Advancing the use of evidence in bouillon fortification policy discussions: Burkina Faso, Nigeria, and Senegal
Notice bibliographique
Résumé
Policy changes require stakeholder buy-in, therefore, the timely delivery of tailored evidence provided to all stakeholders involved in policy discussions is important. This paper reports the evidence generation and delivery processes undertaken in Burkina Faso, Nigeria, and Senegal in support of bouillon fortification discussions. We identified stakeholder-specific evidence needs, tapped existing data and new data to generate that evidence, and packaged and delivered it to stakeholders. Evidence needs included the levels of micronutrient inadequacy (with/without existing and other hypothetical fortification programs), the potential contributions of bouillon fortification to reduce micronutrient inadequacy and (for some micronutrients) child mortality, the cost and cost-effectiveness of bouillon fortification programs, and the contribution of bouillon to total sodium intake. Evidence on technical and commercial issues was also required. Stakeholder-specific understanding and ownership of evidence was essential; achieving both required continual interaction and trust. New bouillon evidence delivery channels were developed in each country and linked to existing decision-making bodies. A shared vocabulary and understanding of issues and evidence, and the continual innovative redelivery of evidence, were critical to success; persistence and innovations in evidence delivery paid dividends. Concrete policy changes regarding bouillon fortification were secured in Nigeria; policy discussions continue in Burkina Faso and Senegal.
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 | 0,124 | 0,127 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,003 |
| Études des sciences et des technologies | 0,010 | 0,008 |
| Communication savante | 0,020 | 0,010 |
| Science ouverte | 0,002 | 0,015 |
| Intégrité de la recherche | 0,007 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».