Carbon savings potential of virtual care in obstructive sleep apnea and otitis media with effusion
Notice bibliographique
Résumé
Abstract Objective To determine the carbon savings potential of incorporating virtual care into surgical care pathways for pediatric patients with obstructive sleep apnea or otitis media with effusion. Methods Pediatric patients with obstructive sleep apnea or otitis media with effusion were not enrolled, instead, a modeling cohort study design was used. This study utilized the British Columbia healthcare system and geography to model emissions. Care pathways were developed for pediatric patients with obstructive sleep apnea or otitis media with effusion requiring care at a tertiary pediatric center. Home addresses were located at the geographical center of the two most populated municipalities within each of the 10 most populated regional districts in 2020. Virtual visits replaced up to three clinically equivalent in‐person visits. Emissions (kgCO 2 e) for transport and virtual visits were estimated. Population‐weighted means and descriptive statistics were calculated. Results Utilizing 1, 2, or 3 virtual visits in the obstructive sleep apnea care pathway yielded potential emissions savings of 19.9%, 39.9%, and 59.8% respectively. Integrating 1, 2, or 3 virtual visits into the otitis media with effusion care pathway produced potential emissions savings of 16.6%, 33.2%, and 49.7%, respectively. Integrating 3 virtual visits can save up to 2156.8 kgCO 2 e per patient. Conclusions Appropriately conducting up to 50% of clinical encounters virtually for children with obstructive sleep apnea or otitis media with effusion reduced theoretical carbon emissions. For a single child, emission savings could reach over 2150 kgCO 2 e. Level of Evidence Level 5.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 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 ».