MétaCan
Menu
Retour à la cohorte
Enregistrement W4396241996 · doi:10.1080/01612840.2024.2338172

Implementation of the Community Homes for Opportunity Program Among Community Mental Health Staff in Southwestern Ontario

2024· article· en· W4396241996 sur OpenAlexaffabout
Cheryl Forchuk, Sebastian Gyamfi, Richard Booth

Notice bibliographique

RevueIssues in Mental Health Nursing · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHomelessness and Social Issues
Établissements canadiensLawson Health Research InstituteUniversity of WindsorWestern University
Organismes subventionnairesnon disponible
Mots-clésAgency (philosophy)Focus groupMental healthEthnographyParticipant observationQualitative researchNursingSupportive housingBaseline (sea)GerontologyPsychologySociologyMedicineMedical educationPolitical sciencePsychiatry

Résumé

récupéré en direct d'OpenAlex

Supportive housing programs such as the Community Homes for Opportunity (CHO) that provide combined formal (off-site healthcare providers) and informal (on-site supports are effective in reducing erratic housing and homelessness. This study explored the views of the Community Mental Health Agency staff on their experiences with the CHO and related changes for further improvement of the program. We applied focused ethnographic techniques to recruit 47 agency staff from 28 group homes in Southwestern Ontario, Canada. Focus group discussions were conducted at two-time points (baseline-spring 2018 and post-implementation - winter 2019). Data analysis guided by Leininger's ethnographic qualitative analysis techniques produced three main themes and 11 subthemes themes. The main themes include facilitators of CHO, challenges to the CHO implementation, and strategies for improving the CHO program. Overall, supportive housing models have been found to constitute an effective pathway to reducing precarious housing and ending chronic homelessness for those in need while enhancing their social integration.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,177
Score d'incertitude au seuil0,357

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0070,003
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,118
Tête enseignante GPT0,526
Écart entre enseignants0,408 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIssues in Mental Health NursingMême sujetHomelessness and Social IssuesTravaux en français237 207