Social network mechanisms of ethnic inequalities in smoking among adolescents
Notice bibliographique
Résumé
Despite decreasing overall smoking rates, ethnic inequalities in smoking persist. Although smoking is largely a social behavior, the underlying social network mechanisms for this are still unclear. We disentangled and tested potential social network mechanisms responsible for persistent ethnic inequalities in smoking. We applied Stochastic Actor-Oriented Models for 1644 friendships of 299 Roma and Non-Roma Hungarian adolescents in nine classes and 1605 antipathies of 294 adolescents in eight school classes over two panel waves. Adolescents were more likely to nominate same-ethnic peers as friends [odds ratio (OR) of Non-Roma nominating a Non-Roma = 1.15; 95% confidence interval (CI) = 1.03-1.28] and less likely to nominate them as antipathies (OR of Roma nominating a Roma = 0.77; 95% CI = 0.68-0.87). Smokers were more likely than non-smokers to receive friendship nominations (OR = 1.18; 95% CI = 1.01-1.38) but did not statistically significantly differ in antipathy nominations (OR = 1.16; 95% CI = 0.97-1.39). Non-Roma smokers tended to nominate as friends other Non-Roma smokers (OR = 1.37; 95% CI = 1.12-1.68) and avoided nominating Roma non-smokers (OR = 0.55; 95% CI = 0.35-0.87). Neither friends (OR = 1.28; 95% CI = 0.88-1.86) nor antipathies (OR = 1.15; 95% CI = 0.69-1.91) influenced peers' smoking behaviors significantly. We identified three processes that could potentially contribute to ethnic smoking inequalities: (i) adolescents tend to nominate same-ethnic peers as friends, (ii) smokers are attractive for friendship selection, and (iii) Roma received higher encouragement to smoke than Non-Roma since Non-Roma received more while Roma received less friendship nomination from Non-Roma peers if they do not smoke. We found no impact of antipathy on smoking.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».