Canadian Association of Radiologists Statement on Environmental Sustainability in Medical Imaging
Notice bibliographique
Résumé
Immediate and strategic action is needed to improve environmental sustainability and reduce the detrimental effects of climate change. Climate change is already adversely affecting the health of Canadians related to worsening air pollution and wildfire smoke, increasing frequency and intensity of extreme weather events, and expansion of vector-borne and infectious illnesses. On one hand, radiology contributes to the climate crisis by generating greenhouse gas emissions and waste during the production, manufacture, transportation, and use of medical imaging equipment and supplies. On the other hand, radiology departments are also susceptible to equipment and infrastructure damage from flooding, extreme temperatures, and power failures, as well as workforce shortages due to injury and illness, potentially disrupting radiology services and increasing costs. The Canadian Association of Radiologists' (CAR) advocacy for environmentally sustainable radiology in Canada encompasses both minimizing the detrimental effects that delivery of radiology services has on the environment and optimizing the resilience of radiology departments to increasing health needs and changing patterns of disease on imaging related to climate change. This statement provides specific recommendations and pathways to help guide radiologists, medical imaging leadership teams, industry partners, governments, and other key stakeholders to transition to environmentally sustainable, net-zero, and climate-resilient radiology organizations. Specific consideration is given to unique aspects of medical imaging in Canada. Finally, environmentally sustainable radiology programs, policies, and achievements in Canada are highlighted.
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 | 0,006 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| 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 | 0,001 | 0,002 |
| 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 ».