MétaCan
Menu
Retour à la cohorte
Enregistrement W3018694522 · doi:10.1038/s41545-020-0068-4

Water supply and sanitation services in small towns in rural–urban transition zones: The case of Bushenyi-Ishaka Municipality, Uganda

2020· article· en· W3018694522 sur OpenAlexaff
Sara Marks, Guillaume Clair-Caliot, Lina Taing, James Tayebwa Bamwenda, Christopher Kanyesigye, Namanya Ernest Rwendeire, Jeltsje Sanne Kemerink-Seyoum, Frank Kansiime, Dauda Waiswa Batega, Giuliana Ferrero

Notice bibliographique

Revuenpj Clean Water · 2020
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensUnited Nations University Institute for Water, Environment, and Health
Organismes subventionnairesBill and Melinda Gates Foundation
Mots-clésSanitationOpen defecationBusinessPit latrineLatrineEnvironmental planningWater supplyIncentiveWater resource managementWater qualityRural areaGeographyEnvironmental engineeringEnvironmental scienceEconomicsMedicine

Résumé

récupéré en direct d'OpenAlex

Abstract Small towns lag behind cities in drinking water and sanitation access globally. Closing this gap requires developing service models for areas with both urban and rural characteristics. This study assessed Bushenyi-Ishaka, a municipality in Uganda situated at the rural–urban transition, with a focus on service ladder indictors. Data sources included household interviews (n = 500) and water quality samples from sources and storage containers. Households in more urban (as compared to rural) cells were more likely to use improved water sources (including piped water on-premises), make regular payments for water, rely on shared sanitation facilities, and make use of manual sludge emptying services. Most households (72%) used an unlined pit latrine not intended for emptying and reuse. These findings suggest that small town servicing models should prioritize non-sewered sanitation management, including incentives for safe excreta containment and disposal opportunities. This study also highlights a need for integrated services models to expand rural–urban water and sanitation coverage.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,045
Score d'incertitude au seuil0,089

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,002
Communication savante0,0020,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,019
Tête enseignante GPT0,246
Écart entre enseignants0,228 · 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 source (Gemma direct ou Codex distillé), 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

Citations62
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuenpj Clean WaterMême sujetChild Nutrition and Water AccessTravaux en français237 207