Farm Exposures and Allergic Disease Among Children Living in a Rural Setting
Notice bibliographique
Résumé
Objectives The purpose of this study was to examine the association between farm exposures and asthma and allergic disease in children while also highlighting the experiences of non-farm rural children.Methods This was a cross-sectional analysis of data collected from across the province of Saskatchewan, Canada in 2014. Surveys were completed by parents of 2275 rural dwelling children (farm and non-farm) aged 0 to 17 years within 46 rural schools. Questionnaires were distributed through schools for parents to complete.Results Asthma prevalence was 7.6%, of which 29.5% of cases were allergic. After adjustment for potential confounders, home location (farm vs non-farm) and other farm exposures were not associated with asthma and asthma phenotypes. Those who completed farm safety education were more likely to have asthma (11.7% vs. 6.7%; p = .001) compared to children without asthma. In sub-analyses among 6–12-year-old children, boys were more likely to have asthma (non-allergic) and use short-acting beta-agonists compared to girls. Doing farm work in the summer was associated with an increased risk of asthma [adjusted OR (aOR) = 1.71 (1.02–2.88); p = .041]. Doing routine chores with large animals was associated with an increased risk of asthma [aOR = 1.83 (1.07–3.15); p = .027] and allergic asthma [aOR = 2.37 (95%CI = 1.04–5.40); p = .04].Conclusion The present study showed that the prevalence of asthma and asthma phenotypes were similar between farm and non-farm rural children. There did not appear to be differential involvement in farming activities between those with and without asthma although those with asthma had more training suggesting possible attempts to mitigate harm from farm exposures.
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 | 0,001 | 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 ».