Poor mental health negatively impacts farmers personally, interpersonally, cognitively, and professionally
Notice bibliographique
Résumé
Farmers globally face significant occupational stressors and are reported to experience high levels of depression, anxiety, burnout, suicide ideation, and suicide. While the impacts of high stress and poor mental health have been well-studied in the general population, and to some extent, in specific occupations, the impacts on farmers are understudied. The objective here was to explore the lived experience of high stress and (or) poor mental health in Canadian farmers, including the perceived impacts. Using a phenomenological approach within a constructivist paradigm, we conducted 75 one-on-one research interviews with farmers and people who work closely with farmers, in Ontario, Canada, between July 2017 and May 2018. We analysed the data via thematic analyses and identified four major themes. Participants described myriad negative impacts of farmers’ high stress and (or) poor mental health: (1) personally, (2) interpersonally, and (3) cognitively, which ultimately negatively impacted them (4) professionally, including consequences for productivity, animals, and farm success. The data described far-reaching, interconnected impacts of high stress and poor mental health on participants, the people and animals in their lives, and most aspects of their farming operations, financial viability, and success. Farmer stress, mental health, and well-being are important considerations in promoting sustainable, successful agriculture.
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 ».