Trends in access to water and sanitation in Malawi: progress and inequalities (1992–2017)
Notice bibliographique
Résumé
Billions of people globally gained access to improved drinking water sources and sanitation in the last decades, following effort towards achieving the Millennium Development Goals. Global progress remains a general indicator as it is unclear if access is equitable across groups of the population. Agenda 2030 calling for `leaving no one behind', there is a need to focus on the variations of access in different groups of the population, especially in the context of low- and middle-income countries including Malawi. We analyzed data from Demographic Health Survey (DHS) and Multiple Indicator Cluster Survey (MICS) to describe emerging trends on progress and inequalities in water supply and sanitation services over a 25-year period (1992-2017), as well as to identify the most vulnerable populations in Malawi. Data were disaggregated with geographic and socio-economic characteristics including regions, urban and rural areas, wealth and education level. Analysis of available data revealed progress in access to water and sanitation among all groups of the population. The largest progress was generally observed in the groups that were further behind at the baseline year, which likely reflects good targeting in interventions/improvements to reduce the gap in the population. Overall, results demonstrated that some segments of the population - foremost poorest Southern rural populations - still have limited access to water and are forced to practise open defecation. Finally, we suggest including standardized indicators that address safely managed drinking water and sanitation services in future surveys and studies to increase the accuracy of national estimates.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».