Establishing need and population priorities to improve the health of homeless and vulnerably housed women, youth, and men: A Delphi consensus study
Notice bibliographique
Résumé
BACKGROUND: Homelessness is one of the most disabling and precarious living conditions. The objective of this Delphi consensus study was to identify priority needs and at-risk population subgroups among homeless and vulnerably housed people to guide the development of a more responsive and person-centred clinical practice guideline. METHODS: We used a literature review and expert working group to produce an initial list of needs and at-risk subgroups of homeless and vulnerably housed populations. We then followed a modified Delphi consensus method, asking expert health professionals, using electronic surveys, and persons with lived experience of homelessness, using oral surveys, to prioritize needs and at-risk sub-populations across Canada. Criteria for ranking included potential for impact, extent of inequities and burden of illness. We set ratings of ≥ 60% to determine consensus over three rounds of surveys. FINDINGS: Eighty four health professionals and 76 persons with lived experience of homelessness participated from across Canada, achieving an overall 73% response rate. The participants identified priority needs including mental health and addiction care, facilitating access to permanent housing, facilitating access to income support and case management/care coordination. Participants also ranked specific homeless sub-populations in need of additional research including: Indigenous Peoples (First Nations, Métis, and Inuit); youth, women and families; people with acquired brain injury, intellectual or physical disabilities; and refugees and other migrants. INTERPRETATION: The inclusion of the perspectives of both expert health professionals and people with lived experience of homelessness provided validity in identifying real-world needs to guide systematic reviews in four key areas according to priority needs, as well as launch a number of working groups to explore how to adapt interventions for specific at-risk populations, to create evidence-based guidelines.
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 | 0,171 | 0,097 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,006 | 0,003 |
| Études des sciences et des technologies | 0,007 | 0,005 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,003 | 0,013 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».