Determinants of agricultural injury: a novel application of population health theory
Notice bibliographique
Résumé
Objective (1) To apply novel population health theory to the modelling of injury experiences in one particular research context, (2) To enhance understanding of the conditions and practices that lead to farm injury. Design Prospective cohort study conducted over 2 years (2007–2009). Setting 50 rural municipalities in the Province of Saskatchewan, Canada. Subjects 5038 participants from 2169 Saskatchewan farms, contributing 10 092 person-years of follow-up. Main Measures Exposure. Self-reported times involved in farm work; Effect Modifiers. Scaled measures describe socio-economic, physical and cultural farm environments; Outcome: Self-reported farm injuries. Results 450 farm injuries were reported for 370 individuals on 338 farms over 2 years of follow-up. Amounts of farm work exposure were strongly and consistently related to time to first injury event. Relationships between farm work hours and time to first injury were not modified in the directions suggested by theory between levels of the socio-economic, physical and cultural farm work environments. Respondents reporting high versus low levels of physical farm hazards at baseline experienced elevated risks for farm injury upon follow-up (Hazard Ratio 1.54; 95% CI 1.16 to 1.47). Conclusions Study findings failed to show interactions consistent with population health theory. Injury prevention efforts should continue to focus on: (1) sound occupational safety practices associated with long work hours; (2) physical risks and hazards on farms and (3) more speculatively, behavioural modification to minimise occupational injury risks.
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 ».