MétaCan
Menu
Retour à la cohorte
Enregistrement W2594274967 · doi:10.1176/appi.ps.201600220

Sustaining Housing First After a Successful Research Demonstration Trial: Lessons Learned in a Large Urban Center

2017· article· en· W2594274967 sur OpenAlexaffabout
Nishi Kumar, Erin Plenert, Stephen W. Hwang, Patricia O’Campo, Vicky Stergiopoulos

Notice bibliographique

RevuePsychiatric Services · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensInstitute for Clinical Evaluative Sciences
Organismes subventionnairesnon disponible
Mots-clésThematic analysisHousing FirstSustainabilityStakeholderFocus groupPsychological interventionFidelityStakeholder engagementQualitative researchNursingPublic relationsPsychologyMedical educationPolitical scienceBusinessMedicineSociologyEngineeringMarketing

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: This study aimed to identify challenges and facilitators of sustaining a Housing First intervention at the conclusion of a research demonstration project in Toronto. METHODS: This qualitative study included key informant interviews with organizational leaders (N=13) and focus groups with service team members (N=14) and program participants (N=9) of the At Home/Chez Soi Research Demonstration Project. Thematic analysis was used to identify key themes related to sustainability of Housing First beyond the demonstration phase. RESULTS: Factors that helped secure long-term funding support for Housing First included the positive findings of a rigorous evaluation, early stakeholder engagement, and strong local leadership. Reduced funding, poor intersectoral integration, and lack of central oversight threatened fidelity to the evidence-based model and challenged sustainability. CONCLUSIONS: Evidence-based complex interventions such as Housing First require robust intersectoral collaboration and flexible systems for funding and monitoring to ensure continuing model fidelity and responsiveness to changing contexts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,128
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,527
Tête enseignante GPT0,669
Écart entre enseignants0,142 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePsychiatric ServicesMême sujetHealth Policy Implementation ScienceTravaux en français237 207