MétaCan
Menu
Retour à la cohorte
Enregistrement W2103111112 · doi:10.12927/whp.2010.22038

Mortality, Nutrition and Health in Lofa County Liberia 5 Years Post-Conflict

2010· article· en· W2103111112 sur OpenAlexvenueno aff
Shannon Doocy, Daniela Lewy, Tanya Guenther, Ryan Larrance

Notice bibliographique

RevueWorld health & population · 2010
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth and Conflict Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSanitationEnvironmental healthMalnutritionMortality ratePopulationMedicinePublic healthGeographySocioeconomicsNursingSurgery

Résumé

récupéré en direct d'OpenAlex

Liberia remains in transition from a state of humanitarian emergency to development, and Lofa County was the epicentre of recent conflict. This study aimed to estimate mortality and malnutrition and evaluate access to health services, water and sanitation. The survey was conducted in April 2009 and employed a 46 cluster×20 design (n=920 households) with probability proportional to size sampling. The crude mortality rate was 24.3/1000/year (CI: 19.0 to 29.6) or 0.67/10,000/day (CI: 0.52 to 0.81). The global acute malnutrition rate was 7.9% (CI: 5.4 to 8.9), and the severe acute malnutrition rate was 4.5% (CI: 2.9 to 6.7). Access to basic health services was relatively good according to a variety of indicators; however, access to sanitation was low, with 39.5% of households reporting access to toilets or latrines. Despite high rates of displacement and infrastructure destruction, population health appears to be relatively stable 5 years post-conflict, though a continued focus on reconstruction and development is needed.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,262
Score d'incertitude au seuil0,973

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,100
Tête enseignante GPT0,470
Écart entre enseignants0,370 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld health & populationMême sujetHealth and Conflict StudiesTravaux en français237 207