MétaCan
Menu
Retour à la cohorte
Enregistrement W3045243042 · doi:10.1097/phh.0000000000001219

Permanent Supportive Housing With Housing First to Reduce Homelessness and Promote Health Among Homeless Populations With Disability: A Community Guide Systematic Review

2020· review· en· W3045243042 sur OpenAlexaboutno aff
Yinan Peng, Robert A. Hahn, Ramona Finnie, Jamaicia Cobb, Samantha P. Williams, Jonathan E. Fielding, Robert L. Johnson, Ann Elizabeth Montgomery, Alex Schwartz, Carles Muntaner, Veronica Helms Garrison, Beda Jean‐Francois, Benedict I. Truman, Mindy T. Fullilove

Notice bibliographique

RevueJournal of Public Health Management and Practice · 2020
Typereview
Langueen
DomaineHealth Professions
ThématiqueHomelessness and Social Issues
Établissements canadiensnon disponible
Organismes subventionnairesNational Institutes of Health
Mots-clésSupportive housingHousing FirstMental healthGovernment (linguistics)Inclusion (mineral)GerontologyPsychiatryMedicineSubstance abuseAffordable housingHealth carePsychologyMental illnessPolitical scienceEconomic growth

Résumé

récupéré en direct d'OpenAlex

CONTEXT: Poor physical and mental health and substance use disorder can be causes and consequences of homelessness. Approximately 2.1 million persons per year in the United States experience homelessness. People experiencing homelessness have high rates of emergency department use, hospitalization, substance use treatment, social services use, arrest, and incarceration. OBJECTIVES: A standard approach to treating homeless persons with a disability is called Treatment First, requiring clients be "housing ready"-that is, in psychiatric treatment and substance-free-before and while receiving permanent housing. A more recent approach, Housing First, provides permanent housing and health, mental health, and other supportive services without requiring clients to be housing ready. To determine the relative effectiveness of these approaches, this systematic review compared the effects of both approaches on housing stability, health outcomes, and health care utilization among persons with disabilities experiencing homelessness. DESIGN: A systematic search (database inception to February 2018) was conducted using 8 databases with terms such as "housing first," "treatment first," and "supportive housing." Reference lists of included studies were also searched. Study design and threats to validity were assessed using Community Guide methods. Medians were calculated when appropriate. ELIGIBILITY CRITERIA: Studies were included if they assessed Housing First programs in high-income nations, had concurrent comparison populations, assessed outcomes of interest, and were written in English and published in peer-reviewed journals or government reports. MAIN OUTCOME MEASURES: Housing stability, physical and mental health outcomes, and health care utilization. RESULTS: Twenty-six studies in the United States and Canada met inclusion criteria. Compared with Treatment First, Housing First programs decreased homelessness by 88% and improved housing stability by 41%. For clients living with HIV infection, Housing First programs reduced homelessness by 37%, viral load by 22%, depression by 13%, emergency departments use by 41%, hospitalization by 36%, and mortality by 37%. CONCLUSIONS: Housing First programs improved housing stability and reduced homelessness more effectively than Treatment First programs. In addition, Housing First programs showed health benefits and reduced health services use. Health care systems that serve homeless patients may promote their health and well-being by linking them with effective housing services.

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)0,022
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,342
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0220,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0070,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0030,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,003
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 Opus0,231
Tête enseignante GPT0,495
Écart entre enseignants0,265 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations88
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Public Health Management and PracticeMême sujetHomelessness and Social IssuesTravaux en français237 207