Safely managed drinking water services in the Democratic People’s Republic of Korea: findings from the 2017 Multiple Indicator Cluster Survey
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
Abstract Safely managed drinking water services (SMDWS) is the service ladder used for the Sustainable Development Goal (SDG) monitoring of drinking water and expands on the Millennium Development Goal metric (“improved water source”) with three additional criteria, namely: availability when needed, accessibility on premises, and safety (free from faecal and priority chemical contamination). Multiple Indicator Cluster Surveys (MICS) have been used for progress monitoring accounting for a significant fraction of the water, sanitation, and hygiene (WASH) indicator data. In its most recent iteration MICS now includes additional SMDWS indicators. The objective of this study was to report on recent SDG target 6.1 baseline data on SMDWS from the Democratic People’s Republic of Korea gathered from a MICS conducted in 2017. Survey results indicated that 93.7% of the population used an improved drinking water source, but when this was combined with the SDG criteria of water availability, accessibility, and safety, coverage was reduced to 92.3, 78.2, and 74.4%, respectively. This resulted in estimates that 60.9% of the population used a SMDWS. The survey results illustrate how the improved SDG indicators can highlight the required gaps to be overcome with regard to universal and equitable access to SMDWS. Further analysis and discussion regarding water quality deterioration between source and household as well as population residence, wealth group index, geographical distribution, and other characteristics relative to SMDWS indicators are also further analysed and discussed.
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 | 0,001 | 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 | 0,000 |
| Science ouverte | 0,001 | 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