Front-Line Insights Into the Social Determinants of Health in Housing Instability: A Multi-Province Study
Notice bibliographique
Résumé
INTRODUCTION: Individuals experiencing housing instability face significant health inequities. Addressing housing instability requires an understanding of the factors that contribute to these inequities-a responsibility that has been assumed by community-based organizations. Interviewing individuals from 3 Canadian provinces, the present study aimed to examine the perspectives of individuals from front-line services of the social determinants of health (SDoH) needs of individuals experiencing housing instability. METHODS: As part of a larger knowledge translation study, we conducted 8 semi-structured interviews with individuals from front-line services (eg, shelter workers and shelter mental health nurses) in Canada (Nova Scotia, Saskatchewan, and Alberta) and used thematic analysis to identify predominant unmet SDoH needs. RESULTS: Individuals from front-line services discussed the roles of many SDoH that may perpetuate housing instability in their clients. These included: (1) limited social supports; (2) poor access to health services; (3) poor opportunities for income and employment; (4) lack of transportation; (5) gender-based discrimination; (6) race-based discrimination; and (7) limited access to education and limited literacy skills. CONCLUSION: This study reveals how front-line service providers observe SDoH factors contributing to housing instability and create barriers to accessing support services. They advocate for a multi-system approach to addressing intersecting SDoH factors to validate clients' experiences and help them achieve stable housing. Additionally, more research and consultation with front-line providers are necessary to understand and overcome systemic barriers to stable housing.
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 | 0,008 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 | 0,004 |
| 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 ».