MétaCan
Menu
← Retour à la cohorte
Enregistrement W4396775217 · doi:10.1101/2024.05.07.24306964

Nowhere to Go: A parallel convergent mixed methods study examining the health of people who experience emergency shelter service restrictions

2024· preprint· en· W4396775217 sur OpenAlexaffabout
Suraj Bansal, Stephanie Di Pelino, Jammy Pierre, Kathryn Chan, Amanda Lee, Olivia Mancini, Avital Pitkas, Fiona G. Kouyoumdjian, Larkin Lamarche, Robin Lennox, Marcie McIlveen, Tim O’Shea, Claire Bodkin

Notice bibliographique

RevuemedRxiv · 2024
Typepreprint
Langueen
DomaineHealth Professions
ThématiqueHomelessness and Social Issues
Établissements canadiensHamilton Health SciencesYork UniversityMcMaster UniversityResponse Biomedical (Canada)
Organismes subventionnairesnon disponible
Mots-clésService (business)AdvertisingMedical emergencyPsychologyInternet privacyBusinessGerontologyComputer securityMarketingComputer scienceMedicine

Résumé

récupéré en direct d'OpenAlex

Abstract Background Emergency shelters offer temporary sleeping accommodation to people deprived of housing and connect them to services. Service restriction is the practice of limiting or denying someone access to emergency shelters. This parallel convergent mixed methods study describes the characteristics, healthcare utilization, and morbidity of people experiencing service restrictions in Hamilton, Ontario, and explores the relationship between health and service restriction. Methods We recruited 20 people who had experienced service restriction and accessed healthcare from the Shelter Health Network clinic. We conducted semi-structured interviews and performed reflexive thematic analysis. We reviewed participants’ medical records from January 1, 2018 to December 31, 2021 to calculate simple descriptive statistics. Mixing our qualitative and quantitative results, we generated narrative metainferences. We employed community-based research principles, including a research team with lived and living experiences of being service restricted, implementing service restrictions, or providing care to people experiencing service restrictions. Results We generated six themes: 1) Losing your home shouldn’t mean losing your humanity, 2) Where am I supposed to go?, 3) The snakes and ladders of service restrictions, 4) Abandoned to survive, 5) Constantly criminalized, 6) Harnessing the wisdom of community. Participants averaged 17.4 primary care visits, 11 emergency department visits, and 4 hospital admissions over 4 years. The most common reasons for visit were infections, traumatic injuries, and substance use-related concerns. Narrative metainferences highlighted how people experience dehumanization when accessing shelters or healthcare; how service restrictions and encampment living contribute to infections; the lack of practical supports for people using substances in shelters; the ubiquitous criminalization of people experiencing homelessness; and the care people practice for one another to reduce substance-related harms. Conclusions Participants’ high healthcare need and utilization was shaped by criminalization, stigma, societal abandonment, and abstinence-based substance use policies. Participants practiced care for themselves and others to navigate these barriers. Shelters should have a transparent service restriction process and employ harm reduction practices. Healthcare should provide affirming and accessible treatment for common conditions. Social and health services must contend with broader social forces while building on the strengths of people with lived experience to improve the health of people who are service restricted.

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)0,043
score de la tête « metaresearch » (Gemma)0,051
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,228

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0430,051
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0050,005
Études des sciences et des technologies0,0050,003
Communication savante0,0040,005
Science ouverte0,0020,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,141
Tête enseignante GPT0,501
Écart entre enseignants0,359 · 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'étudeQualitatif
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 revuemedRxiv→Même sujetHomelessness and Social Issues→Travaux en français237 207→