Evaluating a transitional housing program for people who use substances (PWUS) who experience homelessness and live with a mental health issue: a mixed-methods study protocol in Sudbury Ontario
Notice bibliographique
Résumé
BACKGROUND: A new transitional housing program was established in Sudbury, Ontario, Canada, in response to the escalating global prevalence of substance use and homelessness, and the specific challenges faced in Northern Ontario. This protocol outlines a comprehensive program evaluation to assess its impact on patient outcomes, healthcare utilization, and client perspectives. METHODS: We will conduct a parallel mixed-method study that includes the analysis of single-center-level administrative health data and primary data collection. This includes a longitudinal observational study (target n = 1,200), pre- and post-admission quantitative interviews (target n = 40), and qualitative interviews (target n = 40). We will implement a participatory approach to this evaluation collaborating with people who use substances, frontline staff, and decision-makers. Data analysis methods include a range of statistical techniques, including logistic regression models, Cox proportional hazards models, Kaplan-Meier curves, Generalized Estimating Equations, and thematic qualitative analysis, ensuring a robust evaluation of patient outcomes and healthcare utilization. DISCUSSION: This protocol underpins a comprehensive assessment aimed at providing insights into the program's effectiveness in addressing substance use-related challenges, reducing healthcare disparities, and improving patient outcomes, such as stable housing and increased social capital. All study procedures adhere to the ethical principles outlined in the Tri-Council Policy Statement: Ethical Conduct for Research Involving Humans. Findings will be disseminated progressively through established committees and working groups and subsequently published in peer-reviewed journals. Anticipated outcomes include informing evidence-based healthcare decision-making and driving improvements in addiction treatment practices within healthcare settings.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,033 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,011 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».