“Anyone who's been on the street is traumatized in one way or another”: Applying a trauma-informed spaces of care model to adapt homeless resources for substance users
Notice bibliographique
Résumé
Dans un contexte de crise du logement et de consommation croissante de drogues toxiques, les consommateurs de drogues et d'alcool sont surreprésentés dans les recensements d'itinérance, avec des options de programmation limitées pour les aider à sortir de l'itinérance. À Montréal, Québec, Canada la plupart des ressources en itinérance fonctionnent sur des modèles basés sur l'abstinence en limitant les usagers de consommer sur place ou d'accéder aux services en état d'ébriété. L'expérience de consommation est souvent un mécanisme d'adaptation pour les personnes vivant avec des traumatismes, tandis que l'expérience de l'itinérance est traumatogène. Une approche compte des traumatismes est nécessaire pour considérer les besoins des consommateurs en situation d'itinérance. Dans cette thèse, j'ai pour objectifs 1) d'informer le développement de programmes pour les consommateurs de substances en situation d'itinérance à Montréal, et 2) d'appliquer le cadre conceptuel des espaces de soins tenant compte des traumatismes. Trois questions ont guidé la thèse : 1) Quels sont les besoins des personnes en situation d'itinérance qui consomment des substances pour sortir de l'itinérance ? 2) Quelles sont les limites actuelles des ressources en itinérance à Montréal pour répondre à ces besoins ? 3) Comment ces ressources peuvent-elles changer pour répondre à ces besoins ? Pour répondre à ces questions, j'utilise une méthode de recherche mixte exploratoire : 30 entretiens semi-structurés avec des personnes en situation d'itinérance qui consomment des drogues ou de l'alcool; une analyse des données administratives d'un système d'information sur la gestion du sans-abrisme; et 10 entretiens semi-structurés avec le personnel des fournisseurs de services pour les personnes en situation d'itinérance.En m'engageant dans un cadre d'espaces de soins, je propose une nouvelle intervention conceptuelle d'un cadre d'espaces de soins tenant compte des traumatismes pour guider la thèse. Ce cadre permet d'inclure le traumatisme en tant que considération relationnelle entre les personnes, le lieu et les soins, que j'intègre dans les trois phases de la collecte et de l'analyse des données. Les résultats de 30 entretiens avec des personnes en situation d'itinérance qui consomment, mettent en évidence la nécessité d'accroître les aides à la réduction des méfaits, d'améliorer les activités et les soutiens professionnels, de prévoir un accompagnement plus approprié, de mieux séparer les usagers des services et de mettre en place des formes plus adaptées d'aide au logement. Sur la base de ces premiers résultats, l'analyse subséquente porte sur des données administratives provenant d'un système d'information sur la gestion des sans-abri. J'ai extrait de ce système tout le contenu des événements, et les conséquences associées, qui se sont produits dans un espace de soin en 2023. Les résultats ont révélé une série d'événements difficiles et violents, indiquant des niveaux élevés de victimisation pour le personnel et les usagers, ainsi que de nombreux incidents liés à la consommation, à la santé physique ou à la santé mentale. Dans la dernière phase, 10 entretiens semi-structurés avec des fournisseurs de services ont révélé une série de résultats thématiques : les soutiens à la réduction des méfaits, les espaces de soins pour les personnes en situation d'itinérance comme traumatogène pour tout le monde, et la nécessité de changements au niveau du système. Enfin, j'ai triangulé les trois phases pour fusionner thématiquement les résultats, qualifiant l'analyse sommative en trois niveaux de crise : les individus, les espaces et les systèmes. Globalement, les données révèlent des conditions déplorables dans les espaces de soins, soulignant le besoin de changer la manière dont nous nous occupons des personnes qui consomment des drogues et de l'alcool et, plus fondamentalement, de remettre en question la stigmatisation de ce groupe
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,010 |
| Communication savante | 0,009 | 0,005 |
| Science ouverte | 0,004 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».