Le rôle de l’environnement dans les maladies diarrhéiques chez l’enfant : l’apport des méthodes mixtes
Bibliographic record
Abstract
Malgré de nombreux progrès, les maladies diarrhéiques demeurent la principale charge de morbidité chez l’enfant en milieu urbain d’Afrique subsaharienne. Dans ce contexte, la présente étude traite du rôle que joue l’environnement immédiat (du ménage et du quartier) sur la morbidité diarrhéique chez les enfants de 2 à 10 ans vivant dans l’agglomération de Dakar, la capitale du Sénégal. La recherche a adopté une approche de méthodes mixtes et a été menée en deux étapes. La première est quantitative et la seconde, qualitative. Les résultats montrent, premièrement, que les comportements individuels en termes de santé sont souvent une fonction de l’environnement immédiat. Ils révèlent aussi que les indicateurs statistiques couramment utilisés pour mesurer l’assainissement donnent, dans certains cas, une compréhension biaisée des conditions de vie des populations concernées. Ainsi, l’étude illustre comment la triangulation des approches quantitative et qualitative permet d’obtenir une image plus fiable de ces aspects et de pallier les sources de biais inhérentes à chacune des approches. Elle avance aussi les bénéfices liés au fait de baser la construction de l’instrument quantitatif sur un volet qualitatif exploratoire, afin de mieux adapter les informations chiffrées aux conditions spécifiques de vie des individus et des ménages.
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 | 0.090 | 0.142 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.004 |
| Bibliometrics | 0.005 | 0.006 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.003 | 0.005 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 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".