Assessing the carbon footprint of digital health interventions: a scoping review
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
OBJECTIVE: Integration of environmentally sustainable digital health interventions requires robust evaluation of their carbon emission life-cycle before implementation in healthcare. This scoping review surveys the evidence on available environmental assessment frameworks, methods, and tools to evaluate the carbon footprint of digital health interventions for environmentally sustainable healthcare. MATERIALS AND METHODS: Medline (Ovid), Embase (Ovid). PsycINFO (Ovid), CINAHL, Web of Science, Scopus (which indexes IEEE Xplore, Springer Lecture Notes in Computer Science and ACM databases), Compendex, and Inspec databases were searched with no time or language constraints. The Systematic Reviews and Meta-analyses Extension for Scoping Reviews (PRISMA_SCR), Joanna Briggs Scoping Review Framework, and template for intervention description and replication (TiDiER) checklist were used to structure and report the findings. RESULTS: From 3299 studies screened, data was extracted from 13 full-text studies. No standardised methods or validated tools were identified to systematically determine the environmental sustainability of a digital health intervention over its full life-cycle from conception to realisation. Most studies (n = 8) adapted publicly available carbon calculators to estimate telehealth travel-related emissions. Others adapted these tools to examine the environmental impact of electronic health records (n = 2), e-prescriptions and e-referrals (n = 1), and robotic surgery (n = 1). One study explored optimising the information system electricity consumption of telemedicine. No validated systems-based approach to evaluation and validation of digital health interventions could be identified. CONCLUSION: There is a need to develop standardised, validated methods and tools for healthcare environments to assist stakeholders to make informed decisions about reduction of carbon emissions from digital health interventions.
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 | 0,007 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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