Caractérisation des risques sanitaires et environnementaux des pratiques phytosanitaires dans la production de légumes dans les communes de Cotonou, de Seme-Kpodji et de Ouidah au Sud-Bénin
Notice bibliographique
Résumé
Une étude sur l'usage des pesticides dans la production de légumes a été réalisée sur 197 producteurs en milieu urbain et périurbain du sud du Bénin. L'objectif de l'étude est de caractériser les risques potentiels de l'utilisation des pesticides sur la santé humaine et l'environnement. Pour ce faire, l'Indicateur de Risque des Pesticides du Québec (IRPeQ) a été utilisé. Deux indices ont été calculés pour chaque pesticide recensé : un indice de risque pour la Santé (IRS) et un indice de risque pour l'environnement (IRE). Pour chaque exploitation enquêtée, les indices de risque pour la santé et les indices de risque pour l'environnement pour chaque producteur (IRPest-S et IRPest-E) ont été calculés de même que les indices de pression (IP) et indice de fréquence de traitement (IFT). Les IRE les plus élevés ont été obtenus pour le carbofuran, le chlorpyriphos-éthyl et l'endosulfan et les IRS les plus élevés pour le chlorpyriphos-éthyl, le mancozebe et l'endosulfan. Une différence significative a été observée dans les niveaux de risques sanitaires et environnementaux des traitements pesticides des maraîchers (IRPest-S et IRPest-E) entre sites (P<0,001). Pour la plupart des producteurs suivis (63,6%), les risques sanitaires liés à l'utilisation des pesticides ont augmenté de 2009 à 2011. Les efforts de sensibilisation des producteurs sur les risques inhérents à l'utilisation des pesticides chimiques ainsi que le port d'équipements de protection individuelle lors de l'épandage de ces produits doivent être multipliés.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».