Mechanisms of change and participant outcomes in a Recovery Education Centre for individuals transitioning from homelessness: a qualitative evaluation
Notice bibliographique
Résumé
BACKGROUND: Recovery Education Centres (RECs) are increasingly implemented to support the process of recovery for individuals experiencing mental health challenges. However, the evidence on key REC mechanisms and outcomes, particularly for diverse subpopulations or service delivery contexts is scant. This study identified mechanisms and outcomes of an REC focused on adults with mental health challenges transitioning from homelessness. METHODS: Qualitative methods were used to explore in-depth the experiences of homeless and unstably housed participants experiencing mental health challenges in Toronto, Canada. Twenty service users participated in semi-structured interviews between July 2017 and June 2018, six to 14 months following REC enrollment. A realist informed interview guide explored participants' perspectives on key REC mechanisms and outcomes. Interviews were audio-recorded, transcribed verbatim and analyzed using inductive thematic analysis. Investigator triangulation and member checking processes enhanced analytical rigour. RESULTS: Participants perceived that program participation supported the process of recovery through several mechanisms: a judgment-free environment; supportive relationships, mutuality and role modelling; deconstruction of self-stigma; and reclaiming of one's power. Participants described several outcomes at the personal, interpersonal and social levels, including improvements in health and well-being; self-esteem, confidence and identity; sense of empowerment, control and personal responsibility; as well as improvements in interpersonal skills, pro-social behaviours and ability to self-advocate; and increased goal development and future orientation. CONCLUSIONS: Findings suggest RECs can support the process of recovery among people transitioning from homelessness and can successfully support subpopulations experiencing mental health challenges and social disadvantage.
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 | 0,063 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,005 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».