MétaCan
Menu
Retour à la cohorte
Enregistrement W3216757435 · doi:10.3390/su132212888

The Effects of Pandemics on the Vulnerability of Food Security in West Africa—A Scoping Review

2021· article· en· W3216757435 sur OpenAlexafffund
Liette Vasseur, Heather VanVolkenburg, Isabelle Vandeplas, Katim Touré, Safiétou Sanfo, Fatoumata Lamarana Baldé

Notice bibliographique

RevueSustainability · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensBrock University
Organismes subventionnairesInternational Development Research Centre
Mots-clésFood securityVulnerability (computing)PandemicUnrestAgricultureDevelopment economicsBusinessGeographyRural areaEconomic growthEnvironmental healthSocioeconomicsEnvironmental planningCoronavirus disease 2019 (COVID-19)Political scienceDiseaseEconomicsMedicineComputer securityInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

The purpose of this paper was to show the effects of the Ebola and COVID-19 pandemics on food security vulnerability in West Africa. The methodology is based on a scoping literature review using the PRISMA method. The study showed that food security was affected by the restrictive measures in the different West African countries. In addition, it shows that this region is highly vulnerable to such crises, which can combine their effects with those of other events such as climate change and civil unrest. In both pandemics, all pillars of food security were affected. The effects on urban and rural centers may be very different. The study suggests a better understanding of the differences between rural and urban centers and between men and women and how long-term restraint measures can affect rural areas where agriculture is the main lever for reducing food insecurity. Food security must be seriously considered by governments when implementing restrictive measures during a pandemic. Consideration of health factors alone at the expense of food security can greatly exacerbate health problems and even increase cases of disease.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,063
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,494
Score d'incertitude au seuil0,945

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,063
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,291
Écart entre enseignants0,260 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetCOVID-19 Pandemic ImpactsTravaux en français237 207