Impact of Peste des petits ruminants for sub‐Saharan African farmers: A bioeconomic household production model
Notice bibliographique
Résumé
Peste des petits ruminants (PPR), a contagious viral disease affecting small ruminants, has been targeted by the global community for eradication within the next 10 years. However, eradication will require substantial money, human resources, coordination among actors, and individual commitments. The objective was to estimate the cost of PPR at a household level, thereby providing information on the potential economic benefits of PPR eradication and the incentives for small ruminant keepers to actively participate in the PPR Global Eradication Programme. This study focused on four sub-Saharan countries: Ethiopia, Malawi, Mali and Rwanda. Publicly available household level data assembled by FAO were used. A bioeconomic model was built to estimate impacts of PPR for a standardized theoretical area, where each household raised an average small ruminant herd or flock. Model outputs were used to estimate, at a household level, income loss due to a PPR outbreak. We constructed various income scenarios to account for the variability of small ruminant income as a proportion of total household annual income. Household income losses ranged from 2% to 40% of total annual income; percentages varied depending on the income scenario and on the gross annual economic impact of PPR on small ruminant production, which ranged from 20% to 80%, based on results of the bioeconomic model. As expected, the more small ruminant production contributed to household income the greater the impact. Estimates provided herein warn decision makers that, given the heterogeneous impact of PPR on household income, the willingness of small ruminant decision makers to participate in the PPR Global Eradication Programme may vary widely and tailored approaches should be devised and implemented.
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 | 0,000 |
| 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 ».