Telemedicine and reduction of travel-related environmental impact of digestive clinic care in a Canadian province
Notice bibliographique
Résumé
Background: Telemedicine offers a promising approach to reduce the carbon footprint of healthcare delivery by minimizing travel-related greenhouse gas emissions. In this study, we quantified the carbon emissions savings from shifting gastroenterology clinic visits from in-person to telemedicine in a single gastroenterologist's clinic in a major urban Canadian centre that serves a mixed urban and rural Canadian population. Methods: A cross-sectional analysis was conducted on 5690 telemedicine encounters from March 2020 to March 2022 at a tertiary-care gastroenterology clinic in Winnipeg, Manitoba, for a single gastroenterologist. Carbon emissions related to travel from home to clinic were estimated. The values are presented as CO2e, a standardized measure used to compare and aggregate the impact of different greenhouse gases on global warming. Travel distances were estimated using driving routes or flights for non-drivable locations. Clinic operational emissions were also estimated to assess total potential savings. Results: The total potential travel distance avoided was 880 336 km. Rural patients accounted for 92.7% of this distance. The average CO2e emissions saved per encounter was 42.9 kg, with rural encounters averaging 106.7 kg and urban encounters 4.6 kg. Clinic operational emissions were minimal at 0.06 kg of CO2e per encounter, compared to travel-related emissions. Over the 2 years, telemedicine visits saved approximately 244 079 kg of CO2e, underscoring the significant environmental benefit of virtual care. Conclusion: Telemedicine reduces the carbon footprint of gastroenterology outpatient care by minimizing patient travel, especially for rural populations. Incorporating telemedicine into routine practice can promote environmental sustainability within healthcare systems.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».