The environmental burden of surgical waste from endovascular aortic aneurysm repair
Notice bibliographique
Résumé
Background The health sector plays a significant role in contributing to climate change owing to its considerable carbon footprint. Operating rooms are responsible for producing up to one-third of the total waste generated by hospitals. To assess the environmental impact of endovascular aneurysm repair (EVAR), we conducted a surgical waste audit to evaluate waste production associated with this procedure. Methods We conducted a waste audit on 30 EVAR procedures performed by the vascular department. The waste was categorized into six streams: regular solid waste, recyclable plastics, recyclable paper, biohazard waste, laundered linens, and sharps. The volume and weight of each stream were measured and quantified. Using Canadian hospital discharge abstract data (2003-2016), we estimated the annual weight and volume totals of waste generated from all EVAR procedures performed in Ontario. Results The average surgical waste (excluding laundered linens) per EVAR was 20.72 kg, of which 13.3 kg (64.2%) was normal solid waste, 2.71 kg (12.8%) was biohazard waste, 2.44 kg (12%) was device boxes, 2.09 kg (10.1%) was recyclables, and 0.18 kg (0.9%) was sharps. The average volume of waste per EVAR was 0.77 m 3 . Device packaging made a significant contribution to the total waste. We estimated that landfill waste from the 19,219 elective EVAR procedures performed in Ontario between 2003 and 2016 amounted to 392,067 kg by weight and 14,798 m 3 by volume. Conclusions EVARs generate substantial surgical waste. By adopting environmentally friendly surgical products and implementing effective waste management policies, operating rooms could significantly reduce their environmental impact without compromising patient care.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| 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 ».