Environmental Impact of Online Versus in-Person Critical Care Education Through the Carbon Footprint Analysis of the CERTAIN Program: Cross-Sectional Study
Notice bibliographique
Résumé
Background: Climate change is a pressing public health issue, with the US health care sector contributing about 479 million tons of carbon dioxide (CO2) annually. Online continuing medical education offers an alternative solution to increase global education delivery while reducing CO2 emissions associated with traditional teaching methods. Objective: This study aimed to evaluate the carbon dioxide equivalent (CO2e) emissions associated with different delivery methods of the CERTAIN (Checklist for Early Recognition and Treatment of Acute Illness and Injury) global critical care education program. Specifically, we aimed to compare the climate impact of local in-person courses in Rochester, MN, international in-person courses, and online courses to determine the potential environmental benefits of transitioning to digital education platforms. Methods: A cross-sectional analysis of CO2e emissions linked to the CERTAIN program was conducted from 2016 to 2022. We compared the climate impact of 3 different course offerings: local in-person at Rochester, MN, international in-person courses, and online courses. The international conferences were conducted in the host country with faculty traveling there to provide the educational content. CO2e emissions were calculated using the "My Climate Flight Calculator" and "Environmental Protection Agency Emission Factors" formulas for travel, conference venues, and online course-related emissions. Learner satisfaction was assessed via validated 5-point Likert surveys. Results: Local courses had the highest emissions: 52.7 tons/course (2.5 tons/participant), 96% from air travel (50.6tons, P<.001), versus other formats. International courses showed 20.2 tons/course (0.4 tons/participant), of which 93%(18.8 tons) were travel-related. Online courses reduced emissions by 96% per capita (0.1 tons/participant, P<.001) and 89% per course (5.6 tons, P<.001) versus local format. Overall course ratings were either excellent (live 50%, n=136) vs online 44%, n=11) or very good (live 30.9%, n=84 vs online 53%, n=12) for both live and online courses. Conclusions: The transition to online delivery of our CERTAIN global education program has led to a substantial reduction in CO2 emissions, mainly by eliminating travel, with similar levels of learner satisfaction. These findings support a strategic shift toward digital medical education platforms to promote environmental responsibility and broaden global educational access.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».