The journey from homelessness to housing : exploring harm reduction in a housing first setting
Notice bibliographique
Résumé
L'itinérance est un problème complexe qui a des conséquences désastreuses pour les individus et la société. Pour répondre à ce problème, le gouvernement de Canada a adopté le modèle Logement d’abord et l'approche de réduction de méfaits. Logement d’abord offre un accès facile au logement avec des services de soutien aux personnes en situation d'itinérance chronique qui ont souvent des problèmes concomitants de santé mentale et de toxicomanie. D’autres part, la réduction de méfaits reconnait que certaines personnes ne peuvent pas ou ne veulent pas arrêter de consommer des substances psychoactives. Par conséquent, cette approche se centre sur la réduction des effets nocifs de la consommation de drogues et d'alcool. Le but de cette étude était d'examiner comment l'approche réduction de méfaits et son déploiement dans le cadre du programme Logement d’abord à Montréal. Nous avons examiné les facteurs qui facilitent ou empêchent son utilisation, comment l’approche aide les résidents et les travailleurs à atténuer les risques et à comprendre la consommation de substances et quelle est sa contribution au processus de réinsertion sociale des participants du programme Logement d’abord. L'analyse des données a démontré que des pratiques de réduction de méfaits facilitent l’acquisition de logement pour les personnes en situation d'itinérance chronique en réduisant donc les effets néfastes de l'itinérance. De même, le soutien à long terme semble être un outil qui aide les gens à surmonter l'isolement, à maintenir un logement et à atténuer les problèmes de toxicomanie. Cette étude conclue que l’utilisation de l’approche de réduction de méfaits dans le cadre du programme Logement d’abord demande de prend en compte le niveau d’autonomie de la personne ainsi que son droit à l’autodétermination avec la possibilité de se retirer des services dont elle ne ressent pas le besoin. De plus, il est important de comprend que les résidents ont déjà des outils de base sur la réduction des méfaits en raison de leurs connaissances et leurs expériences même s'ils se montrent incapables de définir ces termes. Du point de vue des intervenants, la réduction des méfaits s’actualise en aidant les résidents à entretenir leurs appartements, en les sensibilisant aux effets négatives de la toxicomanie et en leur fournissant un soutien pendant la durée du programme. Néanmoins, la réduction de méfaits dans ce contexte est confrontée à plusieurs défis, notamment le manque d'éducation sur l'approche, et le manque d'inclusion des personnes toxicomanes dans les programmes qui les desservent.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,004 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».