Vacciner contre la COVID-19 ? Interroger l’agenda hégémonique de la santé globale depuis la Guinée
Notice bibliographique
Résumé
La Guinée présente une faible couverture vaccinale contre la COVID- 19 (28% en 22 février 2023). Au lieu de penser ce faible taux de vaccination comme un échec, nous proposons de le discuter comme une mise en cause locale de l’agenda de la santé globale. Cette étude repose sur l’ethnographie de la mise en œuvre de la vaccination en Guinée, réalisée par les deux auteurs, de mars 2020 à octobre 2022 dans la capitale et à l’intérieur du pays. Des acteurs de la santé et des individus vaccinés ou non ont été interrogés, et le contexte politique dans lequel la campagne s’est déroulée a été analysée. Loin d’une lecture homogène des acteurs de la santé globale, nous décrivons en quoi la politique vaccinale est tributaire de relations multilatérales et bilatérales qui façonnent son offre vaccinale. L’approvisionnement en intrants, la situation sanitaire, les tensions politiques concomitantes à la COVID-19 mettent en cause la légitimité des mesures préventives, notamment la vaccination. D’autre-part, les actions promues dans l’arène de la santé globale pour répondre à l’épidémie de COVID-19 (confinement, vaccination) ont fait fi des conditions politiques et biologiques que le virus rencontre en Guinée. En mobilisant la notion de biologie située (Lock), il s’agit de discuter de la pertinence d’un agenda universel pour la santé globale.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,006 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».