Examination of urinary pesticide concentrations, protective behaviors, and risk perceptions among Latino and Latina farmworkers in Southwestern Idaho
Notice bibliographique
Résumé
INTRODUCTION: Studies have documented high levels of pesticide exposure among men farmworkers; however, few have examined exposures or the experiences of women farmworkers. Data gaps also exist regarding farmworkers' perceived risk and control related to pesticides, information that is critical to develop protective interventions. OBJECTIVE: We aimed to compare urinary pesticide biomarker concentrations between Latino and Latina farmworkers and examine associations with occupational characteristics, risk perceptions, perceived control, and protective behaviors. METHODS: We enrolled a convenience sample of 62 farmworkers (30 men and 32 women) during the pesticide spray season from April-July 2022 in southwestern Idaho. Participants were asked to complete two visits within a seven-day period; at each visit, we collected a urine sample and administered a questionnaire assessing demographic and occupational information. Urine samples were composited and analyzed for 17 biomarkers of herbicides and of organophosphate (OP) and pyrethroid insecticides. RESULTS: Ten pesticide biomarkers (TCPy, MDA, PNP, 3-PBA, 4-F-3-PBA, cis- and trans-DCCA, 2,4-D, Glyphosate, AMPA) were detected in >80% of samples. Men and women had similar urinary biomarker concentrations (p = 0.19-0.94); however, women worked significantly fewer hours than men (p = 0.01), wore similar or greater levels of Personal Protective Equipment (PPE), and were slightly more likely to report having experienced an Acute Pesticide Poisoning (26% of women vs. 14% of men; p = 0.25). We observed inconsistencies in risk perceptions, perceived control, and protective behaviors among men. DISCUSSION: Our study is one the first to examine pesticide exposure and risk perceptions among a cohort of farmworkers balanced on gender. Taken with previous findings, our results suggest that factors such as job tasks, biological susceptibility, or access to trainings and protective equipment might uniquely impact women farmworkers' exposure and/or vulnerability to pesticides. Women represent an increasing proportion of the agricultural workforce, and larger studies are needed to disentangle 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 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 ».