What are the mental health consequences of austerity measures in public housing? A quasi-experimental study
Notice bibliographique
Résumé
BACKGROUND: As governments around the world implement austerity measures to reduce national deficits, there is an urgent need to investigate potential health impacts of specific measures to avoid unintended consequences. In 2013, the UK government implemented the underoccupancy penalty (ie, the bedroom tax) to reduce the national housing benefits bill, by cutting social housing subsidies for households deemed to have excess rooms. We investigated the impact of the bedroom tax on self-reported psychological distress. METHODS: Using data from the UK Household Longitudinal Study (2010-2014), the sample included those who received housing subsidies, aged 16-60, living in England. Control and treatment groupings were identified on their household composition and housing situation. We used matching methods to create an exchangeable set of observations. Difference-in-differences analysis was performed to examine changes across the prereform and postreform psychological distress of the treatment and control groups, using the 12-item General Health Questionnaire. RESULTS: The implementation of the reform was associated with a moderate increase in psychological distress (0.88, 95% CI 0.06 to 1.71) among the treatment group, relative to the control group. However, the announcement was not associated with change in psychological distress (0.53, 95% CI 0.21 to 1.27). CONCLUSION: Our study provides evidence that the implementation of housing austerity measures can increase psychological distress among social housing tenants. As the use of austerity measures become more widespread, policy-makers should consider supplementary interventions to ameliorate potential negative health consequences.
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 | 0,033 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».