Kingsley Nigere. Améliorer la couverture vaccinale contre le paludisme et le COVID-19 dans le district municipal de Kintampo Nord. (étude de cas IA2030 n°20)
Bibliographic record
Abstract
Résumé Cette étude de cas fait partie d'une série mettant en lumière les expériences du personnel chargé de la vaccination et des soins de santé primaires travaillant à différents niveaux des programmes nationaux de vaccination dans les pays à revenu faible ou intermédiaire. Les personnes présentées participent toutes aux activités d'apprentissage par les pairs du Mouvement pour la vaccination à l’horizon 2030 (IA2030) organisées par la Fondation Apprendre Genève (TGLF). Dans le cadre du Mouvement, les agents de santé échangent des idées et des expériences et se soutiennent mutuellement lorsqu'ils tentent de résoudre des problèmes locaux et de contribuer aux objectifs du Programme pour la vaccination à l’horizon 2030 (IA2030), la stratégie mondiale de vaccination.Chaque étude de cas fait partie de la plateforme "Des connaissances à l'action" du Mouvement IA2030, conçue pour promouvoir l'application des connaissances partagées par les membres du Mouvement. En savoir plus sur la plateforme... En savoir plus sur le Mouvement...
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 | 0.000 | 0.000 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".