MétaCan
Menu
Retour à la cohorte
Enregistrement W4389678690 · doi:10.5772/intechopen.112869

Contribution to the Management of Toxicological Risks in Burkina Faso: Design Process and Implementation Strategies for a Clinical Toxicology Laboratory

2023· book-chapter· en· W4389678690 sur OpenAlexfundno aff
N. Stanislas Dimitri Meda, Normand Fleury, Ciprian Mihai Cirtiu, Vincent Cirimele, Cheick Palm, Elie Kabré

Notice bibliographique

RevueSustainable development · 2023
Typebook-chapter
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePesticide Exposure and Toxicity
Établissements canadiensnon disponible
Organismes subventionnairesInstitut National de Santé Publique du Québec
Mots-clésBusinessPublic healthConsumption (sociology)Environmental healthEnvironmental planningRisk analysis (engineering)MedicineGeography

Résumé

récupéré en direct d'OpenAlex

In Burkina Faso, toxicological risks have increased for more than a decade, with the irrational use of chemicals in agri-food and mining activities, as well as the consumption of psychoactive substances (PAS); and are now a public health problem. This situation has led to the establishment of a clinical toxicology laboratory, which now contributes to the diagnosis of poisoning and the prevention of risks to the health of populations through toxicological biomonitoring. The development of this initiative required a proactive approach adapted from the “interconnected chain” innovation process. The creation of a unit called the “Toxicological Analysis and Expertise Service” or “SAET” at the National Public Health Laboratory of Burkina Faso or “LNSP” is the main result of this innovative initiative in Burkina Faso’s health system. If this laboratory now has a certain technical capacity or expertise, it must be strengthened through the acquisition of the additional equipment necessary to increase the supply of expertise. To do this, the strengthening of technical and financial collaborations is essential for the improvement of health security in Burkina Faso in particular and in the world in general.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,610
Score d'incertitude au seuil0,385

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,070
Tête enseignante GPT0,349
Écart entre enseignants0,279 · 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'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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainable developmentMême sujetPesticide Exposure and ToxicityTravaux en français237 207