A Multilevel Intervention Framework for Supporting People Experiencing Homelessness with Pets
Notice bibliographique
Résumé
Approximately one in 10 people experiencing homelessness have pets. Despite the psychosocial benefits derived from pet ownership, systemic and structural barriers can prevent this group from meeting their basic needs and exiting homelessness. A multilevel framework is proposed for improving the health and well-being of pet owners experiencing homelessness. Informed by a One Health approach, the framework identifies interventions at the policy, public, and direct service delivery levels. Policy interventions are proposed to increase the supply of pet-friendly emergency shelters, access to market rental housing and veterinary medicine, and the use of a Housing First approach. At the public level, educational interventions are needed to improve knowledge and reduce stigma about the relationship between homelessness and pet ownership. Direct service providers can support pet owners experiencing homelessness by recognizing their strengths, connecting them to community services, being aware of the risks associated with pet loss, providing harm reduction strategies, documenting animals as emotional support animals, and engaging in advocacy. By targeting policies and service approaches that exacerbate the hardships faced by pet owners experiencing homelessness, the framework is a set of deliberate actions to better support a group that is often overlooked or unaccommodated in efforts to end 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 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 | 0,025 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,006 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,005 | 0,011 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».