Een presentatie van werk gemaakt door CVIII Ontwerpers (Luci van Engelen en Erwin Suvaal).

1. Portfolio cviii ontwerpers
Luci van Engelen & Erwin Suvaal

2. Boeken

3. 1 De bouwopgave
van de toekomst
Door bevolkingskrimp en vergrijzing
neemt de beroepsbevolking af en
loopt de vraag naar zorg sterk op.
Er is minder behoefte aan nieuwbouw
en meer behoefte aan (duurzame)
renovatie. De sector staat voor de
uitdaging om met minder mensen
aan een geheel andere vraag naar
woningen en gebouwen te voldoen.
Nieuwe eisen en wensen staan
centraal en nieuwe concepten,
technieken en werkwijzen bieden
uitkomst. Hoe ziet de bouwopgave
van de toekomst eruit?
13
d e b ou w opg ave van d e toekom st
In 2025… Inwoneraantallen in Nederland naar leeftijd (bron: cbs)
Is in steeds meer regio’s sprake van bevolkingskrimp. Ook de samenstelling van de be-
20
volking is dan veranderd. Met meer ouderen en minder jongeren hebben we een sterk
vergrijzende samenleving. Vanaf 2025 bouwen we niet veel meer dan 20.000 nieuw-
bouwwoningen per jaar. Ter vergelijking: de afgelopen 60 jaar bouwden we gemiddeld
15
100.000 nieuwe woningen per jaar. Nieuwe manieren van werken en leven verande-
ren bovendien onze behoefte aan een werkplek. We zijn meer thuis en minder op
kantoor. Op de weg zijn we daardoor ook minder te vinden en de techniek stelt hele
10
andere eisen aan onze infrastructuur. Door al deze ontwikkelingen bouwen we minder
nieuw en hebben we ons volledig toegelegd op (duurzame) renovatie. We weten wat
de eindgebruiker wil, maar denken ook vooruit. De toekomst kan immers weer iets
5
geheel nieuws voor ons in petto hebben. > 65 jaar
20-65 jaar
0-20 jaar
0
2010 2015 2020 2025 2030 2035
1.1 De samenleving verandert
De samenleving verandert, dat is al lang geen nieuws meer. We krijgen te maken met gerekend worden. Nieuwe bouwmethoden en verdergaande industrialisatie bieden
vergrijzing en krimp en andere wensen en eisen. Dat heeft invloed op de arbeids- uitkomst (zie hoofdstuk 4). Om dat te realiseren moeten we echter wel onze proces-
markt, maar ook op onze afzetmarkt. We gaan bijvoorbeeld anders werken. Omdat we sen anders inrichten (zie hoofdstuk 3) en is een cultuuromslag nodig (zie hoofdstuk
daartoe de mogelijkheden hebben, maar ook omdat we dat willen. En door verande- 6). Vanuit onze geschiedenis vertrouwen wij nog graag op het vakmanschap van onze
rende (hogere) eisen van de klant en van de samenleving, bijvoorbeeld op het gebied mensen. In landen als Japan is dat heel anders. Daar vertrouwen ze veel meer op de
van duurzaamheid en ruimte, bedenken we steeds technisch geavanceerdere oplos- techniek. Mensen maken fouten terwijl machines of robotten veel nauwkeuriger en
singen. Deze paragraaf gaat in op deze ontwikkelingen. De volgende paragrafen laten betrouwbaarder werk leveren, zo is hun visie.
zien wat ze betekenen voor onze bouwopgave.
Bevolkingssamenstelling Zonder moeite langer doorwerken
In 2010 waren 2,5 miljoen mensen ouder dan 65 jaar. In 2035 is dit aantal gestegen tot De technologische ontwikkelingen gaan snel en innovaties waar
maar liefst 4,3 miljoen. Omdat het aantal inwoners van Nederland nauwelijks toe- wij ons vooralsnog geen voorstelling van kunnen maken zijn
neemt betekent dit dat een kleiner deel van de bevolking werkt. Van ruim 10 miljoen straks misschien wel de normaalste zaak van de wereld. Zo is in
mensen in de leeftijd van 20 tot 65 jaar in 2010 neemt de beroepsbevolking in 2035 Japan een robotpak ontwikkeld dat de fysieke kracht van mensen
af naar 9,3 miljoen. Omdat het aandeel mensen dat kan werken daalt en we ook nog verhoogt. Het Robotpak speelt in op de vergrijzing. Het stelt de
eens ouder worden en de zorg duurder, moeten we met minder mensen meer geld steeds groter wordende groep hoogbejaarde mensen in staat om
verdienen om onze welvaart te behouden. langer ‘normaal’ te kunnen bewegen (en werken). Het pak ver-
snelt en versterkt spierbewegingen. Met de extra ‘spierkracht’
PE T E R BO N G E RS: De welvaartsgroei in het Westen komt langzaam tot een einde. Sinds die door de robotjas geleverd wordt, kan een persoon eenvou-
de jaren zestig hebben we – een aantal dipjes daargelaten – alleen maar economische dig 40 kilo meer tillen dan normaal. Over een aantal jaren zijn
vooruitgang gekend. Die groei stopt. Met efficiency moeten we nu een samenleving houden de robotpakken zelfs zo dun dat ze niet meer te onderscheiden
(of krijgen) waar iedereen het goed heeft. zijn van gewone kleding. De robotjas wordt op maat gemaakt
op basis van de specifieke behoeften en de fysieke kenmerken
Arbeidstekort van de koper en kost nu nog tussen de € 3.000 en € 50.000.
Ook in onze sector zijn we straks met minder en hebben we minder handen om het Is het niet ook iets voor onze sector, dit pak? Stel je voor, zonder moeite 40 kilo meer tillen, je lijf
werk te verzetten. Die arbeid wordt ook nog eens duurder, terwijl de kwaliteit in de sparen en langer door kunnen werken. Dat biedt perspectief bij een afnemende beroepsbevolking.
bouw-, installatie- en vastgoedsector omhoog gaat zonder dat daar meerkosten voor
14 15

5. 60 PA RT I I Statistical uncertainty CHAPTER 4 Comparing software packages for random effect models 61
Results Binary model
Fitting the dichotomous model in the different packages gave similar results (Table
Descriptive statistics 4.2). For the frequentist approaches the R-function lmer, the SAS procedures GLIMMIX
From the 9,205 patients in the original database, we excluded patients with missing 6 and NLMIXED, and the programs MLwiN and MIXOR provided almost the same results
months GOS (n=484), only partial information on the GOS (n=35), missing age (n=2) or for the variance of the random effects and fixed effects. One example is age, with esti-
younger than 14 (n=175). This resulted in 8,509 patients in 231 centers in the analysis, mated coefficients of 0.623, 0.618, 0.623, 0.611 and 0.625 respectively in the different
of whom 2,396 (28%) died and 4,082 (48%) had an unfavourable outcome six months programs and all estimated SDs being close to 0.028. Also the variance of the random
after injury (Table 4.1). The median age was 30 (interquartile range 21–45) years, 3522 effects was estimated similar: 0.101, 0.107, 0.102, 0.095 and 0.105, respectively.
patients (41%) had a motor score of 3 or lower (none, extension or abnormal flexion), The Bayesian programs WinBUGS MLwiN and SAS procedure MCMC gave similar
and 1,989 patients (23%) had bilateral non-reactive pupils. The median number of pa- posterior means and these were also close to the MLEs obtained from the frequentist
tients per center was 19, ranging from 1 to 425. software. For example, the posterior mean (SD) of the regression coefficient of age was
0.625 (0.029) 0.626 (0.028) and 0.630 (0.025) for MLwiN, WinBUGS and SAS procedure
MCMC respectively. The posterior mean of the variance of the random effects was esti-
Table 4.1
Table 4.1 IMPACT study: Descriptive statistics of the study population
IMPACT study: Descriptive statistics of the study population
TINT
TINT TIUS
TIUS SLIN
SLIN SAP
SAP PEG
PEG HIT II
HIT UK4
UK4 TCDB
TCDB SKB
SKB EBIC
EBIC HIT II
HIT II Total
Total
Year of study
Year of study 1992–1994
1992–1994 1991–1994
1991–1994 1994–1996
1994–1996 1995–1997
1995–1997 1993–1995
1993–1995 1987–1989
1987–1989 1986–1988
1986–1988 1984–1987
1984–1987 1996
1996 1995
1995 1989–1991
1989–1991
No. of patients
No. of patients 1131
1131 1155
1155 409
409 924
924 1574
1574 351
351 988
988 667
667 139
139 1005
1005 852
852 8509
8509
No. of centers
No. of centers 50
50 36
36 50
50 57
57 29
29 6
6 4
4 4
4 31
31 67
67 21
21 231
231
Outcome(GOS)
Outcome(GOS)
Dead
Dead 278(25%)
278(25%) 225(22%)
225(22%) 94(23%)
94(23%) 212(23%)
212(23%) 362(24%)
362(24%) 99(28%)
99(28%) 359(45%)
359(45%) 264(44%)
264(44%) 34(27%)
34(27%) 281(34%)
281(34%) 188(23%)
188(23%) 2396(28%)
2396(28%)
Vegetative
Vegetative 44(4%)
44(4%) 42(4%)
42(4%) 14(3%)
14(3%) 24(3%)
24(3%) 114(8%)
114(8%) 10(3%)
10(3%) 13(2%)
13(2%) 34(6%)
34(6%) 6(5%)
6(5%) 18(2%)
18(2%) 32(4%)
32(4%) 351(4%)
351(4%)
Severe disability
Severe disability 134(12%)
134(12%) 128(12%)
128(12%) 69(17%)
69(17%) 142(16%)
142(16%) 298(20%)
298(20%) 62(18%)
62(18%) 146(19%)
146(19%) 95(16%)
95(16%) 30(24%)
30(24%) 123(15%)
123(15%) 108(13%)
108(13%) 1335(16%)
1335(16%)
Moderate disab.
Moderate disab. 171(15%)
171(15%) 180(17%)
180(17%) 84(21%)
84(21%) 174(19%)
174(19%) 374(25%)
374(25%) 64(18%)
64(18%) 130(16%)
130(16%) 104(17%)
104(17%) 27(21%)
27(21%) 159(19%)
159(19%) 199(24%)
199(24%) 1666(20%)
1666(20%)
Good recovery
Good recovery 491(44%)
491(44%) 466(45%)
466(45%) 148(36%)
148(36%) 367(40%)
367(40%) 362(24%)
362(24%) 115(33%)
115(33%) 143(18%)
143(18%) 107(18%)
107(18%) 29(23%)
29(23%) 241(29%)
241(29%) 292(36%)
292(36%) 2761(32%)
2761(32%)
Predictor(age)
Predictor(age)
Median(IQ range)
Median(IQ range) 30(21–45)
30(21–45) 30(23–41)
30(23–41) 28(21–43)
28(21–43) 32(23–47)
32(23–47) 27(20–38)
27(20–38) 34(21–47)
34(21–47) 36(22–55)
36(22–55) 26(21–40)
26(21–40) 27(20–39)
27(20–39) 37.5(24–59)
37.5(24–59) 33(22–49)
33(22–49) 30(21–45)
30(21–45)
Predictor(motor)
Predictor(motor)
None
None 5(0%)
5(0%) 9(1%)
9(1%) 0(0%)
0(0%) 141(15%)
141(15%) 475(32%)
475(32%) 122(35%)
122(35%) 113(14%)
113(14%) 136(23%)
136(23%) 34(27%)
34(27%) 150(18%)
150(18%) 210(26%)
210(26%) 1395(16%)
1395(16%)
Extension
Extension 136(12%)
136(12%) 143(14%)
143(14%) 55(13%)
55(13%) 123(13%)
123(13%) 180(12%)
180(12%) 41(12%)
41(12%) 85(11%)
85(11%) 107(18%)
107(18%) 22(18%)
22(18%) 80(10%)
80(10%) 70(9%)
70(9%) 1042(12%)
1042(12%)
Abnormal flexion
Abnormal flexion 237(21%)
237(21%) 132(13%)
132(13%) 91(22%)
91(22%) 143(16%)
143(16%) 165(11%)
165(11%) 45(13%)
45(13%) 37(5%)
37(5%) 74(12%)
74(12%) 14(11%)
14(11%) 55(7%)
55(7%) 92(11%)
92(11%) 1085(13%)
1085(13%)
Normal flexion
Normal flexion 327(29%)
327(29%) 300(29%)
300(29%) 127(31%)
127(31%) 223(24%)
223(24%) 334(22%)
334(22%) 56(16%)
56(16%) 141(18%)
141(18%) 122(20%)
122(20%) 16(13%)
16(13%) 113(14%)
113(14%) 181(22%)
181(22%) 1940(23%)
1940(23%)
Localises
Localises 384(34%)
384(34%) 406(39%)
406(39%) 134(33%)
134(33%) 286(31%)
286(31%) 309(21%)
309(21%) 77(22%)
77(22%) 191(24%)
191(24%) 113(19%)
113(19%) 21(17%)
21(17%) 182(22%)
182(22%) 199(24%)
199(24%) 2302(27%)
2302(27%)
Obeys command
Obeys command 29(3%)
29(3%) 51(5%)
51(5%) 2(1%)
2(1%) 0(0%)
0(0%) 47(3%)
47(3%) 0(0%)
0(0%) 30(4%)
30(4%) 21(4%)
21(4%) 2(2%)
2(2%) 99(12%)
99(12%) 8(1%)
8(1%) 289(3%)
289(3%)
Untestable
Untestable 0(0%)
0(0%) 0(0%)
0(0%) 0(0%)
0(0%) 3(0%)
3(0%) 0(0%)
0(0%) 9(3%)
9(3%) 194(25%)
194(25%) 31(6%)
31(6%) 17(14%)
17(14%) 143(18%)
143(18%) 59(7%)
59(7%) 456(5%)
456(5%)
Predictor(pupil)
Predictor(pupil)
Both side positive
Both side positive 806(72%)
806(72%) 703(68%)
703(68%) 315(77%)
315(77%) 619(67%)
619(67%) 784(52%)
784(52%) 232(66%)
232(66%) 427(54%)
427(54%) 300(50%)
300(50%) 70(56%)
70(56%) 535(65%)
535(65%) 585(71%)
585(71%) 5376(63%)
5376(63%)
One side positive
One side positive 177(16%)
177(16%) 118(11%)
118(11%) 79(19%)
79(19%) 178(19%)
178(19%) 156(10%)
156(10%) 53(15%)
53(15%) 115(15%)
115(15%) 55(9%)
55(9%) 35(28%)
35(28%) 79(10%)
79(10%) 99(12%)
99(12%) 1144(13%)
1144(13%)
Both side negative
Both side negative 135(12%)
135(12%) 220(21%)
220(21%) 15(4%)
15(4%) 122(13%)
122(13%) 570(38%)
570(38%) 65(19%)
65(19%) 249(32%)
249(32%) 249(41%)
249(41%) 21(17%)
21(17%) 208(25%)
208(25%) 135(17%)
135(17%) 1989(23%)
1989(23%)
TINT = Tirilizad International (RCT), TIUS = Tirilizad US (RCT), SLIN = International Selfotel trial (RCT), SAP (RCT),
TINT = Tirilizad International (RCT), TIUS = Tirilizad US (RCT), SLIN = International Selfotel trial (RCT), SAP (RCT), PEG (RCT), HIT II = HIT II Nimodipine (RCT), UK4 = UK Four Center Study (observational study), TCDB = Traumatic
PEG (RCT), HIT = HIT Nimodipine (RCT), UK4 = UK Four Center Study (observational study), TCDB = Traumatic
Coma Data Bank (observational study), SKB = Bradycor SKB (RCT), EBIC = European Brain Injury Consortium Core
Coma Data Bank (observational study), SKB = Bradycor SKB (RCT), EBIC = European Brain Injury Consortium Core data study (observational study), HIT II = HIT II Nimodipine (RCT).
data study (observational study), HIT II = HIT II Nimodipine (RCT).
82 PA RT I I I Prognostic models CHAPTER 5 Prognostic models in traumatic brain injury 83
Introduction Predictors of outcome
Prognosis is the cornerstone of clinical medicine, since all diagnostic and therapeutic Much research has been conducted to identify early predictors of mortality and func-
actions eventually aim to improve a subject’s prognosis and outcome. Advances in tional outcome as assessed by the Glasgow Outcome Scale (GOS) on admission after
statistical modelling and the availability of large databases have made it possible to moderate or severe TBI. The GOS is usually dichotomized into good recovery and mild
consider diagnosis and prognosis nowadays in terms of probabilities rather than vague disability versus severe disability, vegetative state and mortality. This is a limitation
prophecies. Probability estimates can be applied towards clinical decision making, re- since we cannot assume that predictors differentiate death from survival equally well
search and assessment of the quality of health care. Such quantitative estimates are of as good recovery from worse outcomes. In this review we summarize findings from
particular relevance to heterogeneous diseases such as Traumatic Brain Injury (TBI). different studies using mortality and GOS by referring to ‘outcome’.
For some predictors a large body of evidence exists, for others the relationship with
TBI poses a major public health problem with an estimated annual incidence of up to outcome is less well established. Information obtained during the subsequent clini-
500/100.000 and over 200 hospital admissions per 100.000 in Europe each year.1,2 TBI cal course may further contribute to outcome prediction. An overview of the various
is a heterogeneous disease in terms of cause, pathology, severity and prognosis. It components, or building blocks, of prognostic analysis is presented in Figure 5.1. This
poses diagnostic challenges and the heterogeneity makes it difficult to compare results figure illustrates the complex relations between potential predictors, and highlights
between studies since case-mix and treatments may vary considerably. gaps in our knowledge (genomics, biomarkers).
Various outcomes can be considered in prediction research. A diagnostic perspective
is taken in TBI studies assessing the probability of structural brain damage, the prob- Figure 5.1 Overview of building blocks of prognosis in Traumatic Brain Injury
ability for developing an intracranial hematoma, or underpin recommendations for CT
scanning.3-5 A recent study identified a subset of children at such low risk for intrac- Characteristics Admission Clinical Course Outcome
of the individual
ranial pathology that protection from unnecessary radiation exposure motivated not
performing a CT scan.6 These types of diagnostic outcomes are particularly relevant Biological Constitution Injury Details Biological response to Mortality
– Genotype – Type injury
for patients with mild TBI. Predicting response to treatment would be highly relevant to (closed, penetrating etc) – metabolomics
– Cause
patients in the intensive care setting, in whom intracranial pressure is monitored, but
Demographic Factors GOS (E)
these have not (yet) been performed. – Age
– Race
Clinical Severity Change in admission
– intracranial (GCS/pupils) parameters
For patients with moderate and severe TBI, predicting clinical outcome is highly rel- Socioeconomic status – excranial (AIS/ISS) – clinical severity HRQoL
and education
FACTORS
– change in CT
evant. Typically, most studies performed have used mortality or functional outcome – Biomarkers, lab values
assessed with the Glasgow Outcome Scale (GOS)7 as endpoint.
Medical History Neuro-imaging
Second insults ‘New’ predictors
– systemic (hyoxia, hypo- – Second insult
In this review, we focus on prediction of outcome in terms of mortality and functional tension, hypothermia – Clinical Monitoring
– intracranial (neuro- (ICP, brain tissue PO2
outcome in patients with moderate and severe TBI. worsening, seizures) evoked potentials)
Neuro-
psychological
We aim to: assesment
– Describe the basics of prognostic analysis
– Review the current knowledge about traditional and newly recognized predictors for CT characteristics
outcome in TBI
– Discuss prognostic modelling as a novel instrument in medicine
– Critically review prediction models in TBI
– Describe the applications for prognostic models in TBI
– Provide suggestions for the further development and improvement of prediction
research in TBI.

6. 76 Part 3 Genome-wide association studies on ECG derived traits 3.2 Genome-wide association analysis identifies mutiple loci related to resting heart rate 77
Table 1 Baseline characteristics of samples included by cohort Table 2 Association analyses results for independent index s from loci with < × -
in the meta analysis.
Sample Male, n (%) Age, mean Body mass Heart rate RR interval SD* of RR– Chr† Basepair SNP Corre- Function/ Coded/ Allele Effective Effect SE‡ 2-sided 2-sided
size (SD*), y index, mean, (SD*), beats/ (SD*), msec† residual‡ position lation Gene Non- fre- sample Estimate P Pmeta-gc
(SD*), kg/m2 minute (kb) to index Coded quency
AGES 1,651 622 (37.7) 75.9 (5.5) 26.8 (4.4) 68.3 (10.2) 897.1 (131.0) 128.5 SNP* allele
6q22 122,187 rs9398652 - Intergenic, A / C 0.10 37,050 -12.6 1.56 7.7x10-16 3.8x10-15
ARIC 6,308 2,855 (45.3) 53.9 (5.6) 26.7 (4.7) 67.3 (9.0) 907.6 (118.2) 116.1 400kb from
CHS 2,544 951 (37.4) 72.2 (5.3) 26.2 (4.4) 65.7 (9.2) 930.1 (123.6) 121.3 GJA1
6q22 121,790 rs11154022 0.006 Intergenic, A / G 0.33 31,676 5.8 1.05 3.5x10-8 7.2x10-8
ERF 1,275 508 (39.8) 47.1 (14.0) 26.5 (4.5) 64.5 (9.2) 948.5 (128.8) 126.9 8kb from
FHS 7,243 3,305(45.6) 40.2(10.5) 26.1(5.0) 69.3(11.1) 888.2(139.2) 121.8 GJA1
14q12 22,935 rs452036 - Intronic A/G 0.36 34,640 -7.8 1.00 8.1x10-15 3.8x10-14
KORA F3 995 480 (48.2) 60.0 (10.1) 27.3 (4.4) 65.6 (9.7) 933.8 (130.8) 128.1
MYH6
KORA S4 1,398 654 (46.8) 52.8 (8.7) 27.3 (4.4) 66.4 (9.4) 921.1 (125.6) 122.5 14q12 22,931 rs365990 0.96 Non- G/A 0.37 32,627 -7.7 1.02 5.4x10-14 2.1x10-13
MICROS 919 399 (44.4) 44.8 (16.0) 25.6 (4.8) 68.8 (11.7) 897.0 (151.4) 92.0 synonymous
coding
NESDA 1,456 437 (30.0) 39.8 (12.2) 25.06 (4.7) 68.1 (9.6) 898.7 (125.4) 125.1 MYH6 (Ala-
1101-Val)
ORCADES 546 240 (44.0) 52.6 (14.9) 27.6 (4.9) 62.5 (8.1) 975.2 (119.6) 118.5
14q12 23,046 rs223116 0.08 Intergenic, A / G 0.24 26,899 -7.4 1.30 1.1x10-8 2.5x10-8
RS-I 3,781 1,441 (38.1) 68.5 (8.6) 26.1 (3.6) 71.2 (10.2) 860.6 (126.4) 124.1 nearest
to MYH7,
RS-II 1,589 695 (43.7) 64.8 (7.4) 27.0 (4.0) 70.3 (10.1) 871.1 (123.9) 122.5 NDNG
SardiNIA 3,977 1,678 (42.1) 42.9 (17.3) 25.3 (4.7) 64.5 (10.1) 907.4 (130.0) 127.4 12p12 24,662 rs17287293 - Intergenic G/A 0.15 37,988 8.6 1.31 5.7x10-11 1.6x10-10
SHIP 2,582 1,260 (48.8) 46.8 (15.7) 26.8 (4.7) 72.1 (11.4) 852.7 (134.4) 133.5 6q22 118,680 rs281868 - Intronic G/A 0.50 32,109 -6.3 0.99 1.5x10-10 4.3x10-10
SLC35F1
TwinsUK 2,727 117 (4.3) 51.7 (12.5) 25.7 (4.4) 67.1 (9.6) 911.5 (126.3) 125.5
7q22 100,291 rs314370 - Intronic C/T 0.19 35,170 -7.6 1.21 2.3x10-10 6.1x10-10
SLC12A9
* SD=standard deviation 7q22 100,324 rs12666989 0.88 Non- C/T 0.18 35,750 -7.0 1.21 9.4x10-9 2.1x10-8
† msec=milliseconds synonymous
‡ RR-residual=Residuals are from linear regression models adjusting for age, sex and body mass index. coding
UfSp1
(Leu-41-Val)
11q12 61,327 rs174547 - Intronic C/T 0.33 34,907 -6.2 1.01 8.2x10-10 2.1x10-9
applying post-meta-analysis genomic control, the signal at q near and a second inde- FADS1
1q32 206,195 rs2745967 - Intergenic G/A 0.37 34,913 5.4 0.98 3.2x10-8 6.6x10-8
pendent signal at q lost genome-wide signi cance. near CD34
e strongest association was observed for an intergenic kb upstream of at q
Chromosomal positions and coded alleles are given relative to forward strand of NCBI build 36. Effect sizes (on the millisecond scale)
rs (minor allele frequency [ ]= . ) with . msec shorter interval per minor are shown as beta estimates from linear regression models for each additional copy of the coded allele. The effective sample size re-
allele, which is equivalent to a . beats/minute (bpm) higher heart rate based on the base- flects the imputation quality-adjusted sample size. Final column shows the P-value from inverse-variance weighted meta-analyses.
† Chr = chromosome
line mean heart rate of . bpm, across all studies, ( = . × - , meta-gc= . × - , Table and * CEU HapMap population linkage disequilibrium r2 values to the index SNP
Figure ). Cho et al. observed genome-wide signi cant association between rs and ‡ SE = standard error
pulse rate in an Asian population based . is is in perfect linkage disequilibrium
(r = ) with rs in both Caucasian and Asian HapMap reference populations and thus re- located in intron of ( = . , . msec shorter interval ( . bpm higher heart
ects the same signal kb from . A second only kb away from also reached rate) per allele, = . .× - , meta-gc= . × - , Figure ). is replicates the nding by Holm
genome-wide signi cance pre-genomic control, rs ( = . ) with . msec longer et al. who previously described an association between rs and heart rate . e non-
interval ( . bpm lower heart rate) per allele, ( = . × - , meta-gc= . × - Figure , Table synonymous coding variant rs , which results in an amino acid change at position
). is had low correlation with rs (r = . in HapMap ), suggesting a novel (Alanine>Valine) of the gene product, is a possible functional variant since it showed
independent association signal. Since HapMap is limited to subjects we assessed the linkage strong correlation with (r = . in HapMap ) and association results are indistinguish-
disequilibrium in our data. All observed r values ranged between . and . , which is able from rs (Table ). A second located near rs ,( = . ), associ-
lower than seen in the HapMap reference population. Conditional analysis con rmed that ated with a . msec shorter interval per allele ( . bpm higher heart rate, = . × - ,
these two signals are independent with conditional= . × - and conditional= . × - , respectively for meta-gc
= . × - , Figure ) was in low correlation with rs (r = . in HapMap ) and
rs and rs in the subset (n<= , ) used for this analysis. re ects a novel association. We observed r values similar to HapMap with values ranging
e second locus with two signals in low correlation reaching genome-wide signi cance is from . to . . Conditional analysis con rmed the presence of two independent signals with
located on chromosome q . e strongest association at this locus was observed for rs conditional
= . × - and conditional= . × - for rs and rs , respectively.
78 Part 3 Genome-wide association studies on ECG derived traits 3.2 Genome-wide association analysis identifies mutiple loci related to resting heart rate 79
For the other ve loci only a single signal of association met our genome-wide signi cance Additionally, an association result that just missed our genome-wide signi cance threshold
threshold, meaning all other genome-wide signi cant s have an r > . in HapMap to ( = . × - , meta-gc= . × - ) was observed for a non-synonymous coding in at
the most signi cant at that locus. For these loci the minor allele frequencies of the index q . is , rs ( = . , . msec shorter interval per allele), results in an
s ranged from to , e ect sizes ranged between . and . milliseconds and meta-gc amino acid substitution at position (Tryptophan> Arginine) of the encoded protein.
ranged between . × -
and . × -
. (Table , Figure to ) e locus lost genome-
wide signi cance upon meta-analytic genomic-control but replicates the association reported Evidence for additional causal loci not reaching genome-wide signi cance
by Cho et al . Of these ve loci only the index at q shows strong correlation We used polygenic modelling methods to quantify the genetic variance explained and to indi-
with a non-synonymous coding . is coding (rs , r = . to rs in Hap- cate if loci falling short of genome-wide signi cance are likely to harbour additional variants
Map ) results in a Leucine>Valine substitution at amino acid position in the UfSp gene that in uence heart rate. e explained variance of resting heart rate in - ( rst extended Rot-
product. terdam Study cohort; n= , ) was ~ . when the score was calculated based on genome-wide
signi cant signals. Inclusion of independent variants with < × - resulted in the maximal
proportion of explained variance of . (Supplementary Figure ). ese variants included
signals from the genome-wide signi cant loci and signals from an additional loci, including
Figure 1 interval association results for ~ . million imputed autosomal s in , individuals from several loci with genes of potential cardiac relevance (see Supplementary Table for full list).
cohorts. Results are shown on the -log ( ) scale ( -axis). e -axis depicts chromosomal position. e gray
horizontal line corresponds to the genome-wide signi cance threshold of = × -
.

7. NIET VEEL LATER
YAK!
JE
SCHOOL! LUNCHBOX
YAK! STAAT OP DE
KEUKENTAFEL
GRUMBLL …
JAAHAA!
JE KOMT
TE LAAT OP
SCHOOL!
ZUCHT! GA DAHAG DIRECT
WABENIK JE GANG, MA! NA SCHOOL
TOCHLELIJK GLUYPUSH NAAR HUIS
KOMEN!
CNORRR!
IK HAAT
HET OM LELIJK
TE ZIJN!
IK HAAT ALLES!
IK HAAT DE HELE
LUCAS! WERELD!
HOI LUCAS.
IK KWAM JE
NET HALEN
SO!
DA’S AL
FEEL ETER.
DIRECT NA SCHOOL
NAAR HUIS KOMEN!

8. 4 5
Anders 2.indd 4 20-08-2010 15:40:06 Anders 2.indd 5 20-08-2010 15:40:15

9. S

10. Hoofdstuk 1
Soepen
Geurige soep is ’n lekker begin van het diner, maar
smaakt ook tussendoor of als complete maaltijd.
De basis van elke soep, maar ook van elke
saus, is bouillon. Handig in het gebruik – en
tegenwoordig van uitstekende kwaliteit – zijn
bouillontabletten, pakjes, diepgevroren of
blikken soep, maar wilt u iets speciaals,
maak dan zelf bouillon of soep. En echt, het
kost veel minder tijd dan u denkt. Als de
ingrediënten eenmaal in de pan zitten, hebt u
er verder geen omkijken meer naar.
Kijkt u maar eens in de keuken van een
restaurant: de bouillon staat de hele dag
op het fornuis zachtjes te trekken, wordt op
het laatst gezeefd, eventueel geklaard en zo
nodig ingekookt en niemand let er echt op.
Terwijl u ’s avonds in de kamer televisie kijkt,
wordt de bouillon in de keuken bereid.
10 Soepen 11
Bietensoep Variatie
■ Laat de kerriepoeder weg. Voeg de laatste 2-3 minuten 2 ontvelde, in
¾ liter bouillon (blz. 18) 500 g witte kool, gesneden stukken gesneden tomaten, 1 theelepel gedroogd basilicum en 12 klein-
300 g gekookte bietjes, in blokjes zout, peper gesneden olijven zonder pit toe aan de soep.
2 winterwortels, in blokjes citroensap Garneer de soep met vers basilicum of bieslook.
2 grote uien, in blokjes 1/ liter zure room
8
Tip: Bloemkoolsoep kan ook worden gemaakt van de over-
Breng de bouillon aan de kook met de bietjes, wortels en uien. Laat de groen- gebleven stronk en wat restanten van een gekookte bloemkool
ten 5 minuten zachtjes koken en voeg er dan de kool aan toe. Breng de soep en het kooknat, plus overgebleven gekookte aardappel.
opnieuw aan de kook en laat alle groenten in circa 20 minuten zachtjes gaar
koken. Breng de soep op smaak met zout, peper en citroensap. Schep aan tafel
een flinke lepel zure room in het midden van elk bord en schep de soep erover. Bouillabaisse
Per persoon ca. 7 g eiwit, 6 g vet, 24 g koolhydraten = 760 kJ (180 kcal) 2 kg verschillende soorten verse 1 ui, gesnipperd
vis (bijvoorbeeld poon, zeeduivel, 2 teentjes knoflook, uitgeperst
Variatie kabeljauw, zeebaars) 4 tomaten, ontveld, in stukken (of
■ Geef er in boter lichtbruin gebakken en in driehoekjes gesneden witbrood schil van 1 sinaasappel 1 klein blik tomaten)
zonder korst bij. 2 tl Provençaalse kruiden 1 laurierblad
2 dl witte wijn enkele draadjes saffraan
4 el olijfolie zout, peper
Bloemkoolsoep 1 venkelknol, gesnipperd
¾ liter bouillon (blz. 18) ¼ liter melk Laat de vis fileren, maar vraag de koppen en graten mee. Trek een visbouillon
½ bloemkool, in roosjes zout, peper van de koppen en graten volgens het basisrecept (blz. 38) en laat de sinaasap-
1 grote aardappel, geschild, in kerriepoeder pelschil, de kruiden en de wijn meetrekken. Zeef de bouillon. Verhit de olie in een
blokjes grote pan en fruit hierin venkel, ui en knoflook tot ze zacht zijn.
Voeg de tomaten en eventueel het vocht uit het blik, het laurierblad en de
Breng de bouillon aan de kook. Laat de bloemkool en aardappel in circa 20 saffraan toe. Schenk de hete bouillon erbij, leg het deksel op de pan en laat
minuten in de bouillon gaar koken. Pureer de soep met een staafmixer, keu- alles circa 5 minuten zachtjes koken.
kenmachine of roerzeef. Roer de melk door de soep, gebruik eventueel nog wat Leg de stukken vis in de pan en laat ze circa 10-15 minuten in de bouillon
meer als de soep te dik is. Laat de soep nog even koken en breng op smaak meekoken. Breng de soep op smaak met zout en peper. Verdeel de stukken
met zout, peper en kerriepoeder. vis over vier borden en schep de bouillon er aan tafel bij.
Serveer de bouillabaisse met rouille (zie blz. 70) en geef hierbij sneden
Per persoon ca. 4 g eiwit, 3 g vet, 10 g koolhydraten = 330 kJ (80 kcal) geroosterd stokbrood.
Per persoon ca. 56 g eiwit, 18 g vet, 5 g koolhydraten = 1705 kJ (410 kcal)
16 Soepen 17

13. in het wild...
Stripmakers gevangen door Erwin Suvaal
Mark Retera (Dirkjan)
12
in het wild...
Stripmakers gevangen door Erwin Suvaal
Martin Lodewijk (Agent 327)
4 5

14. Tijdschriften
• Sanoma Tijdschriften (Margriet specials, Knipmode specials)
• Telegraaf Tijdschriftengroep (Restyling Elegance)

18. Als muren konden
Klassiek
v.l.n.r.: Behang ‘Tara W5605/05’
€ 66 p.rol. (Osborne & Little/De
Ru behangspeciaalzaak), zijden
stof ‘Farnese’ op rugleuning
van antieke medaillonstoel (pri-
vébezit), zijden stof ‘Antoinette’
op zitting (Designers Guild)
beide € 152 p.m., vaasje
€ 2 (Juttersdok), console € 15
Side Chair’ met zitting van golf-
karton en rand van harde vezel-
plaat, ontwerp van Frank Gehry
uit 1972 € 650 (Vitra), hanglamp
‘Perla’ € 74,95 (Woonfabriek).
‚Behang ‘Damast Paisley CR/BE
7196-0 S’ € 23,99 p.rol (Praxis),
stoel ‘Kim’ € 130 (Woonfabriek),
spreken...
...dan zouden ze kiezen voor opvallend behang. Voor iedereen
die wel wat aandurft in huis: met een sprekend behang en de juiste
(Noordermarkt) geschilderd in gestreept kussen ‘Kobana stri-
meubels creëer je zo een totaal nieuwe look.
de kleur ‘Feest’ (Flexa) p. liter pe’ € 108 p.m. (Nina Campbell/
€ 25,95 (Praxis). Wilhelmine van Aerssen), zijden
kussen ‘Kediri silk’ € 103 p.m.
Behang ‘Voca Design 5149’ parelmoeren knopen € 72 p.m.
€ 34,95 p.rol (De Ru be- (Osborne & Little/Wilhelmine
hangspeciaalzaak), ‘Wiggle van Aerssen).
styling: sunna bijl. fotografie: marcvanpraag.com
special
special
2
00 00

21. Illustraties
• Strips
• Cartoons
• Infographics
• Technische illustraties

25. Speak�Up! Klantgerichtheid
Jouw�bijdrage�wordt�zeer�gewaardeerd!
Don't�just�look�the�other�way
ACE
te�Mede werker
Kla ntgerich d�en�op�t
ijd�uit�te�v
oeren
ect�goe
l:�Werk�dir
Mijn�Doe ude)
g� (Attit
e�Houdin ment)
Proactiv aliteit (Commit
Ik�sta �voor�Kw ng �
e�uitvoeri
Efficiënt
Can
you maintain
your three points of
contact while carrying
your toolbox?
We�all�need�a�friendly�reminder�sometimes
Wouldn't�you�want�to�be�reminded�before�it�is�too�late?
�
www.ApplusRTD.com www.ApplusRTD.com
GroupHSQE@applusrtd.com GroupHSQE@applusrtd.com