MétaCan
Menu
Retour à la cohorte
Enregistrement W4408691742 · doi:10.1080/01924036.2025.2480312

Can housing safeguard the homeless? A longitudinal analysis of violent victimisation, housing, and mental health status of the homeless

2025· article· en· W4408691742 sur OpenAlexaffabout
Kelly Barker, Michael Weinrath, Jane Lothian

Notice bibliographique

RevueInternational Journal of Comparative and Applied Criminal Justice · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHomelessness and Social Issues
Établissements canadiensUniversity of Winnipeg
Organismes subventionnairesnon disponible
Mots-clésVictimisationMental healthCriminologyPsychologySafeguardEnvironmental healthPsychiatrySuicide preventionPolitical sciencePoison controlMedicine

Résumé

récupéré en direct d'OpenAlex

Utilising a routine activity and lifestyle theory framework, this study examines victimisation over time of a localised homeless population with mental health conditions that was part of a 24 month Housing First (HF) At Home-Chez Soi project in the Canadian Prairie City. Negative binomial regression equations to account for severe skews in the victimisation data were estimated at baseline, 12 months and 24 months. In most cases, net of demographic and risky lifestyle controls, at 12 and 24 months from baseline there was an inverse relationship between housing stability and victimisation, and as mental illness became more serious, so did victimisation rates. Serious mental illness was the most consistent and strongest predictor of victimisation, while stable housing effects were weak and sometimes nil. At baseline and 12 months, HF cases showed nil or opposite effects to the Treatment as Usual group, but produced lower victimisation rates at 24 months.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,168
Score d'incertitude au seuil0,420

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,061
Tête enseignante GPT0,433
Écart entre enseignants0,372 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Comparative and Applied Criminal JusticeMême sujetHomelessness and Social IssuesTravaux en français237 207