Access to improved water and sanitation in sub-Saharan Africa in a quarter century
Notice bibliographique
Résumé
The realization of the scale, magnitude, and complexity of the water and sanitation problem at the global level has compelled international agencies and national governments to increase their resolve to face the challenge. There is extensive evidence on the independent effects of urbanicity (rural-urban environment) and wealth status on access to water and sanitation services in sub-Saharan Africa. However, our understanding of the joint effect of urbanicity and wealth on access to water and sanitation services across spatio-temporal scales is nascent. In this study, a pooled regression analysis of the compositional and contextual factors that systematically vary with access to water and sanitation services over a 25-year time period in fifteen countries across sub-Saharan Africa (SSA) was carried out. On the whole, substantial improvements have been made in providing access to improved water sources in SSA from 1990 to 2015 unlike access to sanitation facilities over the same period. Households were 28.2 percent and 125.2 percent more likely to have access to improved water sources in 2000-2005 and 2010-2015 respectively, than in 1990-1995. Urban rich households were 329 percent more likely to have access to improved water sources compared with the urban poor. Although access to improved sanitation facilities increased from 69 percent in 1990-1995 and 74 percent in 2000-2005 it declined significantly to 53 percent in 2010-2015. Urban rich households were 227 percent more likely to have access to improved sanitation facilities compared with urban poor households. These results were mediated and attenuated by biosocial, socio-cultural and contextual factors and underscore the fact that the challenge of access to water and sanitation in sub-Saharan Africa is not merely scientific and technical but interwoven with environment, culture, economics and human behaviour necessitating the need for interdisciplinary research and policy interventions.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».