文献速递技术与安全CTMRUSDR

放射科的环境影响:温室气体排放与一次能源核算及可持续实践策略

Environmental impact of a radiology department: greenhouse gas emissions and primary energy accounting and strategies for sustainable practice.
PubMed 文献 · Insights Imaging · 2026-10-15

该单中心回顾性观察研究核算了一个放射科(含2台MRI、2台CT、1台介入机房、2台超声、3台X线机)的一次能源消耗与温室气体排放。医院从煤电切换为水电后,科室一次能源消耗下降64%、温室气体排放下降92%;此后材料与药品(尤其是对比剂和一次性耗材)成为主要排放源。

要点

  • 电力结构从煤电转为可再生水电可使放射科温室气体排放下降92%、一次能源消耗下降64%。
  • 转换后MRI每检查一次能源消耗仍最高(49.2 kWh),介入机房每检查温室气体排放最高(6.3 kg)。
  • 转换后材料与药品(对比剂、一次性耗材)成为主要排放源,可持续采购是下一阶段减排关键。

核心结论

  • 转向可再生电力是降低放射科温室气体排放和一次能源需求的关键策略。
  • 完成电力转换后,选择排放因子和一次能源因子更低的材料与药品可进一步减轻环境影响。

研究设计与样本

  • 单中心回顾性观察研究,不涉及人类参与者,无需伦理审批。
  • 纳入1台3.0 T MRI、1台1.5 T MRI、2台CT、1台介入机房、2台超声和3台常规X线机,乳腺机因位于院区其他区域被排除。
  • 采用医院能耗监测系统约300,000个实测数据点(2023年11月至2025年4月),结合技术数据和气象数据估算,使用专用工具按Ecoinvent V.3.7.1等因子计算温室气体排放(Scope 1–3)和一次能源消耗。
  • 材料与药品的可持续性系数通过AI助手估算,并对影响最大的70余种产品用不同AI引擎复核。
  • 2023年全院使用煤电,2024年切换为水电,比较两年结果。

诊断标准与关键数值

  • 煤电排放因子1.300 kg CO₂e/kWh、一次能源因子3.940 kWh/kWh;水电分别为0.007 kg CO₂e/kWh和1.190 kWh/kWh;风电0.017 kg CO₂e/kWh和1.290 kWh/kWh;太阳能0.098 kg CO₂e/kWh和1.360 kWh/kWh。
  • 2023年科室温室气体排放531 t,2024年降至41 t;一次能源消耗从1669 kWh降至605 kWh。
  • 2024年每检查一次能源消耗:MRI 3.0 T为49.2 kWh、MRI 1.5 T为75.8 kWh、CT1为13.9 kWh、介入机房为48.9 kWh。
  • 每检查温室气体排放:MRI 3.0 T从2023年50.4 kg降至2024年1.0 kg,MRI 1.5 T从88.0 kg降至1.3 kg,CT1从9.0 kg降至1.5 kg,介入机房从32.0 kg降至6.3 kg。
  • MRI 3.0 T工作日开机时段日平均功率中位数22.00 kW,非开机时段7.50 kW;数据存储能耗估算为每GB存储数据25年累计588 Wh。

临床应用与阅片要点

  • 报告科室环境影响的评估应覆盖影像设备、冷却与通风、照明、工作站、IT、材料药品及外部服务,而非仅关注扫描仪用电。
  • 电力结构转换为可再生能源后,应把减排重点转向对比剂和一次性耗材的选择与管理。
  • MRI非工作时段仍存在7.50 kW中位功率需求,减少待机与优化检查排程可降低每检查分摊能耗。
  • 介入机房每检查温室气体排放在转换后仍最高(6.3 kg),与其药品和材料环境影响较高有关。

局限性

  • 单中心回顾性研究,结果外推需谨慎。
  • 基础设施和影像系统建造与拆解相关的隐含能源和温室气体排放未纳入核算。
  • 人员与患者交通未纳入,乳腺机被排除。
  • 材料与药品的可持续性系数依赖AI助手估算,多数产品缺乏公开LCA数据。
全文中译14 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Insights Imaging. 2026 Oct 15;17:260. doi: 10.1186/s13244-026-02436-9

引言

医疗系统是环境影响的主要贡献者,约占全球温室气体(GHG)排放的4–10% [1–3]。在医院内部,放射科是能源消耗、物资使用和废物产生的主要来源,因此也是GHG排放的主要来源。事实上,放射科配备了高能耗设备,如MRI、CT、介入放射学(IR)手术室、超声系统和数字X射线摄影设备 [4, 5],这些设备需要大量电力、复杂的冷却和支持基础设施,进一步放大了其环境足迹。

一次能源消耗是指直接能源(可直接测量的能源消耗)和间接能源(价值链上下游阶段所需的能源)之和。另一方面,放射科的GHG排放和一次能源消耗不仅包括主要成像设备,还包括建筑基础设施、信息技术、耗材和药品 [6]。最近的一项范围综述总结了放射科的环境影响,强调MRI和CT是能耗最高的模态。已报告的每台扫描仪年CO₂当量(CO₂e)排放范围从单台MRI的53.1 ± 13.2公吨到CT的12.6 ± 2.9公吨,每次扫描排放范围在MRI为6.2–76.2 kg、CT为1.1–13.4 kg之间,取决于系统限制、方法学和使用率 [3]。Esmaeili等估计单次MRI检查的碳足迹为每位患者22.4 kg CO₂e。院内能源消耗(包括MRI机器、辅助设备和照明)为每位患者29 kWh,而院外能源使用(包括发电和输电燃料,以及生产一次性、消耗性和可重复使用产品所需的能源)测得为每位患者75 kWh [7]。最近一项放射科生命周期评估(LCA)报告了十年间4.6 kt CO₂e排放,其中MRI和CT机器分别占累积排放的48%和24% [4]。此外,由于CT和MRI能耗巨大,先前研究已证明现代扫描仪在非生产性空闲和关机模式下具有显著的节能和成本节约潜力 [8]。

然而,现有文献尚未完全捕捉放射科作为嵌入更广泛医院系统中的组织单位的综合环境影响,包括对一次能源消耗和GHG排放的评估,而这些对于确定有效的减排策略至关重要 [9]。

因此,本研究的目的是对一次能源消耗和GHG排放进行全面评估,作为评估放射科环境影响的关键指标,最终目标是确定减排的关键领域并迈向可持续放射学实践。

材料与方法

这是一项观察性回顾性单中心研究,不涉及人类参与者,因此无需IRB批准。

系统与边界

在整个研究过程中,应用了相同的系统边界、方法学和消耗类别。因此,所有呈现的数据和结果均基于一致的方法学框架。

纳入标准

本研究纳入了某地区医院放射科的所有成像系统,包括1台MRI 3.0 T(Philips,Ingenia 3.0 T)、1台MRI 1.5 T(Philips Ambition X 1.5 T)、2台CT(Siemens Somatom X.Ceed)、1间介入放射(IR)手术室(Philips Allura Xper FD 20)、2台超声(US)(GE Loqiq)和3台常规X线摄影机,包括透视设备(2台Philips Digital Diagnost C90 HP;1台Celex,NRT x Ray,Leuag AG)。2台CT系统中的1台(CT 1)和2台MRI系统与神经科共用,而另1台CT系统(CT 2)与急诊科共用。本科室与其他科室之间的分配基于所执行的检查数量,这些分配因子按比例纳入所有相应的计算和分析中。

排除标准

乳腺X线摄影机被排除,因为它们位于医院的另一区域。工作人员和患者的运输也被排除,尽管其具有显著影响,因为该问题正通过全院范围的策略加以解决。

数据收集与分析

我们涵盖了上述所有成像系统的实测和计算电力消耗(图1)。这包括房间内的能源,如照明、工作站(包括图像计算)、本地网络基础设施和其他一般设备。医院中央制冷厂提供的成像系统和房间的冷却数据被纳入,以及基于废物焚烧发电的区域集中供热网络的供热数据。通过管道从中央空气处理机组供应至房间的新鲜空气通风也被纳入,详情如下。此外,材料和药品使用,以及外部服务,如洗衣和信息技术(广域网(WAN)——我们两个自有数据中心内的传输和存储/检索),被整合到评估中。与上述基础设施和成像系统相关的隐含能源及伴随的温室气体(GHG)排放,包括其建造和拆除,未被考虑在内。

图1 该图显示了系统边界内纳入的消耗量以及计算GHG排放和一次能源消耗的原理 查看原图 ↗

测量

一次能源消耗

所有消耗者的大部分直接电力消耗通过功率测量确定(2023年11月至2025年4月;约300,000个实测数据点),这些数据使用医院的能量监测系统(Schneider EcoStruxure Power Monitoring Expert)连续记录。在缺乏合适测量的情况下,MRI 1.5-T系统的电力消耗使用本课题组开发的模型确定,该模型基于MRI利用数据和制造商提供的技术规格。与实测数据相比,该模型在2023年对MRI 3.0 T系统的偏差仅为3.8%,2024年为2.7%。

冷却能耗根据系统电力消耗以及已安装冷却生产相对于电力消耗的典型年效率(季节能效比(SEER)= 3.33)进行估算。通风功耗根据房间特定风量(61%来自安装图纸,39%根据房间类型和楼层面积按换气率估算)计算,涵盖放射科所有房间(技术室、行政办公室、会议室、卫生间和办公室),以及根据瑞士工程师与建筑师协会(SIA)标准382/1 2007 [10] 对现有装置采用的典型体积流量/功耗系数。

次要用房(如办公室)的热耗根据房间布局、建筑特性、室内温度设定和月平均室外温度确定。

一次能源根据瑞士定义计算,使用基于生命周期评估(LCA)的因子 [11]。

与PACS相关但尚未计入医院能源使用的能耗根据我们的网络架构进行估算。所得WAN传输能耗值与Aslan等人 [12] 报告的值进行了交叉核对。数据存储能耗使用我们数据中心企业级硬盘的典型功率需求估算,包括冷却和其他配套基础设施的分配。假设每项检查在数据中心保留25年,并在其生命周期内通过WAN传输三次,累计能源需求估计为每GB存储数据588 Wh。该值代表整个25年保留期内每GB的总能耗,并完全分配到数据最初存储的年份。

温室气体排放

温室气体排放根据上述数据以及排放因子(范围1-3),按照Ecoinvent(V.3.7.1,2020年10月)针对所用电力结构 [13] 和瑞士联邦能源局2024年针对类似区域供热供应商发布的值 [14] 计算得出。所选方法符合温室气体核算体系企业标准,并与EN ISO 14064-1(国际标准化组织(ISO)提供的全球公认标准,分为三个部分,涵盖量化、报告和核查温室气体排放的稳健框架)保持一致 [15]。

使用人工智能(AI)工具的计算

材料和药品的温室气体(GHG)及一次能源系数的估算是最大的挑战。使用2023年的详细采购记录来确定每种单个产品所需材料和药品的数量,并将其归属于每种系统类型(例如MRI系统)。随后将这些消耗数据按检查次数进行归一化,并外推至2024年。事实上,放射科使用了近800种不同的材料和药品,但其中大多数几乎没有或没有已发表的数据;生命周期评价(LCA)通常仅对包装材料可用。因此,可持续性系数通过AI助手进行估算(从摇篮到坟墓,包括原料能源、包装及运输至医院),采用以下方法。步骤1:聚类及聚类层面的近似计算。步骤2:对影响较大的材料和药品进行详细计算(OpenAI ChatGPT 5,Thinking推理模式,2025年9月28–30日)。为消除或大幅降低幻觉风险,使用基于不同AI引擎的AI助手(Anthropic的Claude,2025年9月30日,ClaudeSonnet 4.5)对结果影响较大的要素进行控制计算。最后,在初始分析中占温室气体排放和一次能源消耗>90%的材料和药品(超过70种产品)使用第三个AI助手(Google Gemini 3 Pro,Deep Research,2025年12月31日–2026年1月11日)重新计算(补充图1)。对每种产品生成一份报告,包含按照ISO 14040进行的LCA计算,ISO 14040是ISO提供的描述LCA原则和框架的文件[16](补充图2)。这些计算基于具体引用的来源,并包含在我们请求中指定的基本假设(例如运输路线、所用车辆、能源来源)的详细信息,以及中间和最终结果,同时排除AI助手的训练数据集,以降低幻觉风险(补充表1)。

为计算开发的工具

开发了一个专用工具用于计算温室气体排放和一次能源消耗,该工具整合了系统的电力消耗数据(2023年11月–2025年4月)、次级系统(IT、洗衣)的数据以及2024年购置的材料和药品数据(补充图3)。不完整年份的电能数据经外推以代表完整的12个月期间,因为我们设置中的主要系统(冷却主要由具有恒定再冷却器和冷却设定点的冷水机组提供,无自由冷却,且通风的冷却贡献有限)的月能耗变化有限。为进行合理性检查,开发了一个简化模型,部分基于替代来源和简化计算。

结果

一次能源消耗

截至2023年底,整个医院,包括放射科,均由燃煤发电厂提供的电力组合供电,而在2024年,其从煤基电力转向了来自水力发电厂的可再生电能。由于主要能源和温室气体(GHG)排放转换因子在主要可再生电力来源之间大体相当,尤其是与煤基电力显著更高的转换因子相比(煤基电力:1.300 kg CO₂e/kWh和3.940 kWh/kWh;水电:0.007 kg CO₂e/kWh和1.190 kWh/kWh;风电:0.017 kg CO₂e/kWh和1.290 kWh/kWh;太阳能发电:0.098 kg CO₂e/kWh和1.360 kWh/kWh),在本研究中我们统一使用可再生电力这一表述,尽管所有数据和结果均基于水电电力组合。

由于燃煤发电厂电力和可再生来源电力的主要能源因子差异显著(煤:3.94 kWh/kWh;水电:1.19 kWh/kWh),这一转变导致了主要能源消耗的明显变化,如图2所示。因此,所有系统(包括扫描仪和所有次级消耗者,如冷却)在2023年至2024年和2025年期间均显示主要能源消耗大幅降低(补充图4)。

如图3所示,在从煤基电力(2023年)过渡到可再生能源(2024年)之后——系统的直接能源消耗没有任何减少——磁共振成像(MRI)系统的主要能源消耗显著降低(例如,3.0 T机器每次检查的消耗从155 kWh降至49.2 kWh),尽管它们仍表现出最高的每次检查能源消耗(每次检查49.2 kWh,相比之下CT1为13.9 kWh,介入放射(IR)套房为48.9 kWh)。值得注意的是,由于运营原因,MRI 1.5 T执行的检查次数显著少于MRI 3.0 T,导致每次检查的非生产性消耗(例如夜间)更高,以及每次检查的总体主要能源消耗更高(例如,2024年:MRI 3.0 T,49.2 kWh/检查;MRI 1.5 T,75.8 kWh/检查)。

MRI 3.0 T在工作日运营时段(理论运营时间表)的日平均功率需求(直接电力消耗)的中位数在2023年11月至2024年12月期间为22.00 kW,而在这些时段之外的相应中位数为7.50 kW(补充图5)。直接电能消耗在各月之间保持相对稳定(补充图6)。

图2 2023年和2024年放射科的主要能源消耗。该图显示,从煤基电力(2023年,内圈)切换到可再生电能(2024年,外圈)导致总主要能源消耗明显降低(从1669 kWh降至605 kWh) 查看原图 ↗
图3 该条形图显示了2023年和2024年期间我科各系统每次检查的主要能源消耗(kWh)(包括所有次级消耗):尽管MRI系统的主要能源消耗显著降低,但与CT系统、常规X射线、超声(US)和IR套房相比,它们每次检查的能源消耗仍然最高 查看原图 ↗

温室气体排放

如图4所示,从燃煤电力转向可再生能源(系统的直接能源消耗没有任何减少)导致放射科的整体温室气体(GHG)排放显著降低(2023年:531吨;2024年:41吨)。虽然此前电能是GHG排放的主要来源,但2024年GHG排放的主要来源明显转向材料+药品。这归因于可再生能源的排放因子大幅降低(煤炭:1.300 kg CO₂e/kWh;水电:0.007 kg CO₂e/kWh)。其他潜在来源,如热量消耗、洗衣和外部服务(主要依赖电能),仍显示出较小的影响。

一项模拟显示,即使使用基于化石燃料的不可再生供热能源(供暖油),材料和药品的影响仍远远最大(2024年:材料和药品为37吨CO2e,而供暖为17吨CO2e)。在基于碳的不可再生电力条件下,MRI系统每次检查产生的GHG排放显著高于CT系统,而在转向可再生电力后,其排放变得相当(图5)。实际上,MRI系统(包括所有二次消耗)的CO2e排放2023年分别为50.4 kg/次检查(MRI 3.0 T)和88.0 kg/次检查(MRI 1.5 T),2024年分别为1.0 kg/次检查(MRI 3.0 T)和1.3 kg/次检查(MRI 1.5 T)。CT 1系统(包括所有二次消耗)的CO2e排放2023年为9.0 kg/次检查,2024年为1.5 kg/次检查。值得注意的是,介入放射(IR)室每次检查的GHG排放2024年(6.3 kg/次检查)低于2023年(32.0 kg/次检查),但仍是科室内每次检查GHG排放最高的。这一结果主要归因于IR操作过程中使用的具有较高环境影响的药品和材料。

2025年前三个月的测量结果(未在图5中显示)证实了2024年的结果。

对材料和药品消耗的更详细分析证实,对比剂和一次性材料占GHG排放和一次能源消耗的最大份额(图6)。补充分析显示,与材料和药品相关的排放和能源需求受能源结构、运输、产品组成和系统边界的强烈影响。

材料和药品的 substantial 贡献解释了为什么2024年CT扫描每次检查的总GHG排放略高于MRI扫描。当使用可再生电力时,电力消耗仅占整体GHG排放的一小部分,使对比剂的影响成为主要贡献因素。因此,从基于化石燃料的电力结构转向可再生电力结构,使MRI的GHG排放相对降低幅度显著大于CT扫描。

图4 放射科2023年(内圈)和2024年(外圈)的GHG排放(范围1–3)。该图显示,在转向可再生能源(2024年)后,与2023年相比,电能消耗(蓝色部分)对GHG排放没有重大影响,而2024年GHG排放的主要来源明显转向材料和药品(绿色部分)。 查看原图 ↗
图5 不同成像系统每次检查的温室气体(GHG)排放(包括能耗、洗涤、DC、行政管理、材料和药品)。在从燃煤电力(2023年)过渡到可再生能源(2024年)后,每次MRI检查的GHG排放显著下降,而CT机的排放降幅较小。每次检查介入放射(IR)室的排放仍处于相对较高水平,并在2024年占相对较大的贡献比例。 查看原图 ↗
图6 2023年放射科材料和药品类别的GHG排放(A)和一次能源消耗(B)饼图,显示了材料和药品各子组的相对贡献,以及绝对排放量和能源消耗值。如图所示,对比剂(紫色扇区)和各种一次性材料(浅蓝色扇区)占GHG排放和一次能源消耗的最大份额。 查看原图 ↗

讨论

本研究表明,尽管MRI和CT系统的电能消耗通常被认为是放射科GHG排放的最大贡献者,但从燃煤非可再生能源过渡到可再生能源(水电)使这些成像方式的碳足迹显著降低。由此产生的减排量远大于通过一些节能措施(如在非营业时间关闭系统)所实现的减排量,而后者已于数年前在我科实施。

在这一转变之后,排放的主要来源变为材料和药品,尤其是对比剂和一次性材料,凸显了可持续采购和废物管理实践在医疗环境中的关键作用。

由于欧洲和美洲几乎所有国家以及亚洲最大经济体的能源市场都提供了将电力物理输送与其核算和环境属性分离的机制,向可再生电力的过渡通常适用于几乎所有组织。这使医院能够通过基于市场的工具支持和申领可再生电力,而无论电网实际输送的电力结构如何。尽管放射科通常隶属于负责能源采购的较大组织(如医院),但它们仍可通过支持向可再生能源过渡,或为其能源消耗份额承担与基于市场的可再生电力相关的额外成本,来影响采购决策。现场可再生能源发电(如光伏板)可以补充这些努力。

由于主要可再生电力来源的GHG排放和一次能源转换因子大体相当,尤其是与基于化石燃料的非可再生电力结构相比时,这些发现预期普遍适用于从基于化石燃料的非可再生电力结构向可再生电力结构的过渡。

Carver等人证明,MRI和CT服务每年分别产生约221 t和108 t二氧化碳当量(CO₂e)。作者表明,能源消耗占排放量的最大份额(MRI为58%,CT为33%),其次是一次性用品(MRI为26%,CT为16%)、资本设备生产(MRI为7%,CT为13%)和布类织物(MRI为4%,CT为11%)[16]。因此,他们假设改用太阳能光伏发电可使MRI设备的总排放量减少70%,CT设备减少40%,同时扫描仪生产、一次性用品和布类织物的相对影响会增加[17]。

减少医学影像环境影响的常见策略包括尽量减少直接能源使用,例如不使用时关闭设备、缩短成像方案以及优化排程以减少扫描仪空闲时间[7, 18–20]。这些措施通常被广泛接受,因为它们同时也能降低成本。然而,我们的结果表明,改用可再生电力是减少温室气体(GHG)排放最有效的策略,特别是对于MRI和CT系统等主要用电设备而言。

我们的结果还表明,增加每年进行的MRI检查数量可通过减少运营时间之外的非生产性能源使用,显著降低每次检查的初级能源消耗。

值得注意的是,在过渡到可再生能源之后,材料和药品贡献了大部分GHG排放。生命周期评价(LCA)研究证实,材料、药品和一次性用品(如医用布类织物和对比剂)对碳足迹有显著影响[5, 17, 21]。例如,既往研究表明,一次性用品在放射摄影中占排放量的高达24%,在MRI/CT中占4–11%[17],在介入放射(IR)室中占41%[22]。为解决这一问题,开发了一个专用模型来计算可持续性数据,因为此前不存在可比工具。

本研究突显了基于LCA的可持续性因子的缺乏,尤其是对于药品,尽管现有数据库中已有其他部门的数据[13]。至关重要的是,材料和制药行业应提高其产品在整个供应链中环境影响的透明度,从而支持更稳健、可重复的可持续性评估,并为知情的采购决策提供依据。

本研究存在一些局限性。首先,本研究为单中心研究,在瑞士一家中型医院(约200张床位)的放射科开展,这可能限制研究结果向具有不同基础设施、运营实践或能源系统的医院推广。然而,研究结果可作为其他医院(尤其是工业化国家医院)制定减排策略的起点。其次,部分数据基于设计规格,因为直接测量不切实际或所需工作量过大。但这些数据已与供应商手册和公开来源进行交叉核对,以确保准确性和可靠性,且该方法仅适用于对整体结果影响较小的要素,因此结论仍然有效。另一项局限性是排除了乳腺X线摄影设备,这些设备位于医院另一区域。虽然将其纳入可能会影响能耗和排放数据,但与CT和MRI系统等主要能耗设备相比,其贡献预计极小。此外,2023年和2025年的实测电力消耗数据仅涵盖部分年份。因此,通过将记录的电力消耗按比例外推至全年,将这些数值年化。该方法被认为是合适的,因为在本研究中,电力消耗(包括制冷生产)仅受室外温度轻微影响,2024年的月度数据也证明了这一点。最后,使用人工智能估算材料和药品的非公开生命周期评价(LCA)值存在固有局限性。但这是唯一可行的方法,因为大多数产品没有公开的LCA数据,而环境扩展投入产出(EEIO)方法不适合本研究目的(例如,因为它无法区分单个产品)。已明确指示AI代理不得依赖其训练数据,而应仅依据LCA报告中引用的可引用来源进行估算。这大幅降低了幻觉的可能性;任何剩余错误通常仅限于理解偏差,并通过人工核查进一步最小化。此外,我们比较了类似产品之间以及不同AI代理之间的结果,以识别和解决潜在错误及其他重大不准确之处。综合而言,这些措施使我们能够排除——或至少大幅减少——幻觉和理解偏差的发生。基于使用不同AI代理进行的多次计算运行结果,我们估计每种材料或药品的可重复性约为±30%,这意味着单个产品层面的变异性应在聚合组水平上相互抵消。然而,产品特定因素——如运输路线、运输方式和生产过程中使用的能源类型——仍可能引入结果变异性。因此,尽管我们的方法可被视为探索性的,但主要发现仍然稳健,即使在材料和药品估算影响的显著变化下也不会发生实质性改变。

总之,我们的研究结果支持放射科从基于化石燃料的不可再生电力来源向可再生电力来源转型,这是减少温室气体(GHG)排放的关键策略。随着医疗系统日益将可持续性纳入临床实践,电力供应的脱碳应被视为优先事项,并辅以采购环境影响较低的材料和药品。这将需要在医疗供应链中提供标准化的、由供应商提供的生命周期评价(LCA)数据,以实现有意义的比较和循证采购。未来研究应解决当前的数据缺口,并制定实用的标准化框架,将环境指标纳入放射科实践和医疗采购。

补充信息

电子补充材料

引用

  1. Rizzo S, Rüesch C, Budin M, et al. Environmental impact of a radiology department: greenhouse gas emissions and primary energy accounting and strategies for sustainable practice. Insights Imaging. 2026. PMID: 42881284. doi:10.1186/s13244-026-02436-9
  2. 全文:PMC13672723(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13672723/

供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。