Bursting bubbles of interiority: exploring space in experiences of distress and rough sleeping for newly homeless people
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Homelessness is an increasing problem in the UK, which intersects in multiple ways with experiences of mental distress. Within the term ‘homeless’ are contained people in a variety of living situations, including those living in temporary accommodation (hostels, couch surfing, B&Bs) as well those sleeping rough. The latter category is the least common, but on the rise. Between 2010 and 2017, rough sleeping more than doubled in England and Wales, with just under a quarter of total rough sleepers concentrated in London (MHCLG, 2018). Loopstra et al. (2016) argue that the combination of recession and austerity has pushed homelessness upwards, with cuts in welfare spending on social care, housing services and income support for older people most clearly associated with this rise. Of new rough sleepers, around 70 per cent have a mental health diagnosis (NHS Confederation, 2012). This is not just a UK phenomenon; a 2009 population based study in the United States similarly found mental health diagnoses to be three to four times more prevalent in the homeless population (Shelton, Taylor, Bonner, & van den Bree, 2009). This relationship is multifaceted. Both mental health problems and homelessness are argued to be inter-related outcomes of lives characterised by adversity, trauma and abuse (Kim, Ford, Howard, & Bradford, 2010). The relationship is also bidirectional; a distress and mental health crisis can lead to people leaving their homes, while homelessness, with its accompanying insecurity and potential for trauma, can also precipitate, deepen or trigger further mental health problems.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 découle