Le marché parallèle du médicament en milieu rural au Sénégal
Bibliographic record
Abstract
La naissance d’un marché dit « parallèle » du médicament remonte aux débuts des années 1980. Depuis, il ne cesse de se développer dans les pays du Sud. Au-delà du problème majeur de santé publique qu’il constitue, il représente un mode de recours aux soins largement pratiqué par les populations. Il importe donc de décrire son fonctionnement et de comprendre le rôle qu’il joue auprès d’elles. Pour cela, durant la saison des pluies 2002, nous avons réalisé une enquête ethnographique (observations directes et participantes, entretiens semi-directifs et informels) auprès des vendeurs de médicaments d’une zone rurale sénégalaise où la disponibilité et l’accessibilité des médicaments distribués dans les structures officielles sont problématiques. La description détaillée des différents acteurs de la vente permet de comprendre l’organisation spécifique de ce marché parallèle qui propose un accès optimal des médicaments aux populations et, dans certains cas, des conseils thérapeutiques. Ce marché présente de nombreux avantages, tant économiques que culturels et sociaux, et s’adapte parfaitement au mode de vie des populations. Bien qu’elle constitue des risques sanitaires certains, il est primordial – lors de la définition de politiques de santé – de réfléchir aux atouts de cette offre de soins populaire.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.005 | 0.005 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 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".