Evidence-based supported employment for people with mental illness recently housed by a housing first project: helping homeless people achieve their goals of employment
Bibliographic record
Abstract
Les personnes atteintes de maladie mentale, récemment logés par un programme «logement d'abord» (type «Housing First») ont un taux de chômage qui dépasse 95%. Une grande majorité souhaite retourner à l'emploi, mais font face à des obstacles importants qui résultent de leurs expériences d'itinérance et de maladie mentale. Certains de ces obstacles persistent après avoir reçu de l'aide d'un programme «Housing First», ce qui suggère qu'ils ont besoin d'aide additionnelle pour atteindre leurs objectifs d'emploi. Le model Individual Placement and Support (IPS) est efficace et augment le taux d'emploi chez les personnes atteintes de maladie mentale logés de manière stable. Nous connaissons moins à propos de l'impact d'IPS sur les personnes sans-abri atteintes de maladie mentale. Cette étude, de méthodes mixtes, a été menée pour évaluer l'effet d'IPS et du programme «Housing First» sur l'emploi compétitif, et comprend trois bases de données (deux quantitatives et une qualitative). C'est à partir de ces bases de données que le contenu de cette thèse est dérivée: 1) Une grande base de données de 2148 participants de l'étude randomisés At Home/ Chez Soi. 2) Un échantillon spécifique de 90 participants qui participaient à une étude randomisés qui testait l'effet d'IPS. Et 3) un échantillon de 27 participants interrogés dans le cadre du volet qualitatif. Les données 3 ont été obtenue à partir d'un sous-échantillon des données 2, qui étaient un sous-échantillon de données 1. Les études randomisés d'IPS et du «Housing First» suggèrent que ni l'un ni l'autre est suffisante pour augmenter les chances d'obtenir un emploi par rapport aux services habituels, mais que le programme IPS augmente les chances un peux. Cependant, avec le temps «Housing First» a un impact. L'effet d'IPS peut avoir été dilué par des problèmes liés à l'implantation du programme et aux expériences d'itinérance. Les entrevues qualitatives suggèrent que le programme IPS semble avoir des effets positifs sur la recherche d'emploi en facilitant l'établissement d'une relation caractérisé par la confiance qui produit une alliance de travail.
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 | 0.006 | 0.023 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.003 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".