Lessons Learned: COVID 19 and Individuals Experiencing Homelessness in the Global Context
Notice bibliographique
Résumé
The coronavirus disease (COVID-19) pandemic has affected all our lives but did not affect all parts of societies equally. This study uses a systematic literature review approach to examine the experiences of homeless populations during COVID-19. Our literature review identified lessons learned and promising practices from the field at a global level, and summarizes academic studies in order to promote future efforts to prepare homeless populations for potential extreme events in the future. Forty-one of 209 articles were selected to prepare this literature review. Following the academic database search, grey literature from various organizations were also identified to enrich the literature results and analysis. Findings from these articles were grouped under three main themes to better illustrate the results: (1) impact of COVID-19 on people experiencing homelessness (PEH), (2) support mechanisms, and (3) promising practices. A comparative approach also was used to examine how PEH responded during two previous pandemics (severe acute respiratory syndrome [SARS] in 2003 and Swine Flu 2009) compared to the COVID-19 pandemic. Findings showed that there was continuous improvement in the disaster preparedness for PEH during COVID-19 when compared to past pandemics. In addition, promising practices have emerged. However, ongoing issues, such as lack of personal protective equipment (PPE), staff shortages, and communication problems, still persist in the field. More research regarding PEH during pandemics is needed, and their voices should be included.
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 | 0,018 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,007 | 0,012 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».