MétaCan
Menu
Retour à la cohorte
Enregistrement W4385813892 · doi:10.1136/bmjgh-2023-012349

Kansa talk: mapping cancer terminologies in Bagamoyo, Tanzania towards dignity-based practice

2023· article· en· W4385813892 sur OpenAlexfundno aff
Mohamed Yunus Rafiq, Daniel W Krugman, Fatima Bapumia, Zachary Obinna Enumah, Hannah Wheatley, Kheri Tungaraza, René Gerrets, Steve Mfuko, Brian J. Hall, Optatus Kasogela, Athumani Litunu, Peter J. Winch

Notice bibliographique

RevueBMJ Global Health · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGlobal Security and Public Health
Établissements canadiensnon disponible
Organismes subventionnairesYork UniversityWellcome TrustNew York University Shanghai
Mots-clésPublic healthDignitySociologyPublic relationsQualitative researchTanzaniaMedicinePolitical scienceNursingSocial scienceSocioeconomics

Résumé

récupéré en direct d'OpenAlex

This paper reports and examines the results of qualitative research on the use of local cancer terminology in urban Bagamoyo, Tanzania. Following recent calls to unify evidence and dignity-based practices in global health, this research locates local medical sociolinguistics as a key place of entry into creating epistemologically autonomous public health practices. We used semistructured ethnographic interviews to reveal both the contextual and broader patterns related to use of local cancer terminologies among residents of Dunda Ward in urban Bagamoyo. Our findings suggest that people in Bagamoyo employ diverse terms to describe and make meanings about cancer that do not neatly fit with biomedical paradigms. This research not only opens further investigation about how ordinary people speak and make sense of the emerging cancer epidemic in places like Tanzania, but also is a window into otherwise conceptualisations of 'intervention' onto people in formerly colonised regions to improve a health situation. We argue that adapting biomedical concepts into local sociolinguistic and knowledge structures is an essential task in creating dignity-based, evidence-informed practices in global health.

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)0,005
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,761
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,083
Tête enseignante GPT0,471
Écart entre enseignants0,388 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ Global HealthMême sujetGlobal Security and Public HealthTravaux en français237 207