MétaCan
Menu
Retour à la cohorte
Enregistrement W2939565443 · doi:10.5716/wp19006.pdf

What do we really know about the impacts of improved grain legumes and dryland cereals? A critical review of 18 impact studies

2019· review· en· W2939565443 sur OpenAlexaff
Erik S. Katovich, Andrew Feist, Karl Hughes, Kai Mausch

Notice bibliographique

Revuenon disponible
Typereview
Langueen
DomaineHealth Professions
ThématiqueFood Security and Health in Diverse Populations
Établissements canadiensYork UniversityUniversity of British Columbia
Organismes subventionnairesUniversidade Estadual de Campinas
Mots-clésAgronomyAgroforestryEnvironmental scienceAgricultural engineeringBiologyEngineering

Résumé

récupéré en direct d'OpenAlex

Improved grain legume and dryland cereal (GLDC) varieties hold potential to intensify smallholder agriculture and improve livelihoods in semi-arid regions of sub-Saharan Africa and South Asia. To assess the empirical evidence base for these potential benefits, we review 18 GLDC impact studies and identify gaps in current knowledge on GLDC impacts. Results from this synthesis reveal that all five reasonably well-identified adoption studies estimate significant, positive effects of improved GLDC adoption on yields, profits, or household welfare. Another well-identified study focuses on nutritional impacts of improved GLDC consumption and measures positive effects on iron-deficiency in school children. Macro-level welfare estimates based on economic surplus models (eight of the 18 studies) are largely invalidated because of their dependence on poorly-identified household-level impact estimates. Four additional studies rely on correlations and expert interviews. Overall, impact studies focus on chickpea and groundnut, as opposed to other GLDC crops. Studies are geographically concentrated in Ethiopia, India, and Tanzania, and are heavily focused on estimating economic impacts, with few studies assessing potential environmental, nutritional or social impacts. Recommendations are offered to improve methodological approaches in future impact assessments of GLDC crops.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gptaucune catégorie
Domaine: non disponible · Genre: Synthèse
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Autre devishigh
grokaucune catégorie
Domaine: non disponible · Genre: Synthèse
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Revue systématiquelow
opusMéta-épidémiologie (sens large)
Domaine: non disponible · Genre: Synthèse
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Autre devislow
modèles en désaccordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

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)0,004
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,507
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,359
Tête enseignante GPT0,581
Écart entre enseignants0,223 · 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

Étiqueté directement par 3 modèles lisant le dossier complet.

Méta-épidémiologie (sens large)

Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.

Devis d'étudeAutre devis · Revue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetFood Security and Health in Diverse PopulationsCatégorieMéta-épidémiologie (sens large)Travaux en français237 207