MétaCan
Menu
Retour à la cohorte
Enregistrement W4404219843 · doi:10.1177/0306624x241290626

A Proposal for a Best-evidence Model of Care and Program Logic for Supported Accommodation for People Released From Prison

2024· article· en· W4404219843 sur OpenAlexaff
Daisy Gibbs, Anthony Shakeshaft, Shelley Walker, Sarah Larney, Sara Farnbach

Notice bibliographique

RevueInternational Journal of Offender Therapy and Comparative Criminology · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHomelessness and Social Issues
Établissements canadiensCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesnon disponible
Mots-clésOperationalizationPrisonBest practiceProcess (computing)Service (business)Core (optical fiber)PsychologyEvidence-based practiceLogic modelProcess managementAccommodationMedical educationComputer sciencePublic relationsNursingBusinessMedicinePolitical scienceCriminologyMarketingAlternative medicine

Résumé

récupéré en direct d'OpenAlex

This paper describes the development of a proposed best-evidence model of care (MoC) and program logic (PL) for supported accommodation (SA) for people released from prison. Evidence from a systematic review, interviews with clients of SA, and consultation with service providers were synthesized to develop a draft MoC that was embedded into a PL. The MoC and PL were refined in a workshop with researchers and SA providers. The MoC comprised five best-evidence core components to be standardized across any SA, operationalized by flexible activities that need to be determined by services to suit their circumstances. The PL comprised client needs that the program targets, a rationale for why core components would be effective and appropriate process and outcome measures. The development and uptake of a best-evidence MoC and clearly defined PL will help engender a larger and more rigorous SA evidence-base, and improve outcomes for people released from prison.

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)0,181
score de la tête « metaresearch » (Gemma)0,187
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,181
Score d'incertitude au seuil0,957

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1810,187
Méta-épidémiologie (sens strict)0,0030,003
Méta-épidémiologie (sens large)0,0030,008
Bibliométrie0,0210,012
Études des sciences et des technologies0,0090,018
Communication savante0,0210,020
Science ouverte0,0120,017
Intégrité de la recherche0,0120,019
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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 Opus0,497
Tête enseignante GPT0,522
Écart entre enseignants0,025 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

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

En bref

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Offender Therapy and Comparative CriminologyMême sujetHomelessness and Social IssuesTravaux en français237 207