Evaluation of a Housing First programme for people from the public mental health sector with severe and persistent mental illnesses and precarious housing: Housing, health and service use outcomes
Notice bibliographique
Résumé
AIMS AND CONTEXT: This paper reports the evaluation of the Doorway program (2015-18) in Melbourne, Australia. Doorway extends the original Housing First (HF) model in providing housing support to people with precarious housing at-risk of homelessness with Serious and Persistent Mental Illnesses (SPMIs) receiving care within Victoria's public mental health system. Doorway participants source and choose properties through the open rental market, and receive rental subsidies, assistance, advocacy and brokerage support through their Housing and Recovery Worker (HRW). The aim of this study is to estimate Doorway's impact on participants' housing, quality of life and mental health service use. METHODOLOGY: The study employed a a quasi-experimental study design with a comparison group, adjusted for ten potential confounders. The primary outcome measure was days of secure housing per participant. Secure housing status, health service usage and quality of life (HoNOS) data were extracted from participants' electronic hospital and Doorway records in deidentified, non-reidentifiable form. Analysis for continuous outcome variables was based on multivariate GLM modelling. RESULTS: Doorway housed 89 (57%) of 157 accepted participants. The 157 Doorway participants overall were also housed for significantly more days (119.4 extra days per participant) than control participants, albeit after some delay in locating and moving into housing (mean 14 weeks). There was a significant, positive Doorway effect on health outcomes (all and one dimension of the HoNOS). Doorway participants had significantly reduced length of stay during acute and community hospital admissions (7.4 fewer days per participant) compared with the control group. CONCLUSION: The Doorway model represents a new and substantial opportunity to house, enhance health outcomes and reduce mental health service use for people with SPMIs from the public mental health sector and at-risk of 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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».