Cross-sectional associations of gender identity and sexual orientation, with co-occurrence and clustering of health-related behaviours among British adolescents: Millennium cohort study
Notice bibliographique
Résumé
PURPOSE: We examined whether gender identity and sexual orientation were associated with seven health-related behaviours, and with co-occurrence and clustering of these behaviours among British adolescents. METHODS: Millennium Cohort Study (age 17 wave) provided data on the exposures, gender identity (male, female, genderqueer) and sexual orientation (heterosexual, bisexual, gay or lesbian, or other), and seven self-reported health-related behaviours (binge drinking, drug use, no consumption of breakfast, no consumption of fruits or vegetables, physical inactivity, poor sleep, and smoking or vaping). Poisson regressions examined associations between the exposures and single behaviours (reporting prevalence ratios (PRs)); and multinomial logistic regressions were used for behavioural cumulative co-occurrence score (reporting PRs). Cluster patterns were identified using Ward's agglomerative hierarchical cluster analysis while associations with cluster membership were performed using logistic regressions (reporting odds ratios (ORs)). RESULTS: Our sample included 6022 adolescents (55.4% female, 1.5% genderqueer, 11.6% non-heterosexual). Adolescents who identified as genderqueer had the highest prevalence of not eating breakfast (PR: 60.5% [95%CI 48.4-71.4]) and poor sleep (68.7% [95%CI 55.6-79.3]). Those who identified as bisexual had a higher PR of co-occurring behaviours (2.46 [95%CI 1.39-4.27]). Among the three clusters identified (1: Multiple risk behaviours; 2: Physical inactivity and binge drinking; 3: Poor diet and physical inactivity), adolescents who identified as genderqueer or other sexual orientation showed the highest prevalence in cluster 3. CONCLUSION: Gender and sexual minority British adolescents showed a higher prevalence of risky health-related behaviours, and higher risk of co-occurring behaviours. Physical inactivity and poor diet behaviours commonly clustered together for these groups.
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 | 0,001 | 0,002 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».