Sustainability in Health Care
Notice bibliographique
Résumé
The academic public health and biomedical communities have a long history of researching and documenting the adverse impacts of pollution on human health. However, the healthcare industry itself is a major contributor to pollution as well as the greenhouse gas (GHG) emissions responsible for global warming. For example, the health sectors of the United States, Australia, England, and Canada are estimated to emit a combined 748 million metric tons of carbon dioxide equivalents annually, equivalent to a nation that would rank seventh in the world for GHG emissions. Moreover, the healthcare sector is a major consumer of natural resources, thereby contributing to the imbalances characteristic of what is increasingly being referred to as the Anthropocene and a threat to planetary health. In this article, we summarize current information on the healthcare industry's environmental footprint and the potential for markedly reducing that footprint by applying the principles and tools of sustainability science. We discuss some of the industry's special challenges, including those associated with new construction (which have undergone relatively little examination in relation to sustainability, despite predictions of accelerated growth). We examine current ideas and efforts to advance sustainability solutions in the healthcare industry, in high-, middle-, and low-income countries alike, where the healthcare industry can be expected to grow the fastest. Finally, we review case studies and discuss research needs.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,016 |
| Communication savante | 0,009 | 0,008 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,009 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».