Implementation approaches to improve environmental sustainability in operating theatres: a systematic review
Notice bibliographique
Résumé
Operating theatres consume large amounts of energy and consumables and produce large amounts of waste. There is an increasing evidence base for reducing the climate impacts of healthcare that could be enacted into routine practice; yet, healthcare-associated emissions increase annually. Implementation science aims to improve the systematic uptake of evidence-based care into practice and could, therefore, assist in addressing the environmental impacts of healthcare. The aim of this systematic search with narrative synthesis was to explore what implementation approaches have been applied to reduce the environmental impact of operating theatre activities, described by implementation phases and methodologies. A search was conducted in EMBASE, PubMed, and CINAHL, limited to English and publication since 2010. In total, 3886 articles were retrieved and 11 were included. All were in the exploratory phase (seven of 11) or initial implementation phase (four of 11), but none were in the installation or full implementation phase. Three studies utilised a recognised implementation theory, model, or framework in the design. Four studies used interprofessional education to influence individuals' behaviour to reduce waste, improve waste segregation, or reduce anaesthetic gases. Of those that utilised behaviour change interventions, all were qualitatively successful in achieving environmental improvement. There was an absence of evidence for sustained effects in the intervention studies and little follow-up from studies that explored barriers to innovation. This review demonstrates a gap between evidence for reducing environmental impacts and uptake of proposed practice changes to deliver low-carbon healthcare. Future research into 'greening' healthcare should use implementation research methods to establish a solid implementation evidence base. SYSTEMATIC REVIEW PROTOCOL: PROSPERO CRD42022342786.
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 | 0,016 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,009 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».