A school-based program to prevent adolescent dating violence: a cluster randomized trial.
Notice bibliographique
Résumé
OBJECTIVE: To determine whether an interactive curriculum that integrates dating violence prevention with lessons on healthy relationships, sexual health, and substance use reduces physical dating violence (PDV). DESIGN: Cluster randomized trial with 2.5-year follow-up; prespecified subgroup analyses by sex. SETTING: Grade 9 health classes. PARTICIPANTS: A total of 1722 students aged 14-15 from 20 public schools (52.8% girls). Intervention A 21-lesson curriculum delivered during 28 hours by teachers with additional training in the dynamics of dating violence and healthy relationships. Dating violence prevention was integrated with core lessons about healthy relationships, sexual health, and substance use prevention using interactive exercises. Relationship skills to promote safer decision making with peers and dating partners were emphasized. Control schools targeted similar objectives without training or materials. MAIN OUTCOME MEASURES: The primary outcome at 2.5 years was self-reported PDV during the previous year. Secondary outcomes were physical peer violence, substance use, and condom use. Analysis was by intention-to-treat. RESULTS: The PDV was greater in control vs intervention students (9.8% vs 7.4%; adjusted odds ratio, 2.42; 95% confidence interval, 1.00-6.02; P = .05). A significant group x sex interaction effect indicated that the intervention effect was greater in boys (PDV: 7.1% in controls vs 2.7% in intervention students) than in girls (12.1% vs 11.9%). Main effects for secondary outcomes were not statistically significant; however, sex x group analyses showed a significant difference in condom use in sexually active boys who received the intervention (114 of 168; 67.9%) vs controls (65 of 111 [58.6%]) (P < .01). The cost of training and materials averaged CA$16 per student. CONCLUSION: The teaching of youths about healthy relationships as part of their required health curriculum reduced PDV and increased condom use 2.5 years later at a low per-student cost.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».