From Disruption to Reconstruction: Implementing Peer Support in Homelessness During Times of Crisis for Health and Social Care Services
Notice bibliographique
Résumé
Introduction: Peer support workers—people with a significant lived and living experience of a social or health condition—use their experiential knowledge and obtain training to help and care for others. They are integrated in different clinical settings, including those for people experiencing homelessness. Most research on peer support implementation in homelessness has not considered the timing of the implementation, particularly in periods of crisis. Description: During the COVID-19 pandemic crisis, a participatory research project examined the integration of a peer support worker in a primary and community care clinic that serves people experiencing homelessness in Montreal (Canada). This article presents a narrative case study analysis of the specific data on implementation derived from this project. Results: Three main learning points are of interest regarding implementation: 1) crises can precipitate challenges but also particular opportunities for the implementation of peer support initiatives in homelessness; 2) even during a crisis, certain key steps cannot be skipped when the goal is a successful implementation; and 3) research can be an external asset for clinical teams as they struggle to deliver care during periods of crisis. Conclusion: Peer support initiatives in homelessness can be implemented in the Canadian context during periods of crisis—for example, the COVID-19 pandemic—for health and social care services. Moreover, the concept of crisis itself can be reexamined by clinical and research teams worldwide as potentially enabling the implementation of novel initiatives.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».