Sustentabilidade ambiental nos processos de medicação realizados na assistência de enfermagem hospitalar
Bibliographic record
Abstract
Resumo Objetivo Foram analisadas ações sustentáveis realizadas pela equipe de enfermagem de uma unidade de terapia intensiva durante os processos de medicação e proposto intervenções para a melhoria da sustentabilidade ambiental na área hospitalar. Métodos Estudo antes e depois usando a metodologia Lean Seis Sigma aplicada em uma unidade de terapia intensiva. A amostra foi composta por 648 processos de medicação realizados pela equipe de enfermagem. Os dados foram coletados por meio de roteiros de observação e analisados quantitativamente. Resultados Os resultados pós-intervenções incluíram a redução dos materiais como sacos plásticos (37,1%), redução de sobras de anti-inflamatórios hormonais (67,1%), aumento na remoção de etiquetas de sacos plásticos para serem reciclados (146,9%) e descarte correto de resíduos (32,2%) com diferença estatística significante (p ≤0.05). Conclusão As estratégias de intervenções implementadas a partir da análise do problema, validação e priorização das ações teve influência positiva na redução, reciclagem e disposição correta dos resíduos com benefícios para a instituição, meio ambiente e a saúde humana.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".