A Systematic Review and Meta-Analysis of Depression among Farming Populations Worldwide
Notice bibliographique
Résumé
A systematic review and meta-analysis were conducted to determine the overall prevalence of depression among farming populations globally, and explore any heterogeneity present. Eligible studies were primary research articles published in English, which involved the collection of data for the purpose of determining the prevalence of depression among a farming population. Four relevant databases were searched in January 2019. Potential for bias was assessed using a modified Quality Assessment of Diagnostic Accuracy Studies (QUADAS) tool. From 7662 records, 72 articles were deemed relevant and had data extracted. Of these, 45 utilized the Center for Epidemiologic Studies—Depression Revised scale (CES-D/DR) to quantify depression, 42 of which were conducted in the United States (U.S.). As a result, meta-analyses were restricted to this geographic location. Substantial heterogeneity was seen in the initial whole-group analysis (I2 = 97%), and while sub-group exploration suggested a significantly higher prevalence of depression among migrant farm workers (26%, 95% CI = 21–31%) than in studies examining a non-migrant farming population (12%, 95% CI = 8–17%), substantial heterogeneity remained (I2 = 96%), indicating that the majority of between study variation was due to factors other than sampling error. Additionally, the majority of studies (81%) in migrant farm worker populations were published since 2010, while only 21% of studies in non-migrant farming populations were published in this timeframe. It is possible with recent efforts to de-stigmatize mental illness, participants in more recent studies may be more likely to self-report depressive symptoms. Hence, while it appears that migrant farmworker populations may have an elevated prevalence of depression, it is also apparent that little research in the U.S. has been done to evaluate depression among non-migrant farming populations in recent years. Perhaps a reporting bias may account for some of the difference between the two populations. A research gap also appears to exist in estimating the prevalence of depression among farming populations outside of the US. Assessment for bias at the study level revealed challenges in reporting of key study design elements, as well as potential for selection bias in the majority of 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 | 0,018 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,020 | 0,043 |
| Bibliométrie | 0,016 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| 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 ».