Carbon Footprinting of North American Emergency Medical Services Systems
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: This study was undertaken to characterize the carbon emissions from a broad sample of North American emergency medical services (EMS) agencies, and to begin the process of establishing voluntary EMS-related emission targets. METHODS: Fifteen diverse North American EMS systems with more than 550,000 combined annual responses and serving a population of 6.3 million reported their direct and purchased ("Tier 2") energy consumption for one year. We calculated total carbon dioxide equivalent (CO(2)e) emissions using Environmental Protection Agency, Energy Information Administration, and locality-specific emission conversion factors. We also calculated per-response and population-based emissions. We report descriptive summary data. RESULTS: Participants included government "third-service" (n = 4), public utility model (n = 1), private contractor (n = 6), and rural rescue squad (n = 4) systems. Call volumes ranged from 800 to 114,280 (median 20,093; interquartile range [IQR] 1,100-55,217). Emissions totaled 46,941,690 pounds of CO(2)e (21,289 metric tons); 75% of emissions were from diesel or gasoline. For systems providing complete Tier 2 data, median emissions per response were 80.7 (IQR 65.1-106.5) pounds of CO(2)e and median emissions per service-area resident were 7.8 (IQR 4.7-11.2) pounds of CO(2)e. Two systems reported aviation fuel consumption for air medical services, with emissions of 2,395 pounds of CO(2)e per flight, or 0.7 pounds of CO(2)e per service-area resident. CONCLUSION: EMS operations produce substantial carbon emissions, primarily from vehicle-related fuel consumption. The 75th percentiles from our data suggest 106.5 pounds of CO(2)e per unit response and/or 11.2 pounds of CO(2)e per service-area resident as preliminary maximum emission targets. Air medical services can anticipate higher per-flight but lower population-based emissions.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle