MétaCan
Menu
Retour à la cohorte
Enregistrement W2149834589 · doi:10.4103/2141-9248.96942

An overview of female genital mutilation in Nigeria

2012· article· en· W2149834589 sur OpenAlexaboutno aff
TC Okeke, Usb Anyaehie, Cck Ezenyeaku

Notice bibliographique

RevueAnnals of Medical and Health Sciences Research · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueFemale Genital Mutilation/Cutting Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineFemale circumcisionCommissionPopulationQuarter (Canadian coin)Family medicineGynecologyEnvironmental healthLawPolitical scienceGeography

Résumé

récupéré en direct d'OpenAlex

Nigeria, due to its large population, has the highest absolute number of female genital mutilation (FGM) worldwide, accounting for about one-quarter of the estimated 115-130 million circumcised women in the world. The objective of this review is to ascertain the current status of FGM in Nigeria. Pertinent literature on FGM retrieved from internet services [Google search on FGM in Nigeria, www.online Nigeria, PubMed of the national library of medicine www.medconsumer. Info/tropics/fgm.htm, Biomedcentral and African Journal Online (AJOL) (FGM)] and textbooks, journals, and selected references for proper understanding of the topic was included in this review. The national prevalence rate of FGM is 41% among adult women. Evidence abound that the prevalence of FGM is declining. The ongoing drive to eradicate FGM is tackled by World Health Organization, United Nations International Children Emergency Fund, Federation of International Obstetrics and Gynecology (FIGO), African Union, The economic commission for Africa, and many women organizations. However, there is no federal law banning FGM in Nigeria. There is need to eradicate FGM in Nigeria. Education of the general public at all levels with emphasis on the dangers and undesirability of FGM is paramount.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,006
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,687
Tête enseignante GPT0,636
Écart entre enseignants0,051 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations136
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of Medical and Health Sciences ResearchMême sujetFemale Genital Mutilation/Cutting IssuesTravaux en français237 207