Framework for Environmentally Sustainable Radiology: Call for Collaborative Action and a Health-Centered Focus
Notice bibliographique
Résumé
It is imperative that the entire medical imaging sector acts collectively and decisively to reduce its own environmental impact and prepare for the current and future effects of the climate crisis. The Radiology R7 meeting convened in Venice, Italy, on October 10-13, 2024 to discuss environmental sustainability and other key issues facing radiology and the patients served by medical imaging. Radiology R7 delegates agree that collaborative action is urgently needed to transform radiology systems to be climate-resilient, equitable, low-carbon, and sustainable. This special report highlights priorities and outlines a framework for environmentally sustainable radiology, centered on eight collaborative action areas. A health-centered response reinforces the role of radiologists as physicians, emphasizes the opportunity for medical imaging to improve health, and will be essential to engage key partners in climate action. Effective leadership and governance are needed to ensure that radiology services are accessible, equitable, affordable, high quality and sustainable. Collaboration and partnership are essential to achieve meaningful change. Health equity should be prioritized to increase global access to high quality radiology services while minimizing the environmental impact. Multiple climate response pathways should be implemented in parallel including mitigation strategies to reduce the use of energy, finite resources and waste and adaptation strategies to build resilience to the effects of climate change. Innovation and research are necessary to develop, validate, and implement sustainable solutions. Finally, knowledge sharing, education, and training are needed to disseminate information on actions toward environmentally sustainable radiology practices. We all have a role to play and must work together to achieve these aims quickly by identifying the problem, setting goals, implementing a plan, measuring impact, sharing results, and celebrating successes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,119 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,017 | 0,066 |
| Communication savante | 0,028 | 0,022 |
| Science ouverte | 0,012 | 0,041 |
| Intégrité de la recherche | 0,043 | 0,041 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,005 |
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 source (Gemma direct ou Codex distillé), 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 ».