Marco Spruit
Hoogleraar Geavanceerde Datawetenschap in Populatiegerichte Zorg
- Naam
- Prof.dr. M.R. Spruit
- Telefoon
- +31 71 526 9111
- m.r.spruit@lumc.nl
- ORCID iD
- 0000-0002-9237-221X
Marco Spruit is Hoogleraar Geavanceerde Datawetenschap in Populatiegerichte Zorg aan de Universiteit Leiden bij zowel het departement Publieke Zorg & Eerstelijnsgeneeskunde (PHEG) aan de Medische Faculteit (LUMC) als het Leiden Instituut voor Informatica (LIACS) aan de Faculteit der Wiskunde & Natuurwetenschappen (FWN). Hij is zowel geïnteresseerd in het vertalen van nieuwe algoritmes naar nieuwe zorgtoepassingen als in het implementeren van nieuwe inzichten uit deze nieuwe toepassingen in de dagelijkse praktijk. Marco’s strategische onderzoeksdoelstelling is het opzetten van een gezaghebbende nationale infrastructuur voor Nederlandse Taalverwerking en Machine Leren om de Datawetenschap te democratiseren. Hij richt zich in het bijzonder op het domein Populatiegerichte Zorg & Welzijn in zijn Translationele Datawetenschap Laboratorium.
Meer informatie over Marco Spruit
Promovendi
Nieuws
-
Kinderverhalen als venster om inlevingsvermogen te onderzoeken -
Translationele datawetenschap: toepassingen in de gezondheidszorg -
Dit zeggen onze LDE-experts over het aanpakken van de gezondheidskloof -
IT in de zorg: van fundamenteel naar de praktijk -
Van fundamenteel onderzoek naar hulpmiddelen in de zorg -
Marco Spruit wil taalmodel ontwikkelen om zorg te verbeteren
Externe promovendus
Marco Spruit is Hoogleraar Geavanceerde Datawetenschap in Populatiegerichte Zorg aan de Universiteit Leiden bij zowel het departement Publieke Zorg & Eerstelijnsgeneeskunde (PHEG) aan de Medische Faculteit (LUMC) als het Leiden Instituut voor Informatica (LIACS) aan de Faculteit der Wiskunde & Natuurwetenschappen (FWN). Hij is zowel geïnteresseerd in het vertalen van nieuwe algoritmes naar nieuwe zorgtoepassingen als in het implementeren van nieuwe inzichten uit deze nieuwe toepassingen in de dagelijkse praktijk.
Marco’s strategische onderzoeksdoelstelling is het opzetten van een gezaghebbende nationale infrastructuur voor Nederlandse Taalverwerking en Machine Leren om de Datawetenschap te democratiseren. Hij richt zich in het bijzonder op het domein Populatiegerichte Zorg & Welzijn in zijn Translationele Datawetenschap Laboratorium.
Marco leidt de onderzoekslijn Translationele Datawetenschap in Bevolkingsgerichte Zorg op de Health Campus Den Haag. Deze onderzoekslijn heeft drie thema's. Ten eerste, in Data Techniek onderzoekt hij de verdere consolidatie, standaardisatie en verrijking van de Extramurale LUMC Academische Netwerk (ELAN) data infrastructuur, in lijn met landelijke initiatieven en in samenwerking met zijn PHEG collega's. Ten tweede, in Data Analyse onderzoekt hij technieken voor Natuurlijke Taalverwerking en Machine Leren op hun geschiktheid om huidige en nieuwe soorten translationele onderzoeksvragen te beantwoorden, met name vanuit een democratiserend datawetenschapsperspectief en in samenwerking met zijn LIACS collega's. Ten derde, in e-Health Implementatie ontwerpt en implementeert Marco interventies voor Datawetenschap door middel van e-Health software oplossingen binnen de regio in nauwe samenwerking met de Campus partners.
Tot 2020 werkte Marco als universitair hoofddocent in de Natuurlijke Taalverwerkingsgroep bij het departement Informatica van de Universiteit Utrecht, waar hij met name tal van Europees gefinancierde studies (OPERAM, SAF21, SMESEC, GEIGER, OPTICA) en nationaal gefinancierde onderzoeksprojecten (STRIMP, COVIDA) uitvoerde. Hij nam deel aan meerdere leiderschapsprogramma’s en behaalde wetenschappelijke kwalificaties zoals de Senior Kwalificatie Onderzoek, Senior Kwalificatie Onderwijs, en het Ius Promovendi. Van 2007-2018 was hij universitair docent Informatiekunde en was hij onder meer enkele jaren onderwijsmanager van de Informatiekunde en Toegepaste Datawetenschap opleidingen.
Van 2003-2007 werkte Marco als onderzoeker in opleiding bij de Taalvariatie groep van het Meertens Instituut op het snijvlak van syntactische variatie en dialectometrie als taalkundig datawetenschapper. In 2005 ontving hij een Association for Literary and Linguistic Computing aanmoedigingsprijs voor zijn wetenschappelijke werk. Vóór 2003 was hij tien jaar actief in het bedrijfsleven als Natuurlijke Taalverwerking en Big Data softwareontwikkelaar bij onder meer ZyLAB Europe B.V. en de Koninklijke Marine. In 1995 voltooide hij de bovenbouwstudie Alfa-Informatica aan de Universiteit van Amsterdam.
Hoogleraar Geavanceerde Datawetenschap in Populatiegerichte Zorg
- Faculteit Geneeskunde
- Divisie 3
- Public Health en Eerstelijnsgeneeskunde
Hoogleraar Geavanceerde Datawetenschap in Populatiegerichte Zorg
- Wiskunde en Natuurwetenschappen
- Leiden Inst of Advanced Computer Science
- Dijk B.M.A. van, Duijn M.J. van, Kloostra L., Spruit M.R. & Beekhuizen B. (2024), Using a language model to unravel semantic development in children’s use of a Dutch perception verb. Zock M., Chersoni E., Hsu Y.Y. & De Deyne S. (red.), Proceedings of the Workshop on cognitive aspects of the lexicon (CogaLex@LREC-COLING 2024). Proceedings of the Workshop on Cognitive Aspects of the Lexicon @ LREC-COLING 2024 20 mei 2024 - 20 mei 2024: ELRA Language Resources Association (ELRA). 98–106.
- Haastrecht MA.N. van, Brinkhuis M.J.S. & Spruit M.R. (2024), Federated learning analytics: investigating the privacy-performance trade-off in machine learning for educational analytics. Olney A.M., Chounta I.A., Liu Z., Santos O.C. & Bittencourt I.I. (red.), Artificial Intelligence in Education. AIED 2024. 25th International Conference on Artificial Intelligence in Education (AIED 2024) 8 juli 2024 - 12 juli 2024. Lecture Notes in Computer Science nr. 14830. Cham: Springer. 62-74.
- Khalil S.S., Tawfik N.S. & Spruit M.R. (2024), Exploring the potential of federated learning in mental health research: a systematic literature review, Applied Intelligence 54: 1619-1636.
- Khalil S.S., Tawfik N.S. & Spruit M. (2024), Federated learning for privacy-preserving depression detection with multilingual language models in social media posts, Patterns 5(7): 100990.
- Haastrecht M.A.N. van, Haas M., Brinkhuis M.J.S. & Spruit M.R. (2024), Understanding validity criteria in technology-enhanced learning: a systematic literature review, Computers & Education 220: 105128.
- (2024), On the evaluation of synthetic longitudinal electronic health records, BMC Medical Research Methodology.
- Muizelaar H, Haas M, Van Dortmont K, Van der Putten P & Spruit M (2024), Extracting patient lifestyle characteristics from Dutch clinical text with BERT models, BMC Medical Informatics and Decision Making 24(151).
- Ardesch F.H., Meulendijk M.C., Kist J.M., Vos R.C., Vos H.M.M., Kiefte-de Jong J.C., Spruit M.R., Bruijnzeels M.A., Bussemaker J., Numans M.E. & Struijs J.N. (2023), The introduction of a data-driven population health management approach in the Netherlands since 2019: the extramural LUMC academic network data infrastructure, Health Policy 132: 104769.
- Dijk B.M.A. van, Spruit M.R. & Duijn M.J. van (2023), Theory of mind in freely-told children’s narratives: a classification approach. Rogers A., Boyd-Graber J. & Okazaki N. (red.), Findings of the Association for Computational Linguistics: ACL 2023. Association for Computational Linguistics 9 juli 2023 - 13 juli 2023. Toronto: Assocation for Computational Linguistics. 12979-12993.
- Haastrecht M.A.N. van, Brinkhuis M.J.S., Wools S. & Spruit M.R. (2023), VAST: a practical validation framework for e-assessment solutions, Information Systems and E-Business Management 21: 603-627.
- Ferguson R., Khosravi H., Kovanović V., Viberg O., Aggarwal A., Brinkhuis M.J.S., Buckingham Shum S., Chen L., Drachsler H., Guerrero V.A., Hanses M., Hayward C., Hicks B., Jivet I., Kitto K, Kizilcec R., Lodge J.M., Manly C.A., Matz R.L., Meaney M.J., Ochoa X., Schuetze B.A., Spruit M.R., Haastrecht M.A.N. van, Leeuwen A. van, Rijn L. van, Tsai Y.S., Weidlich J., Williamson K. & Yan V.X. (2023), Aligning the goals of learning analytics with its research scholarship: an open peer commentary approach, Journal of Learning Analytics 10(2): 14-50.
- Dijk B.M.A. van, Duijn M.J. van, Verberne S. & Spruit M. (2023), ChiSCor: a corpus of freely-told fantasy stories by Dutch children for computational linguistics and cognitive science. Jing J., Reitter D. & Deng S. (red.), Proceedings of the 27th Conference on Computational Natural Language Learning (CoNLL). 27th Conference on Computational Natural Language Learning (CoNLL) 6 december 2023 - 7 december 2023. Singapore: Association for Computational Linguistics. 352–363.
- Dijk B.M.A. van, Kouwenhoven T., Spruit M. & Duijn M.J. van (2023), Large language models: the need for nuance in current debates and a pragmatic perspective on understanding. Bouamor H., Pino J. & Bali K. (red.), Proceedings of the 2023 Conference on Empirical Methods in Natural Language Processing. 2023 Conference on Empirical Methods in Natural Language Processing 6 december 2023 - 10 december 2023. Singapore: Association for Computational Linguistics. 12641–12654.
- Duijn M.J. van, Dijk B.M.A. van, Kouwenhoven T., Valk W. de, Spruit M. & Putten P.W.H. van der (2023), Theory of mind in large language models: examining performance of 11 state-of-the-art models vs. children aged 7-10 on advanced tests. Jiang J., Reitter D. & Deng S. (red.), Proceedings of the 27th Conference on Computational Natural Language Learning (CoNLL). 27th Conference on Computational Natural Language Learning (CoNLL) 6 december 2023 - 7 december 2023. Singapore: Association for Computational Linguistics. 389–402.
- Haastrecht M.A.N. van, Brinkhuis M.J.S., Peichl J., Remmele B. & Spruit M. (2023), Embracing trustworthiness and authenticity in the validation of learning analytics systems, Proceedings of the 13th International Learning Analytics and Knowledge Conference. 13th International Learning Analytics and Knowledge Conference 13 maart 2023 - 17 maart 2023. New York, NY, USA: Association for Computing Machinery (ACM). 552-558.
- Jungo, K.T.; Ansorg, A.K.; Floriani, C.; Rozsnyai, Z.; Schwab, N.; Meier, R.; Valeri, F.; Stalder, O.; Limacher, A.; Schneider, C.; Bagattini, M.; Trelle, S.; Spruit, M.; Schwenkglenks, M.; Rodondi, N. & Streit, S. (2023), Optimising prescribing in older adults with multimorbidity and polypharmacy in primary care (OPTICA), British Medical Journal (BMJ) 381.
- Jungo, K.T.; Ansorg, A.; Floriani, C.; Rozsnyai, Z.; Schwab, N.; Meier, R.; Valeri, F.; Stalder, O.; Limacher, A.; Schneider, C.; Bagattini, M.; Trelle, S.; Spruit, M.; Schwenkglenks, M.; Rodondi, N. & Streit, S. (2023), Optimizing prescribing in older adults with multimorbidity and polypharmacy in primary care: a cluster randomized clinical trial, Journal of the American Geriatrics Society 71: S122-S122.
- Haastrecht, M. van; Brinkhuis, M.; Wools, S. & Spruit, M. (2023), VAST, Information Systems and E-Business Management.
- Lefebvre, A. & Spruit, M. (2023), Laboratory forensics for open science readiness, Information Systems Frontiers 25(1): 381-399.
- Haastrecht van Max , Brinkhuis Matthieu , Peichl Jessica , Remmele Bernd & Spruit Marco (2023), Embracing Trustworthiness and Authenticity in the Validation of Learning Analytics Systems.
- Ardesch, F.H.; Meulendijk, M.C.; Kist, J.M.; Vos, R.C.; Vos, H.M.M.; Kiefte-de Jong, J.C.; Spruit, M.; Bruijnzeels, M.A.; Bussemaker, M.J.; Numans, M.E. & Struijs, J.N. (2023), The introduction of a data-driven population health management approach in the Netherlands since 2019, Health Policy - The best evidence for better policies 132.
- Toledo, C. van; Schraagen, M.; Dijk, F. van; Brinkhuis, M. & Spruit, M. (2023), Readability metrics for machine translation in Dutch, Applied Sciences 13(7).
- Duijn M.J. van, Dijk B.M.A. van & Spuit M.R. (2022), Looking from the inside: how children render character’s perspectives in freely told fantasy stories. Clark E., Brahman F. & Iyyer M. (red.), ACL Proceedings of the 4th workshop of narrative understanding (WNU2022). . Seattle 66-76.
- Rijcken, E.; Kaymak, U.; Scheepers, F.; Mosteiro, P.; Zervanou, K. & Spruit, M. (2022), Topic modeling for interpretable text classification from EHRs, Frontiers in Big Data 5.
- Ozkan, B.Y. & Spruit, M. (2022), Adaptable Security Maturity Assessment and Standardization for Digital SMEs, Journal of Computer Information Systems.
- Haastrecht, M. van; Golpur, G.; Tzismadia, G.; Kab, R.; Priboi, C.; David, D.; Racataian, A.; Baumgartner, L.; Fricker, S.; Ruiz, J.F.; Armas, E.; Brinkhuis, M. & Spruit, M. (2022), Correction: van Haastrecht et al. a shared cyber threat itelligence solution for SMEs. Electronics 2021, 10, 2913, Electronics 11(3).
- Mosteiro, P.; Kuiper, J.; Masthoff, J.; Scheepers, F. & Spruit, M. (2022), Bias discovery in machine learning models for mental health, Information 13(5).
- Siegersma, K.R.; Evers, M.; Bots, S.H.; Groepenhoff, F.; Appelman, Y.; Hofstra, L.; Tulevski, I.I.; Somsen, G.A.; Ruijter, H.M. den; Spruit, M. & Onland-Moret, N.C. (2022), Development of a pipeline for adverse drug reaction identification in clinical notes , JMIR Medical Informatics 10(1).
- Spruit, M.; Verkleij, S.; Schepper, K. de & Scheepers, F. (2022), Exploring language markers of mental health in psychiatric stories, Applied Sciences 12(4).
- Toledo, C. van; Schraagen, M.; Dijk, F. van; Brinkhuis, M. & Spruit, M. (2022), Exploring the utility of Dutch question answering datasets for Human resource contact centres, Information 13(11).
- Borger, T.; Mosteiro, P.; Kaya, H.; Rijcken, E.; Salah, A.A.; Scheepers, F. & Spruit, M. (2022), Federated learning for violence incident prediction in a simulated cross-institutional psychiatric setting, Expert Systems with Applications 199.
- Ozkan B.Y., Lingen S. & Spruit M.R. (2021), The Cybersecurity Focus Area Maturity (CYSFAM) model, Journal of Cybersecurity and Privacy 1(1): 119-139.
- Spruit M.R. & Vries N. de (2021), Self-service data science for adverse event prediction in electronic healthcare records. Visvizi A., Lytras M.D. & Aljohani N.R. (red.), Research and Innovation Forum 2020: Disruptive Technologies in Times of Change. Research and Innovation Forum 2020: Disruptive Technologies in Times of Change 7 april 2020 - 9 april 2020. Cham: Springer. 517--535.
- Mosteiro P., Rijcken E., Zervanou K., Kaymak U., Scheepers F. & Spruit M.R. (2021), Machine learning for violence risk assessment using Dutch clinical notes, Journal of Artificial Intelligence for Medical Sciences 2(1): 44-54.
- Shen Z. & Spruit M.R. (2021), Automatic extraction of adverse drug reactions from summary of product characteristics, Applied Sciences 11(6): 2663.
- Menger V.J., Spruit M.R. & Scheepers F.E. (2021), Kennisontwikkeling in de klinische psychiatrie: leren van elektronische patiëntendossiers, Tijdschrift voor Psychiatrie 63(4): 294-300.
- Haastrecht M. van, Ozkan B.Y., Brinkhuis M. & Spruit M. (2021), Respite for SMEs: A systematic review of socio-technical cybersecurity metrics, Applied Sciences 11(15): 6909.
- Haastrecht M. van, Sarhan I., Yigit Ozkan B., Brinkhuis M. & Spruit M. (2021), SYMBALS: A Systematic Review Methodology Blending Active Learning and Snowballing, Frontiers in Research Metrics and Analytics 6: 685591.
- Haastrecht M., Sarhan I., Shojaifar A., Baumgartner L., Mallouli W. & Spruit M. (2021), A threat-based cybersecurity risk assessment approach addressing SME needs, ARES 2021: The 16th International Conference on Availability, Reliability and Security. The 16th International Conference on Availability, Reliability and Security 17 augustus 2021 - 20 augustus 2021: Association for Computing Machinery (ACM). 158.
- Smit T., Haastrecht M.A.N. van & Spruit M.R. (2021), The effect of countermeasure readability on security intentions, Journal of Cybersecurity and Privacy 1(4): 675-704.
- Haastrecht M.A.N. van, Golpur G., Tzismadia G., Kab R., Priboi C, David D., Răcătăian A., Baumgartner L., Fricker S., Ruiz J.F., Armas E., Brinkhuis M. & Spruit M.R. (2021), A shared cyber threat intelligence solution for SMEs, Electronics 10(23): 2913.
- Spruit M.R., Kais M. & Menger V. (2021), Automated business goal extraction from e-mail repositories to bootstrap business understanding, Future Internet 13(10): 243.
- Jungo K.T., Meier R., Valeri F., Schwab N., Schneider C., Reeve E., Spruit M.R., Schwenkglenks M., Rodondi N. & Streit S. (2021), Baseline characteristics and comparability of older multimorbid patients with polypharmacy and general practitioners participating in a randomized controlled primary care trial, BMC Family Practice 22(1): 123.
- Lefebvre A. & Spruit M.R. (2021), Laboratory forensics for open science readiness: an investigative approach to research data management, Information Systems Frontiers : .
- Sarhan I. & Spruit M.R. (2021), Open-CyKG: an open cyber threat intelligence knowledge graph, Knowledge-Based Systems 233: 107524.
- Blum M.R., Sallevelt B.T.G.M., Spinewine A., O'Mahony D., Moutzouri E., Feller M., Baumgartner C., Roumet M., Jungo K.T., Schwat N., Bretagne L., Beglinger S., Aubert C.E., Wilting I., Thevelin S., Murphy K., Huibers C.J.A. Drenth-van Maanen A.C., Boland B., Crowley E., Eichenberger A., Meulendijk M., Jennings E., Adam L., Roos M.J., Gleeson L., Shen Z.R., Marien S., Meinders A.J., Baretella O., Netzer S., Montmollin M., Fournier A., Mouzon A., O'Mahony C., Aujesky D., Mavridis D., Byrne S., Jansen P.A.F., Schwenkglenks M., Spruit M.R., Dalleur O., Knol W., Trelle S. & Rodondi N. (2021), Optimizing therapy to prevent avoidable hospital admissions in multimorbid older adults (OPERAM): cluster randomised controlled trial, BMJ British medical journal (Clinical research ed.) 374: n1585.
- Spruit, M.; Kais, M. & Menger, V. (2021), Automated business goal extraction from e-mail repositories to bootstrap business understanding, Future Internet 13(10).
- Sarhan, I. & Spruit, M. (2021), Open-CyKG: an Open Cyber Threat Intelligence Knowledge Graph, Knowledge-Based Systems 233.
- Sallevelt, B.T.G.M.; Huibers, C.J.A.; Heij, J.M.J.O.; Egberts, T.C.G.; Puijenbroek, E.P. van; Shen, Z.R.; Spruit, M.R.; Jungo, K.T.; Rodondi, N.; Dalleur, O.; Spinewine, A.; Jennings, E.; O'Mahony, D.; Wilting, I. & Knol, W. (2021), Frequency and acceptance of clinical decision support system-generated STOPP/START signals for hospitalised older patients with polypharmacy and multimorbidity, Drugs and Aging 39.
- Haastrecht, M. van; Golpur, G.; Tzismadia, G.; Kab, R.; Priboi, C.; David, D.; Racataian, A.; Brinkhuis, M. & Spruit, M. (2021), A shared cyber threat intelligence solution for SMEs, Electronics 10(23).
- Haastrecht M, Sarhan I, Shojaifar A, Baumgartner L, Mallouli W & Spruit M (2021), A Threat-Based Cybersecurity Risk Assessment Approach Addressing SME Needs.
- Dijk Fv, Spruit M, Toledo Cv & Brinkhuis M (2021), Pillars of Privacy: Identifying Core Theory in a Network Analysis of Privacy.
- Mosteiro P, Rijcken E, Zervanou K, Kaymak U, Scheepers F & Spruit M (2021), Machine learning for violence risk assessment using Dutch clinical notes, Jama Network Open 2(1–2): 44–54.
- Menger V, Spruit M & Scheepers F (2021), Kennisontwikkeling in de klinische psychiatrie: leren van elektronische patiëntendossiers, Tijdschrift voor Psychiatrie 63(4): 294–300.
- Haastrecht Mv, Sarhan I, Yigit Ozkan B, Brinkhuis M & Spruit M (2021), SYMBALS: a systematic review methodology blending active learning and snowballing, Frontiers in Research Metrics and Analytics 6(6).
- Ozkan BY, van Lingen S & Spruit M (2021), The Cybersecurity Focus Area Maturity (CYSFAM) model, Journal of Cybersecurity and Privacy 1(1): 119--139.
- Spruit Marco & Vries de Niels (2021), Self-Service Data Science for Adverse Event Prediction in Electronic Healthcare Records.
- Ozkan Yigit Bilge & Spruit Marco (2021), Cybersecurity Standardisation for SMEs.
- Haastrecht, M. van; Ozkan, B.Y.; Brinkhuis, M. & Spruit, M. (2021), Respite for SMEs: a systematic review of socio-technical cybersecurity metrics, APPLIED SCIENCES-BASEL 11(15).
- Blum, M.R.; Sallevelt, B.T.G.M.; Spinewine, A.; O'Mahony, D.; Moutzouri, E.; Feller, M.; Baumgartner, C.; Roumet, M.; Jungo, K.T.; Schwab, N.; Bretagne, L.; Beglinger, S.; Aubert, C.E.; Wilting, I.; Thevelin, S.; Murphy, K.; Huibers, C.J.A.; Drenth-van Maanen, A.C.; Boland, B.; Crowley, E.; Eichenberger, A.; Meulendijk, M.; Jennings, E.; Adam, L.; Roos, M.J.; Gleeson, L.; Shen, Z.R.; Marien, S.; Meinders, A.J.; Baretella, O.; Netzer, S.; Montmollin, M. de; Fournier, A.; Mouzon, A.; O'Mahony, C.; Aujesky, D.; Mavridis, D.; Byrne, S.; Jansen, P.A.F.; Schwenkglenks, M.; Spruit, M.; Dalleur, O.; Knol, W.; Trelle, S. & Rodondi, N. (2021), Optimizing therapy to prevent avoidable hospital admissions in multimorbid older adults (OPERAM), BRITISH MEDICAL JOURNAL 374.
- Lefebvre, A. & Spruit, M. (2021), Laboratory forensics for open science readiness, Information Systems Frontiers.
- Jungo, K.T.; Meier, R.; Valeri, F.; Schwab, N.; Schneider, C.; Reeve, E.; Spruit, M.; Schwenkglenks, M.; Rodondi, N. & Streit, S. (2021), Baseline characteristics and comparability of older multimorbid patients with polypharmacy and general practitioners participating in a randomized controlled primary care trial, BMC Family Practice 22(1).
- Shen, Z.R. & Spruit, M. (2021), Automatic extraction of adverse drug reactions from summary of product characteristics, APPLIED SCIENCES-BASEL 11(6).
- Meulendijk, M.C.; Spruit, M.R.; Willeboordse, F.; Numans, M.E.; Brinkkemper, S.; Knol, W.; Jansen, P.A.F. & Askari, M. (2016), Efficiency of Clinical Decision Support Systems Improves with Experience, Journal of Medical Systems 40(4).
- Meulendijk, M.C.; Spruit, M.R.; Drenth-van Maanen, A.C.; Numans, M.E.; Brinkkemper, S.; Jansen, P.A.F. & Knol, W. (2015), Computerized Decision Support Improves Medication Review Effectiveness: An Experiment Evaluating the STRIP Assistant's Usability, Drugs and Aging 32(6): 495-503.
- ICT adviezen, data science masterclasses, cyberGEIGER GmbH spinoff activiteiten