Wendy werkt op het gebied van IT en zorg, met als hoofdonderwerpen data science, gepersonaliseerde eHealth technologieƫn, klinische beslissings ondersteunende systemen en data interoperabiliteit en machine learning om de verwijzing en behandeling van patiƫnten in de gezondheidszorg te optimaliseren.

Ze was als RRD-onderzoeker ( www.rrd.nl) betrokken bij het Back-UP-project (Horizon 2020) ( http://backup-project.eu/) , dat tot doel heeft een voorspellend model te creĆ«ren ter ondersteuning van effectieve en efficiĆ«nte behandeling van nek- en lage rugpijn.Ā  Daarnaast was ze projectleider van het het Pioneers in HealthCare (PIHC) PReferral project om bestaande zorgtrajecten en doorverwijzingen van patiĆ«nten met chronische musculoskeletale pijn in de 1e, 2e en 3e zorg te optimaliseren op basis van kunstmatige intelligentie. Momenteel is ze betrokken bij het RE-SAMPLE projectt dat tot doel heeft om AI-aangedreven zorg te ontwikkelen voor patiĆ«nten met COPD en andere chronische aandoeningenĀ ( https://www.re-sample.eu/).

Wendy werkt 1 dag in de week aan de Universiteit Twente in de vakgroep biomedical signals and systems ( https://www.utwente.nl/en/eemcs/bss) binnen het personalized eHealth team en 4 dagen in de week als internal auditor voor UnivƩ (www.unive.nl), een coƶperatieve non-profit verzekeringsmaatschappij.

Expertises

  • Medicine and Dentistry

    • Patient
    • Primary Health Care
    • Patient Referral
  • Nursing and Health Professions

    • Low Back Pain
  • Psychology

    • Treatment
    • Chronic Disorder
    • Behavior
    • Diabetes

Organisaties

Publicaties

2024
2023
2022
A Digital Coach (E-Supporter 1.0) to Support Physical Activity and a Healthy Diet in People With Type 2 Diabetes: Acceptability and Limited Efficacy Testing. JMIR Publications. Hietbrink, E. A. G., Nijeweme-d’Hollosy, W. O., Middelweerd, A., Konijnendijk, A. A. J., Schrijver, L. K., ten Voorde, A. S., Fokkema, E. M. S., Laverman, G. D. & Vollenbroek-Hutten, M. M. R.https://doi.org/10.2196/preprints.45294Factors used by general practitioners for referring patients with chronic musculoskeletal pain: A qualitative studyBMC family practice, 23, Article 126. Slatman, E. S., Mossink, A., Jansen, D. J., Broeks, J., van der Lugt, P., Prosman, G.-J. & d'Hollosy, W.https://doi.org/10.1186/s12875-022-01743-6Exploratory application of machine learning methods on patient reported data in the development of supervised models for predicting outcomesBMC medical informatics and decision making, 22, Article 227. Verma, D., Jansen, D., Bach, K., Poel, M., Mork, P. J. & d'Hollosy, W.https://doi.org/10.1186/s12911-022-01973-9Technology-supported shared decision-making in chronic conditions: preliminary results of a systematic reviewEuropean respiratory journal, 60. Vaseur, R., te Braake, E., Beinema, T., d'Hollosy, W. & Tabak, M.https://doi.org/10.1183/13993003.congress-2022.2987Technology-supported shared decision making in the treatment and management of chronic conditions: a systematic review protocol. Vaseur, R., d'Hollosy, W. & Tabak, M.https://www.bme2022.nl/bme-2022-programme/
2021
2020
Applying machine learning on patient-reported data to model the selection of appropriate treatments for low back pain: A Pilot StudyIn Proceedings of the 13th International Joint Conference on Biomedical Engineering Systems and Technologies (BIOSTEC 2020) (pp. 117-124). SCITEPRESS. Oude Nijeweme - d'Hollosy, W., van Velsen, L., Poel, M., Groothuis-Oudshoorn, C., Soer, R., Stegeman, P. & Hermens, H.https://doi.org/10.5220/0008962101170124

Onderzoeksprofielen

Organisaties

Scan de QR-code of
Download vCard