MétaCan
Menu
← Retour à la cohorte
Enregistrement W7162004924 · doi:10.82308/38868

Long-term cost-effectiveness of Housing First for homeless people with mental illness

2020· dissertation· en· W7162004924 sur OpenAlexaboutno aff
Hannah Rochon

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineHealth Professions
ThématiqueHomelessness and Social Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEthnic discriminationNova scotiaDeportation

Résumé

récupéré en direct d'OpenAlex

Contexte. L'itinérance est en expansion au Canada et à l'étranger. Elle augmente considérablement le risque de mortalité et constitue donc un problème de santé publique. Le logement d’abord (LA), une approche qui consiste à fournir l’accès immédiat à un logement permanent et l’accès à des services de soutien individualisés, est un élément-clé des stratégies pour mettre fin à l'itinérance. Une étude de sa coût-efficacité pendant les deux premières années a conclu que le LA entraînait des compensations de coûts importantes mais n'était pas entièrement rentabilisé.Objectif. L'objectif de ce projet était de développer un modèle de simulation pour projeter les effets de l’approche HF sur les coûts, d'un point de vue sociétal, et la stabilité du logement, en comparaison avec les services habituels, sur un horizon de dix ans.Approche. Un modèle de simulation de Markov été construit utilisant une nouvelle plateforme, Discretely Integrated Condition Event (DICE), construite avec le logiciel Excel. Les données sur les coûts et les résultats ont été déterminées à partir du site de Montréal de l'essai contrôlé à répartition aléatoire At Home/Chez Soi. Les individus ont été divisés en huit sous-groupes selon le niveau de besoin, les antécédents d'itinérance et le groupe d'intervention. Neuf états de logement possibles, tels que la rue, les abris d’urgence, l’hospitalisation psychiatrique et la prison, ont été définis. Les probabilités quotidiennes de transition entre les états de logement ont été calculées par sous-groupe. Les coûts des soins de santé, des services sociaux et de la justice ainsi que les revenus moyens ont été calculés pour chaque état de logement en utilisant la régression généralisée des moindres carrés. Les jours dans un logement stable ont été utilisés comme mesure d’efficacité. Des analyses de sensibilité ont été menées sur le taux d'actualisation, le taux d' « autonomisation » des services fournis par LA (c’est-à-dire, le pourcentage de participants qui, chaque année après la seconde année, n’ont plus besoin du soutien d’une équipe de soutien clinique mais conservent néanmoins leur supplément au loyer) ainsi que le taux de mortalité obtenu de sources extérieures.Résultats. Sur les 463 individus répartis de façon aléatoire, 425 (257 dans le groupe LA et 168 dans le groupe recevant des services habituels, SH) ont fourni des données utilisables. Les résultats indiquent que LA est à la fois moins coûteux et plus efficace que les services habituels (SH). Sur dix ans, les participants LA ont accumulé en moyenne 1,501 jours supplémentaires dans un logement stable de plus que SH, tout en coûtant $26,572 de moins.. Les personnes qui avaient des antécédents d'itinérance plus longs et des besoins plus élevés ont réalisé les économies les plus importantes. Les économies proviennent des personnes LA se rendant et demeurant dans des appartements LA à un taux plus élevé. Les groupes SH passent généralement plus de temps dans des formes coûteuses de logement instable, comme le logement d'urgence et le traitement de la toxicomanie. Le LA est demeuré plus efficace et moins coûteux sur des plages plausibles des paramètres sélectionnés pour les analyses de sensibilité.Conclusion. Ce modèle illustre les différences d’efficacité de LA en fonction du niveau de besoins des clients et des antécédents de sans-abri. Les résultats globaux suggèrent que le rapport coût-efficacité à long terme de LA est encore plus élevé que ne le suggèrent les résultats sur deux ans

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,050
Score d'incertitude au seuil0,100

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,044
Tête enseignante GPT0,410
Écart entre enseignants0,366 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHomelessness and Social Issues→Travaux en français237 207→