Caractérisation des risques sanitaires et environnementaux des pratiques phytosanitaires dans la production de légumes dans les communes de Cotonou, de Seme-Kpodji et de Ouidah au Sud-Bénin
Bibliographic record
Abstract
Une étude sur l'usage des pesticides dans la production de légumes a été réalisée sur 197 producteurs en milieu urbain et périurbain du sud du Bénin. L'objectif de l'étude est de caractériser les risques potentiels de l'utilisation des pesticides sur la santé humaine et l'environnement. Pour ce faire, l'Indicateur de Risque des Pesticides du Québec (IRPeQ) a été utilisé. Deux indices ont été calculés pour chaque pesticide recensé : un indice de risque pour la Santé (IRS) et un indice de risque pour l'environnement (IRE). Pour chaque exploitation enquêtée, les indices de risque pour la santé et les indices de risque pour l'environnement pour chaque producteur (IRPest-S et IRPest-E) ont été calculés de même que les indices de pression (IP) et indice de fréquence de traitement (IFT). Les IRE les plus élevés ont été obtenus pour le carbofuran, le chlorpyriphos-éthyl et l'endosulfan et les IRS les plus élevés pour le chlorpyriphos-éthyl, le mancozebe et l'endosulfan. Une différence significative a été observée dans les niveaux de risques sanitaires et environnementaux des traitements pesticides des maraîchers (IRPest-S et IRPest-E) entre sites (P<0,001). Pour la plupart des producteurs suivis (63,6%), les risques sanitaires liés à l'utilisation des pesticides ont augmenté de 2009 à 2011. Les efforts de sensibilisation des producteurs sur les risques inhérents à l'utilisation des pesticides chimiques ainsi que le port d'équipements de protection individuelle lors de l'épandage de ces produits doivent être multipliés.
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 | 0.000 | 0.000 |
| 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 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 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".