Risques potentiels des déchets domestiques sur la santé des populations en milieu rural: cas d’Irhambi Katana (Sud-Kivu, République Démocratique du Congo)
Bibliographic record
Abstract
Cette étude a été conduite afin d’évaluer les risques pour la santé liés à la production de déchets en milieu rural d’Irhambi Katana à l’est de la République Démocratique du Congo (RDC). La mesure des quantités des déchets produits par ménage dans six localités du groupement d’Irhambi Katana et l’analyse microscopique des échantillons des déchets ont été réalisées. La comparaison avec les données des centres de santé et la détermination de l’apport de ces déchets en éléments nutritifs du sol ont été réalisées. Les ménages du groupement d’Irhambi Katana produisent en moyenne 0,3 kg de déchets par jour. Ces déchets domestiques renferment plusieurs agents pathogènes tels que Balantidium coli, Shigella flexneri, Ascaris lombricoïdes et Escherichia coli qu’on peut associer à des maladies diarrhéiques couramment rencontrées dans les statistiques des centres de santé comme l’ascaridiose, la shigelose, l’amibiase et le choléra. Mais aussi ces déchets contiennent des matières organiques fertilisantes du sol comme l’azote et le phosphore en quantité importante (1272 mg P/kg; 8,89 % de N /kg). Une sensibilisation de la population dans la gestion des déchets domestiques pour éviter les maladies dues à la mauvaise gestion des déchets ainsi que l’usage de ces déchets dans la fertilisation des sols est recommandée.
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 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 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".