Housing for vulnerable populations—identifying system cost implications: an analytic literature review
Notice bibliographique
Résumé
We explored how investments in housing for vulnerable populations (including those experiencing homelessness) are described as leading to cost containment for the health, justice, and social service systems; the nature of any costs and benefits; and variations by housing type and over time. A structured search of peer-reviewed academic research focused on the core concepts of economic benefit, public housing programs, and vulnerable populations. Findings from 42 articles reporting on cost containment specific to health, justice, and social service systems at the municipal, regional, and/or state/provincial level were synthesized. Most of the studies focused on supportive housing interventions, targeted adults (mainly men) experiencing chronic homelessness in the USA, and reported results over 1-5 years. Approximately half of the articles reported on the costs required to house vulnerable populations. About half reported on funding sources, which is critical information for leadership decisions in cost containment for supportive housing. Most of the studies assessing program cost or cost-effectiveness reported a reduction in service costs and/or greater cost-effectiveness. Studies mostly reported impacts on health services, with hospital/inpatient care and emergency service use typically decreasing across the intervention types. All the studies that assessed cost impacts on the justice system reported a decrease in expenditures. Housing vulnerable populations was also found to decrease shelter service use and engagement with the foster care/welfare systems. Housing interventions may offer cost-savings in the short- and medium-term, with a limited evidence base also demonstrating long term benefit.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».