Improving the Response to People Experiencing Homelessness and Psychoactive Substance Use in Montreal: A Systemic and Intersectoral Perspective
Bibliographic record
Abstract
Introduction. Les personnes en situation d’itinérance qui consomment des substances psychoactives font face à plusieurs barrières à l’accès aux services généraux et ceux qui leur sont dédiés. Cela les mène, entre autres, à interagir fréquemment avec les services d’urgence, que ce soit avec la police, les services paramédicaux et les urgences hospitalières. Pourtant, ces services sont peu adaptés à leurs besoins. Il est donc important d’identifier des pistes de solutions concrètes pour améliorer la réponse d’urgence offerte aux personnes en situation d’itinérance qui consomment des substances psychoactives. Méthodologie. Ce devis évaluatif combine une analyse des besoins avec une évaluation démocratique délibérative. Un processus collaboratif, dont l’utilisation d’une Technique de recherche d’information par l’animation d’un groupe d’experts (TRIAGE) intersectorielle de 32 participants, a été organisé pour prioriser les solutions selon les différentes parties prenantes, soit les prestataires des services d’urgence, les personnes en situation d’itinérance et les autres acteurs qui gravitent autour d’elles (services spécialisés, milieu communautaire, politique et de la recherche). Résultats. Onze solutions ont été priorisées et classées dans quatre catégories : prévention de l’itinérance, approche à bas seuil, continuité des services et gouvernance. Conclusion. Cette étude a permis d’identifier des solutions concrètes et systémiques qui font consensus et qui pourront être implantées dans des contextes similaires au nôtre.
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 | 0.005 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.008 | 0.006 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".