Determinants of agricultural injury: a novel application of population health theory
Notice bibliographique
Résumé
OBJECTIVES: (1) To apply novel population health theory to the modelling of injury experiences in one particular research context. (2) To enhance understanding of the conditions and practices that lead to farm injury. DESIGN: Prospective, cohort study conducted over 2 years (2007-09). SETTING: 50 rural municipalities in the Province of Saskatchewan, Canada. SUBJECTS: 5038 participants from 2169 Saskatchewan farms, contributing 10,092 person-years of follow-up. MAIN MEASURES: Individual exposure: self-reported times involved in farm work. Contextual factors: scaled measures describe socioeconomic, physical, and cultural farm environments. OUTCOME: time to first self-reported farm injury. RESULTS: 450 farm injuries were reported for 370 individuals on 338 farms over 2 years of follow-up. Times involved in farm work were strongly and consistently related to time to first injury event, with strong monotonic increases in risk observed between none, part-time, and full-time work hour categories. Relationships between farm work hours and time to first injury were not modified by the contextual factors. Respondents reporting high versus low levels of physical farm hazards at baseline experienced increased risks for farm injury on follow-up (HR 1.54; 95% CI 1.16 to 1.47). CONCLUSIONS: Based on study findings, firm conclusions cannot be drawn about the application of population health theory to the study of farm injury aetiology. Injury prevention efforts should continue to focus on: (1) sound occupational health and safety practices associated with long work hours; (2) physical risks and hazards on farms.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».