Scolarité et séropositivité des femmes au Cameroun : analyse dâun apparent paradoxe
Bibliographic record
Abstract
Vécue comme l’une des plus grandes crises qu’a connue notre génération, la propagation du virus du SIDA est une urgence mondiale sans précédent, notamment en Afrique sub-saharienne où vivent la grande majorité des individus séropositifs. Dans un contexte où aucun vaccin n’existe encore et où les traitements sont onéreux et peu accessibles, les campagnes d’information sur le virus et l’acquisition de connaissances sur les méthodes de prévention, notamment à travers les programmes scolaires, sont cruciaux. La scolarisation est souvent vue comme la solution pour enrayer la propagation du virus et plusieurs études effectuées en Afrique sub-saharienne ont effectivement montré que les individus scolarisés étaient souvent les mieux renseignés sur le VIH/SIDA et son mode de propagation. Au Cameroun, pourtant, la partie de la population qui est la plus touchée par la séropositivité est aussi la plus instruite. C’est sur cet apparent paradoxe que se penche la présente étude. Cette recherche explore les différents facteurs qui sous tendent la relation positive entre le niveau d’instruction et la séropositivité au Cameroun en analysant les données de l’Enquête Démographique et de Santé (EDS) de 2004. Les résultats des analyses bivariées montrent que plus le niveau d’instruction des hommes et des femmes camerounais augmente, mieux ces derniers sont informés sur le VIH et ses modes de transmission. Malgré cet avantage au niveau des connaissances, l’analyse confirme un lien positif entre le niveau d’instruction et la séropositivé fort et statistiquement significatif parmi les femmes camerounaises, mais non significatif chez les hommes. Les résultats des analyses logistiques hiérarchiques suggèrent que c’est une combinaison de facteurs qui explique pourquoi les femmes les plus scolarisées sont aussi les plus touchées par le VIH/SIDA. Le fait qu’elles aient un profil sociodémographique différent (qu’elles soient plus jeunes et plus riches notamment), et qu’elles soient plus urbaines que leurs consœurs moins scolarisées, mais surtout qu’elles aient un temps d’exposition au risque hors union plus long et un nombre de partenaires plus élevés exposent davantage les femmes les plus scolarisées au virus.
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 | 0.004 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".