The Impact of Financial Incentives on Service Engagement Among Adults Experiencing Homelessness and Mental Illness: A Pragmatic Trial Protocol
Notice bibliographique
Résumé
Background: People experiencing homelessness and mental illness have poorer service engagement and health-related outcomes compared to the general population. Financial incentives have been associated with increased service engagement, but evidence of effectiveness is limited. This protocol evaluates the acceptability and impact of financial incentives on service engagement among adults experiencing homelessness and mental illness in Toronto, Canada. Methods: This study protocol uses a pragmatic field trial design and mixed methods ( ClinicalTrials.gov Identifier: NCT03770221). Study participants were recruited from a brief multidisciplinary case management program for adults experiencing homelessness and mental illness following hospital discharge, and were randomly assigned to usual care or a financial incentives arm offering $20 for each week they attended meetings with a program provider. The primary outcome of effectiveness is service engagement, measured by the count of participant-provider health-care contacts over the 6-month period post-randomization. Secondary health, health service use, quality of life, and housing outcomes were measured at baseline and at 6-month follow-up. Quantitative data will be analyzed using descriptive statistics and inferential modeling including Poisson regression and generalized estimating equations. A subset of study participants and other key informants participated in interviews, and program staff in focus groups, to explore experiences with and perspectives regarding financial incentives. Qualitative data will be rigorously coded and thematically analyzed. Conclusions: Findings from this study will contribute high quality evidence to an underdeveloped literature base on the effectiveness and acceptability of financial incentives to improve service engagement and health-related outcomes among adults experiencing homelessness and mental illness.
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 | 0,070 | 0,071 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,006 | 0,005 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,009 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,066 | 0,008 |
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 ».