Resident-led action for greener operating rooms: a pilot using the national perioperative sustainability scorecard
Notice bibliographique
Résumé
Background Environmental determinants such as air pollution and extreme heat contribute to approximately 13 million preventable deaths globally every year. Paradoxically, the health-care sector itself considerably affects planetary health, with operating rooms accounting for 10–20% of hospital-related greenhouse gas emissions. In response, the Sustainable Health Systems Community of Practice developed a sustainability scorecard, later adapted into the national Sustainable Perioperative Care Scorecard by the CASCADES initiative. This tool outlines 13 evidence-based targets to guide sustainable practices in perioperative care. This quality improvement pilot project aimed to show the utility of this national, freely available scorecard in a resident-led assessment of perioperative sustainability practices. Methods Residents partnered with staff surgeons to apply the 2023 CASCADES Sustainable Perioperative Care Scorecard across two major academic institutions. Assessments covered domains such as sustainability leadership, anaesthetic gas usage, reduction of low-value care, reusable instrument adoption, and waste segregation. Findings Both institutions showed strong engagement with resident-led evaluations. Scorecard results could distinguish differences and opportunities in practice between the two sites. Both hospitals scored well on elements relating to limiting low-value care, minimising intraoperative fresh gas flows, and implementing reusable anaesthesia equipment, and several opportunities for improvement were identified. Interpretation This pilot project illustrates the practicality of a national scorecard for evaluating perioperative sustainability and underscores the important role of residents in leading climate-conscious health-care improvements. Engaging trainees in structured assessments can accelerate institutional efforts towards more sustainable perioperative practices. Funding None.
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 | 0,035 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 ».