Weaponizing water as an instrument of war in Syria: Impact on diarrhoeal disease in Idlib and Aleppo governorates, 2011–2019
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
OBJECTIVES: Investigate the weaponization of water during the Syrian conflict and the correlation of attacks on water, sanitation, and hygiene (WASH) infrastructure in Idlib and Aleppo governorates with trends in waterborne diseases reported by Early Warning and Response surveillance systems. METHODS: We reviewed literature and databases to obtain information on attacks on WASH in Aleppo and Idlib governorates between 2011 and 2019. We plotted weekly trends in waterborne diseases from two surveillance systems operational in Aleppo and Idlib governorates between 2015 and early 2020. RESULTS: The literature review noted several attacks on water and related infrastructure in both governorates, suggesting that WASH infrastructure was weaponized by state and non-state actors. Most interference with WASH in the Aleppo governorate occurred before 2019 and in the Idlib governorate in the summer of 2020. Other acute diarrhea represented >90% of cases of diarrhea; children under 5 years contributed 50% of cases. There was substantial evidence (p < 0.001) of an overall upward trend in cases of diarrheal disease. CONCLUSIONS: Though no direct correlation can be drawn between the weaponization of WASH and the burden of waterborne infections due to multiple confounders, this research introduces important concepts on attacks on WASH and their potential impacts on waterborne diseases.
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 | 0,000 | 0,001 |
| 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 | 0,000 | 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 découle