MétaCan
Menu
Retour à la cohorte
Enregistrement W2329613110 · doi:10.2166/washdev.2014.076

Choosing bottled over tapped: drinking water in the Dominican Republic

2014· article· en· W2329613110 sur OpenAlexaff
John D. McLennan

Notice bibliographique

RevueJournal of Water Sanitation and Hygiene for Development · 2014
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésBottled waterResidenceEnvironmental healthWater sourceWater qualityHousehold incomeTap waterBusinessGeographyEnvironmental scienceEnvironmental engineeringWater resource managementDemographic economicsMedicineEconomics

Résumé

récupéré en direct d'OpenAlex

While not designated as an improved drinking water source, bottled water is increasingly used by households in low- and middle-income countries as families strive to obtain perceived safer drinking water. The Dominican Republic has high levels of bottled water use despite high levels of piped water access. This study aimed to identify household characteristics that are associated with choosing bottled over tapped drinking water in the Dominican Republic through further examination of data available from a nationally representative Demographic and Healthy Survey from 2007. Among households reporting tapped water as their primary non-drinking water source, 59.6% identified bottled water as their principal drinking water source in comparison with 24.7% identifying tapped water. Greater wealth explained the largest amount of variance in bottled over tapped drinking water. Other hypothesized variables related to choosing bottled over tapped included residence in more urban settings, having a young child in the household, having fewer persons in the household, and a head of household who is female, younger and with higher education. Nationally, representative data which include components investigating perceptions about drinking water and actual quality of drinking water are required to further understand this phenomenon and its impact.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,443
Score d'incertitude au seuil0,235

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,020
Tête enseignante GPT0,278
Écart entre enseignants0,258 · 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'étudeSans objet
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

Citations7
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Water Sanitation and Hygiene for DevelopmentMême sujetChild Nutrition and Water AccessTravaux en français237 207