MétaCan
Menu
← Back to cohort
Record W7162004924 · doi:10.82308/38868

Long-term cost-effectiveness of Housing First for homeless people with mental illness

2020· dissertation· en· W7162004924 on OpenAlexaboutno aff
Hannah Rochon

Bibliographic record

Venuenot available
Typedissertation
Languageen
FieldHealth Professions
TopicHomelessness and Social Issues
Canadian institutionsnot available
Fundersnot available
KeywordsEthnic discriminationNova scotiaDeportation

Abstract

fetched live from OpenAlex

Contexte. L'itinérance est en expansion au Canada et à l'étranger. Elle augmente considérablement le risque de mortalité et constitue donc un problème de santé publique. Le logement d’abord (LA), une approche qui consiste à fournir l’accès immédiat à un logement permanent et l’accès à des services de soutien individualisés, est un élément-clé des stratégies pour mettre fin à l'itinérance. Une étude de sa coût-efficacité pendant les deux premières années a conclu que le LA entraînait des compensations de coûts importantes mais n'était pas entièrement rentabilisé.Objectif. L'objectif de ce projet était de développer un modèle de simulation pour projeter les effets de l’approche HF sur les coûts, d'un point de vue sociétal, et la stabilité du logement, en comparaison avec les services habituels, sur un horizon de dix ans.Approche. Un modèle de simulation de Markov été construit utilisant une nouvelle plateforme, Discretely Integrated Condition Event (DICE), construite avec le logiciel Excel. Les données sur les coûts et les résultats ont été déterminées à partir du site de Montréal de l'essai contrôlé à répartition aléatoire At Home/Chez Soi. Les individus ont été divisés en huit sous-groupes selon le niveau de besoin, les antécédents d'itinérance et le groupe d'intervention. Neuf états de logement possibles, tels que la rue, les abris d’urgence, l’hospitalisation psychiatrique et la prison, ont été définis. Les probabilités quotidiennes de transition entre les états de logement ont été calculées par sous-groupe. Les coûts des soins de santé, des services sociaux et de la justice ainsi que les revenus moyens ont été calculés pour chaque état de logement en utilisant la régression généralisée des moindres carrés. Les jours dans un logement stable ont été utilisés comme mesure d’efficacité. Des analyses de sensibilité ont été menées sur le taux d'actualisation, le taux d' « autonomisation » des services fournis par LA (c’est-à-dire, le pourcentage de participants qui, chaque année après la seconde année, n’ont plus besoin du soutien d’une équipe de soutien clinique mais conservent néanmoins leur supplément au loyer) ainsi que le taux de mortalité obtenu de sources extérieures.Résultats. Sur les 463 individus répartis de façon aléatoire, 425 (257 dans le groupe LA et 168 dans le groupe recevant des services habituels, SH) ont fourni des données utilisables. Les résultats indiquent que LA est à la fois moins coûteux et plus efficace que les services habituels (SH). Sur dix ans, les participants LA ont accumulé en moyenne 1,501 jours supplémentaires dans un logement stable de plus que SH, tout en coûtant $26,572 de moins.. Les personnes qui avaient des antécédents d'itinérance plus longs et des besoins plus élevés ont réalisé les économies les plus importantes. Les économies proviennent des personnes LA se rendant et demeurant dans des appartements LA à un taux plus élevé. Les groupes SH passent généralement plus de temps dans des formes coûteuses de logement instable, comme le logement d'urgence et le traitement de la toxicomanie. Le LA est demeuré plus efficace et moins coûteux sur des plages plausibles des paramètres sélectionnés pour les analyses de sensibilité.Conclusion. Ce modèle illustre les différences d’efficacité de LA en fonction du niveau de besoins des clients et des antécédents de sans-abri. Les résultats globaux suggèrent que le rapport coût-efficacité à long terme de LA est encore plus élevé que ne le suggèrent les résultats sur deux ans

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 imitation

Not 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.

metaresearch head score (Codex)0.002
metaresearch head score (Gemma)0.013
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.050
Threshold uncertainty score0.100

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0020.013
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.000
Science and technology studies0.0010.000
Scholarly communication0.0010.001
Open science0.0010.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0080.000

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.

Opus teacher head0.044
GPT teacher head0.410
Teacher spread0.366 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2020
Admission routes1
Has abstractyes

Explore more

Same topicHomelessness and Social Issues→French-language works237,207→