Mortality Among Men Using Homeless Shelters in Toronto, Ontario
Notice bibliographique
Résumé
CONTEXT: Homeless persons in US cities have high mortality rates. However, few comparison data exist for death rates among homeless persons in other developed countries. OBJECTIVES: To compare mortality rates among men using homeless shelters and the general population in Toronto, Ontario, and to determine whether mortality rates differ significantly among men using homeless shelters in Canadian and US cities. DESIGN: Cohort study conducted from 1995 through 1997, with a mean follow-up of 2.6 years. PARTICIPANTS: Men aged 18 years or older who used homeless shelters in Toronto in 1995 (n=8933). MAIN OUTCOME MEASURE: Mortality rate ratios comparing age-specific mortality rates among men using homeless shelters in Toronto with those of men in the general population of Toronto and of men using homeless shelters in New York, NY; Boston, Mass; and Philadelphia, Pa. RESULTS: Men using homeless shelters in Toronto were more likely to die than men in the city's general population. Mortality rate ratios were 8.3 (95% confidence interval [CI], 4.4-15.6) for men aged 18 to 24 years, 3.7 (95% CI, 3.0-4.6) for men aged 25 to 44 years, and 2.3 (95% CI, 1.8-3.0) for men aged 45 to 64 years. In most cases, however, the risk of death was significantly lower for men using homeless shelters in Toronto than for those in US cities. For men aged 25 to 44 years using homeless shelters, mortality rate ratios were 0.52 (95% CI, 0.41-0.65) for Toronto compared with Boston and 0.61 (95% CI, 0.44-0.85) for Toronto compared with New York City. For men aged 35 to 54 years using homeless shelters, the mortality rate ratio was 0.42 (95% CI, 0.27-0.66) for Toronto compared with Philadelphia. CONCLUSIONS: Mortality rates among men who use homeless shelters in Toronto, while higher than in the general population of Toronto, are much lower than mortality rates observed among men using homeless shelters in 3 major US cities. Further study is needed to identify the reasons for this disparity.
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 | 0,000 | 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».