MétaCan
Menu
Retour à la cohorte
Enregistrement W4407035998 · doi:10.19044/esj.2025.v21n2p109

Inégalités de Genre et Anémie des Femmes en Union dans les Provinces de Cibitoke et Kirundo (Nord-Ouest et Nord du Burundi)

2025· article· fr· W4407035998 sur OpenAlexaff
Jean François Régis Sindayihebura, Franklin Bouba Djourdebbé, Jean Simon David

Notice bibliographique

RevueEuropean Scientific Journal ESJ · 2025
Typearticle
Languefr
DomaineMedicine
ThématiqueGlobal Maternal and Child Health
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceGeographyArt

Résumé

récupéré en direct d'OpenAlex

Contexte : La prévalence de l’anémie chez les femmes en âge de procréer est de 52,5% dans la province de Cibitoke et de 60,4% dans celle de Kirundo, ce qui dépasse largement la moyenne nationale de 39%. Objectif : Cette étude vise à expliquer cette forte prévalence en analysant l’incidence des inégalités de genre. Méthodologie : Par la régression logistique binomiale, l’étude analyse les données collectées auprès de 270 et 276 femmes en union, de Cibitoke et de Kirundo, respectivement, qui ont accepté de se soumettre au test d'hémoglobines lors de l'Enquête Démographique et de Santé du Burundi (EDSB 2016-2017). Résultats : À Cibitoke, les femmes dont les maris décident seuls des gros achats pour la maison sont plus de 4 fois plus susceptibles d'être anémiées que celles qui sont impliquées dans ces décisions. À Kirundo, les femmes dont les maris décident seuls de l'utilisation de l'argent qu'ils ont gagné sont près de 2,5 fois plus susceptibles d'être anémiées que celles qui prennent ces décisions conjointement avec leurs maris. Conclusion : Ces résultats indiquent qu’au-delà de la suprématie masculine consacrée par le patriarcat burundais, les femmes sont victimes de violences économiques basées sur le genre dans ces provinces. Face aux conjoints qui dilapident les ressources des ménages dans des relations de concubinage et de polygamie, les femmes s'adaptent mal aux dynamiques familiales dans un contexte de changement climatique et de mutations rurales. D’où leur vulnérabilité vis-à-vis de l'anémie. Background: The prevalence of anemia among women of childbearing age is 52.5% in the province of Cibitoke and 60.4% in Kirundo, well above the national average of 39%. Objective: This study aims to explain this high prevalence by analyzing the incidence of gender inequalities. Methodology: Using binomial logistic regression, the study analyzes data collected from 270 and 276 women in the union, from Cibitoke and Kirundo respectively, who agreed to undergo hemoglobin testing during the Demographic and Health Survey of Burundi (DHSB 2016-2017). Results: In Cibitoke, women whose husbands make alone decision on major household purchases are more than 4 times more likely to be anemic than those who are involved in these decisions. In Kirundo, women who live in households where one of the partners decides alone how to use the money earned by the husband are almost 2.5 times more likely to suffer from anemia than those who make these decisions jointly within the couple. Conclusion: These results indicate that, over and above the male supremacy patriarchy, women are victims of gender-based economic violence in these provinces. Faced with spouses who squander household resources in concubinage and polygamy, women adapt themselves hardly to family dynamics in the context of climate change and rural mutations. This makes them vulnerable to anemia.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,158
Score d'incertitude au seuil0,314

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,039
Tête enseignante GPT0,344
Écart entre enseignants0,305 · 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'étudeObservationnel
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Scientific Journal ESJMême sujetGlobal Maternal and Child HealthTravaux en français237 207