MétaCan
Menu
Retour à la cohorte
Enregistrement W7153976090 · doi:10.3126/fwr.v3i2.92843

Assessing Pesticide Sales Trends: An Agrovet Survey in Parasi, Rupandehi and Kapilvastu Districts of Lumbini Province

2025· article· W7153976090 sur OpenAlexaff
Shrijana Panthi, Sushil Nyaupane

Notice bibliographique

RevueFar Western Review · 2025
Typearticle
Langue
DomaineAgricultural and Biological Sciences
ThématiquePesticide Exposure and Toxicity
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésPesticideEnforcementCypermethrinGovernment (linguistics)Pesticide residuePersonal protective equipment

Résumé

récupéré en direct d'OpenAlex

Study assesses practices related to the sale of pesticides and safety measures, the provision of licenses and training for pesticide retailers, and the status of the most traded pesticides in the Parasi, Rupandehi, and Kapilvastu districts. 69 agrovet respondents were selected through a simple random sampling method in the regions. Insecticides were found to be the most demanded type of pesticide (79.7%), followed by fungicides (20.3%). Among the available insecticides, the combination of Chlorpyriphos 50% + Cypermethrin 5% EC was the most traded with index value 0.85. For fungicides, mancozeb was the top choice, followed by the herbicide ammonium salt glyphosate, while aluminum phosphide was the most favored rodenticide. During the study, lack of policies for the proper disposal of expired pesticides was observed. Additionally, there was a low percentage (38.2%) of personal protective equipment (PPE) sales, indicating farmers' minimal attention to pesticide exposure safety. The survey also revealed challenges faced by retailers, including issues such as open borders, the rising number of agrovets in local areas, difficulties in convincing farmers to adopt safety measures, and a lack of pesticide knowledge among farmers. This suggests that the government should ensure stricter monitoring and more rigorous enforcement of regulations regarding the sales of pesticides.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,071
Score d'incertitude au seuil0,142

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,070
Tête enseignante GPT0,340
Écart entre enseignants0,270 · 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 revueFar Western ReviewMême sujetPesticide Exposure and ToxicityTravaux en français237 207