MétaCan
Menu
← Retour à la cohorte
Enregistrement W4414601246 · doi:10.1186/s13223-025-00988-x

Environmental sustainability in asthma: reducing carbon footprint and medication wastage

2025· article· en· W4414601246 sur OpenAlexvenueno aff
Ming Ren Toh, Gerald Xuan Zhong Ng, Ishita Goel, Vivian Tan, Kheng Yong Ong, Ting Chan, Jun Tian Wu, Chun Fan Lee, Marcus Eng Hock Ong, David B. Matchar, Ngiap Chuan Tan, Chian Min Loo, Shao Wei Lam, Mariko Siyue Koh

Notice bibliographique

RevueAllergy Asthma and Clinical Immunology · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensnon disponible
Organismes subventionnairesSingapore General HospitalGlaxoSmithKline
Mots-clésCarbon footprintSustainabilityCarbon fibersEcological footprintEnvironmental impact assessmentProduction (economics)

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Asthma inhalers are significant contributors of greenhouse gas emissions. However, less is known about the potentially avoidable carbon footprint i.e. medication wastage and oversupply. We aimed to analyse dispensing patterns and carbon footprints of asthma inhalers, quantify medication wastage, and identify determinants of medication oversupply. METHODS: We reviewed the asthma-related dispensation records from 2015 to 2019, in an anonymised, cluster-wide repository linking electronic medical, pharmacy and administrative records, containing patient and visit details on demographics, comorbidities, GINA step, and site of care. Medication wastage, a visit-level measure, was defined as the number of inhalers dispensed in excess of the quantity required during each refill interval. Medication oversupply, a patient-level aggregated measure defined by medication possession ratio (MPR) > 1.2, where MPR equals total dispensed days (summed across all maintenance inhalers) divided by the follow-up period. All analyses were performed using R Studio. RESULTS: 205,337 inhaler units were dispensed over the study period, contributing an estimated 1,541,591 kgCO2e. The most frequently prescribed inhalers were SABA MDIs (79,007 units; 38.5%), followed by ICS-LABA MDIs (46,335 units; 22.6%), ICS MDIs (36,635 units; 17.8%), ICS-LABA DPIs (33,730 units; 16.4%), and ICS DPIs (9,630 units; 4.7%). ICS-LABA MDIs remained the greatest contributor of carbon footprint, with annual carbon emissions nearly doubling from 114,476 kgCO2e in 2015 to 214,575 kgCO2e in 2019. A total of 6,427 canisters were dispensed in excess of refill intervals, accounting for 46,798 kgCO2e. Beclomethasone MDIs accounted for the majority of wasted inhalers. In a multinomial regression analysis, patients receiving care in primary care settings were significantly more likely to be oversupplied medications compared to those in specialist care (OR 1.93, 95% CI 1.49-2.51). CONCLUSION: ICS-LABA MDIs are the predominant source of inhaler-related carbon footprint, with additional contribution from excessive dispensation of inhalers.

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)0,007
score de la tête « metaresearch » (Gemma)0,022
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,022
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,007
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,017
Tête enseignante GPT0,321
Écart entre enseignants0,304 · 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
GenreEmpirique

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

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAllergy Asthma and Clinical Immunology→Même sujetClimate Change and Health Impacts→Travaux en français237 207→