Variables associated with higher community integration among permanent supportive housing residents
Notice bibliographique
Résumé
Few studies have used a framework for exploring a broad range of resident characteristics, housing, and service use features that might increase community integration among permanent supportive housing (PSH) residents who have lived in scattered-site or single-site PSH for 6 months to 5+ years. This study is original in identifying predisposing, enabling, and need factors associated with higher community integration among PSH residents. PSH residents from Quebec (Canada) were recruited through 25 housing organizations between January 2020 and April 2022. Structured interviews using numerous standardized scales were conducted, each lasting about 90 minutes. Based on the Gelberg-Andersen Behavioral Model, independent variables, measured mostly within 12 months of the interview, were categorized into predisposing, need, and enabling factors. Multivariate linear regression analysis was produced on community integration. Those experiencing moderate to severe psychological distress and having more unmet needs had lower community integration scores. Conversely, residents in single-site PSH located in neighborhoods with good physical conditions and high collective effectiveness, and those who received more outpatient services showed better community integration. Enhancing intergovernmental collaboration to develop high-quality PSH in well-maintained neighborhoods, focusing on socialization and community participation, especially for scattered-site PSH residents, may contribute to improved community 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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».