Change in housing status among currently and formerly homeless individuals using emergency shelters, temporary housing and permanent housing services in Quebec, Canada: Predictors and Typology
Bibliographic record
Abstract
Contexte: Chaque année, plus de 235 000 personnes se retrouvent en situation d’itinérance au Canada, pour des coûts annuels associés de 7 milliards de dollars, incluant les coûts sociaux et des services de santé. La lutte contre l’itinérance est l’une des grandes priorités du gouvernement. Différents services de logement aident les personnes en situation d’itinérance tout au long de leur transition vers un logement stable et abordable, y compris les refuges d’urgence, les logements temporaires (LT) et les logements permanents (LP) avec ou sans soutien. La recherche évaluative sur les services aux personnes en situation d’itinérance a utilisé la stabilité résidentielle comme un indicateur clé d’efficacité. La stabilité résidentielle a généralement été définie en fonction d’une durée fixe de maintien en logement. Cette définition ne tient néanmoins pas suffisamment compte de l’évolution de la situation résidentielle de ces personnes. Peu d’études ont évalué les facteurs déterminant les changements dans les trajectoires résidentielles des personnes en situation d’itinérance, en particulier reliés à l’utilisation des services de santé et des services sociaux. De plus, les trajectoires résidentielles, tenant compte de différents types d’hébergement, ont rarement été examinées afin d’établir une typologie de la population en situation d’itinérance. Objectifs: Le but général de la présente thèse a été de mieux comprendre les trajectoires de stabilité résidentielle des personnes qui sont en situation d’itinérance ou l’ont récemment été, qui sont hébergés en LT ou en LP ou utilisent les refuges au Québec. La thèse a poursuivi les objectifs spécifiques suivants : 1) identifier les prédicteurs du maintien ou de l’amélioration des conditions résidentielles et 2) développer une typologie basée sur l’évolution de la situation résidentielle de ces personnes sur 12 mois. Méthodologie : Les participants, recrutés dans 27 organismes communautaires ou publics, ont été interrogés entre janvier et septembre 2017 et 12 mois plus tard. Des variables sociodémographiques, trajectoires de logement, conditions de santé, ainsi que l’utilisation des services et la satisfaction des participants ont été mesurés. Les directeurs et les coordonnateurs de programme de ressources des organisations sélectionnées ont également rempli un questionnaire lors du premier temps de la collecte des données, s’intéressant au fonctionnement des ressources (refuges, LT, LP). Les variables indépendantes ont été organisées en facteurs prédisposant, de besoins et facilitants, basés sur le modèle d’analyse comportemental de Gelberg-Andersen. Des régressions logistiques, des analyses par grappes et des analyses comparatives ont été effectuées. Résultats: Des facteurs prédisposants (être dans un LP au départ, être une femme, avoir des enfants) ont le plus fortement prédit un changement positif de la situation résidentielle après 12 mois, suivi des facteurs facilitants (consultation d’un psychologue, utilisation de services ambulatoires publics) et enfin des facteurs de besoins (de ne pas avoir de maladies physiques). Quant à la typologie, elle a identifié trois groupes sur cinq qui ont maintenu ou amélioré leur stabilité en logement sur la période de 12 mois. Ces résultats favorables étaient reliés à la diversité et la fréquence appropriés de services de santé et de services sociaux (facteurs facilitants), adéquatement adaptés à la nature et à la complexité des problèmes de santé (facteurs liés aux besoins). Conclusion: Les résultats de l’étude suggèrent quelques recommandations qui devraient faciliter l’accès en LP ou le maintien ou l’amélioration des conditions résidentielles des personnes en situation d’itinérance. Ces stratégies comprennent la consolidation de la gestion de cas dans l’ensemble des programmes de logement, l’amélioration de l’accès aux services publics de soins ambulatoires et la mise en œuvre accrue du LP dans les efforts visant à mettre fin à l’itinérance
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".