are mainly validated by the comparison of numerical and anatomical moment arms. In contrast to this validation and model-building technique by cadaver studies, the aim of this study is to further validate a recently published hand model [1] by analyzing numerically calculated muscle activities in comparison to experimentally measured electromyographical signals of the muscles. Therefore, the electromyographical signals of 10 hand muscles of five test subjects performing seven different hand movements were measured. The kinematics of these tasks were used as input for the hand model, and the numerical muscle activities were computed. To analyze the relationship between simulated and measured activities, the time difference of the muscle on- and off-set points was calculated, which resulted in a mean on- and off-set time difference of 0.58 s between the experimental data and the model. The largest differences were detected for movements that mainly addressed the wrist. One major issue comparing simulated and measured muscle activities of the hand is cross-talk. Nevertheless, the results show that the hand model fits the experiment quite accurately despite some limitations and is a further step toward patient-specific modeling of the upper extremity.
Hintergrund/Fragestellung:
Eine Rheumatoide Arthritis (RA) verläuft chronisch schubweise und Betroffene leiden unter zunehmenden und schwankenden Symptomen. In der Physiotherapie (PT) werden individuell abgestimmte Interventionen in einem ambulanten (aPT) oder Gruppensetting (gPT) eingesetzt. In Leitlinien wird PT unspezifisch empfohlen. Ärzte verordnen spezifische Formen der PT. Wie ist eine evidenzbasierte und am Bedarf aus Sicht Betroffener orientierte Versorgung zu gestalten?
Methoden/Material:
Drei Methoden wurden kombiniert: 1) Evidenz zu PT wurde mittels eines Systematischen Reviews ermittelt und deren Qualität in Anlehnung an GRADE beurteilt. 2) Einflussfaktoren auf eine Versorgung wurden mittels Sekundäranalyse von Versorgungsdaten aus einer Längsschnittstudie bestimmt. 3) Einflussfaktoren auf den Bedarf an sowie die Verordnung von PT aus Sicht der Betroffenen wurden mittels Fragebogen erhoben. Die Daten wurden soweit möglich mittels Metaanalysen (1), binären (2) sowie multiplen linearen Regressionen und Gruppenvergleichen für abhängige Stichproben (3) analysiert. Es wurden Häufigkeiten (3) der Nennung spezifischer Interventionen sowie von Übereinstimmungen zwischen Bedarf und wahrgenommenem Verordnungsverhalten bestimmt.
Ergebnisse:
1) Eine gPT zeigte bei jungen Betroffenen mit guter Funktion Effekte, war aber bei Vorschäden der Gelenke weder effektiv noch sicher. Zu aPT liegt keine Evidenz vor. 2) Der einzige relevante Vorhersagefaktor für eine Versorgung mit PT ist eine bereits bestehende Versorgung (Exp(B)=10,81 - 171,53, p<0,001). 3) Den stärksten bedarfssteigernden Einfluss hat ein schlechtes körperliches Befinden (B=0,25, p<0,05/MWD 1,3 (NAS 1-10), p<0,001). Teilnehmer (n=305) gaben am häufigsten Bedarf an aPT an, bei schlechtem Befinden vor allem an passiven Maßnahmen. In besseren Phasen besteht zusätzlich Bedarf an gPT. Betroffene haben individuell unterschiedliche Bedarfe und eine Berücksichtigung bedarfsbestimmender Faktoren bei der Verordnung wird kaum wahrgenommen.
Schlussfolgerungen:
Angesichts der geringen Evidenzlage und individueller und schwankender Bedarfe wird ein stark individualisiertes Vorgehen empfohlen. Effektivität, Sicherheit und Passgenauigkeit sind regelmäßig gemeinsam mit den an der Versorgung Beteiligten sowie den Betroffenen zu überprüfen. Insbesondere bei schlechtem Befinden sollte über die Möglichkeit einer aPT und die notwendige Überprüfung aufgeklärt werden. Es besteht dringender Forschungsbedarf für aPT bei RA.
Aims
Eosinophilic esophagitis (EoE) is easily missed during endoscopy, either because physicians are not familiar with its endoscopic features or the morphologic changes are too subtle. In this preliminary paper, we present the first attempt to detect EoE in endoscopic white light (WL) images using a deep learning network (EoE-AI).
Methods
401 WL images of eosinophilic esophagitis and 871 WL images of normal esophageal mucosa were evaluated. All images were assessed for the Endoscopic Reference score (EREFS) (edema, rings, exudates, furrows, strictures). Images with strictures were excluded. EoE was defined as the presence of at least 15 eosinophils per high power field on biopsy. A convolutional neural network based on the ResNet architecture with several five-fold cross-validation runs was used. Adding auxiliary EREFS-classification branches to the neural network allowed the inclusion of the scores as optimization criteria during training. EoE-AI was evaluated for sensitivity, specificity, and F1-score. In addition, two human endoscopists evaluated the images.
Results
EoE-AI showed a mean sensitivity, specificity, and F1 of 0.759, 0.976, and 0.834 respectively, averaged over the five distinct cross-validation runs. With the EREFS-augmented architecture, a mean sensitivity, specificity, and F1-score of 0.848, 0.945, and 0.861 could be demonstrated respectively. In comparison, the two human endoscopists had an average sensitivity, specificity, and F1-score of 0.718, 0.958, and 0.793.
Conclusions
To the best of our knowledge, this is the first application of deep learning to endoscopic images of EoE which were also assessed after augmentation with the EREFS-score. The next step is the evaluation of EoE-AI using an external dataset. We then plan to assess the EoE-AI tool on endoscopic videos, and also in real-time. This preliminary work is encouraging regarding the ability for AI to enhance physician detection of EoE, and potentially to do a true “optical biopsy” but more work is needed.
Background and aims: The accurate differentiation between T1a and T1b Barrett’s cancer has both therapeutic and prognostic implications but is challenging even for experienced physicians. We trained an Artificial Intelligence (AI) system on the basis of deep artificial neural networks (deep learning) to differentiate between T1a and T1b Barrett’s cancer white-light images.
Methods: Endoscopic images from three tertiary care centres in Germany were collected retrospectively. A deep learning system was trained and tested using the principles of cross-validation. A total of 230 white-light endoscopic images (108 T1a and 122 T1b) was evaluated with the AI-system. For comparison, the images were also classified by experts specialized in endoscopic diagnosis and treatment of Barrett’s cancer.
Results: The sensitivity, specificity, F1 and accuracy of the AI-system in the differentiation between T1a and T1b cancer lesions was 0.77, 0.64, 0.73 and 0.71, respectively. There was no statistically significant difference between the performance of the AI-system and that of human experts with sensitivity, specificity, F1 and accuracy of 0.63, 0.78, 0.67 and 0.70 respectively.
Conclusion: This pilot study demonstrates the first multicenter application of an AI-based system in the prediction of submucosal invasion in endoscopic images of Barrett’s cancer. AI scored equal to international experts in the field, but more work is necessary to improve the system and apply it to video sequences and in a real-life setting. Nevertheless, the correct prediction of submucosal invasion in Barret´s cancer remains challenging for both experts and AI.
Entwicklung eines interprofessionellen Online-Kurses für Medizin- und Physiotherapiestudierende
(2019)
Das sich verändernde Gesundheitssystem macht Anpassungen in der Ausbildung der Gesundheitsberufe notwendig. Dabei wird die Stärkung der Interprofessionalität besonders betont. Die Entwicklung und Implementierung von interprofessionellen Lernszenarien birgt jedoch oftmals organisatorisch-logistische Herausforderungen. Es fehlen derzeit noch orts- und zeitunabhängige Lernszenarien, die asynchrones interprofessionelles Lernen ermöglichen.
Der neu entwickelte Online-Kurs „Medizin und Physiotherapie in der Rehabilitation“ hat zum Ziel, zur Schließung dieser Lücke beizutragen.
Die Kursentwicklung ist Teil eines Forschungsprojekts, das den Einfluss von interprofessionellem Online-Lernen auf die Kooperationskompetenz untersucht.
Semantic segmentation is an essential task in medical imaging research. Many powerful deep-learning-based approaches can be employed for this problem, but they are dependent on the availability of an expansive labeled dataset. In this work, we augment such supervised segmentation models to be suitable for learning from unlabeled data. Our semi-supervised approach, termed Error-Correcting Mean-Teacher, uses an exponential moving average model like the original Mean Teacher but introduces our new paradigm of error correction. The original segmentation network is augmented to handle this secondary correction task. Both tasks build upon the core feature extraction layers of the model. For the correction task, features detected in the input image are fused with features detected in the predicted segmentation and further processed with task-specific decoder layers. The combination of image and segmentation features allows the model to correct present mistakes in the given input pair. The correction task is trained jointly on the labeled data. On unlabeled data, the exponential moving average of the original network corrects the student’s prediction. The combined outputs of the students’ prediction with the teachers’ correction form the basis for the semi-supervised update. We evaluate our method with the 2017 and 2018 Robotic Scene Segmentation data, the ISIC 2017 and the BraTS 2020 Challenges, a proprietary Endoscopic Submucosal Dissection dataset, Cityscapes, and Pascal VOC 2012. Additionally, we analyze the impact of the individual components and examine the behavior when the amount of labeled data varies, with experiments performed on two distinct segmentation architectures. Our method shows improvements in terms of the mean Intersection over Union over the supervised baseline and competing methods. Code is available at https://github.com/CloneRob/ECMT.
Wie Untersuchungen zeigen, beeinträchtigen nicht medizinisch indizierte Verlegungen die Lebens- und Versorgungsqualität Sterbender stark. Das Projekt Avenue-Pal hat das Ziel, Leitlinien zu entwickeln, die diese unnötigen Verlegungen reduzieren sollen. Die hier vorgestellte Begleitstudie untersucht aus ethischer Sicht die im Sterbe- und Verlegungsprozess stattfinden Abläufe sowie deren potenziellen Gestaltungsmöglichkeiten. Mittels einer Literaturrecherche, der Teilnahme an einem Fokusgruppengespräch und einer modifizierten MEESTAR-Befragung werden die Bedingungen für eine optimale Betreuung
Sterbender sowie für ein würdevolles Sterben identifiziert und die aktuellen Abläufe im Rahmen des Verlegungsmanagements vor und während der Implementierung der Leitlinien unter Berücksichtigung der ethischen Dimensionen Selbstverständnis, Selbstbestimmung, Fürsorge, Gerechtigkeit, Privatheit und Teilhabe analysiert. Die Ergebnisse der Untersuchung zeigen, dass Verlegungen v.a. aus Unsicherheiten, mangelndem palliativmedizinischem Wissen oder Personalmangel resultieren und dass die Etablierung der Leitlinien und eines palliativen Konsildienstes besonders die fachliche Kompetenz des Personal stärkt und dadurch unnötige Verlegungen reduziert werden konnten.
Um die medizinische und therapeutische Versorgung von Patienten kontinuierlich zu optimieren, wird von Angehörigen der Gesundheitsberufe, therapeutischen Teams und Versorgungseinrichtungen gefordert, wissenschaftliche Erkenntnisse (externe Evidenz) in die tägliche Praxis zu integrieren und auf den jeweiligen Patientenfall abzustimmen. Die Aufbereitung, Systematisierung und Bewertung der externen Evidenz orientiert sich dabei klassischerweise an eindimensionalen Evidenzhierarchien, die vorwiegend quantitativ-experimentelle Studiendesigns berücksichtigen. In diesem Beitrag wird die Orientierung an klassischen eindimensionalen Evidenzhierarchien kritisch hinterfragt. Als Alternative wird das Modell und die Systematik der Forschungspyramide vorgestellt, die Evidenz aus unterschiedlichen Forschungsansätzen umfassend berücksichtigt und dennoch methodologisch streng beurteilt. Der Einbezug beobachtender und qualitativer Studien stellt dahingehend eine besondere Praxisnähe her.