Intergenerational transfer of occupational risks on family farms
Notice bibliographique
Résumé
BACKGROUND: Cultures of safety in farm work settings are under the authority of a responsible owner-operator, who establishes rules, attitudes, and behaviors for farm work practices. This novel analysis provides new evidence to show that risks that can lead to injury and are commonly practiced on Canadian farms are indeed transferred between generations. METHODS: Baseline data were provided by representatives from eligible and consenting farms (n = 589) in the province of Saskatchewan, Canada, during the first quarter of 2013. Mailed questionnaires were sent to participating farms and completed by a single respondent. Questionnaires included scaled assessments of hazards and safety practices by farm operators, and young workers on each farm. Descriptive and multiple regression analyses were used to examine relationships between farm owner-operator risks and safety practices and those reported for the young workers. FINDINGS: Graphical descriptive analyses showed that as farm owner-operator risks increased, so did those reported for children and young workers. Similarly, as farm owner-operator safe work practices increased, young worker hazards decreased, albeit more modestly. The young worker hazard scale increased by 0.20 (95% CI: 0.10-0.30) points, and decreased by 0.08 (95% CI: -0.016 to -0.000) points for each one-point increase in the owner-operator hazard and safe work practices scales, respectively. CONCLUSIONS: Occupational health and safety risks and protections experienced on farms appear to be transferred between generations. This suggests the need to target farm owner-operators, the responsible authority on the farm, as a focus of primary prevention strategies aimed at injury risks to children and young workers.
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 ».