《Processes》：Modeling the Carbon Emission Implications of Single-Use Medical Device Remanufacturing: A Stakeholder-Responsibility Perspective
编辑推荐：
摘要：一次性医疗器械（SUMDs）广泛应用于医疗保健领域，并且可以通过多个使用周期进行再制造。再制造能够带来经济、环境和社会效益的三赢结果。然而，与不同利益相关者相关的运营因素对回收、质量拒收和重复使用的碳影响很少被共同审视。为填补这一空白，本研究开发了一个数
摘要：一次性医疗器械（SUMDs）广泛应用于医疗保健领域，并且可以通过多个使用周期进行再制造。再制造能够带来经济、环境和社会效益的三赢结果。然而，与不同利益相关者相关的运营因素对回收、质量拒收和重复使用的碳影响很少被共同审视。为填补这一空白，本研究开发了一个数学模型，从利益相关者责任的角度量化关键运营因素如何影响碳排放。首先，对两种极端情景下的碳排放进行基准化，为后续分析和比较提供上限和下限。其次，该模型分别量化了三个受利益相关者影响因素的碳影响：回收率、质量拒收率和使用周期次数。第三，建立了一个包含所有三个因素的综合模型，以评估它们对碳排放的综合效应。情景结果量化了在所陈述的模型边界内，回收、质量拒收和最大使用次数如何影响排放。通过将这些运营因素与受医院、再制造商和原始设备制造商影响的活动相关联，该模型支持协调的情景评估，而无需测量或分配各利益相关者的专属碳排放责任份额。
论文解读：一次性医疗器械再制造的碳排放建模——基于利益相关者责任视角的分析
一、研究背景与问题提出
一次性医疗器械（Single-Use Medical Devices, SUMDs）在医疗系统中应用广泛，其生产、分销和处置过程会产生大量碳排放。现有研究表明，再制造（Remanufacturing）作为一种循环经济策略，有望减少对新制造设备的需求，从而降低总体环境影响。然而，已有研究多聚焦于单一因素如质量拒收或重复使用对环境的影响，缺乏将回收率（Recovery Rate, P）、质量拒收率（Quality Rejection Rate, R）和使用周期次数（Number of Use Cycles, N）三者联合纳入统一框架的系统分析。此外，这些运营因素分别对应不同利益相关者——医院影响回收环节、再制造商影响检验与加工环节、原始设备制造商（Original Equipment Manufacturers, OEMs）影响设计与材料特性——但现有研究未能从利益相关者责任视角出发，量化这些因素对碳排放的协同作用。因此，本研究旨在填补这一空白，建立一个连接设备流与服务需求的数学模型，以评估上述三因素对碳排放的综合影响，并为供应链中各方的协调改进提供定量依据。
二、主要技术方法
研究人员采用数学建模方法，建立了基于服务需求总量（U）的碳排放计算框架。模型假设每个导管在其生命周期内经历一次初始使用和最多n次再制造操作（n = N - 1）。模型中引入了两个关键参数：回收率P（即使用后导管被收集用于评估的比例）和质量拒收率R（即收集后被判定无法继续使用的导管比例）。研究设定了两个理想化参考情景：纯原始制造情景和完全回收无拒收的再制造情景，作为比较基准。随后，分别构建了单因素模型（分别考察P、R和n对碳排放的影响）和综合模型（整合三因素，定义设备流转概率q = P(1 - R)）。数值分析采用了示例性的基准排放因子：每支新制造导管1.52 kg CO?e，每支成功再制造导管0.59 kg CO?e。所有计算均基于固定服务需求U，并以Python实现。
三、研究结果
3.1 理想情景下的碳排放对比
在理想回收和接受条件下（P = 1, R = 0），随着最大使用次数N的增加，所需新制造导管数量减少，碳排放随之下降。例如，对于U = 1000次使用，N = 2时减排30.59%，N = 5时减排48.95%。减排幅度随N增加而递减。
3.2 回收率对碳排放的影响
固定R = 0，变化P从0到1。结果显示，回收率越高，避免的碳排放越多。例如，U = 1000且N = 5时，P从0.50提升至0.70可使总排放降低13.52%，减排百分比从29.61%增至39.12%。
3.3 质量拒收率对碳排放的影响
固定P = 1，变化R从0到1。结果表明，拒收率越高，避免的碳排放越少。例如，U = 1000且N = 5时，R从0.20降至0.10可使总排放降低约5.72%，减排百分比从42.98%升至46.24%。
3.4 最大再制造操作次数的影响
在理想条件下，增加n（从0到4）持续降低碳排放，但边际收益递减。例如，N从3增至4可额外避免77.50 kg CO?e，而从4增至5仅额外避免46.50 kg CO?e。在联合因素情景（P = 0.50, R = 0.20）下，同样从N = 4增至5仅减少8.89 kg CO?e（0.76%），表明高周期限制的价值依赖于实际回收和接受条件。
3.5 综合效应与碳目标情景
综合模型显示，相同q值（q = P(1 - R)）的组合产生相同的碳排放。例如，P = 0.50且R = 0.20与P = 0.80且R = 0.50均得到q = 0.40。对于U = 1000、P = 0.50、R = 0.20、N = 5，总排放为1153.77 kg CO?e，减排24.09%。若同时改善P至0.80、R至0.10，则排放降至912.87 kg CO?e，减排39.94%。研究还绘制了满足特定碳目标（如≤1050 kg CO?e）所需的P-R组合区域，展示了不同N下的可行操作空间。
3.6 排放因子敏感性分析
单因素敏感性分析表明，新制造排放因子E??变动±20%导致总排放变化范围较大（969.49至1338.06 kg CO?e），而再制造排放因子E?变动影响相对较小。此外，纳入最终处置排放后，由于再制造情景所需物理导管更少，其相对减排优势反而增大（从24.09%升至26.61%）。
四、讨论与结论
讨论部分指出，研究结果揭示了回收率、质量拒收率和最大使用周期次数三者对碳排放的联合影响。提高回收率和降低拒收率有助于更多设备进入后续使用周期，从而增加减排量；增加允许使用次数也扩大潜在减排空间，但边际效益递减。这些因素分别与医院、再制造商和OEM的活动相关联，但不应视为某一方单独控制，而是需要各方协调改进。研究的局限性包括：采用固定排放因子、未考虑设备间变异和参数不确定性、缺乏经验数据验证等。未来研究应收集运营数据以验证模型参数，并结合临床安全与监管约束评估可行性。
研究结论：本研究建立了一个数学模型，将一次性导管再制造的碳排放与回收率、质量拒收率和最大使用周期次数联系起来。单因素分析显示了各因素的作用方向，综合模型评估了它们在给定服务需求下的联合影响。通过将这些因素与医院、再制造商和OEM的活动相联系，本研究为比较再制造情景和识别可能减少碳排放的协调运营改进提供了定量基础。数值结果应在所陈述的假设和系统边界内解释；在应用于具体医疗供应链前需进行经验验证。
