MétaCan
Menu
Retour à la cohorte
Enregistrement W2899534397 · doi:10.1093/geroni/igy023.1396

SENIOR SERVICES THAT SUPPORT HOUSING FIRST IN METRO VANCOUVER, CANADA

2018· article· en· W2899534397 sur OpenAlexaffabout
Sarah L. Canham, Lupin Battersby, Mei Lan Fang, Mineko Wada, R.M.R. Barnes, Andrew Sixsmith

Notice bibliographique

RevueInnovation in Aging · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHomelessness and Social Issues
Établissements canadiensFraser InstituteSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésAffordable housingCitizen journalismService providerService (business)BusinessOrder (exchange)Housing FirstAging in placeSupportive housingParticipatory action researchPublic relationsEconomic growthNursingGerontologyPolitical scienceMedicineMarketingFinanceMental healthEconomics

Résumé

récupéré en direct d'OpenAlex

In order to implement and deliver Housing First, a model and philosophy for housing homeless people in immediate and permanent housing with individualized supports, research is needed on the system of support services as they currently exist. Guided by principles of community-based participatory research, this paper presents findings from a senior-focused deliberative dialogue workshop in Vancouver, Canada. Participants (16 service providers and 1 service recipient) identified services and resources available to support seniors in maintaining housing and barriers and facilitators for accessing services. Data suggest that affordable housing that adapts to changing health conditions, income supports, health services, homecare, transportation, and culturally appropriate and nondiscriminatory informational resources are among the supports needed older adults to succeed under the Housing First model. Barriers to Housing First service provision, including eligibility criteria, should be reconsidered in light of the growing number of older adults who are newly experiencing homelessness.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,170

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0100,001
Communication savante0,0020,000
Science ouverte0,0010,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,043
Tête enseignante GPT0,376
Écart entre enseignants0,334 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInnovation in AgingMême sujetHomelessness and Social IssuesTravaux en français237 207