Environmental sustainability in veterinary clinics: best practices for the United States and Canada
Notice bibliographique
Résumé
Introduction: Veterinary professionals in the United States and Canada are increasingly seeking ways to reduce the environmental impacts of clinical practice, reflecting a broader commitment within the profession to sustainability. While environmental sustainability frameworks are well established in human healthcare, equivalent resources for veterinary clinical practice in North America remain limited. This study aimed to develop evidence-based best practices for enhancing environmental sustainability in veterinary clinics in the United States and Canada. Methods: We conducted a gray literature review of open-access resources in veterinary medicine and human healthcare to identify explicit sustainability actions. Extracted actions were synthesized and reviewed by a panel of seven subject matter experts through a two-round modified Delphi process. Experts evaluated each action for implementation effort and environmental impact and provided qualitative feedback. Results: The final set comprised 199 actions, organized into 14 thematic categories. Experts emphasized the importance of leadership engagement, team empowerment, and balancing high-impact, resource-intensive interventions with low-effort "quick wins" to build momentum. Priority areas included energy efficiency, waste reduction (particularly anesthetic gas management), sustainable procurement, and community engagement. Discussion: The resulting framework provides a flexible, regionally relevant roadmap that clinics can adapt to their context, offering practical entry points for immediate action alongside strategies for long-term change. This resource can support veterinary teams, educators, and industry stakeholders in embedding sustainability into clinical practice, contributing to improved planetary and animal health.
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 | 0,033 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,016 | 0,006 |
| Communication savante | 0,010 | 0,003 |
| Science ouverte | 0,004 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,003 |
| 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 ».