MétaCan
Menu
Retour à la cohorte
Enregistrement W3000123876 · doi:10.22605/rrh5530

Depression and binge drinking in farm and non-farm rural adults in Saskatchewan, Canada

2020· article· en· W3000123876 sur OpenAlexafffundabout
Bonnie Janzen, Chandima Karunanayake, Donna Rennie, Joshua Lawson, James A. Dosman, Punam Pahwa

Notice bibliographique

RevueRural and Remote Health · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Farm Safety
Établissements canadiensUniversity of SaskatchewanSaskatchewan HealthSaskatchewan Health Authority
Organismes subventionnairesQueen's UniversityUniversity of Ottawa
Mots-clésMental healthResidenceDepression (economics)Binge drinkingDemographyEnvironmental healthMedicineOdds ratioLogistic regressionRural areaConfidence intervalGerontologyPoison controlSuicide preventionPsychiatry

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Despite some attention paid to farm stress in the popular press, recent Canadian research examining the mental wellbeing of farming populations relative to other rural dwellers is sparse. International research on the topic has shown inconsistent findings and has mainly focused on men. The objective of the present study was to examine the correlates of mental health among rural Saskatchewan women and men, positioning farm/non-farm residence as a main explanatory variable, and depression and binge drinking as measures of mental health. METHODS: The cross-sectional sample consisted of 1701 women (47.8% farm) and 1700 men (53.3% farm) who participated in the 2014 phase of the Saskatchewan Rural Health Study, a prospective cohort study primarily examining the respiratory health of rural people in the southern part of the province of Saskatchewan, Canada. Data were collected using mailed self-report questionnaires and included measures of mental health assessing health professional diagnosed depression and binge drinking, in addition to a broad array of demographic characteristics, stressors and resources. Multiple logistic regression was the primary method of analysis; generalized estimating equations were utilized to account for household clustering. All analyses were conducted separately for women and men and by mental health indicator. RESULTS: Farm/non-farm residence was related to depression but only under particular circumstances, which in turn differed by gender. In women, non-farm residents with two or more chronic conditions reported more depression than their farm counterparts (odds ratio (OR)=2.62; 95% confidence interval (CI) 1.28-5.36); non-farm men with secondary school education reported greater depression than farm-dwelling men (OR=2.93; 95%CI 1.31-6.59). The remaining correlates of depression were generally consistent with previous research in rural populations, including younger age, being non-partnered (men only), higher stress, greater financial strain (women only) and lower social support (women only). Binge drinking was significantly elevated in non-farm women (OR=1.68; 95%CI 1.21-2.33) and non-farm men (OR=1.70; 95%CI 1.33-2.17) compared to the farming population. Among women only, not having access to a regular family doctor/nurse practitioner was associated with an increased likelihood of binge drinking (OR=2.05; 95%CI 1.13-3.71) compared to women perceiving better access. CONCLUSION: The present study is one of very few recently published quantitative studies of the correlates of mental health among farm and non-farm adults in rural Canada. The findings suggest that non-farm dwellers in rural Saskatchewan may be more vulnerable to compromised mental health than their farming counterparts. Additional research employing a longitudinal design and enhanced measurement is required to confirm or refute these findings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,885
Score d'incertitude au seuil0,349

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,201
Écart entre enseignants0,194 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations6
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueRural and Remote HealthMême sujetAgriculture and Farm SafetyTravaux en français237 207