Reducing healthcare waste by eliminating exam table paper in a primary care practice: a sustainable quality improvement initiative
Notice bibliographique
Résumé
Purpose Climate change is now the greatest threat to human survival. The healthcare system contributes significantly to global pollution and greenhouse gas emissions. Individual practitioners play an important role in helping to reduce these impacts in day-to-day practice. Deimplementation of unnecessary processes and products, such as exam table paper, in medical offices is one simple approach to incorporating principles of planetary health into practice. All quality improvement (QI) projects must start to consider environmental impacts to fully evaluate change ideas. Methods We designed a single Plan-Do-Study-Act cycle using the Institute for Health Improvement Model for Improvement. We removed the exam table paper from our primary care office and measured changes in staff time, laundry, financial costs, paper use and carbon dioxide (CO 2 ) emissions. Results Eliminating exam table paper in our clinic resulted in modest annual cost savings of $C718 and improved staff efficiency and motivation to introduce other green office practices. In our clinic alone, this change will save 8.2 km of exam table paper, 10 trees and 148 kg of CO2e (equivalent to driving 1233 km) every year. There were no negative consequences or feedback. Conclusions This simple QI project demonstrates the feasibility of implementing a small change in a primary care clinic that can improve environmental sustainability with multiple co-benefits. If all family physicians in Canada eliminated exam table paper in their offices, it would result in savings of approximately 95 940 km of paper, 121 680 trees, $C8 400 600 and 3054 T CO 2 emissions, equivalent to driving around the world 360 times.
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 | 0,009 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».