MétaCan
Menu
Retour à la cohorte
Enregistrement W2900495185 · doi:10.3390/ijerph16030400

Pesticide Use Practices in Root, Tuber, and Banana Crops by Smallholder Farmers in Rwanda and Burundi

2019· article· en· W2900495185 sur OpenAlexfundno aff
Joshua Sikhu Okonya, Athanasios Petsakos, Víctor Humberto Súarez, Anastase Nduwayezu, Déo Kantungeko, Guy Blomme, J. P. Legg, Jürgen Kroschel

Notice bibliographique

RevueInternational Journal of Environmental Research and Public Health · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePesticide Exposure and Toxicity
Établissements canadiensnon disponible
Organismes subventionnairesConsortium of International Agricultural Research CentersEmera
Mots-clésPesticideAgrochemicalAgricultureHazardous wasteIntegrated pest managementPEST analysisFungicideToxicologyPersonal protective equipmentAgricultural scienceBusinessAgronomyGeographyBiologyMedicineDiseaseHorticultureCoronavirus disease 2019 (COVID-19)

Résumé

récupéré en direct d'OpenAlex

Misuse and poor handling of chemical pesticides in agriculture is hazardous to the health of farmers, consumers, and to the environment. We studied the pest and disease management practices and the type of pesticides used in four root, tuber, and banana (RTB) crops in Rwanda and Burundi through in-depth interviews with a total of 811 smallholder farmers. No chemical pesticides were used in banana in either Rwanda and Burundi, whereas the use of insecticides and fungicides in potato was quite frequent. Nearly all insecticides and about one third of the fungicides used are moderately hazardous. Personal protective equipment was used by less than a half of the interviewed farmers in both countries. Reported cases of death due to self- or accidental-poisoning among humans and domestic animals in the previous 12 months were substantial in both countries. Training of farmers and agrochemical retailers in safe use of pesticide and handling and, use of integrated pest management approaches to reduce pest and disease damage is recommended.

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)0,002
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,064
Score d'incertitude au seuil0,487

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 savante0,0000,001
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 Opus0,075
Tête enseignante GPT0,344
Écart entre enseignants0,269 · 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'étudeObservationnel
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

Citations40
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Environmental Research and Public HealthMême sujetPesticide Exposure and ToxicityTravaux en français237 207