低分离的优化有多大程度上可以帮助减少相当于碳的排放? 一个单一中心建模研究研究

科学领域:

• 环境科学与公共卫生
• 辐射瘤学和医学物理

背景情况:

• 气候变化是一个重大的公共卫生挑战,医疗保健部门是温室气体排放的重要贡献者.
• 放射治疗虽然对癌症治疗至关重要,但涉及患者运输和能源密集型线性加速器 (LINAC) 的使用,这有助于其对环境的影响.
• 低分化减轻这些排放的潜力仍然在很大程度上未得到量化.

研究的目的:

• 估计与患者运输相关的全部门二氧化碳当量 (CO2e) 排放量以及在外部光束辐射治疗中LINAC的能源消耗.
• 通过实施一个假设的,最大限度的低分化处理场景来量化CO2e排放的潜在减少.

主要方法:

• 一项回顾性研究分析了2019年接受外部光束辐射治疗的患者的数据.
• 来自患者运输的二氧化碳排放量基于旅行距离和治疗访问频率进行建模.
• 测量了Varian TrueBeam和Halcyon LINAC的能耗,并计算了真实世界和假设最大低分化场景的排放量.

主要成果:

• 在2019年,辐射疗法导致估计394CO2e排放,仅仅来自患者运输.
• 假设最大的低分化策略可以平均减少18.3%的整体CO2e排放,早期乳腺癌 (32.4%) 和前列腺癌 (48.5%) 的显著减少.
• 能源消耗与低分离有显著的差异;对于前列腺癌,在Halcyon LINAC上进行5分离治疗,与16分离治疗 (TrueBeam上6.17公斤) 相比,产生较低的CO2e排放量 (1.21公斤).

结论:

• 在放射治疗计划中最大限度地提高低分离率,为减少癌症护理的碳足迹提供了重大机会.
• 减少排放的主要驱动因素是减少患者运输,其次是LINAC能源消耗减少的次要影响较小.
• 这些发现支持将基于证据的低分化作为辐射瘤学中环境可持续性的战略.