Smärtkatastrofiering är ett fenomen som beskriver känslan av hjälplöshet, överdriven förstoring och ältande av smärta. Postoperativ smärta är den vanligaste komplikationen efter kirurgiska ingrepp och trots effektiva läkemedel upplever många smärta. Senare forskning har visat att smärta är ett komplext begrepp och innefattar flertalet aspekter. Psykologiska prediktiva faktorer har studerats de senaste 20 åren och flera har uppvisat en korrelation till akut postoperativ smärta. Akut smärta är en riskfaktor för att utveckla långvarig smärtproblematik vilket innebär möjligheten att förhindra den genom att undvika akut postoperativ smärta. Smärtkatastrofiering kan vara en faktor för det. Att undersöka betydelsen av smärtkatastrofiering för att förutse akut postoperativ smärta. En systematisk litteraturöversikt från databaserna CINAHL, PubMed, PsycInfo och Web of Science. Vuxna över 18 år som smärtkatastrofierat innan operation och smärtutvärderats efter. Innehållsanalys med resultatpresentation i metaanalys och text. Smärtkatastrofiering har en låg till måttligt korrelation till postoperativsmärta. Sammanställningen av regressionsanalyserna visar både samband och inte. Oddsratio (OR) visar inget samband till postoperativsmärta. Resultatet visar att mer specifik och kontrollerade studier behöver göras för att koppla smärtkatastrofiering till postoperativ smärta. Korrelationer kan påverkas av flera variabler och även om den är signifikant kan inga större slutsatser dras än. Preoperativa omvårdnadsstrategier hos de som smärtkatastrofierat högt skulle rekommenderas för att undersöka eventuella positiva effekter. Liknande studier hos de med ångest har gjorts och visat lovande resultat.

This project is built on the idea of predicting future human movement in an area. The algorithm’s predictions are based on previous movements in the area which has to be recorded somehow. For this a device with a motion sensor was setup to monitor the movement in a hallway in an office. This data was then used to test and evaluate the prediction algorithm. To give feedback about the movement and how it is changing to the people working in the office the setup device shows sentences on a monitor which describes the movement. The project resulted in a fully working application which measures people walking by, both when and how fast, and predicts future movement. Due to time constraints of the project the device was only up and running for two weeks. This is enough time to get some understanding of how well the prediction algorithm works, but a longer experiment time would have further helped the evaluation. The results showed that the algorithm can predict most of the events during the day, but is bad at predicting sudden spikes or other unusual behavior. / Projektet är baserat på idén att förutse framtida mänsklig rörelse i ett område. För att noggrant kunna förutse framtida rörelse så behöver man kunna mäta tidigare rörelse. För detta så sattes en anordning upp med en rörelse detektor för att mäta rörelsen i en korridor i ett kontor. Data som samlades in användes sedan för att testa och utvärdera förutsägelse algoritmen. För att ge feed-back om rörelsen och hur den ändras till människorna som jobbade i kontoret så visade anordningen meningar på en skärm som beskrev rörelsen. Projektet resulterade i en fullt fungerade applikation som mäter folk som går förbi, både när och hur snabbt, och förutser framtida rörelse. På grund av tids begränsningar i projektet så var anordningen bara uppe och mätte data i två veckor. Detta är tillräckligt mycket tid för att få någon förståelse över hur bra förutsägelse algoritmen fungerar, men en längre experiment tid skulle ha hjälpt utvärderingen. Resultaten visade att algoritmen kan förutse de flesta händelserna under dagen, men är dålig på att förutse plötsliga spikar eller annat ovanligt beteende.

Artificiella neuronnätverk används idag frekvent för att försöka se mönster i stora mängder data. Ser man mönster kan man till viss del se framtiden, och hur väl det fungerar på lastbilstrafik undersöks i den här rapporten. Historisk data om lastbilstrafik används med ett framåtkopplat artificiellt neuronnätverk för att skapa prognoser för lastbilars ankomster till en logistisk plats. Med ett program som skapats för att testa vilka paramterar som ger bäst resultat för det artificiella neuronnätverket så undersöks vilken datastruktur och vilken typ av prognos som ger det bästa resultatet. De två typer av prognoser som testas är tiden till nästa lastbils ankomst samt intensiteten av lastbilarnas ankomster nästa timme. De bästa prognoserna skapades när intensiteten av lastbilar för nästa timme förutspåddes, och prognoserna visade sig då vara bättre än de prognoser nuvarande statistiska metoder kan ge. / Artificial neural networks are used frequently today in order to find patterns in large amounts of data. If one can see the patterns one can to some extent see the future, and how well this works for truck traffic is researched in this report. Historical data about truck traffic is used with a feed-forward artificial neural network to create forecasts for arrivals of trucks to a logistic location. With a program that was created to test what data structure and what parameters give the best results for the artificial neural network it is researched what type of forecast gives the best result. The two forecasts that are tested are the time to the next trucks arrival and the intensity of truck arrivals the next hour. The best forecasts were created when the intensity of trucks for the next hour were predicted, and the forecasts were shown to be better than the forecasts present statistical methods can give.

This knowledge overview aims to examine the importance of decoding for students learning how to read and if it can be used as a tool to measure approximate future development in reading comprehension. The study aims to answer the questions “What does current research say about decoding and its implications for monolingual students and their future reading comprehension?” and “What tests are used by researchers to measure students decoding, reading comprehension and fluency”. Reading comprehension is explained as an umbrella term for several smaller groups. Mainly decoding, phonological awareness and language comprehension.  In this overview several scientific studies about decoding and its potential implications will be analyzed and compared with each other and prior research. This research was collected through the database ERIC (EBSCO) with key words with the purpose of finding scientific papers pertaining to the subject in question.  These studies examine students' current decoding abilities to try to distinguish what their reading comprehension levels will be in the future. These results are then followed up with reading comprehension tests to see if the approximations were correct.  The results indicate that the majority of researchers agree that decoding is a good way of estimating students' future performance and growth in reading comprehension. These results lay the foundation for further research that will examine three things: What is the best way to teach kids decoding in order to help with future reading, How do bi- and multilingual students feel about the Swedish subject in schools and how are students with dyslexia affected by the current strategy used to teach them to read. / Denna kunskapsöversikt ämnar att undersöka hur viktig avkodning är för elevers läsutveckling samt om den kan användas som ett verktyg för att mäta framtida läsförståelseutveckling. Frågeställningarna “Vad säger nuvarande didaktisk forskning om avkodning och dess implikationer för enspråkiga elevers framtida läsförståelse i grundskolan?” och “Vilka tester använder forskarna för att mäta elevers avkodning, läsförståelse och läsflyt?”. Läsförståelse används som ett paraplybegrepp för flera mindre delar. Främst avkodning, fonologisk medvetenhet och språkförståelse.  I denna översikt analyseras och jämförs flera forskningar om avkodning och dess potentiella implikationer, både med varandra och med tidigare forskning. Denna forskning samlades genom databasen ERIC (EBSCO) med hjälp av nyckelord med anledning av att hitta vetenskapliga studier som behandlade ämnet.  Forskningarna undersöker elevers avkodningsförmåga och försöker uppskatta hur deras läsförståelsenivåer kommer vara i framtiden. Resultaten grundas i läsförståelsetest för att se om de uppskattade resultaten var korrekta. Resultaten indikerar att majoriteten av forskarna var överens om att avkodning är ett bra verktyg för att uppskatta elevers framtida prestation och utveckling när det gäller läsförståelse. Resultaten lägger grund för vidare forskning som kommer undersöka tre saker: “Hur lär man elever att avkoda på bästa sätt för att ge dem bra förutsättningar inför deras framtida läsning?”, “Hur upplever flerspråkiga elever svenskämnet i skolan?” och “Hur påverkas elever med problematiken dyslexi av de nuvarande strategier som används för att lära dem läsa?

This report is based on the work carried out on behalf of Uppsala Municipality within the framework of the course Independent Work in Energy Systems.The main purpose of the project was to develop a tool capable of generatingreliable simulations of power demand in 24 areas for the future developmentof the Southeast District in Uppsala. The goal was also for the tool to assistin sizing the energy system in the areas and provide suggestions for futuresolutions that can be adapted for the district.The tool was developed in the Python programming language to be compatible with Excel, as agreed upon with Uppsala Municipality. The tool hasthe ability to simulate the total power demand from different types of buildings and model the power load resulting from electric vehicle charging. Inaddition to this, the tool can calculate the electricity production from solar panels, thereby creating simulations of the total power demand in theSoutheast District.