Subnational regional inequality in access to improved drinking water and sanitation in Indonesia: results from the 2015 Indonesian National Socioeconomic Survey (SUSENAS)
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
BACKGROUND: Universal and equitable access to safe and affordable drinking water and adequate sanitation and hygiene in Indonesia are vital to ensure healthy lives and promote well-being for all at all ages. OBJECTIVES: To quantify subnational regional inequality in access to improved drinking water and sanitation in Indonesia. METHODS: Data about access to improved drinking water and sanitation were derived from the 2015 Indonesian National Socioeconomic Survey (SUSENAS) and disaggregated by 510 districts across the 34 provinces of Indonesia. Two summary measures of inequality, mean difference from mean and weighted index of disparity, were calculated to quantify within-province absolute and relative inequality, respectively. RESULTS: While the majority of Indonesian households had access to improved drinking water (71.0%) and sanitation (62.1%), there were large variations between and within provinces. Access to improved drinking water ranged from 93.4% in DKI Jakarta to 41.1% in Bengkulu, and access to improved sanitation ranged from 89.3% in Jakarta to 23.9% in East Nusa Tenggara. Provinces with similar numbers of districts and similar overall averages showed variable levels of absolute and/or relative inequality. Certain districts reported very low levels of access to improved drinking water and/or sanitation. CONCLUSIONS: There are inequalities in access to improved drinking water and sanitation by subnational region in Indonesia. Monitoring within-country inequality in these indicators serves to identify underserved areas, and is useful for developing approaches to improve inequalities in access that can help Indonesia make progress towards the 2030 Agenda for Sustainable Development.
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 | 0,002 | 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 | 0,001 |
| 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