Willingness to comply with physical distancing measures against COVID-19 in four African countries
Notice bibliographique
Résumé
### Summary box The world is facing an unprecedented crisis related to the COVID-19 pandemic with many unknowns, which has led to much confusion and anxiety.1 Public health measures have for centuries been the cornerstone of the response to epidemics.2 Among them, physical distancing measures aim to reduce contact between infected and uninfected people.3 As part of the global COVID-19 response, they have been widely used to slow down the spread of the virus in several countries. Despite their overall acceptance, they have been poorly documented, particularly in Africa, and debates persist on their appropriateness and practicality in the context of low-income countries. Many political, ethical and socioeconomic questions arise.4 This article describes the implementation of these measures in four West-African countries—Mali, Burkina Faso, Senegal and Guinea—and discusses people’s willingness to comply with them. We draw on our experiences in crisis management through a collaborative project known as ‘COVID-19 19 en Afrique Francophone’.5 The countries participating in this project were selected on the basis of a call for applications as part of an initiative by the Francophone Africa and Fragility Network, which brings together more than 100 national and international experts.6 In terms of population, Senegal has the highest number of cases, deaths and tested peoples. It is followed by Guinea concerning the number of cases. Burkina Faso …
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».