The Impact of Poor Waste Management on Public Health Initiatives in Shanty Towns in Tanzania
Notice bibliographique
Résumé
Poor waste management in shanty towns across developing countries has significantly impacted public health, contributing to widespread outbreaks of diseases such as cholera, malaria, and typhoid due to unsanitary living conditions and contaminated environments. Limited efforts by residents and governments to implement effective waste disposal practices exacerbate these health risks, perpetuating a cycle of poor sanitation, increased disease transmission, and environmental degradation. This study investigates the impact of poor waste management on public health in informal settlements and explores strategies to mitigate these risks through improved practices and collaborative efforts. The study employed a cross-sectional research design and collected data using semi-structured questionnaires to collect data from 217 households in Tandale, Manzese, and Tandika in the Dar es Salaam region. The findings confirm that inadequate waste collection services, lack of proper disposal sites, high costs of waste management, and poor public awareness are key contributors to the accumulation of waste and the prevalence of diseases. Hypothesis testing further reveals that inadequate waste collection services significantly impact public health challenges, while public health initiatives on waste management significantly improve health outcomes and reduce disease prevalence. The study’s recommendations include increasing the frequency of waste collection, fostering community-led waste management initiatives, enhancing public education on the health risks of poor waste disposal, and providing subsidized resources such as waste bins and bags. Additionally, strengthened collaboration between local governments, NGOs, and community members is essential for mobilizing resources and implementing sustainable waste management practices. These measures are vital to reducing public health risks and creating healthier living conditions in underserved 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 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 | 0,001 | 0,003 |
| 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 | 0,002 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».