Decarbonising Respiratory Care: The Impact of a Low‐Carbon Salbutamol Pressurised Metered‐Dose Inhalers
Notice bibliographique
Résumé
ABSTRACT Background Rapid reductions in greenhouse gas (GHG) emissions are vital to combat climate change. Healthcare systems contribute ~5% of global GHG emissions, with pressurised metered‐dose inhalers (pMDIs) a significant contributor owing to their hydrofluorocarbon propellants. This study compared GHG emissions of a salbutamol pMDI using a low‐carbon propellant in clinical development, hydrofluoroalkane (HFA)‐152a, against current salbutamol inhalers. Methods Three ‘cradle‐to‐grave’ lifecycle analyses compared GHG emissions of salbutamol pMDIs with HFA‐152a and HFA‐134a, and salbutamol dry‐powder inhaler (DPI). Over 600 individual emission factors were calculated from > 2000 data points, and categorised into Active Pharmaceutical Ingredients Manufacture, Micronisation, Device, Formulation/Packaging, Use, Distribution and End‐of‐Life stages. 2023 manufacturing and supply data were collected from Algeria, Australia, Canada, France, Poland, Romania and Saudi Arabia. Carbon footprints were independently verified by the Carbon Trust. Results Mean total carbon footprint per salbutamol inhaler (based on 100‐year global warming potential [GWP100]) was 26.91, 2.06 and 0.69 kgCO 2 e for HFA‐134a pMDI, HFA‐152a pMDI and DPI, respectively. This equated to a 92% reduction in total emissions for HFA‐152a versus HFA‐134a. Most pMDI emissions came from the Use stage (HFA‐134a: 21.48 kgCO 2 e; HFA‐152a: 1.45 kgCO 2 e). Per actuation, emissions were 135, 10 and 11 gCO 2 e, respectively. For each pMDI, GHG emissions were similar across countries. Conclusions The low‐GWP propellant, HFA‐152a is expected to achieve > 90% reduction in the carbon footprint of salbutamol pMDI versus the currently used HFA‐134a. The development of salbutamol pMDI with HFA‐152a is a crucial step towards ensuring future patient access to salbutamol in a pMDI.
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) | 0,000 | 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 ».