MétaCan
Menu
Retour à la cohorte
Enregistrement W4392973052 · doi:10.26443/mjgh.v10i1.1329

Female Genital Mutilation in Kenya

2021· article· en· W4392973052 sur OpenAlexaff
Corinne Sabetti, Megan Traversy, Elina Gentilhomme, Maximiliano Dean

Notice bibliographique

RevueMcGill Journal of Global Health · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueFemale Genital Mutilation/Cutting Issues
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésFemale circumcisionPsychological interventionIntervention (counseling)SocioeconomicsGeographyHuman rightsMedicineEnvironmental healthDemographyPolitical scienceGynecologySociologyLawNursing

Résumé

récupéré en direct d'OpenAlex

Female genital mutilation (FGM) is practiced in 30 countries, mainly concentrated in the Western, Eastern, and North-Eastern regions of Africa, in some countries the Middle East and Asia, as well as among migrants from these areas (1). FGM is therefore a global health and human rights concern. Although the prevalence of FGM has decreased in the past years, some communities still resist abandoning the practice. Kenya is a distinctive example of a country where the practice of FGM has decreased significantly but interventions have failed to eliminate the practice at a local and national level. The purpose of this case study is to provide an overview of interventions that have been carried out in different communities of Kenya and assess what is necessary for an intervention to be successfully implemented and have a positive impact in communities.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,034
Tête enseignante GPT0,368
Écart entre enseignants0,334 · 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 source (Gemma direct ou Codex distillé), 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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMcGill Journal of Global HealthMême sujetFemale Genital Mutilation/Cutting IssuesTravaux en français237 207