La gouvernance des microfinances dépend fortement de la qualité des décisions prises par leurs dirigeants, où l’information comptable joue un rôle central. Cet article examine la considération de l’information comptable dans la prise de décision au sein des microfinances en RDC, à partir de l’étude de dix institutions formelles à Butembo sur la période 2018–2023.Une approche quantitative a été adoptée, combinant analyse documentaire et exploitation des comptes rendus annuels. Les variables étudiées comprennent le nombre de comptes rendus, la compétence des dirigeants en gestion financière, l’intérêt porté aux états financiers et le nombre de décisions nécessitant des informations comptables. Les analyses statistiques, dont la corrélation de Spearman et l’ANOVA, ont permis de mesurer les relations et différences entre catégories et formes juridiques.Les résultats montrent que les décisions stratégiques et opérationnelles reposent largement sur l’information comptable. Les sociétés de microfinance utilisent systématiquement les états financiers, tandis que les COOPEC mutualistes, bien que réguliers dans la production des comptes rendus, les exploitent moins systématiquement. La compétence des dirigeants est un facteur clé.Implications : renforcement des compétences managériales, utilisation systématique des états financiers et amélioration de la gouvernance.
The increasing demand for medical consultations in developing countries is one of the largest pressures on healthcare systems. In this study, an IoT-enabled device was proposed for automating the collection of physiological data for diabetes classification and prediction. The collected data was stored on ThingsBoard Cloud for convenience in teleconsultations and reduction of physical visits. The system use edge computing (EC) technology implemented through a Raspberry Pi server and makes use of the ThingsBoard cloud for data monitoring and visualization. However, for data confidentiality, integrity, and secure access, the system includes user authorization, data encryption, and secure transmission mechanisms. Furthermore, machine learning (ML) models based on random forest (RF) and XGBoost were used for predicting diabetes from the collected data. Precision, recall, F1-score, and accuracy analysis revealed that RF performs better than XGBoost, achieving 99% overall accuracy with commendable efficiency on all the above metrics. Therefore, future research work should include increasing system security with better threat detection mechanisms, improving ML models by using hybrid mechanisms, and anonymizing data for compliance with data privacy frameworks for health data to realize smarter, more secure, and more accessible healthcare delivery.
Acropteroxys cervantesi Mora-Aguilar and Delgado, new species (Coleoptera: Erotylidae: Languriinae: Languriini) from the Pacific lowlands in the state of Guerrero, Mexico is described and illustrated. A key to the species of the genus Acropteroxys Gorham is included. New Mexican state records are given for Camptocarpus dilatipleura Martins and Pereira, Camptocarpus longicollis (Motschulsky), Crotchia parallela Fowler, Ectrapezidera semiotina (Gorham), Languria irregularis Casey, Languria mozardi Latreille, Langurites lineatus (Castelnau), and Tomolanguria aculeata (Gorham).
