MétaCan
Menu
Retour à la cohorte
Enregistrement W2774156456 · doi:10.1016/s2542-5196(17)30162-6

The impact of surgery on global climate: a carbon footprinting study of operating theatres in three health systems

2017· article· en· W2774156456 sur OpenAlexaffabout
Andrea J. MacNeill, Robert Lillywhite, Carl J. Brown

Notice bibliographique

RevueThe Lancet Planetary Health · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesUniversity of Minnesota
Mots-clésCarbon footprintGreenhouse gasOperating theatresEnvironmental scienceUnit (ring theory)MedicineOperations managementAgricultural scienceMedical emergencyMathematicsEngineering

Résumé

récupéré en direct d'OpenAlex

Background Climate change is a major global public health priority. The delivery of health-care services generates considerable greenhouse gas emissions. Operating theatres are a resource-intensive subsector of health care, with high energy demands, consumable throughput, and waste volumes. The environmental impacts of these activities are generally accepted as necessary for the provision of quality care, but have not been examined in detail. In this study, we estimate the carbon footprint of operating theatres in hospitals in three health systems. Methods Surgical suites at three academic quaternary-care hospitals were studied over a 1-year period in Canada (Vancouver General Hospital, VGH), the USA (University of Minnesota Medical Center, UMMC), and the UK (John Radcliffe Hospital, JRH). Greenhouse gas emissions were estimated using primary activity data and applicable emissions factors, and reported according to the Greenhouse Gas Protocol. Findings Site greenhouse gas evaluations were done between Jan 1 and Dec 31, 2011. The surgical suites studied were found to have annual carbon footprints of 5 187 936 kg of CO 2 equivalents (CO 2 e) at JRH, 4 181 864 kg of CO 2 e at UMMC, and 3 218 907 kg of CO 2 e at VGH. On a per unit area basis, JRH had the lowest carbon intensity at 1702 kg CO 2 e/m 2 , compared with 1951 kg CO 2 e/m 2 at VGH and 2284 kg CO 2 e/m 2 at UMMC. Based on case volumes at all three sites, VGH had the lowest carbon intensity per operation at 146 kg CO 2 e per case compared with 173 kg CO 2 e per case at JRH and 232 kg CO 2 e per case at UMMC. Anaesthetic gases and energy consumption were the largest sources of greenhouse gas emissions. Preferential use of desflurane resulted in a ten-fold difference in anaesthetic gas emissions between hospitals. Theatres were found to be three to six times more energy-intense than the hospital as a whole, primarily due to heating, ventilation, and air conditioning requirements. Overall, the carbon footprint of surgery in the three countries studied is estimated to be 9·7 million tonnes of CO 2 e per year. Interpretation Operating theatres are an appreciable source of greenhouse gas emissions. Emissions reduction strategies including avoidance of desflurane and occupancy-based ventilation have the potential to lessen the climate impact of surgical services without compromising patient safety. Funding None.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,244
Score d'incertitude au seuil0,484

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,153
Tête enseignante GPT0,389
Écart entre enseignants0,236 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations774
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Lancet Planetary HealthMême sujetClimate Change and Health ImpactsTravaux en français237 207