Emergency departments are fundamental for providing high-quality care, and their operations directly impact the logistics of the hospitals in their entirety. Poor emergency department performance leads to delays, prolonged hospitalization, and improper allocation of resources, reducing the quality of the provided care and increasing costs. Describing the variability embedded in real clinical data in a useful way is essential for improving the organization of hospitals in the near future. However, it is a challenging task due to clinical complexity and the lack of an established bridge between logistic systems and the clinical insights of the hospital. Therefore, this work aims to design and implement a simplified process model describing patient flow within an emergency department, which could allow the evaluation of the clinical impact of complex patient characteristics on the system's logistics. To achieve this, a novel nonlinear mixed-effects approach with hospital medical records was applied to design patient flow within the emergency department in the form of a multi-state Markov process. Four independent training data samples were extracted from the main dataset. For each of them, the set of covariates that could lead to the most significant improvement in the values of the employed likelihood indicators was selected. Through statistical tests, analysis of the outputs, and a validation process carried out on a fifth and independent dataset, it was possible to obtain a final model containing the most relevant and significant covariates for describing each of the modeled state transitions and confirming their clinical meaningfulness and relevance. The results achieved in this thesis can lead to future improvement of the healthcare logistics systems by extending the use of nonlinear mixed-effects approaches to the estimation of the covariate impact on emergency department flows. / Akutmottagningar är centrala för att tillhandahålla högkvalitativ vård. Deras verksamhet har en direkt inverkan på sjukhusens logistik i helhet. Undermålig prestation i en akutmottagning leder till förseningar, förlängd sjukhusvistelse för patienter och olämpliga resursfördelningar, som i sin tur försämrar kvaliteten på den erbjudna vården, samt ökar kostnader. Därför är det viktigt att beskriva den variabilitet som är inbäddad i kliniskt data för att kunna förbättra strukturen av sjukhus i den närmaste framtiden. Emellertid är det ett utmanande uppdrag på grund av den kliniska komplexiteten och bristen på en etablerad bro mellan logistiska system och insikter om den kliniska situationen på sjukhuset. Detta examensarbete ämnar därför designa och implementera en förenklad processmodel som beskriver patientflödet inom en akutmottagning, vilket skulle kunna tillåta evaluering av vad för klinisk inverkan patienters komplexa egenskaper har på systemets logistik. För att uppnå detta tillämpades ett nytt icke-linjärt tillvägagångssätt för blandade effekter med patientjournaler, med syfte att designa patientflöde inom akutmottagningen i form av en Markovprocess i flera tillstånd. Fyra oberoende urvalsgrupper med övningsdata extraherades från huvuddatasetet och för var och en av dem valdes den uppsättning kovariat som hade möjlighet att leda till den största förbättringen i de applicerade sannolikhetsindikatorerna. Genom statistiska test, analys av uteffekten och en valideringsprocess utförd på en femte oberoende urvalsgrupp, möjliggjordes framtagandet av en slutgiltig modell innehållande de mest relevanta och signifikanta kovariat för att beskriva var och en av de modellerade tillståndsövergångarna, och bekräfta dess kliniska betydelse och relevans. De resultat som uppnåddes i det här examensarbetet har potential att i framtiden leda till förbättring av sjukvårdens logistiksystem, genom att utvidga användningen av icke-linjära blandade effektmodeller för att uppskatta kovariatinverkan på akutmottagningsflöden.

With an aging population that suffers from comorbidity, healthcare is facing grand challenges. In order to meet the demand, digitalization is thought to be an opportunity. Digitalization of curative care, such as diagnostics and treatment, have been initiated and is today used and appreciated. Preventative care, on the other hand, has not been included in the digital adaptions to the same extent and there are few scientific studies within the area. Nonetheless, a further proactive care that meets patients and healthcare personnel are of interest to several actors. The Swedish Government has a vision that Sweden, in 2025, will be world leading within eHealth. For that to be possible, digital preventative care have to support and complete the preventative work that is performed today. The present study has investigated the attitude towards Connected Medical Devices for Prevention (CMDfP) within the primary care. By a mixed-methodology including questionnaires, the opinions of 24 health center personnel and 17 patients prescribed with Physical Activity on Prescription (PAP) were collected and analyzed. The results show that health center personnel are willing to prescribe connected eHealth devices for prevention and patients are willing to use the devices prescribed. Additionally, among the respondents there is a belief that CMDfP could facilitate in order to increase the adherence to PAP without any major impact on the personnel's workload. By digitalizing preventative care, it is possible that people will be able to live healthier and therefore not require care to the same extent as today. Reasons to the possible results are that digital tools within curative care have been shown to generate positive outcomes to chronically ill patients that utilize home care. Additionally, studies of preventative care have generated positive outcomes to the health of the population in several countries. It is therefore likely that the combination, digital preventative care, would be rapidly relished. These thoughts align with the positive results on attitudes of this study. Before CMDfP could be prescribed to patients, pilot studies have to be performed and new work routines including reimbursement models, have to be established within healthcare. These are all areas of future work within medical engineering. / Med en åldrande population som lider av samsjuklighet, står hälso- och sjukvården inför stora utmaningar. För att möta behovet är digitalisering en möjlighet. Digitalisering av åtgärdande vård, så som diagnostik och behandling, har redan påbörjats och är idag uppskattat. Preventiv vård har, å andra sidan, inte varit inkluderad i den digitala utvecklingen och därav saknas det vetenskapliga studier inom området. Dock är en mer proaktiv vård av stort intresse för flera aktörer. Sveriges regering har en vision att Sverige, år 2025, ska vara världsledande inom eHälsa. För att detta ska vara möjligt måste digital preventiv vård möta och komplettera det preventiva arbete som bedrivs idag. Denna studie har undersökt attityderna till Uppkopplade Medicinsktekniska Hjälpmedel för Prevention (UMHfP) bland primärvården. Genom en metod som inkluderat enkätundersökningar, inhämtades och analyserades attityden av 24 personer från personalen på vårdcentraler och 17 patienter med Fysisk Aktivitet på Recept (FaR). Resultaten visade att primärvårdspersonal är villiga att förskriva UMHfP och att patienter vill använda de hjälpmedlen som förskrivs. Dessutom har respondenterna tro att UMHfP kan underlätta att förbättra följsamheten till FaR utan att påverka personalens arbetsbörda nämnvärt. Genom att digitalisera den preventiva vården är det troligt att befolkningen kommer få ett hälsosammare leverne och därför inte behöva vård i samma utsträckning som idag. En anledning till detta är att digitala hjälpmedel för åtgärdande vård har visat sig vara positivt för kroniskt sjuka patienter som hemsjukvårdas. Dessutom har studier inom preventiv vård indikerat flera positiva konsekvenser för invånares hälsa världen över. Det är därför troligt att digitala hjälpmedel i kombination med preventivt arbete snabbt kommer bli uppskattat. Dessa spekulationer sammanfaller väl med det positiva resultatet från denna studie. Innan UMHfP kan förskrivas till patienter måste pilotstudier genomföras och nya arbetssätt inklusive betalningsmodeller måste införas i hälso- och sjukvården. Detta är kommande arbeten inom medicinsk teknik.

A traumatic brain injury is usually caused by a direct impact to the head and is a common cause of disability and death all around the world. The most effective method to predict brain injury today, is to use a finite element head model. In this investigation, the three injury predictors strain, strain rate, and the product of strain and strain rate were investigated using a rat brain finite element model. The main goal was to find which injury predictor most effectively would predict injury. To find the injury predictor with the highest area under curve value, comparisons between experimental results obtained from simulations and results from previously performed experiments on rats were made. To better understand how different factors can affect the severity of symptoms from a traumatic brain injury, a parametric study with a focus on rotational direction and rotational duration was conducted. Simulations were run on a rat brain finite element model for three rotational directions and three rotational durations.  The statistical analysis was completed for six experiments and nine brain regions. The three injury predictors were extracted from 26 simulations completed on a rat brain finite element model, and the maximum values of the 95th percentile for each brain region were extracted. The results showed that the product of the strain and the strain rate was the most effective injury predictor for four out of six experiments (unconscious time, EPM arm change, EPM open duration, and MWM session 3). The parametric study investigated rotation in the axial, coronal, and sagittal plane against the three rotational durations 1.5 ms, 3 ms, and 6 ms. The parametric study revealed that both the direction and duration of rotation importantly influence the extent of damage in traumatic brain injuries. The results showed that rotation in the axial plane and a 3 ms duration caused the most brain damage. It was also concluded that the results need to undergo additional verification to further define the relationships between the rotational direction, the rotational duration, and the injury predictors. / En traumatisk hjärnskada orsakas vanligtvis av våld mot huvudet och är en vanlig orsak till både funktionsnedsättningar och dödsfall världen över. Den effektivastemetoden för att kunna förutsäga en hjärnskada idag är att använda en finit elementmetodmodell av en hjärna.  I denna undersökning har de tre skadeprediktorerna belastning, belastningshastighet och produkten av belastningen och belastningshastigheten undersöktes med hjälp av simuleringar genomförda på en modell av en råtthjärna, byggd med hjälp av finita elementmetoden. Målet var att ta reda på vilken skadeprediktor som mest effektivt kunde förutsäga hjärnskada. För att hitta skadeprediktorn med högst area under curve-värde gjordes jämförelser mellan experimentella resultat från simuleringar mot resultat från tidigare utförda experiment på råttor. För att få en djupare förståelse för vilka parametrar som kan påverka graden av symptom från en traumatisk hjärnskada genomfördes en parametrisk studie med fokus på rotationsriktning och rotationstid. Nya simuleringar genomfördes på en finit elementmodell av en råtthjärna i tre rotationsriktningar och under tre rotationstider.  Den statistiska analysen utfördes på sex experiment och för nio regioner i hjärnan. Belastningen, belastningshastigheten samt produkten av belastningen och belastningshastigheten extraherades från 26 simulerade finita element råtthjärnor och maximumvärdet från den 95.e percentilen sparades. Resultatet av den statistiska analysen visade att produkten av belastningen och belastningshastigheten var den skadeprediktorn med bäst skadeförutsägelse för fyra av sex experiment(medvetslös tid, EPM arm förflyttning, EPM varaktighet i öppet utrymme och MWM session 3). Under den parametriska studien undersöktes axial, koronal och sagittal rotationsriktning mot de tre rotationstiderna 1.5 ms, 3 ms och 6 ms. Resultatet av den parametriska studien visade att både rotationsriktning och rotationstid spelar viktiga roller när det kommer till omfattningen av symptom som kan uppstå vid en traumatisk hjärnskada. För de undersökta delarna av hjärnan var den rotationsriktning som orsakade störst skada rotation i det axiala planet och den rotationstid som orsakade mest skada var vid 3 ms. Slutsatsen att resultatet bör genomgå ytterligare verifiering drogs. Detta för att ytterligare definiera sambanden mellan rotationsriktning, rotationstid och skadeprediktorerna.

Repetitive tasks, awkward hand/wrist postures and forceful exertions are known risk factors for work-related musculoskeletal disorders (WMSDs) of the hand and wrist. WMSD is a major cause of long work absence, productivity loss, loss in wages and individual suffering. Currently available assessment methods of the hand/wrist motion have the limitations of being inaccurate, e.g. when using self-reports or observations, or expensive and resource-demanding for following analyses, e.g. when using the electrogoniometers. Therefore, there is a need for a risk assessment method that is easy-to-use and can be applied by both researchers and practitioners for measuring wrist angular velocity during an 8-hour working day. Wearable Inertial Measurement Units (IMU) in combination with mobile phone applications provide the possibility for such a method. In order to apply the IMU in the field for assessing the wrist velocity of different work tasks, the accuracy of the method need to be examined. Therefore, this laboratory experiment was conducted to compare a new IMU-based method with the traditional goniometer and standard optical motion capture system. The laboratory experiment was performed on twelve participants. Three standard hand movements, including hand/wrist motion of Flexion-extension (FE), Deviation, and Pronationsupination (PS) at 30, 60, 90 beat-per-minute (bpm), and three simulated work tasks were performed. The angular velocity of the three methods at 50th and 90th percentile were calculated and compared. The mean absolute error and correlation coefficient were analysed for comparing the methods. Increase in error was observed with increase in speed/bpm during the standard hand movements. For standard hand movements, comparison between IMUbyaxis and Goniometer had the smallest difference and highest correlation coefficient. For simulated work tasks, the difference between goniometer and optical system was the smallest. However, for simulated work tasks, the differences between the compared methods were in general much larger than the standard hand movements. The IMU-based method is seen to have potential when compared with the traditional measurement methods. Still, it needs further improvement to be used for risk assessment in the field. / Upprepade uppgifter, besvärliga hand- / handledsställningar och kraftfulla ansträngningar är kända riskfaktorer för arbetsrelaterade muskuloskeletala störningar (WMSD) i hand och handled. WMSD är en viktig orsak till lång frånvaro, produktivitetsförlust, löneförlust och individuellt lidande. För närvarande tillgängliga bedömningsmetoder för hand / handledsrörelser har begränsningarna att vara felaktiga, t.ex. när du använder självrapporter eller observationer, eller dyra och resurskrävande för följande analyser, t.ex. när du använder elektrogoniometrarna. Därför finns det ett behov av en riskbedömningsmetod som är enkel att använda och som kan användas av både forskare och utövare för att mäta handledens vinkelhastighet under en 8-timmars arbetsdag. Wearable Inertial Measuring Units (IMU) i kombination med mobiltelefonapplikationer ger möjlighet till en sådan metod. För att kunna använda IMU i fältet för att bedöma handledens hastighet för olika arbetsuppgifter måste metodens noggrannhet undersökas. Därför genomfördes detta laboratorieexperiment för att jämföra en ny IMU-baserad metod med den traditionella goniometern och det vanliga optiska rörelsefångningssystemet. Laboratorieexperimentet utfördes på tolv deltagare. Tre standardhandrörelser, inklusive hand / handledsrörelse av Flexion-extension (FE), Deviation och Pronation-supination (PS) vid 30, 60, 90 beat-per-minut (bpm) och tre simulerade arbetsuppgifter utfördes. Vinkelhastigheten för de tre metoderna vid 50: e och 90: e percentilen beräknades och jämfördes. Det genomsnittliga absoluta felet och korrelationskoefficienten analyserades för att jämföra metoderna. Ökning av fel observerades med ökning av hastighet/bpm under standardhandrörelserna. För standardhandrörelser hade jämförelsen mellan IMUbyaxis och Goniometer den minsta skillnaden och högsta korrelationskoefficienten. För simulerade arbetsuppgifter var skillnaden mellan goniometer och optiskt system den minsta. För simulerade arbetsuppgifter var dock skillnaderna mellan de jämförda metoderna i allmänhet mycket större än de vanliga handrörelserna. Den IMUbaserade metoden anses ha potential jämfört med traditionella mätmetoder. Ändå behöver det förbättras för att kunna användas för riskbedömning på fältet.

Many healthcare organisations face repetitive incidents because organisations tend to fail to learn from the past. Learning from incidents (LFI) in healthcare is a process through which healthcare professionals and the organisation as a whole seek to understand adverse events that have taken place. The LFI process consists of five main steps: data acquisition, investigation and analysis, planning interventions, implementing interventions, and evaluations. In order to reduce the reoccurrence of incidents, it is important that LFI processes are improved. As a prerequisite, it is necessary to gain insight into the steps of the LFI process to identify hindrances (bottlenecks) and mitigate them. This thesis is a broad comparative study of the LFI processes in Dutch and Swedish healthcare systems. Cross-border comparisons between LFI systems can support mutual learning, and consequently lead to improvements of healthcare organisations’ learning processes. The study consists of an analysis of Swedish and Dutch legislation, national healthcare inspectorates, and hospitals’ learning from incidents processes. Legislation was analysed through a (legal) documentation study. Healthcare inspectorates’ practices in LFI were analysed by a combination of documentation studies, and by conducting interviews with one Dutch inspector, one Swedish inspector, and one Swedish development strategist. For analysis of hospitals’ LFI processes, a questionnaire and interview study with fourteen Dutch and eleven Swedish hospitals were conducted. Analysis of these processes was done at the hand of a number of quality statements developed based on a literature study. The main differences between how the two countries’ learn from incidents are in data acquisition, and investigation and analysis. The Netherlands have various reporting systems, as well as diversity in incident investigation methods. Sweden has more uniformity in these matters. Moreover, Sweden has a national system for sharing lessons learned between hospitals, which can benefit the learning process on a national level. The Netherlands currently does not have such a system. Sweden and the Netherlands have similar strengths and weaknesses in LFI. Both countries have accessible data acquisition systems, and it does not take much time to report incidents. There are however significant disparities between incidents and sentinel events in both countries in the quality of investigations and analyses, planning of interventions and implementation of interventions. The implementation and evaluation phases are also regarded to have the lowest quality, based on analysis of the quality statements. Dutch and Swedish legislation and the supervision of the healthcare inspectorates only cover these last two phases to a limited extent. Requirements with respect to incidents are also only formulated to a limited extent (except data acquisition), which may explain the significant difference of quality when compared to sentinel events. There are resemblances between the scopes of the legal frameworks and inspectorates, and the LFI processes in hospitals. There is therefore reason to believe that hospitals typically do not excel above what is required by legislation or by the healthcare inspectorates. / I många vårdorganisationer upprepar sig incidenter eftersom organisationer tenderar att misslyckas med att lära sig från incidenter. Att lära från incidenter (LFI) inom hälso- och sjukvården är en process genom vilket vårdpersonal och organisationen som helhet försöker förstå incidenter som har ägt rum. LFI-processen består av fem huvudsteg: datainsamling, utredning och analys, planering av åtgärder, implementering av åtgärder, och utvärderingar. För att minska upprepande av incidenter är det viktigt att LFIprocesser förbättras. Det här examensarbetet är en jämförande studie av LFI-processerna i holländska och svenska sjukvårdssystem. Gränsöverskridande jämförelser mellan LFI-system kan stödja ömsesidigt lärande och därmed leda till förbättringar av vårdorganisationernas lärande. Studien består av en analys av svensk och holländsk lagstiftning, nationella inspektioner och sjukhusens lärande från incidensprocesser. Lagstiftningen analyserades genom en (juridisk) dokumentationsstudie. Sjukvårdsinspektionernas praxis i LFI analyserades med en kombination av dokumentationsstudier och genom att göra intervjuer med en holländsk inspektör, en svensk inspektör och en svensk utvecklingsstrateg. För analys av sjukhusens LFI-processer genomfördes en enkätstudie och intervjustudie med 14 holländska och 11 svenska sjukhus. Analysen genomfördes med ett kvalitetsindikatorer som är baserade på en litteraturstudie. De viktigaste skillnaderna mellan hur de två länderna lär sig av incidenter är inom datainsamling och incidentutredning. I Nederländerna används många olika rapporteringssystem och utredningsmetoder för händelser. Sverige har mer enhetlighet i dessa frågor. Dessutom har Sverige ett nationellt system för att dela lärdomar mellan sjukhusen, vilket kan gynna lärningsprocessen på nationell nivå. Nederländerna har för närvarande inget liknande system. Sverige och Nederländerna har liknande styrkor och svagheter i LFI. Båda länderna har tillgängliga datainsamlingssystem och det tar inte mycket tid att rapportera incidenter. Det finns betydliga skillnader mellan incidenter och händelser som har medfört allvarliga vårdskador i båda länderna. Detta gäller kvaliteten på utredningar, planering av åtgärder och implementering av årgärder. Implementerings- och utvärderingsfaserna anses ha lägsta kvalitet, baserat på analys av kvalitetsindikatorerna. Holländsk och svensk lagstiftning och tillsynen av inspektionerna täcker dessa två sista faser endast i begränsad utsträckning. Krav på incidenter formuleras också endast i begränsad omfattning (förutom datainsamling), vilket kan förklara skillnaden i kvalitet jämfört med händelser som har medfört en allvarlig vårdskada. Det finns likheter mellan räckvidden av lagstiftningen och inspektionen, och LFIprocesserna på sjukhus i både länder. Det finns därför anledning att tro att sjukhus vanligtvis inte utmärker sig högre än vad som krävs enligt lagstiftningen eller av hälsooch sjukvårdsinspektionerna.

Imagine a power wheelchair that can step over obstacles, step up on sidewalks and drive on lateral slopes whilst the user is still seated upright. Previously these features were impossible, but thanks to Elumo this is no longer the case. Elumo is a six-wheeled base to be used on electric wheelchairs. The base has been developed by Malin Svensson and Johan Olsson during their bachelor’s thesis at the Innovation Engineering Program at Halmstad University. The project took place between autumn 2021 and spring 2022.   The development of Elumo started with several user studies conducted by the students, where over 70 wheelchair users responded to a survey concerning the everyday life of a person using wheelchairs. These users were later invited to a user workshop where they could list everyday complaints and possible improvements concerning existing power wheelchairs. One of the most common complaints was getting up on sidewalks and driving on uneven terrain.   Both of these problems will be solved with the base Elumo. The technology that makes the stepping-feature and improved suspension possible, is patented by the company EMTW and the students have had a close cooperation with them during the development. Our goal is for “Elumo to become a new product that will focus on the user and will deliver innovative power wheelchairs that provide safety, independence and improve quality of life for people using wheelchairs.”

In the manufacturing industry, predictive maintenance (PdM) stands out by leveraging data analytics and IoT technologies to predict machine failures, offering a significant advancement over traditional reactive and scheduled maintenance practices. The aim of this thesis was to examine how anomaly detection algorithms could be utilized to anticipate potential breakdowns in manufacturing operations, while also investigating the feasibility and potential benefits of integrating PdM strategies into a production line. The methodology of this projectconsisted of a literature review, application of machine learning (ML) algorithms, and conducting interviews. Firstly, the literature review provided a foundational basis to explore the benefits of PdM and its impact on production line productivity, thereby shaping the development of interview questions. Secondly, ML algorithms were employed to analyze data and predict equipment failures. The algorithms used in this project were: Isolation Forest (IF), Local Outlier Factor (LOF), Logistic Regression (LR), One-Class Support Vector Machine(OC-SVM) and Random Forest (RF). Lastly, interviews with production line personnel provided qualitative insights into the current maintenance practices and perceptions of PdM. The findings from this project underscore the efficacy of the IF model in identifying potential equipment failures, emphasizing its key role in improving future PdM strategies to enhance maintenance schedules and boost operational efficiency. Insights gained from both literature and interviews underscore the transformative potential of PdM in refining maintenance strategies, enhancing operational efficiency, and minimizing unplanned downtime. More broadly, the successful implementation of these technologies is expected to revolutionize manufacturing processes, driving towards more sustainable and efficient industrial operations. / I tillverkningsindustrin utmärker sig prediktivt underhåll (PdM) genom att använda dataanalys och IoT-teknologier för att förutse maskinfel, vilket erbjuder ett betydande framsteg jämfört med traditionella reaktiva och schemalagda underhållsstrategier. Syftet med denna avhandling var att undersöka hur algoritmer för avvikelsedetektering kunde användas för att förutse potentiella haverier i tillverkningsoperationer, samtidigt som genomförbarheten och de potentiella fördelarna med att integrera PdM-strategier i en produktionslinje undersöktes. Metodologin för detta projekt bestod av en litteraturöversikt, tillämpning av maskininlärningsalgoritmer (ML) och genomförande av intervjuer. Först och främst gav litteraturöversikten en grundläggande bas för att utforska fördelarna med PdM och dess inverkan på produktionslinjens produktivitet, vilket därmed påverkade utformningen av intervjufrågorna. För det andra användes ML-algoritmer för att analysera data och förutsäga utrustningsfel. Algoritmerna som användes i detta projekt var: Isolation Forest (IF), Local Outlier Factor (LOF), Logistic Regression (LR), One-Class Support Vector Machine (OCSVM) och Random Forest (RF). Slutligen gav intervjuer med produktionslinjepersonal kvalitativa insikter i de nuvarande underhållsstrategierna och uppfattningarna om PdM.Resultaten från detta projekt understryker effektiviteten hos IF-modellen för att identifiera potentiella utrustningsfel, vilket betonar dess centrala roll i att förbättra framtida PdM-strategier för att förbättra underhållsscheman och öka den operativa effektiviteten. Insikter vunna från både litteratur och intervjuer understryker PdM:s transformativa potential att finslipa underhållsstrategier, öka operativ effektivitet och minimera oplanerade driftstopp. Mer generellt förväntas den framgångsrika implementeringen av dessa teknologier revolutionera tillverkningsprocesser och driva mot mer hållbara och effektiva industriella operationer.

Traumatic brain injury (TBI) is a worldwide public health problem. It is often caused by impacts to the head, which can cause translational and rotational motions. During impacts to the head, the neck serves as one of the boundary conditions for determining its kinematic response. In today’s helmet assessment standards, the dynamics of the neck are not included, and in most standards only translational accelerations are examined within a short time interval around 20- 30 ms. However, to understand the risk of brain injury, it is also important to account for the rotational motions and the influence of the neck on head kinematics.  In this thesis the influence of the neck on head kinematics was investigated by comparing 5 different finite element (FE) models of the human. By using finite element analysis, simulations of four different accident scenarios were conducted. Most models are produced for the automotive industry and are not validated in vertical impacts with forces acting on the head. The accident scenarios included vertical and horizontal impacts to the head with different striking objects. The models included two anthropomorphic test devices (ATD) and three human body models (HBM). Furthermore, an isolated head was also used. The models were equipped with an industrial safety helmet, with and without a low friction layer (LFL). Additionally, the helmet versions were used to investigate how the various FE models predict the difference in rotational kinematics.  The head kinematics showed considerable disparities between the ATDs and the HBMs. The ATDs mostly showed a stiffer, spring-like behavior with higher translational accelerations and lesser rotational motions. Furthermore, the HBMs showed responses that were assumed to have been in better proximity to biofidelic responses. The incorporation of the LFL led to a reduction in peak resultant rotational velocity (PRV) in most models and accident scenarios. Furthermore, the results were highly influenced by the choice of duration. It was seen that the differences between the models increased over time, as the boundary effects could influence the kinematics to a larger extent. Hence, the neck had more influence on head kinematics at longer time durations.  This thesis contributes to a comparison of different FE models and how various boundary conditions affect the kinematics of the head. The Hybrid III should only be used in cases involving pure flexion-extension. The attachment of the KTH neck to the Hybrid III torso led to large differences in kinematic responses to the other models, and therefore it should not be used in virtual testing. Due to the resemblance between head-only and the HBMs, as well as the short duration in bicycle helmet assessment, the use of only a headform is probably a better approximation as the ATD necks that could be used are not good representations of biofidelity. Before implementing surrogate necks in helmet assessment, more investigations on the influence of the neck on head kinematics are necessary as well as the development of neck models with high biofidelity. / Traumatiska hjärnskador är ett globalt folkhälsoproblem. Traumatiska hjärnskador orsakas ofta av slag mot huvudet, vilket kan orsaka både translations- och rotationsrörelser av hjärnan. Vid slag mot huvudet verkar halsen som ett av randvillkoren som styr kinematiken av huvudet. I dagens hjälmstandarder är halsens dynamik inte inkluderad och i majoriteten av standarder är det endast translationsaccelerationer som undersöks samt inom en kort tidsram, runt 20-30 ms. För att förstå risken för hjärnskador behöver man även beakta rotationsrörelser och då blir halsens inflytande på huvudets kinematik av vikt, liksom att utvärdera kinematiken under en längre tid.  I detta examensarbete studeras halsens inverkan på huvudets kinematik genom att jämföra fem olika finita element (FE) modeller av människan. Genom att använda finita elementmetoden, genomfördes simuleringar av 4 olika olycksscenarior. Olycksscenariorna inkluderade vertikala och horisontella islag med olika objekt. De modeller som användes var två krockdockor och tre humanmodeller samt ett isolerat huvud. De flesta modeller är framtagna för bilindustrin vilket påverkar dess användningsområde genom begränsade valideringar av vertikala slag med krafter som verkar direkt på huvudet. Alla modeller var utrustade med en industrihjälmsmodell, med respektive utan ett lågfriktionslager. Dessutom användes hjälmmodellerna till att undersöka hur de olika FE modellerna förutspådde skillnader i rotationskinematik.  Kinematiken av huvudet visade på signifikanta skillnader mellan krockdockorna och humanmodellerna. Krockdockorna hade generellt ett stelare, fjäderliknande beteende med högre translationsacceleration och mindre rotationsrörelse. Vidare hade humanmodellerna ett beteende som var mer likt den förväntade mänskliga responsen. Användandet av lågfriktionslagret ledde till reduktion i resulterande peak rotationshastighet bland de flesta modeller och olycksscenarior. Resultatet påverkades nämnvärt av valet av tidsintervall. Vid längre tidsintervall var skillnaderna i beteende större mellan modellerna. Därför hade halsen större inverkan på huvudets kinematik vid längre durationer.  Detta examensarbete bidrar till en jämförelse av olika FE modeller och förståelse för hur olika randvillkor påverkar huvudets kinematik. Hybrid III borde endast användas för horisontella islag med enbart flexion-extensions rörelser. Infästningen av KTH halsen till Hybrid III gav stora skillnader i kinematiken jämfört med de andra modellerna, och därför ska den inte användas vid virtuella tester. På grund av de likheter som sågs mellan enbart huvud och humanmodellerna samt på grund av de korta islagen vid cykelhjälmsbedömningar, är troligtvis användandet av ett isolerat huvud en bättre approximation än användandet av de tillgängliga krockdockornas halsar. Innan man använder halsmodeller vid hjälmbedömningar, krävs fler studier på halsens inverkan på kinematiken samt framtagande av halsmodeller med mer människoliknande respons.

In forensic autopsies, accurately estimating the postmortem interval (PMI) is crucial. Traditional methods, relying on physical parameters and police data, often lack precision, particularly after approximately two days have passed since the person's death. New methods are increasingly focusing on analyzing postmortem metabolomics in biological systems, acting as a 'fingerprint' of ongoing processes influenced by internal and external molecules. By carefully analyzing these metabolomic profiles, which span a diverse range of information from events preceding death to postmortem changes, there is potential to provide more accurate estimates of the PMI. The limitation of available real human data has hindered comprehensive investigation until recently. Large-scale metabolomic data collected by the National Board of Forensic Medicine (RMV, Rättsmedicinalverket) presents a unique opportunity for predictive analysis in forensic science, enabling innovative approaches for improving  PMI estimation. However, the metabolomic data appears to be large, complex, and potentially nonlinear, making it difficult to interpret. This underscores the importance of effectively employing machine learning algorithms to manage metabolomic data for the purpose of PMI predictions, the primary focus of this project.  In this study, a dataset consisting of 4,866 human samples and 2,304 metabolites from the RMV was utilized to train a model capable of predicting the PMI. Random Forest (RF) and Artificial Neural Network (ANN) models were then employed for PMI prediction. Furthermore, feature selection and incorporating sex and age into the model were explored to improve the neural network's performance.  This master's thesis shows that ANN consistently outperforms RF in PMI estimation, achieving an R2 of 0.68 and an MAE of 1.51 days compared to RF's R2 of 0.43 and MAE of 2.0 days across the entire PMI-interval. Additionally, feature selection indicates that only 35% of total metabolites are necessary for comparable results with maintained predictive accuracy. Furthermore, Principal Component Analysis (PCA) reveals that these informative metabolites are primarily located within a specific cluster on the first and second principal components (PC), suggesting a need for further research into the biological context of these metabolites.  In conclusion, the dataset has proven valuable for predicting PMI. This indicates significant potential for employing machine learning models in PMI estimation, thereby assisting forensic pathologists in determining the time of death. Notably, the model shows promise in surpassing current methods and filling crucial gaps in the field, representing an important step towards achieving accurate PMI estimations in forensic practice. This project suggests that machine learning will play a central role in assisting with determining time since death in the future.