Mental Health and Wellbeing Helplines for Farmers: A Scoping Review of Usage, Acceptability, and Effectiveness of Those Currently in Operation Around the World
Notice bibliographique
Résumé
OBJECTIVES: Farmers have higher risk of suicide than the general working population but are less likely to seek help from mainstream mental health services. Farmer-focused sources of support such as farmer helplines may be a viable alternative, and several currently operate internationally. However, it is unclear whether these specialized helplines collectively tend to be used and are acceptable or effective in reducing farmers' distress. This review aimed to fill this important knowledge gap. METHODS: The PRISMA 2020 guidelines, in consultation with the extension for scoping reviews, guided the review process. The search included 13 academic databases and grey literature via Google. RESULTS: The database search yielded 1,337 initial results and a Google search strategy resulted in 620 links to investigate. Data extraction was sought from 28 papers and 332 online links. We identified 35 unique helplines operating across Canada, the United States, the United Kingdom, Ireland, Australia, India, and Austria. Farmers do use helplines when experiencing stress; however, we found little empirical evidence of the acceptability or effectiveness of helplines. Anecdotal evidence suggested farmers are more likely to trust telephone support services operated by people who understand the farming way of life. CONCLUSION: Research in this area is scant but promising. Farmers and farming communities will use farmer helplines in times of elevated stress. However, there is a pressing need for more rigorous evaluation studies to determine their effectiveness in this at-risk group. Further, when designing farmer helplines, careful consideration should be given to the extent to which those answering calls understand farming.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».