MétaCan
Menu
← Retour à la cohorte
Enregistrement W6979794591

Aging and care for the elderly in Gabon : What challenges for the families and the State?

2019· article· fr· W6979794591 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Languefr
DomaineHealth Professions
ThématiqueAging, Elder Care, and Social Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPopulationPopulation ageingResearch methodologyNova scotia
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Le Gabon connaît depuis quelques années une augmentation de la population âgée de 65 ans et plus. D’après les résultats globaux du dernier Recensement Général de la Population et des Logements 2013 (RGPL-2013), cette tranche d’âge représentait 3,9 % (soit 71.492 personnes) de la population gabonaise totale estimée à 1 811 079 habitants. En 2019, selon les dernières estimations onusiennes, le nombre de ces personnes s’établit à 93 000, pour une population gabonaise estimée à 2 109 000 habitants, soit 4,4 %. Cette évolution du nombre des personnes âgées n’est pas sans conséquences sur les politiques sociales de l’Etat et sur le fonctionnement des familles. Comment se fera leur prise en charge sur la durée lorsqu’apparaitront les problèmes inhérents à la vieillesse que sont les maladies et la dépendance ? Notre recherche sur deux terrains urbains, Libreville 1 et Libreville 2, et un rural, la Ngounié, répond à un double objectif : celui d’étudier dans un premier temps comment s’opère aujourd’hui la prise en charge des personnes âgées dans les sphères privées et publiques puis ensuite identifier les défis potentiels auxquels auront à faire face les deux acteurs que sont l’Etat et les familles dans les perspectives de la croissance de la population âgée. Les sources de données provenant des enquêtes qualitatives et quantitatives et des observations participantes auprès de 603 personnes âgées réparties sur les trois territoires, constituent la base de notre enquête. Les résultats mettent en lumière les facteurs qui viennent bouleverser le quotidien des personnes âgées et des familles qui les hébergent. Le facteur principal est l’exode rural des jeunes qui partent de leurs villages à destination des grandes villes ; ce qui entraîne l’appauvrissement des villages et la désorganisation des réseaux familiaux. Les résultats révèlent l’existence d’un déficit de l’offre de soins variable selon les territoires étudiés. Plus restreints en zone rurale, l’accès aux services de santé est néanmoins dépendant des capacités économiques des personnes âgées. Parmi celles-ci, les femmes vivant seules sont les moins enclines à pouvoir se soigner car elles ont très peu de soutiens économiques et matériels. Après analyse des résultats de nos enquêtes, il apparaît qu’il existe des potentialités de prise en charge au niveau des familles. En effet la majorité des personnes âgées vit entourée des membres de leur famille. La cohabitation intergénérationnelle et les solidarités privées prévalent encore aujourd’hui dans les trois terrains d’étude. Elles sont plus fortes en zone rurale qu’en zone urbaine où elles commencent à se distendre du fait des mutations socio-économiques que connaît Libreville : éducation des jeunes, salariat des hommes et des femmes, etc. De par les fragilités sociales que connaissent les personnes âgées de nos échantillons, il est nécessaire que l’Etat puisse mesurer et prendre en compte cette fragilisation dans le cadre d’une politique de protection sociale.

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)0,004
score de la tête « metaresearch » (Gemma)0,007
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,247
Score d'incertitude au seuil0,491

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,003
Communication savante0,0040,005
Science ouverte0,0010,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,044
Tête enseignante GPT0,362
Écart entre enseignants0,318 · 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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAging, Elder Care, and Social Issues→Travaux en français237 207→