Housing First Impact on Costs and Associated Cost Offsets: A Review of the Literature
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: Housing First (HF) programs for people who are chronically or episodically homeless, combining rapid access to permanent housing with community-based, integrated treatment, rehabilitation and support services, are rapidly expanding in North America and Europe. Overall costs of services use by homeless people can be considerable, suggesting the potential for significant cost offsets with HF programs. Our purpose was to provide an updated literature review, from 2007 to the present, focusing specifically on the cost offsets of HF programs. METHOD: A systematic review was performed on MEDLINE and PsycINFO as well as Google and the Homeless Hub for grey literature. Study characteristics and key findings were extracted from identified studies. Where available, impact on service cost associated with HF (increase or decrease) and net impact on overall costs, taking into account the cost of HF intervention, were noted. RESULTS: Twelve published studies (4 randomized studies and 8 quasi-experimental) and 22 unpublished studies were retained. Shelter and emergency department costs decreased with HF, while impacts on hospitalization and justice costs are more ambiguous. Studies using a pre-post design reported a net decrease in overall costs with HF. In contrast, experimental studies reported a net increase in overall costs with HF. CONCLUSIONS: While our review casts doubt on whether HF programs can be expected to pay for themselves, the certainty of significant cost offsets, combined with their benefits for participants, means that they represent a more efficient allocation of resources than traditional services.
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.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 découle