Indigenous environmental indicators for malaria: A district study in Zimbabwe
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper discusses indigenous environmental indicators for the occurrence of malaria in ward 11, 15 and 18 of Gwanda district, Zimbabwe. The study was inspired by the successes of use of indigenous knowledge systems in community based early warning systems for natural disasters. To our knowledge, no study has examined the relationship between malaria epidemics and climatic factors in Gwanda district. The aim of the study was to determine the environmental indicators for the occurrence of malaria. Twenty eight key informants from the 3 wards were studied. Questionnaires, focus group discussions and PRA sessions were used to collect data. Content analysis was used to analyse the data. The local name for malaria was 'uqhuqho' literally meaning a fever. The disease is also called, "umkhuhlane wemiyane" and is derived from the association between malaria and mosquitoes. The findings of our study reveal that trends in malaria incidence are perceived to positively correlate with variations in both temperature and rainfall, although factors other than climate seem to play an important role too. Plant phenology and insects are the commonly used indicators in malaria prediction in the study villages. Other indicators for malaria prediction included the perceived noise emanating from mountains, referred to as "roaring of mountains" and certain behaviours exhibited by ostriches. The results of the present study highlight the importance of using climatic information in the analysis of malaria surveillance data, and this knowledge can be integrated into the conventional health system to develop a community based malaria forecasting system.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle