Purpose: Housing First (HF) has been shown to improve housing stability, on average, for formerly homeless adults with mental illness. However, little is known about patterns of change and characteristics that predict different outcome trajectories over time. This article reports on latent trajectories of housing stability among 2140 participants (84% followed 24 months) of a multisite randomised controlled trial of HF.
Methods: Data were analyzed using generalised growth mixture modeling for the total cohort. Predictor variables were chosen based on the original program logic model and detailed reviews of other qualitative and quantitative findings. Treatment group assignment and level of need at baseline were included in the model.
Results: In total, 73% of HF participants and 43% of treatment-as-usual (TAU) participants were in stable housing after 24 months of follow-up. Six trajectories of housing stability were identified for each of the HF and TAU groups. Variables that distinguished different trajectories included gender, age, prior month income, Aboriginal status, total time homeless, previous hospitalizations, overall health, psychiatric symptoms, and comorbidity, while others such as education, diagnosis, and substance use problems did not.
Conclusion: While the observed patterns and their predictors are of interest for further research and general service planning, no set of variables is yet known that can accurately predict the likelihood of particular individuals benefiting from HF programs at the outset.
Objectif:: L’approche Logement d’abord (LA) s’est révélée améliorer la stabilité du logement, en moyenne, pour des adultes antérieurement sans abri souffrant de maladie mentale. Cependant, on en sait peu sur les modèles de changement et les caractéristiques qui prédisent différentes trajectoires des résultats avec le temps. Cet article présente les trajectoires latentes de la stabilité du logement chez 2140 participants (84 % suivis sur 24 mois) d’un essai randomisé contrôlé (ERC) dans de nombreux lieux de LA.
Méthodes:: Les données ont été analysées à l’aide des modèles de croissance mixtes généralisés pour toute la cohorte. Les variables des prédicteurs ont été choisies selon le modèle logique du programme original et les revues détaillées d’autres résultats qualitatifs et quantitatifs. L’affectation à un traitement de groupe, et le niveau des besoins au départ ont été inclus dans le modèle.
Résultats:: Soixante-treize pour cent des participants à LA et 43 % des participants au traitement habituel (TH) étaient dans un logement stable après 24 mois de suivi. Six trajectoires de stabilité du logement one été identifiées pour chacun des groupes LA et TH. Les variables qui distinguaient les différentes trajectoires étaient notamment le sexe, l’âge, le revenu du mois précédent, le statut autochtone, le temps total sans abri, les hospitalisations précédentes, la santé générale, les symptômes psychiatriques et la comorbidité, alors que d’autres comme l’instruction, le diagnostic, et les problèmes d’utilisation de substances ne distinguaient pas les différentes trajectoires.
Conclusion:: Bien que les modèles observés et leurs prédicteurs revêtent un intérêt pour la future recherche et la planification générale des services, nous ne connaissons encore aucun ensemble de variables qui puisse prédire avec exactitude la probabilité que certaines personnes en particulier bénéficient des programmes de LA au départ.
Keywords: generalized growth mixture modeling; homelessness; longitudinal data; mental disorders; trajectories.