MétaCan
Menu
Retour à la cohorte
Enregistrement W4404921398 · doi:10.3390/environments11120275

Anesthetic Gases: Environmental Impacts and Mitigation Strategies for Fluranes and Nitrous Oxide

2024· article· en· W4404921398 sur OpenAlexaff
William A. Anderson, Anita Rao

Notice bibliographique

RevueEnvironments · 2024
Typearticle
Langueen
DomaineNeuroscience
ThématiqueAnesthesia and Neurotoxicity Research
Établissements canadiensUniversity of TorontoUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésNitrous oxideAnestheticEnvironmental scienceAnesthesiaMedicine

Résumé

récupéré en direct d'OpenAlex

Anesthetic gases represent a small but significant portion of the environmental impact of health care in many countries. These compounds include several fluorocarbons commonly referred to as “fluranes”. The fluranes are greenhouse gases (GHG) with global warming potentials in the hundreds to thousands and are also PFAS compounds (per- and polyfluorinated alkyl substances) according to at least one definition. Nitrous oxide (N2O) is sometimes used as an adjunct in anesthesia, or for sedation, but has a significant stratospheric ozone depletion potential as well as GHG effects. Reducing emissions of these compounds into the environment is, therefore, a growing priority in the health care sector. Elimination or substitution of the highest impact fluranes with alternatives has been pursued with some success but limitations remain. Several emission control strategies have been developed for fluranes including adsorption onto solids, which has shown commercial promise. Catalytic decomposition methods have been pursued for N2O emission control, although mixtures of fluranes and N2O are potentially problematic for this technology. All such emission control technologies require the effective scavenging and containment of the anesthetics during use, but the limited available information suggests that fugitive emissions into the operating room may be a significant route for unmitigated losses of approximately 50% of the used fluranes into the environment. A better understanding and quantification of such fugitive emissions is needed to help minimize these releases. Further cost–benefit and techno-economic analyses are also needed to identify strategies and best practices for the future.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0110,002

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 Opus0,019
Tête enseignante GPT0,268
Écart entre enseignants0,249 · 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 source (Gemma direct ou Codex distillé), 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
GenreSynthèse

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

En bref

Citations9
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmentsMême sujetAnesthesia and Neurotoxicity ResearchTravaux en français237 207