Cultural capital and smoking in young adults: applying new indicators to explore social inequalities in health behaviour
Notice bibliographique
Résumé
BACKGROUND: Associations between social status and health behaviours are well documented, but the mechanisms involved are less understood. Cultural capital theory may contribute to a better understanding by expanding the scope of inequality indicators to include individuals' knowledge, skills, beliefs and material goods to examine how these indicators impact individuals' health lifestyles. We explore the structure and applicability of a set of cultural capital indicators in the empirical exploration of smoking behaviour among young male adults. METHODS: We analysed data from the Swiss Federal Survey of Adolescents (CH-X) 2010-11 panel of young Swiss males (n = 10 736). A set of nine theoretically relevant variables (including incorporated, institutionalized and objectified cultural capital) were investigated using exploratory factor analysis. Regression models were run to observe the association between factor scores and smoking outcomes. Outcome measures consisted of daily smoking status and the number of cigarettes smoked by daily smokers. RESULTS: Cultural capital indicators aggregated in a three-factor solution representing 'health values', 'education and knowledge' and 'family resources'. Each factor score predicted the smoking outcomes. In young males, scoring low on health values, education and knowledge and family resources was associated with a higher risk of being a daily smoker and of smoking more cigarettes daily. CONCLUSION: Cultural capital measures that include, but go beyond, educational attainment can improve prediction models of smoking in young male adults. New measures of cultural capital may thus contribute to our understanding of the social status-based resources that individuals can use towards health behaviours.
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 | 0,023 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».