Homelessness Following Jail Exit Among Previously Housed Individuals
Notice bibliographique
Résumé
Incarceration is a recognized risk factor for homelessness. However, most research focuses on the relationship between homelessness and prison incarceration. Jail incarceration is more common compared to prison incarceration, but little data exists on its impact on housing. The objective of this study is to examine the occurrence of housing loss after jail incarceration among individuals without prior evidence of homelessness and the associated risk of reincarceration. In this retrospective cross-sectional study, we identified adults without evidence of homelessness who became unhoused within 6 months of jail incarceration. We compare pre-incarceration emergent and urgent health and social services utilization among housed and unhoused individuals, as well as the risk of reincarceration. Data are from the San Francisco (SF) Department of Public Health Coordinated Care Management System linked with SF City and County criminal justice data during fiscal years 2015-2018. We find that a quarter (25.1%) of individuals lost housing after jail incarceration, with a median incarceration length of 4 days in both the housed and unhoused groups. Compared to those without evidence of housing loss, more unhoused individuals had pre-incarceration substance use and mental health diagnoses and related service utilization. Unhoused individuals had 1.9 greater odds of reincarceration. In conclusion, we find that a significant number of individuals had evidence of housing loss after even a short jail incarceration; behavioral health diagnoses were more common among this group. Housing loss was associated with subsequent reincarceration. Given our findings, jail re-entry programs would benefit from incorporating housing assistance and housing loss mitigation strategies.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».