Review and Meta-analysis of Emerging Risk Factors for Agricultural Injury
Notice bibliographique
Résumé
Agricultural injury is a significant public health problem globally. Extensive research has addressed this problem, and a growing number of risk factors have been reported. The authors evaluated the evidence for frequently reported risk factors earlier. The objective in the current study was to identify emerging risk factors for agricultural injury and calculate pooled estimates for factors that were assessed in two or more studies. A total of 441 (PubMed) and 285 (Google Scholar) studies were identified focusing on occupational injuries in agriculture. From these, 39 studies reported point estimates of risk factors for injury; 38 of them passed the Newcastle-Ottawa criteria for quality and were selected for the systematic review and meta-analysis. Several risk factors were significantly associated with injury in the meta-analysis. These included older age (vs. younger), education up to high school or higher (vs. lower), non-Caucasian race (vs. Caucasian), Finnish language (vs. Swedish), residence on-farm (vs. off-farm), sleeping less than 7–7.5 hours (vs. more), high perceived injury risk (vs. low), challenging social conditions (vs. normal), greater farm sales, size, income, and number of employees on the farm (vs. smaller), animal production (vs. other production), unsafe practices conducted (vs. not), computer use (vs. not), dermal exposure to pesticides and/or chemicals (vs. not), high cooperation between farms (vs. not), and machinery condition fair/poor (vs. excellent/good). Eighteen of the 25 risk factors were significant in the meta-analysis. The identified risk factors should be considered when designing interventions and selecting populations at high risk of injury.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,042 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».