Bibliographic record
Abstract
Beim Patiententransport steckt der Umweltschutz in der Schweiz auf den ersten Blick noch in den Kinderschuhen.Doch es sind Bestrebungen im Gange, den CO2-Ausstoss zu reduzieren.Zürich macht einen Anfang.Auf Schweizer Strassen waren im Jahr 2021 etwas mehr als 70 000 Elektroautos zugelassen.Das entspricht rund 1,5 Prozent des gesamten Bestandes an Strassenmotorfahrzeugen, Motorräder ausgeschlossen.Im privaten Bereich oder auch im regionalen Transportwesen und der Logistik steht einem Beitrag zum Umweltschutz durch elektrisch betriebene Fahrzeuge nichts im Weg.Im Gegenteil, hier ist der Markt breit aufgestellt.Nicht ganz so einfach ist es, im medizinischen Bereich den CO2-Ausstoss zu reduzieren, insbesondere im Patiententransport.Aber in diesem Sektor sind zahlreiche Bestrebungen im Gange, auch wenn diese nicht unbedingt auf den ersten Blick erkennbar sind.Will heissen: Es werden voraussichtlich heute und auch morgen noch nicht im grossen Rahmen Elektro-Rettungswagen in Schweizer Städten eingesetzt werden.Zumindest nicht im Ernstfall.Doch das Interesse an diesen Fahrzeugen ist vorhanden.Für eine kurze Zeit konnte die Dienstabteilung «Schutz & Rettung Zürich» (SRZ) versuchsweise ein solches Fahrzeug nutzen.Dieses schafft mit einer Akkuladung gemäss Herstellerangaben rund 200 Kilometer.Tausende Kilometer zurückgelegt Getestet wurde der E-Ambulanzwagen im Winter bei Minustemperaturen.«Während knapp zwei Wochen war es unserem Rettungsdienst möglich, den voll elektrisch betriebenen Rettungswagen zu testen», erläutert Claudio Corte, Abteilungsleiter Fahrzeuge bei SRZ.In den wenigen Tagen seien mit dem Fahrzeug 1040 Kilometer zurückgelegt worden.
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 | 0.016 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.103 | 0.076 |
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".