Integrating industry 4.0 into hospital waste management (HWM4.0): a framework and application of the novel interval CoCoSo method
Notice bibliographique
Résumé
Effective management of hospital waste (HWM) is vital to improving healthcare quality; especially when it is aligned with 4.0 technologies. This empirical study intends to create a framework for the incorporation of HWM and Industry 4.0 technologies; referred to as HWM 4.0 in this study. The originality of this paper can be defined into two parts. First, to conceptualize and define the HWM 4.0 framework. Second, the novel application of a Combinatorial-Interval Compromise Solution (CoCoSo) method, specifically developed in this study to address interval-valued uncertainty in expert judgments, representing a methodological contribution introduced for the first time within the HWM 4.0 context. To help accomplish the aims of this empirical study, the study first establishes and classifies HWM activities. After which, it evaluates the role of Industry 4.0 technologies for these categorized activities. HWM activities are classified into the seven domains of control activities within hospitals; human resources, infrastructure and equipment, financial control activities, operations and processes, energy use and waste reduction, information systems and technology, and biological risk control activities and safety. The study applies Combinatorial-Interval CoCoSo method in two case studies on eight hospitals. Hospitals are prioritized based on control activities within hospitals. Finally, the paper provides a framework for actions and evaluation of HWM 4.0, highlighting that it is a significant enhancement on previous paradigms.
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 ».