MétaCan
Menu
Retour à la cohorte
Enregistrement W3111129731 · doi:10.1377/hlthaff.2020.01118

Transforming The Medical Device Industry: Road Map To A Circular Economy

2020· article· en· W3111129731 sur OpenAlexaff
Andrea J. MacNeill, Harriet W. Hopf, Aman Khanuja, Saed Alizamir, Melissa M. Bilec, Matthew J. Eckelman, Lyndon V. Hernandez, Forbes McGain, Kari Simonsen, Cassandra L. Thiel, Steven B. Young, Robert S. Lagasse, Jodi D. Sherman

Notice bibliographique

RevueHealth Affairs · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueHealthcare and Environmental Waste Management
Établissements canadiensUniversity of WaterlooUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésCircular economyBusinessSupply chainHealth careResource (disambiguation)Industrial organizationMarketingEconomic growthEconomics

Résumé

récupéré en direct d'OpenAlex

A circular economy involves maintaining manufactured products in circulation, distributing resource and environmental costs over time and with repeated use. In a linear supply chain, manufactured products are used once and discarded. In high-income nations, health care systems increasingly rely on linear supply chains composed of single-use disposable medical devices. This has resulted in increased health care expenditures and health care-generated waste and pollution, with associated public health damage. It has also caused the supply chain to be vulnerable to disruption and demand fluctuations. Transformation of the medical device industry to a more circular economy would advance the goal of providing increasingly complex care in a low-emissions future. Barriers to circularity include perceptions regarding infection prevention, behaviors of device consumers and manufacturers, and regulatory structures that encourage the proliferation of disposable medical devices. Complementary policy- and market-driven solutions are needed to encourage systemic transformation.

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)0,006
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,090

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0040,010
Communication savante0,0160,017
Science ouverte0,0020,009
Intégrité de la recherche0,0090,009
Charge utile insuffisante (le modèle a refusé de juger)0,0270,004

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 Opus0,044
Tête enseignante GPT0,313
Écart entre enseignants0,269 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreAutre

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

En bref

Citations248
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth AffairsMême sujetHealthcare and Environmental Waste ManagementTravaux en français237 207