MétaCan
Menu
Retour à la cohorte
Enregistrement W4402787685 · doi:10.1016/j.ahjo.2024.100463

The environmental effects of non-invasive cardiac imaging

2024· article· en· W4402787685 sur OpenAlexaff
Kelsey Gardiner, Kate Hanneman, Rebecca Kozor

Notice bibliographique

RevueAmerican Heart Journal Plus Cardiology Research and Practice · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceMedicine

Résumé

récupéré en direct d'OpenAlex

The healthcare sector is a major contributor to the universal climate footprint, of this a significant proportion is attributable to medical imaging and further to dedicated cardiac imaging. The increasing availability and utility of cardiac imaging techniques for prognosis, diagnosis and management raises concerns for the impact of these investigations on the environment. Our objective was to review the published literature assessing the environmental impact of non-invasive imaging modalities within cardiology, subsequently helping guide physicians toward a more sustainable approach to cardiac imaging and improved awareness of the environmental impact of healthcare within this field. We conducted a systematic review of studies measuring the environmental impact of non-invasive cardiac imaging. A total of 8 studies were included in the final analysis. Cardiac imaging has a significant environmental impact, which varies by modality: lowest for echocardiography and highest for MRI. As a whole this field represents a significant contributor to climate-related threats to human health, which we should strive toward harm minimisation. This may be mitigated through the conscious utilisation of energy consumption and contrast media, as well as healthcare worker education and quality improvement to guide imaging choice based on environmental impact alongside conventional determinants such as patient characteristics, clinical guidelines and cost (visual abstract).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,349
Score d'incertitude au seuil0,762

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,048
Tête enseignante GPT0,407
Écart entre enseignants0,359 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Heart Journal Plus Cardiology Research and PracticeMême sujetClimate Change and Health ImpactsTravaux en français237 207