Risque palustre : appréhender la vulnérabilité des individus à l'échelle locale (Sud du Bénin)
Bibliographic record
Abstract
Le paludisme représente aujourd’hui l’une des pandémies les plus meurtrières des pays du Sud, la majorité de la population à risque se trouvant en Afrique sub-saharienne. C’est une maladie à vecteurs en effet étroitement liée au climat chaud et humide, dont la variabilité spatio-temporelle de la transmission observée à l’échelle très fine d’un village rural ne parvient pas à être totalement expliquée par les modèles de prédiction basés principalement sur le climat. Les lacunes des principaux modèles basés sur des connaissances climatiques et entomologiques à macro-échelle sont dues à la difficulté de récolter des variables climatiques fines et d’autres variables d’ordre socio-économique déterminant la vulnérabilité des populations, jusqu’à présent peu prise en compte dans la prédiction du risque palustre. La confrontation au terrain de Tori Bossito, commune rurale du sud du Bénin, a permis d’analyser les facteurs socio-éco-environnementaux du paludisme à l’échelle locale. Les résultats de cette étude confirment la grande hétérogénéité spatiale de la transmission à très fine échelle, et montrent qu’elle est liée à des facteurs de vulnérabilité identifiés à l’échelle du foyer.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".