Social inequality in adolescents' healthy food intake: the interplay between economic, social and cultural capital
Notice bibliographique
Résumé
Background: Current explanations of health inequalities in adolescents focus on behavourial and economic determinants and rarely include more meaningful forms of economic, cultural, and social capital. The aim of the study was to investigate how the interplay between capitals constitutes social inequalities in adolescent healthy food intake. Methods: Data were collected in the 2013/14 Flemish Health Behavior among School-aged Children (HBSC) survey, which is part of the international WHO HBSC survey. The total sample included 7266 adolescents aged 12-18. A comprehensive set of 58 capital indicators was used to measure economic, cultural and social capital and a healthy food index was computed from a 17-item food frequency questionnaire (FFQ) to assess the consumption frequency of healthy food within the overall food intake. Results: The different forms of capital were unequally distributed in accordance with the subdivisions within the education system. Only half of the capital indicators positively related to healthy food intake, and instead 17 interactions were found that both increased or reduced inequalities. Cultural capital was a crucial component for explaining inequalities such that social gradients in healthy food intake increased when adolescents participated in elite cultural practices ( P < 0.05), and were consequently reduced when adolescents reported to have a high number of books at home ( P < 0.05). Conclusion: A combination of selected resources in the form of economic, cultural and social capital may both increase or reduce healthy food intake inequalities in adolescents. Policy action needs to take into account the unequal distribution of these resources within the education system.
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 | 0,021 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».