Rehausser le taux d’allaitement maternel exclusif dans la communauté urbaine de Niamey, au Niger : propositions des professionnels de la santé
Bibliographic record
Abstract
Les professionnels de la santé (PS) constituent la source la plus fiable d’informations en allaitement particulièrement pour une population majoritairement analphabète comme celle du Niger. Pour jouer efficacement ce rôle, ils ont besoin de disposer des connaissances et des compétences nécessaires en plus de bénéficier de conditions de travail leur permettant de développer des attitudes et d’adopter des pratiques conformes aux normes internationales. Dans le but de documenter les éventuelles améliorations à apporter en vue de contrer les obstacles à la promotion de l’allaitement maternel exclusif (AME) et rehausser le taux de pratique de l’AME, cette étude s’est intéressée, entre autres, à recueillir l’opinion des PS de la communauté urbaine de Niamey à travers des discussions de groupe organisées avec des infirmiers, des sages-femmes, des assistants sociaux et des médecins/pédiatres. Les participantes et participants ont suggéré différentes pistes de solutions susceptibles de favoriser les activités de promotion de l’AME au sein des formations sanitaires. Il s’agit d’interventions se situant au niveau structurel/organisationnel, programmatique et sur un plan plus individuel au niveau des pratiques et comportements des PS. Ces propositions pourraient être considérées par les responsables des établissements de santé en collaboration avec les décideurs, dans la planification, l’implantation et l’évaluation d’actions favorisant une promotion plus efficace de l’AME, notamment en ce qui concerne les attitudes et pratiques appropriées des intervenants centraux que sont les PS. (Global Health Promotion, 2010; 17 (2): pp. 62—71)
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 | 0.004 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.006 | 0.003 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
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".