Physical health status of homeless Veterans in Canada: a cross-sectional study
Notice bibliographique
Résumé
Introduction: Veteran homelessness is an issue gaining in visibility. Both Veterans and the homeless seem to be more susceptible to an array of physical health issues than the general population. However, very little is known about the health status of homeless Veterans in Canada. A more thorough knowledge of the physical health status of homeless Veterans could help better target services. This study has two objectives: (1) to estimate the prevalence of physical health conditions in a Canadian sample of homeless Veterans with mental illness and (2) to compare the prevalence observed in Veterans with a matched sample of homeless non-Veterans. Methods: The data come from a Canadian multi-site randomized trial, At Home/Chez Soi, that studies the effectiveness and efficiency of a Housing First program combined with a recovery-oriented approach to care. The present article is a cross-sectional analysis of baseline data. The participants are a volunteer sample of 99 homeless or precariously housed Veterans suffering from severe and persistent mental health problems and a matched sample of 99 non-Veterans. The data come from self-reported measures administered at baseline that describe chronic health conditions. Results: Veterans presented with five physical health conditions on average, the more common being dental problems, head injuries, musculoskeletal injuries, and foot problems. Both the number of conditions and the prevalence of each condition were similar to that of a matched comparison group of non-Veterans. Discussion: The number and severity of physical health conditions observed in our sample of homeless Veterans and non-Veterans suggest similar needs for physical health services in addition to housing services. Interventions targeting this population should therefore include a wide array of expertise and interdisciplinary collaboration to fit the various profiles of Veterans and non-Veterans in terms of housing, mental health, and physical health needs.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».