Risk Factors for Agricultural Injury: A Systematic Review and Meta-analysis
Notice bibliographique
Résumé
The objective of this study was to identify significant risk factors for agricultural injury based on the literature. The authors conducted a systematic review of commonly reported risk factors. Studies that reported adjusted odds ratio (OR) or relative risk (RR) estimates for the selected risk factors were identified from PubMed and Google Scholar. Pooled risk factor estimates were calculated using meta-analysis. A total of 441 (PubMed) and 285 (Google Scholar) studies were found in the initial searches; of these, 132 and 78 studies, respectively, met the selection criteria for injury outcomes, and 32 of these reported adjusted OR or RR estimates. One study was excluded because it did not meet the set Newcastle-Ottawa Scale quality criteria. Finally, 31 studies were used for meta-analysis. The pooled ORs for the risk factors were as follows: male gender (vs. female) 1.68, full-time farmer (vs. part-time) 2.17, owner/operator (vs. family member or hired worker) 1.64, regular medication use (vs. no regular medication use) 1.57, prior injury (vs. no prior injury) 1.75, health problems (vs. no health problems) 1.21, stress or depression (vs. no stress or depression) 1.86, and hearing loss (vs. no hearing loss) 2.01. All selected factors except health problems significantly increased the risk of injury, and they should be (a) considered when selecting high-risk populations for interventions, and (b) considered as potential confounders in intervention studies.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,020 | 0,041 |
| Bibliométrie | 0,011 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».