Attitudes and Perceptions of Canadian Otolaryngology‐Head and Neck Surgeons and Residents on Environmental Sustainability
Notice bibliographique
Résumé
Objective: Healthcare systems, specifically operating rooms, significantly contribute to greenhouse gas emissions. Addressing operating room environmental sustainability requires understanding current practices, opinions, and barriers. This is the first study assessing the attitudes and perceptions of otolaryngologists on environmental sustainability. Study Design: Cross-sectional virtual survey. Setting: Email survey to active members of the Canadian Society of Otolaryngology-Head and Neck Surgery. Methods: A 23-question survey was developed in REDCap. The questions focused on four themes: (1) demographics, (2) attitudes and beliefs, (3) institutional practices, and (4) education. A combination of multiple choice, Likert-scale, and open-ended questions were employed. Results: Response rate was 11% (n = 80/699). Most respondents strongly believed in climate change (86%). Only 20% strongly agree that operating rooms contribute to the climate crisis. Most agree environmental sustainability is very important at home (62%) and in their community (64%), only 46% said it was very important in the operating room. Barriers to environmental sustainability were incentives (68%), hospital supports (60%), information/knowledge (59%), cost (58%), and time (50%). Of those involved in residency programs, 89% (n = 49/55) reported there was no education on environmental sustainability or they were unsure if there was. Conclusion: Canadian otolaryngologists strongly believe in climate change, but there is more ambivalence regarding operating rooms as a significant contributor. There is a need for further education and a systemic reduction of barriers to facilitate eco-action in otolaryngology operating rooms.
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 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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».