The journey from homelessness to housing : exploring harm reduction in a housing first setting
Bibliographic record
Abstract
L'itinérance est un problème complexe qui a des conséquences désastreuses pour les individus et la société. Pour répondre à ce problème, le gouvernement de Canada a adopté le modèle Logement d’abord et l'approche de réduction de méfaits. Logement d’abord offre un accès facile au logement avec des services de soutien aux personnes en situation d'itinérance chronique qui ont souvent des problèmes concomitants de santé mentale et de toxicomanie. D’autres part, la réduction de méfaits reconnait que certaines personnes ne peuvent pas ou ne veulent pas arrêter de consommer des substances psychoactives. Par conséquent, cette approche se centre sur la réduction des effets nocifs de la consommation de drogues et d'alcool. Le but de cette étude était d'examiner comment l'approche réduction de méfaits et son déploiement dans le cadre du programme Logement d’abord à Montréal. Nous avons examiné les facteurs qui facilitent ou empêchent son utilisation, comment l’approche aide les résidents et les travailleurs à atténuer les risques et à comprendre la consommation de substances et quelle est sa contribution au processus de réinsertion sociale des participants du programme Logement d’abord. L'analyse des données a démontré que des pratiques de réduction de méfaits facilitent l’acquisition de logement pour les personnes en situation d'itinérance chronique en réduisant donc les effets néfastes de l'itinérance. De même, le soutien à long terme semble être un outil qui aide les gens à surmonter l'isolement, à maintenir un logement et à atténuer les problèmes de toxicomanie. Cette étude conclue que l’utilisation de l’approche de réduction de méfaits dans le cadre du programme Logement d’abord demande de prend en compte le niveau d’autonomie de la personne ainsi que son droit à l’autodétermination avec la possibilité de se retirer des services dont elle ne ressent pas le besoin. De plus, il est important de comprend que les résidents ont déjà des outils de base sur la réduction des méfaits en raison de leurs connaissances et leurs expériences même s'ils se montrent incapables de définir ces termes. Du point de vue des intervenants, la réduction des méfaits s’actualise en aidant les résidents à entretenir leurs appartements, en les sensibilisant aux effets négatives de la toxicomanie et en leur fournissant un soutien pendant la durée du programme. Néanmoins, la réduction de méfaits dans ce contexte est confrontée à plusieurs défis, notamment le manque d'éducation sur l'approche, et le manque d'inclusion des personnes toxicomanes dans les programmes qui les desservent.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.004 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.007 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".