Outcome Trajectories among Homeless Individuals with Mental Disorders in a Multisite Randomised Controlled Trial of Housing First
Notice bibliographique
Résumé
PURPOSE: Housing First (HF) has been shown to improve housing stability, on average, for formerly homeless adults with mental illness. However, little is known about patterns of change and characteristics that predict different outcome trajectories over time. This article reports on latent trajectories of housing stability among 2140 participants (84% followed 24 months) of a multisite randomised controlled trial of HF. METHODS: Data were analyzed using generalised growth mixture modeling for the total cohort. Predictor variables were chosen based on the original program logic model and detailed reviews of other qualitative and quantitative findings. Treatment group assignment and level of need at baseline were included in the model. RESULTS: In total, 73% of HF participants and 43% of treatment-as-usual (TAU) participants were in stable housing after 24 months of follow-up. Six trajectories of housing stability were identified for each of the HF and TAU groups. Variables that distinguished different trajectories included gender, age, prior month income, Aboriginal status, total time homeless, previous hospitalizations, overall health, psychiatric symptoms, and comorbidity, while others such as education, diagnosis, and substance use problems did not. CONCLUSION: While the observed patterns and their predictors are of interest for further research and general service planning, no set of variables is yet known that can accurately predict the likelihood of particular individuals benefiting from HF programs at the outset.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».