MétaCan
Menu
Retour à la cohorte
Enregistrement W2994549004 · doi:10.1371/journal.pone.0225661

Research trends in farmers’ mental health: A scoping review of mental health outcomes and interventions among farming populations worldwide

2019· review· en· W2994549004 sur OpenAlexaff
Briana N. M. Hagen, Ashley Albright, Jan M. Sargeant, Charlotte B. Winder, Sherilee L. Harper, Terri L. O’Sullivan, Andria Jones‐Bitton

Notice bibliographique

RevuePLoS ONE · 2019
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Farm Safety
Établissements canadiensUniversity of AlbertaUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésMental healthPsychological interventionInclusion (mineral)Environmental healthMedicineDescriptive statisticsPopulationAgricultureOccupational safety and healthGerontologyPsychologyPsychiatryGeography

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Mental health issues among farmers are identified population health concerns. While one systematic review focused on suicide in farming populations in the United States, there have been no scoping studies examining mental health in farming communities worldwide. The objectives of this scoping review were to: provide a descriptive analysis of the literature pertaining to mental health outcomes in farming populations; describe the international scope of the research; and highlight published mental health services and interventions that have been evaluated. METHODS: Following Arksey and O'Malley's scoping review framework, five major health and science platforms were used to identify studies examining mental health outcomes in farming populations, worldwide. Studies that met a priori inclusion criteria that were published prior to December 31, 2017 were included in this review. Data synthesis and descriptive statistics were conducted using STATA 15® software; proportions were calculated by country. RESULTS: The initial literature search yielded 9,906 records. After title and abstract screening, 676 articles were reviewed in-full. Of these, 341 met a priori inclusion criteria. Studies included were conducted between 1979 and 2017; the majority (265; 77.7%) were published between 2002-2017. The most frequently measured outcomes were stress (41.9%), suicide (33.1%), and depression (32.6%). Over 70% of studies that examined stress described using quantitative research methods, most predominantly, cross-sectional designs (42.7%). Approximately 64% of studies that measured suicide reported using a quantitative approach; the largest proportion of included suicide studies (33.6%) described using cohort designs. Approximately 84% of studies that measured depression described using quantitative approaches; sixty percent of these studies reported using a cross-sectional study design. Twenty included studies described a mental health service or intervention (5.9%). CONCLUSIONS: This scoping review provides a critical overview of the literature examining mental health outcomes in farming populations worldwide. Given the importance of farming and agriculture, this review can be used to ensure future research complements existing work, avoids unnecessary overlap, and begins to tackle the less-studied mental health outcomes amongst farmers. These results can guide researchers to identified gaps in research and services, leading to a more informed approach to future work, and ultimately, a more comprehensive understanding of mental health among farmers worldwide.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,029
score de la tête « metaresearch » (Gemma)0,099
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,154

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0290,099
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0050,007
Bibliométrie0,0300,028
Études des sciences et des technologies0,0020,002
Communication savante0,0050,006
Science ouverte0,0020,003
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,393
Tête enseignante GPT0,453
Écart entre enseignants0,060 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations133
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetAgriculture and Farm SafetyTravaux en français237 207