Personal viewpoint: Hemodialysis—Water, power, and waste disposal: Rethinking our environmental responsibilities
Notice bibliographique
Résumé
While medical health professionals are trained to detect, treat, and comfort, they are not trained to consider the environmental impact of the services they provide. Dialysis practitioners seem particularly careless in the use of natural resources—especially water and power—and seem broadly ignorant of the profound medical waste issues created by single use dialysis equipment. If the data we have collected is an indication, then extrapolation of this data to a dialysis population currently estimated at ~2 million patients worldwide, a “world dialysis service” would use ~156 billion liters of water and discard ~2/3 of that during reverse osmosis. This waste occurs, despite the discarded water being high-grade “gray water” of potable standard. The same world dialysis service would consume 1.62 billion kWh of power—mostly generated from coal and other environmentally damaging sources. Our world dialysis service, based on ~2 kg of waste from each dialysis treatment, would generate ~625,000 tonnes of plastic waste—waste that would be potentially reusable if simple sterilizing techniques were applied to it at the point of generation. Dialysis services must begin to explore eco-dialysis potentials. The continued plundering of resources without considering reuse or recycling, exploration of renewable energy options, or the reduction of the carbon footprint of the dialysis process . . . is unsustainable. Sustainable dialysis practices should be a global goal in the coming decade.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».