数字健康技术减碳：从70项研究看真实效果与待解难题

一个数字：70项研究背后的减碳图景

当我们在讨论“绿色低碳”时，往往想到的是工厂、交通或能源行业。但一个容易被忽略的事实是，健康照护体系自身的碳足迹同样可观，且在全球范围内呈增长态势。数字健康技术（DHTs）——比如远程问诊、电子处方、可穿戴监测设备——被寄予厚望，被认为有机会帮助降低整个体系的碳排放。不过，这种期望究竟有多少实证支撑？一篇发表的范围综述（scoping review）为此提供了重要参考。研究者从MEDLINE、Scopus和Web of Science三个数据库中检索到4274篇文献，经过层层筛选，最终将70项研究纳入分析。这70，就是本文要解读的第一个关键数字。

它意味着什么？首先，它说明相关研究并非空白，从2007年最早的一篇算起，学界已经积累了一定数量的观察。其次，70项研究在数量上不算少，但放到全球健康照护减碳的大议题下，仍显得有限。更值得注意的是，这些研究来源集中：美国贡献了26项，英国12项，其余分散于其他国家。这提示我们，现有证据主要反映的是高收入国家的场景，对于不同发展水平地区的适用性，读者需要保留一份审慎。

正常范围与波动因素：为什么“减碳”数字差异大

在这70项研究中，绝大多数评估的是远程医疗或远程健康干预。它们衡量环境影响的主要方式，是计算因减少出行而节省的碳排放。这个逻辑很直观：患者不必乘车去医院，少烧了汽油，碳排放自然下降。部分研究还进一步纳入了能源消耗、设备与资源使用、基础设施以及废弃物等环节。然而，各研究之间的方法差异相当大，导致结果的可比性有限。

波动因素主要有三类。第一是评估边界不同：有的只算交通，有的把设备生产和处置也纳入进来。第二是数据来源不同：多数测算建立在假设之上，依赖已发表的排放因子或计算器，而非直接测量。第三是设计类型多样：回顾性分析占主导，但也有前瞻性、横断面、混合方法和生命周期评价（LCA）等设计。LCA研究又分为基于过程的方法和环境扩展投入产出（EEIO）模型，前者细致到具体活动和产品，后者则更宏观。正因为如此，不同研究给出的“减碳量”可能相差悬殊，读者不宜简单横向比较，更不应把某一项研究的数值当作普遍标准。

有序列表：读懂一项数字健康减碳研究的几个步骤

面对一项声称“数字健康技术能减碳”的研究，普通读者可以按以下步骤做初步判断：

• 第一步，看评估边界。研究是否只计算了出行减少带来的碳节省？有没有纳入电力消耗、设备制造与报废等生命周期环节？边界越完整，结论越接近真实。
• 第二步，看数据基础。碳足迹测算用的是实测数据，还是假设加排放因子？如果主要靠假设，就要关注假设是否合理、是否被明确列出。
• 第三步，看研究设计。回顾性分析容易受数据质量限制；前瞻性或生命周期评价通常证据强度更高，但也要看样本和场景。
• 第四步，看负向影响。研究是否提及电力需求增加、数字设备全生命周期的环境影响？只谈好处不谈代价的结论，需要打折扣。
• 第五步，看结果表达。有的研究用“等效碳汇”或“等效二氧化碳排放”来表达，这类换算有助于公众理解，但也可能放大直观感受，需结合原始数据看待。

应对思路：数字健康减碳需要更严谨的尺子

综述的总体结论是积极的：数字健康技术，尤其是远程医疗，展现出降低健康照护体系碳足迹的潜力。但同时，证据也明确指出负向影响的存在，特别是电力消耗和数字设备全生命周期的环境负担。换句话说，数字健康并非“零碳”方案，它把一部分线下排放转移到了线上，并新增了设备与算力相关的排放。若不加规划，减碳效果可能被抵消。

更关键的问题在于方法学。由于各项研究的评估方法和结果指标高度异质，综述作者提醒，对现有发现应谨慎解读。要真正把握数字健康的环境意义，需要更严谨、更标准化、更全面的评估方法。这包括统一评估边界、规范数据报告、更多采用生命周期思维，以及在不同地区开展本地化研究。对于健康照护机构和政策制定者而言，这意味着在推广数字健康技术时，应同步建立环境影响的监测与评估机制，而不是默认其必然绿色。对于普通读者，理解这些数字背后的条件与局限，比记住某个减碳百分比更有价值。相关健康决策请以专业机构意见为准，本文内容仅供参考。