Understanding the effects of housing first for homeless people with mental illness on patterns of service use over time: an application of latent class growth analysis
Bibliographic record
Abstract
Contexte: Des études antérieures ont établi l'efficacité du Housing First (HF) dans la réduction de l'utilisation d'autres services chez les personnes sans abri atteintes de maladie mentale. On en sait moins sur la façon dont HF affecte les modes d'utilisation des services au fil du temps et les caractéristiques associées aux diverses trajectoires d'utilisation. Objectifs: Identifier les trajectoires d'utilisation des refuges d'urgence et des visites ambulatoires, ainsi que les prédicteurs d'appartenance à ces trajectoires, dans le cadre d'un essai contrôlé randomisé de HF mené dans cinq villes canadiennes. Méthodes: Les données de l'étude expérimentale At Home/Chez Soi ont été utilisées. Des Canadiens en situation d'itinérance atteints de maladie mentale ont été recrutés entre octobre 2009 et juillet 2011 et ont été répartis au hasard en groupes HF ou traitement habituel. L'analyse de la croissance des classes latentes a été utilisée pour identifier les trajectoires de classes de l'utilisation de deux services coûteux sur 24 mois: les refuges (n = 2058) et les visites ambulatoires (n = 2127). La régression logistique multinomiale a été utilisée pour déterminer quelles variables mesurées au moment de l'entrée dans l'étude, y compris le groupe de traitement, pouvaient prédire l'appartenance à une classe. Résultats: Quatre catégories de trajectoires ont été identifiées pour l'utilisation des refuges: toujours faible, généralement faible, augmentation précoce et augmentation tardive. Ceux qui étaient inscrits dans HF, de même que ceux d'âge plus jeune, qui avaient passé moins de temps en itinérance, qui abusaient ou étaient dépendants à l'alcool et avaient un risque modéré ou élevé de suicide, avaient des chances plus élevées de connaître des trajectoires de faible utilisation des refuges. Quatre trajectoires de visites ambulatoires en santé mentale et en toxicomanie (excluant les visites d'intervention) ont été identifiées: décroissante-puis-croissante, croissante, décroissante, et toujours faible. Lorsque les visites d'intervention ont été incluses, les classes résultantes sont devenues: principalement décroissantes, augmentées jusqu'à mi-chemin puis déclin graduel, forte baisse puis constamment faible et toujours faible. Quatre trajectoires ont également été identifiées pour les visites de santé physique: déclin général, montée jusqu'à mi-chemin puis diminution, chute brutale puis constamment faible et enfin toujours faible. Les participants à HF étaient plus susceptibles de connaître une trajectoire de visites faible ou décroissante par rapport aux services habituels, pour les visites de toxicomanie/de santé mentale (à l'exclusion des visites d'intervention) et de santé physique. D'autres variables associées à des visites ambulatoires de moindre dépendance ou de santé mentale comprenaient le fait de ne pas avoir d'antécédents autochtones ou minoritaires, pas d'antécédents d'hospitalisation psychiatrique, pas de trouble psychotique au départ et un niveau de fonctionnement inférieur. Les variables associées à avoir moins de visites de santé incluaient le fait d'être un homme, de ne pas avoir d'origine autochtone ou minoritaire, un niveau de scolarité inférieur, un abus de drogue ou une dépendance, un fonctionnement inférieur, moins de soutien social familial et moins de comorbidités physiques.Conclusion: Cette étude décrit les effets de HF et d'autres caractéristiques à l'entrée dans l'étude sur la probabilité de suivre des trajectoires particulières d'utilisation des refuges et de visites ambulatoires. Les résultats indiquent une hétérogénéité non seulement dans les profils d'utilisation des services, mais aussi dans les caractéristiques des utilisateurs de services. Une meilleure compréhension des trajectoires d'utilisation des services et des caractéristiques des personnes ayant des profils d'utilisation coûteux peut aider à informer la planification des services et contribuer aux efforts de modélisation de 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 | 0.008 | 0.019 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.003 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 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".