De-Implementation: Lessons to be Learned when Abandoning Inappropriate Homelessness Interventions
Notice bibliographique
Résumé
Evidence on what works to end homelessness is growing. Evidence also highlights that some forms of help are harmful and should be de-implemented. The ability to abandon low-functioning interventions is considered essential to improve conditions for homeless people. It is common for challenges to be encountered when evidence exists claiming that alternative approaches are more effective and/or cost-effective. This is particularly true in the context of the problematic staircase model and the highly effective Housing First. In this study, the aim was to collect published articles on the process of abandoning established methods with low scientific support. This scoping review explores evidence on de-implementation that may clarify why it can be difficult to introduce interventions like Housing First despite having strong scientific evidence. The call for a shift toward greater provision of Housing First in Sweden underlines the timeliness of this problem. Forty-one articles published between 2014 and 2020 were included. The review found no articles focusing on the de-implementation of homelessness services. Findings from other fields show that the important first step is to identify what needs to be phased out. Together with organized demands from users and favorable financial effects, scientific evidence can constitute driving mechanisms for de-implementation. We found a lack of practical frameworks and theoretical explanations that could support successful phasing out of unnecessary interventions in the homelessness field. It is suggested that to support the implementation of new ways of working that better benefit homeless people, we must pay attention to established ways of working. This requires a developed theory of de-implementation of homelessness interventions and calls for more robust research.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 tête enseignante, 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 ».