Is educational differentiation associated with smoking and smoking inequalities in adolescence? A multilevel analysis across 27 European and North American countries
Notice bibliographique
Résumé
This study aims to determine whether educational differentiation (i.e. early and long tracking to different school types) relate to socioeconomic inequalities in adolescent smoking. Data were collected from the WHO-Collaborative 'Health Behaviour in School-aged Children (HBSC)' study 2005/2006, which included 48,025 15-year-old students (Nboys = 23,008, Ngirls = 25,017) from 27 European and North American countries. Socioeconomic position was measured using the HBSC family affluence scale. Educational differentiation was determined by the number of different school types, age of selection, and length of differentiated curriculum at the country-level. We used multilevel logistic regression to assess the association of daily smoking and early smoking initiation predicted by family affluence, educational differentiation, and their interactions. Socioeconomic inequalities in both smoking outcomes were larger in countries that are characterised by a lower degree of educational differentiation (e.g. Canada, Scandinavia and the United Kingdom) than in countries with higher levels of educational differentiation (e.g. Austria, Belgium, Hungary and The Netherlands). This study found that high educational differentiation does not relate to greater relative inequalities in smoking. Features of educational systems are important to consider as they are related to overall prevalence in smoking and smoking inequalities in adolescence.
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 | 0,000 | 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 | 0,000 | 0,001 |
| 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 ».