evidoria

← Retour à la liste

Bonne pratique Importée

L'évaluation du logement d'Allegheny — Un outil d'apprentissage automatique de Pittsburgh améliore la priorisation du logement, mais une étude indépendante constate que les disparités raciales persistent

États-Unis d'Amérique · Pittsburgh · Voir le profil de États-Unis d'Amérique · Voir le profil de Pittsburgh

Preuves: Quasi expérimental Top 46% 60/100 · Demandez à Evidence Copilot à propos de cette pratique

Le comté d'Allegheny, en Pennsylvanie, a remplacé un questionnaire biaisé par un score d'IA (AHA) pour prioriser les services aux personnes sans domicile. Il prédit mieux le risque, mais une étude évaluée par des pairs constate que les disparités raciales persistent.

18,008
Évaluations historiques utilisées pour entraîner l'AHA (2016–2024)
0.66–0.72
Plage d'AUC du modèle (validation 2025)
29–58 %
Plage de la valeur prédictive positive
L'évaluation du logement d'Allegheny — Un outil d'apprentissage automatique de Pittsburgh améliore la priorisation du logement, mais une étude indépendante constate que les disparités raciales persistent

Détails

Maturité
Établie
Promoteur
Allegheny County Department of Human Services
Période
2020–2025
Mots-clés
homelessness services, social services, housing, human services, public health

Contexte

Depuis août 2020, le comté d'Allegheny utilise l'Allegheny Housing Assessment (AHA), un modèle prédictif entraîné sur 18 008 évaluations de logement historiques, pour prioriser l'accès à un logement d'accompagnement limité, remplaçant l'enquête VI-SPDAT dont il avait été montré qu'elle notait les clients blancs comme moins à risque que les clients noirs dans des circonstances similaires.

Résultats

Une étude évaluée par des pairs de 2024 a constaté qu'après le déploiement, les décisions de service réelles se sont mieux alignées sur les propres scores de risque du modèle, et la distribution des scores est devenue similaire selon les groupes ethniques — mais la même étude a constaté que la disparité raciale sous-jacente dans l'accès effectif aux services ne s'est pas réduite, l'attribuant à un outil de repli de mauvaise qualité de données et à des différences démographiques dans les critères d'éligibilité.

Mise en œuvre
Coût indicatif
Moyen (50 k€–500 k€)
Délai jusqu’aux résultats
Moyen (1–3 ans)
Personnel et compétences
Allegheny County Department of Human Services

Conditions de réussite

  • Trained on the county's integrated data warehouse (18,008+ assessments)

Modes d’échec courants

  • Racial disparity in service receipt persisted despite fairer risk scores, due to a poor-quality fallback survey tool and eligibility-criteria differences

Habituellement financé par

National / regional programmes

Pistes de financement indicatives pour des pratiques de ce type — vérifiez toujours les appels en cours et les règles d'éligibilité de chaque programme.

Vous portez cette pratique ? Revendiquez-la — les porteurs vérifiés obtiennent un contact public sur la page et peuvent proposer des corrections.

Sources de données

D'où proviennent les informations de cette pratique, et quand.

Pièces jointes

Pratiques similaires qui pourraient vous être utiles